| 1 |
1
제 1 센서를 통해 획득된 데이터를 이용하여 기 학습되어 있는 제 1 심층 신경망과 상기 제 1 센서와 데이터가 상호 변환될 수 있는 제 2 센서를 통해 획득된 데이터를 이용하여 기 학습되어 있는 제 2 심층 신경망이 저장되어 있는 메모리;서로 간의 캘리브레이션이 수행된 상기 제 1 센서 및 상기 제 2 센서 각각으로부터 획득된 제 1 데이터 및 제 2 데이터를 전달 받는 입출력부; 및상기 입출력부에서 전달 받은 데이터를 이용하여, 상기 제 1 심층 신경망과 상기 제 2 심층 신경망 중 하나를 선정하고, 상기 제 1 데이터 또는 제 2 데이터를 선정된 심층 신경망에 입력한 후, 상기 선정된 심층 신경망으로부터 출력된 출력값을 이용하여 선정되지 않은 심층 신경망의 의사-레이블(pseudo-label) 데이터를 생성하는 프로세서를 포함하고,상기 프로세서는,상기 선정된 심층 신경망이 상기 제 1 심층 신경망일 경우, 상기 제 1 데이터를 상기 제 1 심층 신경망에 입력한 후, 상기 제 1 심층 신경망으로부터 출력된 출력값을 이용하여 상기 제 2 심층 신경망의 의사-레이블 데이터를 생성하고,상기 선정된 심층 신경망이 상기 제 2 심층 신경망일 경우, 상기 제 2 데이터를 상기 제 2 심층 신경망에 입력한 후, 상기 제 2 심층 신경망으로부터 출력된 출력값을 이용하여 상기 제 1 심층 신경망의 의사-레이블 데이터를 생성하는의사-레이블 데이터 생성 장치
|
| 2 |
2
제 1 항에 있어서,상기 캘리브레이션이 수행된 제 1 센서 및 제 2 센서는,상기 제 1 센서 및 상기 제 2 센서에 의해 서로 캘리브레이션됨으로 인하여,호모지니어스 변환 (Homogeneous Transform)에 필요한 변환 행렬 (Transformation matrix) 이 도출된 상태인의사-레이블 데이터 생성 장치
|
| 3 |
3
제 1 항에 있어서,상기 프로세서는,상기 제 1 데이터와 상기 제 1 심층 신경망의 학습에 사용된 데이터간의 유사도와 상기 제 2 데이터와 상기 제 2 심층 신경망의 학습에 사용된 데이터간의 유사도를 계산한 후, 더 높은 유사도를 가지는 심층 신경망을 선정하는의사-레이블 데이터 생성 장치
|
| 4 |
4
제 3 항에 있어서,상기 프로세서는,쿨백-라이블러 발산 (Kullback-Leibler divergence) 및 바타차려 거리 (Bhattacharyya distance) 중 적어도 하나를 이용하여 상기 유사도를 계산하는의사-레이블 데이터 생성 장치
|
| 5 |
5
삭제
|
| 6 |
6
제 1 항에 있어서,상기 제 1 센서는 카메라를 포함하고,상기 제 2 센서는 라이다(Lidar) 센서를 포함하는의사-레이블 데이터 생성 장치
|
| 7 |
7
제 1 센서를 통해 획득된 데이터를 이용하여 기 학습되어 있는 제 1 심층 신경망과 상기 제 1 센서와 데이터가 상호 변환될 수 있는 제 2 센서를 통해 획득된 데이터를 이용하여 기 학습되어 있는 제 2 심층 신경망이 저장되어 있는 메모리를 포함하는 의사-레이블 데이터 생성 장치에 의해 수행되는 의사-레이블 데이터 생성 방법에 있어서,서로 간의 캘리브레이션이 수행된 상기 제 1 센서 및 상기 제 2 센서 각각으로부터 획득된 제 1 데이터 및 제 2 데이터를 전달 받는 단계와,상기 전달 받은 데이터를 이용하여, 상기 제 1 심층 신경망과 상기 제 2 심층 신경망 중 하나를 선정하는 단계와,상기 제 1 데이터 또는 제 2 데이터를 선정된 심층 신경망에 입력한 후, 상기 선정된 심층 신경망으로부터 출력된 출력값을 이용하여 선정되지 않은 심층 신경망의 의사-레이블(pseudo-label) 데이터를 생성하는 단계를 포함하고,의사-레이블 데이터(pseudo-label)를 생성하는 단계는,상기 선정된 심층 신경망이 상기 제 1 심층 신경망일 경우, 상기 제 1 데이터를 상기 제 1 심층 신경망에 입력한 후, 상기 제 1 심층 신경망으로부터 출력된 출력값을 이용하여 상기 제 2 심층 신경망의 의사-레이블 데이터를 생성하고,상기 선정된 심층 신경망이 상기 제 2 심층 신경망일 경우, 상기 제 2 데이터를 상기 제 2 심층 신경망에 입력한 후, 상기 제 2 심층 신경망으로부터 출력된 출력값을 이용하여 상기 제 1 심층 신경망의 의사-레이블 데이터를 생성하는의사-레이블 데이터 생성 방법
|
| 8 |
8
