| 1 |
1
원본 영상의 복수 개의 영역들을 각각 마스킹함으로써 복수 개의 마스킹 영상들을 생성하는 단계;상기 각각의 마스킹 영상을 구조 추론부에 입력하여, 상기 복수 개의 마스킹 영상들로부터 추론되는 복수 개의 출력 영상들을 획득하는 단계;각각의 상기 출력 영상으로부터 상기 각각의 출력 영상을 생성하기 위해 마스킹된 영역들을 추출하고, 복수 개의 상기 추출된 영역들을 서로 결합하여 한 개의 추론 영상을 생성하는 단계; 및상기 추론 영상과 상기 원본 영상 간의 차이를 기초로 상기 원본 영상에 결함이 존재하는지 여부를 판단하는 단계;를 포함하는,결함 검사 방법
|
| 2 |
2
제1항에 있어서,상기 구조 추론부는 콘볼루션 레이어, 및 디콘볼루션 레이어를 포함하는 신경망이며,상기 신경망은,학습용 원본 영상의 임의의 영역을 임의의 마스크를 이용하여 소정의 값으로 매핑함으로써 학습용 마스킹 영상을 생성하는 단계;상기 학습용 마스킹 영상을 상기 신경망에 입력하여 상기 신경망으로부터 재구성된 추론 영상을 획득하는 단계; 및상기 추론 영상과 상기 학습용 원본 영상과의 차이를 감소시키도록 상기 신경망을 학습시키는 단계;를 포함하는 학습방법에 의해 학습된 것인,결함 검사 방법
|
| 3 |
3
제1항에 있어서,상기 구조 추론부는 콘볼루션 레이어, 및 디콘볼루션 레이어를 포함하는 신경망이며,상기 신경망은, 콘볼루션 레이어 및 디콘볼루션 레이어를 포함하며,상기 콘볼루션 레이어로 이루어진 피쳐 추출부가 각각의 상기 마스킹 영상의 특징을 추출하도록 되어 있으며,상기 추출된 특징은 상기 디콘볼루션 레이어로 구성된 파트에서 다시 상기 원본 영상의 크기로 재구성되도록 되어 있는,결함 검사 방법
|
| 4 |
4
제2항에 있어서,상기 신경망은, 콘볼루션 레이어 및 디콘볼루션 레이어를 포함하며,상기 콘볼루션 레이어로 이루어진 피쳐 추출부가 상기 학습용 마스킹 영상의 특징을 추출하도록 되어 있으며,상기 추출된 특징은 상기 디콘볼루션 레이어로 구성된 파트에서 다시 상기 학습용 원본 영상의 크기로 재구성되도록 되어 있는,결함 검사 방법
|
| 5 |
5
제1항에 있어서,상기 복수 개의 영역들의 형상과 크기는 서로 동일하며,상기 복수 개의 영역들을 결합하면 상기 원본 영상을 복원할 수 있으며,상기 복수 개의 영역들은 상기 원본 영상 내에서 서로 오버랩되지 않으며, 그리고상기 원본 영상의 복수 개의 영역들을 각각 마스킹하기 위해 한 개의 마스크만이 이용되는,결함 검사 방법
|
| 6 |
6
제1항에 있어서,상기 원본 영상의 복수 개의 영역들을 각각 마스킹하기 위해, 형상 또는 크기가 동일하지 않은 적어도 두 개의 마스크가 이용되며,상기 복수 개의 영역들을 결합하면 상기 원본 영상을 복원할 수 있으며, 그리고상기 복수 개의 영역들은 상기 원본 영상 내에서 서로 오버랩되지 않는,결함 검사 방법
|
| 7 |
7
원본 영상 중 제1부분을 제1마스크를 이용하여 마스킹함으로써 상기 원본 영상으로부터 제1마스킹 영상을 생성하는 단계;상기 제1마스킹 영상을 구조 추론부에 입력하여, 상기 구조 추론부로부터 상기 제1마스킹 영상에 대한 제1추론 영상을 획득하는 단계; 및상기 제1추론 영상과 상기 원본 영상 간의 차이를 기초로 상기 제1부분에 결함이 존재하는지 여부를 판단하는 단계;를 포함하는,결함 검사 방법
|
| 8 |
8
