맞춤기술찾기

이전대상기술

인공 신경망 기반의 표적 영역 추출 장치, 방법 및 이의 학습 방법

  • 기술번호 : KST2022002430
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명에 따르면, 미리 학습된 표적 영역 추출 모델이 저장된 메모리 및 합성 개구면 레이더(SAR)영상의 탐지결과를 입력 받고, 상기 표적 영역 추출 모델을 실행하여, 상기 탐지결과에서 중심 표적을 추출하는 프로세서를 포함하며, 상기 표적 영역 추출 모델은, 표적과 상기 표적에 인접한 클러터를 포함하는 탐지결과를 학습 입력 영상으로 하고, 상기 탐지결과에서 표본 기반 인페인팅 기법으로 중심 표적 영역을 추출한 영상을 학습 목표 영상으로 하여 학습된 것인 인공 신경망 기반의 표적 영역 추출 장치, 방법 및 이의 학습 방법이 개시된다.
Int. CL G06K 9/00 (2022.01.01) G06V 10/24 (2022.01.01) G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01) G06T 5/00 (2019.01.01)
CPC G06V 20/00(2013.01) G06V 10/25(2013.01) G06N 3/08(2013.01) G06N 3/04(2013.01) G06T 5/005(2013.01) G06T 2207/20084(2013.01)
출원번호/일자 1020210004798 (2021.01.13)
출원인 국방과학연구소
등록번호/일자 10-2337687-0000 (2021.12.06)
공개번호/일자
공고번호/일자 (20211209) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2021.01.13)
심사청구항수 8