제 7 항에 있어서,상기 캘리브레이션이 수행된 제 1 센서 및 제 2 센서는상기 제 1 센서 및 상기 제 2 센서에 의해 서로 캘리브레이션됨으로 인하여,호모지니어스 변환(Homogeneous Transform)에 필요한 변환 행렬(Transformation matrix) 이 도출된 상태인의사-레이블 데이터 생성 방법
|
| 9 |
9
제 7 항에 있어서,상기 선정하는 단계는,상기 제 1 데이터와 상기 제 1 심층 신경망의 학습에 사용된 데이터간의 유사도와 상기 제 2 데이터와 상기 제 2 심층 신경망의 학습에 사용된 데이터간의 유사도를 계산한 후, 더 높은 유사도를 가지는 심층 신경망을 선정하는 단계를 포함하는의사-레이블 데이터 생성 방법
|
| 10 |
10
제 9 항에 있어서,상기 선정하는 단계는,쿨백-라이블러 발산 (Kullback-Leibler divergence) 및 바타차려 거리 (Bhattacharyya distance) 중 적어도 하나를 이용하여 상기 유사도를 계산하는의사-레이블 데이터 생성 방법
|
| 11 |
11
삭제
|
| 12 |
12
제 7 항에 있어서,상기 제 1 센서는 카메라를 포함하고, 상기 제 2 센서는 라이다(Lidar) 센서를 포함하는의사-레이블 데이터 생성 방법
|
| 13 |
13
의사-레이블 데이터 생성 장치에 의해 생성된 의사-레이블 데이터를 이용하여 심층 신경망을 학습하는 장치에 있어서,기 학습된 제 1 심층 신경망과 제 2 심층 신경망, 및 상기 제 1 심층 신경망과 상기 제 2 심층 신경망 중에서 적어도 하나의 학습에 사용되는 학습 데이터가 저장되어 있는 메모리;상기 의사-레이블 데이터 생성 장치로부터 상기 제 1 심층 신경망 및 상기 제 2 심층 신경망 중에서 어느 하나의 의사-레이블(pseudo-label) 데이터를 전달받는 입출력부; 및상기 학습 데이터와 상기 의사-레이블 데이터를 이용하여 상기 어느 하나의 심층 신경망을 학습시키는 프로세서를 포함하고,상기 의사-레이블 데이터는,상기 의사-레이블 데이터 생성 장치에서 서로 간의 캘리브레이션이 수행된 제 1 센서 및 제 2 센서 각각으로부터 획득된 제 1 데이터 및 제 2 데이터를 이용하여 상기 제 1 심층 신경망을 선정할 경우, 상기 제 1 데이터를 상기 제 1 심층 신경망에 입력한 후, 상기 제 1 심층 신경망으로부터 출력된 출력값을 이용하여 생성된 상기 제 2 심층 신경망의 의사-레이블 데이터이고,상기 의사-레이블 데이터 생성 장치에서 상기 제 2 심층 신경망을 선정할 경우, 상기 제 2 데이터를 상기 제 2 심층 신경망에 입력한 후, 상기 제 2 심층 신경망으로부터 출력된 출력값을 이용하여 생성된 상기 제 1 심층 신경망의 의사-레이블 데이터인심층 신경망 학습 장치
|
| 14 |
14
의사-레이블 데이터 생성 장치에 의해 생성된 의사-레이블 데이터를 이용하여 심층 신경망을 학습하는 방법에 있어서,상기 의사-레이블 데이터 생성 장치로부터 기 학습된 제 1 심층 신경망 및 제 2 심층 신경망 중에서 어느 하나의 의사-레이블 데이터를 전달 받는 단계와,상기 어느 하나의 심층 신경망의 학습에 사용되는 데이터와, 상기 의사-레이블 데이터를 이용하여 상기 어느 하나의 심층 신경망을 학습시키는 단계를 포함하고,상기 의사-레이블 데이터는,상기 의사-레이블 데이터 생성 장치에서 서로 간의 캘리브레이션이 수행된 제 1 센서 및 제 2 센서 각각으로부터 획득된 제 1 데이터 및 제 2 데이터를 이용하여 상기 제 1 심층 신경망을 선정할 경우, 상기 제 1 데이터를 상기 제 1 심층 신경망에 입력한 후, 상기 제 1 심층 신경망으로부터 출력된 출력값을 이용하여 생성된 상기 제 2 심층 신경망의 의사-레이블 데이터이고,상기 의사-레이블 데이터 생성 장치에서 상기 제 2 심층 신경망을 선정할 경우, 상기 제 2 데이터를 상기 제 2 심층 신경망에 입력한 후, 상기 제 2 심층 신경망으로부터 출력된 출력값을 이용하여 생성된 상기 제 1 심층 신경망의 의사-레이블 데이터인심층 신경망 학습 방법
|
| 15 |
15
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은,제 7 항 내지 제 10항 및 제 12 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 판독 가능한 기록매체
|
| 16 |
16
컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은,제 7 항 내지 제 10 항 및 제 12 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 프로그램
|