제7항에 있어서,상기 구조 추론부는 콘볼루션 레이어, 및 디콘볼루션 레이어를 포함하는 신경망이며,상기 신경망은,학습용 원본 영상의 임의의 영역을 임의의 마스크를 이용하여 소정의 값으로 매핑함으로써 학습용 마스킹 영상을 생성하는 단계;상기 학습용 마스킹 영상을 상기 신경망에 입력하여 상기 신경망으로부터 재구성된 추론 영상을 획득하는 단계; 및상기 추론 영상과 상기 학습용 원본 영상과의 차이를 감소시키도록 상기 신경망을 학습시키는 단계;를 포함하는 학습방법에 의해 학습된 것인,결함 검사 방법
|
| 9 |
9
제7항에 있어서,상기 구조 추론부는 콘볼루션 레이어, 및 디콘볼루션 레이어를 포함하는 신경망이며,상기 신경망은, 콘볼루션 레이어 및 디콘볼루션 레이어를 포함하며,상기 콘볼루션 레이어로 이루어진 피쳐 추출부가 상기 제1마스킹 영상의 특징을 추출하도록 되어 있으며,상기 추출된 특징은 상기 디콘볼루션 레이어로 구성된 파트에서 다시 상기 원본 영상의 크기로 재구성되도록 되어 있는,결함 검사 방법
|
| 10 |
10
3D 원본 영상을 구성하는 n개의 2차원 영상들 중 선택된 2차원 영상들을 1개의 확장된 2차원 영상으로 재구성함으로써 재구성된 원본 영상을 획득하는 단계;상기 재구성된 원본 영상에서, 상기 선택된 2차원 영상들 중 제1 2차원 영상에 대응하는 서브영상의 복수 개의 영역들을 각각 마스킹함으로써 복수 개의 재구성된 마스킹 영상들을 생성하는 단계;상기 각각의 재구성된 마스킹 영상을 구조 추론부에 입력하여, 상기 복수 개의 재구성된 마스킹 영상들로부터 추론되는 복수 개의 출력 영상들을 획득하는 단계;각각의 상기 출력 영상으로부터 상기 각각의 출력 영상을 생성하기 위해 마스킹된 영역들을 추출하고, 복수 개의 상기 추출된 영역들을 서로 결합하여 한 개의 추론 영상을 생성하는 단계; 및상기 3D 원본 영상 중 상기 제1 2차원 영상과 상기 추론 영상 간의 차이를 기초로 상기 원본 영상에 결함이 존재하는지 여부를 판단하는 단계;를 포함하는,결함 검사 방법
|
| 11 |
11
제10항에 있어서,상기 구조 추론부는 콘볼루션 레이어, 및 디콘볼루션 레이어를 포함하는 신경망이며,상기 신경망은,학습용으로 제공된 재구성된 원본 영상 중 상기 서브영상의 임의의 영역을 임의의 마스크를 이용하여 소정의 값으로 매핑함으로써 학습을 위한 재구성된 마스킹 영상을 생성하는 단계;상기 학습을 위한 재구성된 마스킹 영상을 상기 신경망에 입력하여 상기 신경망으로부터 추론 영상을 획득하는 단계; 및상기 추론 영상과 상기 서브영상과의 차이를 감소시키도록 상기 신경망을 학습시키는 단계;를 포함하는 학습방법에 의해 학습된 것인,결함 검사 방법
|
| 12 |
12
원본 영상을 획득하는 데이터 획득부; 및처리부;를 포함하며,상기 처리부는,원본 영상의 복수 개의 영역들을 각각 마스킹함으로써 복수 개의 마스킹 영상들을 생성하는 단계;상기 각각의 마스킹 영상을 구조 추론부에 입력하여, 상기 복수 개의 마스킹 영상들로부터 추론되는 복수 개의 출력 영상들을 획득하는 단계;각각의 상기 출력 영상으로부터 상기 각각의 출력 영상을 생성하기 위해 마스킹된 영역들을 추출하고, 복수 개의 상기 추출된 영역들을 서로 결합하여 한 개의 추론 영상을 생성하는 단계; 및상기 추론 영상과 상기 원본 영상 간의 차이를 기초로 상기 원본 영상에 결함이 존재하는지 여부를 판단하는 단계;를 실행하도록 되어 있는,결함 검사 장치
|