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 국방과학연구소 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 박지훈 대전광역시 유성구
2 채대영 대전광역시 유성구
3 임호 대전광역시 유성구
4 유지희 대전광역시 유성구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 제일특허법인(유) 대한민국 서울특별시 서초구 마방로 ** (양재동, 동원F&B빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 국방과학연구소 대전광역시 유성구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application
2021.01.13 수리 (Accepted) 1-1-2021-0046025-15
2 [우선심사신청]심사청구서·우선심사신청서
2021.01.20 수리 (Accepted) 1-1-2021-0078933-41
3 의견제출통지서
Notification of reason for refusal
2021.03.28 발송처리완료 (Completion of Transmission) 9-5-2021-0247716-17
4 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2021.05.14 수리 (Accepted) 1-1-2021-0561911-44
5 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2021.05.14 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2021-0561912-90
6 최후의견제출통지서
Notification of reason for final refusal
2021.07.26 발송처리완료 (Completion of Transmission) 9-5-2021-0588713-23
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2021.09.16 수리 (Accepted) 1-1-2021-1078140-86
8 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2021.09.16 보정승인 (Acceptance of amendment) 1-1-2021-1078141-21
9 등록결정서
Decision to grant
2021.11.30 발송처리완료 (Completion of Transmission) 9-5-2021-0940663-07
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
표적 영역 추출 장치에 있어서,미리 학습된 표적 영역 추출 모델이 저장된 메모리; 및합성 개구면 레이더(SAR)영상의 탐지결과를 입력 받고, 상기 표적 영역 추출 모델을 실행하여, 상기 탐지결과에서 중심 표적을 추출한 결과를 모사한 예측 영상을 생성하는 프로세서;를 포함하며,상기 표적 영역 추출 모델은, 표적과 상기 표적에 인접한 클러터를 포함하는 학습용 탐지결과를 학습 입력 영상으로 입력받고, 상기 학습 입력 영상에서 표본 기반 인페인팅 기법으로 중심 표적 영역을 추출한 영상을 학습 목표 영상으로 입력받아, 상기 학습 입력 영상을 기초로 중심 표적 영역을 추출한 결과를 모사한 학습용 예측 영상을 생성하고, 상기 학습용 예측 영상을 반복적으로 생성하되, 상기 학습용 예측 영상과 상기 학습 목표 영상 간의 유사도가 소정의 임계치보다 높아질 때까지 상기 학습용 예측 영상을 반복하여 생성하도록 학습된 것인 표적 영역 추출 장치
2 2
제1항에 있어서,상기 표적 영역 추출 모델은,적어도 하나의 레이어를 포함하여, 상기 학습 입력 영상을 기초로 중심 표적 영역 추출 결과를 모사하여 상기 학습용 예측 영상을 생성하도록 학습된 생성기; 및상기 학습용 예측 영상과 상기 학습 목표 영상을 비교하여, 상기 학습용 예측 영상과 상기 학습 목표 영상 간의 유사도가 소정의 임계치보다 낮으면 상기 학습용 예측 영상을 가짜(fake) 영상으로 판별하고, 높으면 진짜(real) 영상으로 판별하도록 학습된 판별기;를 포함하는 표적 영역 추출 장치
3 3
삭제
4 4
삭제
5 5
제1항에 있어서,상기 학습 목표 영상은, 사용자의 입력을 통해 상기 탐지결과에서 상기 표적에 대응되는 영역을 비인페인팅 영역으로, 상기 표적에 인접한 클러터에 대응되는 영역을 인페인팅 영역으로 구분하여, 상기 인페인팅 영역에 인페인팅을 수행하여 생성된 영상인 표적 영역 추출 장치
6 6
삭제
7 7
표적 영역 추출 장치의 학습 방법에 있어서,표적과 상기 표적에 인접한 클러터를 포함하는 학습용 탐지결과를 입력 받는 단계;상기 학습용 탐지결과를 학습 입력 영상으로 입력받고, 상기 학습 입력 영상에서 표본 기반 인페인팅 기법으로 중심 표적 영역을 추출한 영상을 학습 목표 영상으로 입력받는 단계;상기 학습 입력 영상을 기초로, 중심 표적 영역을 추출한 결과를 모사한 학습용 예측 영상을 생성하고, 상기 학습 목표 영상과의 유사도를 산출하는 단계;상기 학습 목표 영상과의 유사도가 높아지도록 상기 학습용 예측 영상을 반복적으로 생성하는 단계; 및상기 학습용 예측 영상과 상기 학습 목표 영상 간의 유사도가 소정의 임계치보다 높아질 때까지 학습용 예측 영상을 생성하도록 표적 영역 추출 모델을 학습시키는 단계;를 포함하는 표적 영역 추출 장치의 학습 방법
8 8
제7항에 있어서,상기 표적 영역 추출 모델을 학습시키는 단계는,상기 학습 입력 영상을 적어도 하나의 레이어를 포함하는 생성기에 입력하여, 상기 생성기가 상기 학습 입력 영상을 기반으로 중심 표적 영역 추출 결과를 모사하여 학습용 예측 영상을 생성하도록 상기 생성기를 학습시키는 단계;판별기에 상기 학습용 예측 영상과 상기 학습 목표 영상을 입력하여, 상기 판별기가 상기 학습용 예측 영상과 상기 학습 목표 영상을 비교하여, 상기 학습용 예측 영상과 상기 학습 목표 영상의 유사도가 소정의 임계치보다 낮으면 가짜(fake) 영상으로 판별하고, 상기 유사도가 상기 소정의 임계치보다 크면 진짜(real) 영상으로 상기 학습용 예측 영상을 판별하도록 상기 판별기를 학습시키는 단계; 및상기 판별기가 상기 학습용 예측 영상을 가짜 영상으로 판별하면 상기 생성기가 학습용 예측 영상을 다시 생성하여 다시 생성된 상기 학습용 예측 영상과 상기 학습 목표 영상의 유사도가 높아지도록 상기 생성기를 학습 시키는 단계;를 포함하는 표적 영역 추출 장치의 학습 방법
9 9
삭제
10 10
삭제
11 11
표적 영역 추출 장치에 의해 수행되는 표적 영역 추출 방법에 있어서,합성 개구면 레이더(SAR)영상의 탐지결과를 입력 받는 단계; 및미리 학습된 표적 영역 추출 모델을 이용하여, 상기 탐지결과에서 중심 표적을 추출한 결과를 모사한 예측 영상을 생성하는 단계;를 포함하며,상기 표적 영역 추출 모델은, 표적과 상기 표적에 인접한 클러터를 포함하는 학습용 탐지결과를 학습 입력 영상으로 입력받고, 상기 학습 입력 영상에서 표본 기반 인페인팅 기법으로 중심 표적 영역을 추출한 영상을 학습 목표 영상으로 입력받아, 상기 학습 입력 영상을 기초로 중심 표적 영역을 추출한 결과를 모사한 학습용 예측 영상을 생성하고, 상기 학습용 예측 영상을 반복적으로 생성하되, 상기 학습용 예측 영상과 상기 학습 목표 영상 간의 유사도가 소정의 임계치보다 높아질 때까지 상기 학습용 예측 영상을 반복하여 생성하도록 학습된 것인 표적 영역 추출 방법
12 12
표적과 상기 표적에 인접한 클러터를 포함하는 학습용 탐지결과를 입력 받는 단계;상기 학습용 탐지결과를 학습 입력 영상으로 입력받고, 상기 학습 입력 영상에서 표본 기반 인페인팅 기법으로 중심 표적 영역을 추출한 영상을 학습 목표 영상으로 입력받는 단계; 상기 학습 입력영상을 기초로, 중심 표적 영역을 추출한 결과를 모사한 학습용 예측 영상을 생성하고, 상기 학습 목표 영상과의 유사도를 산출하는 단계; 상기 학습 목표 영상과의 유사도가 높아지도록 상기 학습용 예측 영상을 반복적으로 생성하는 단계; 및 상기 학습용 예측 영상과 상기 학습 목표 영상 간의 유사도가 소정의 임계치보다 높아질 때까지 학습용 예측 영상을 생성하도록 표적 영역 추출 모델을 학습시키는 단계;를 포함하는 표적 영역 추출 장치의 학습 방법을 수행하도록 하는 명령어를 포함하는 컴퓨터 프로그램이 저장된 기록매체
13 13
표적과 상기 표적에 인접한 클러터를 포함하는 학습용 탐지결과를 입력 받는 단계;상기 학습용 탐지결과를 학습 입력 영상으로 입력받고, 상기 학습 입력 영상에서 표본 기반 인페인팅 기법으로 중심 표적 영역을 추출한 영상을 학습 목표 영상으로 입력받는 단계; 상기 학습 입력영상을 기초로, 중심 표적 영역을 추출한 결과를 모사한 학습용 예측 영상을 생성하고, 상기 학습 목표 영상과의 유사도를 산출하는 단계;상기 학습 목표 영상과의 유사도가 높아지도록 상기 학습용 예측 영상을 반복적으로 생성하는 단계; 및 상기 학습용 예측 영상과 상기 학습 목표 영상 간의 유사도가 소정의 임계치보다 높아질 때까지 학습용 예측 영상을 생성하도록 표적 영역 추출 모델을 학습시키는 단계;를 포함하는 표적 영역 추출 장치의 학습 방법을 수행하도록 하는 명령어를 포함하는 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.