1 |
1
대상 객체의 복수 시점 영상을 각각 입력받는 영상 입력부;객체 탐지 기반 딥러닝 모델을 이용하여 상기 객체의 각 시점에서의 기준데이터를 분류하고, 상기 객체에 관한 기준데이터 레벨에 관한 각 시점별 복수의 확률 기반 스코어 벡터를 출력하는 개별 판별부;상기 스코어 벡터의 오차 행렬(confusion matrix)로부터 상기 각 시점에서의 복수의 가중치를 연산하는 가중치 연산부; 및상기 개별 판별부로부터 출력되는 상기 복수의 확률 기반 스코어 벡터와 상기 가중치 연산부로부터 연산되는 상기 가중치에 기반하여 최종 기준데이터 레벨을 결정하는 최종 판별부를 포함하는, 작물의 분류 장치
|
2 |
2
제1항에 있어서,상기 복수의 시점 영상은 상기 대상 객체의 꼭지 부근의 제1 시점 영상 및 상기 대상 객체의 배꼽 부근의 제2 시점 영상을 포함하고,상기 복수의 확률 기반 스코어 벡터는 상기 제1 시점 영상에서의 제1 스코어 벡터 및 상기 제2 시점 영상에서의 제2 스코어 벡터를 포함하고,상기 오차 행렬은 상기 제1 스코어 벡터에 관한 제1 오차 행렬 및 상기 제2 스코어 벡터에 관한 제2 오차 행렬을 포함하고,상기 복수의 가중치는 상기 제1 오차 행렬로부터 연산된 제1 가중치 및 상기 제2 오차 행렬로부터 연산된 제2 가중치를 포함하되,상기 제1 가중치 및 상기 제2 가중치는 각각 벡터 또는 스칼라인, 작물의 분류 장치
|
3 |
3
제1항에 있어서,상기 개별 판별부는 각 개별 시점에서의 상기 대상 객체의 경계 상자 위치 추정 및 상기 대상 객체의 색상 분류를 동시에 수행하는 작물의 분류 장치
|
4 |
4
제1항에 있어서,상기 개별 판별부는 상기 대상 객체를 포함하는 경계 상자의 후보 영역에 관한 추정을 수행하는 제1 탐색부, 및 상기 제1 탐색부의 추정 결과에 기초하여 상기 대상 객체의 숙도 분류 및 경계 상자 위치 추정을 수행하는 제2 탐색부를 포함하는 작물의 분류 장치
|
5 |
5
제1항에 있어서,상기 개별 판별부의 확률 기반 스코어 벡터는 각 개별 시점에서 나타나는 상기 대상 객체의 색 정보 패턴을 포괄적으로 표현하는 이산 확률분포 데이터이고,상기 최종 판별부는 상기 대상 객체의 전 영역에 걸쳐 연속적으로 발달하는 숙도 단계별 색 분포 패턴을 고려하여 상기 대상 객체에 대한 최종 숙도 레벨을 결정하는, 작물의 분류 장치
|
6 |
6
제1항에 있어서,상기 최종 판별부는 하기 수식을 이용하여 최종 기준데이터 레벨을 결정하는 작물의 분류 장치003c#수식003e#(여기서, 는 최종 결정 융합 벡터이고, N은 각 개별 시점의 총 개수를 의미하고, n은 각 개별 시점의 순번을 의미하고, 는 시점 n에서의 확률 기반 스코어 벡터이고, αn은 시점 n에 대한 가중치임)
|
7 |
7
제6항에 있어서,αn은 각 시점별 개별 판별부의 오차 행렬로부터 계산된 평균 리콜(average recall) 또는 평균 정확(average precision)을 기반으로 연산되는 작물의 분류 장치
|
8 |
8
제6항에 있어서,αn은 하기 수식 A 및 수식 B 중 어느 하나로부터 연산되는 작물의 분류 장치
|
9 |
9
대상 객체의 복수 시점 영상을 각각 입력받는 단계;객체 탐지 기반 딥러닝 모델을 이용하여 상기 객체의 각 시점에서의 기준데이터를 분류하고, 상기 객체에 관한 기준데이터 레벨에 관한 각 시점별 복수의 확률 기반 스코어 벡터를 출력하는 단계;상기 스코어 벡터의 오차 행렬(confusion matrix)로부터 상기 각 시점에서의 복수의 가중치를 연산하는 단계; 및상기 복수의 확률 기반 스코어 벡터와 상기 가중치에 기반하여 최종 기준데이터 레벨을 결정하는 단계를 포함하는, 작물의 분류 방법
|
10 |
10
프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체로서,상기 제1항에 따른 방법을 수행하기 위한 프로그램이 기록된 기록 매체
|