맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

위성 영상 표적 식별 장치, 방법, 컴퓨터 판독 가능한 기록매체 및 컴퓨터 프로그램

  • 기술번호 : KST2022002826
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
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 일 실시예에 따른 위성 영상 표적 식별 방법은, 위성영상을 기 설정된 크기의 제 1 패치 이미지로 분할하는 단계와, 상기 분할된 제 1 패치 이미지 각각에서 기 학습된 제 1 기계 학습 모델을 이용하여 예상 표적을 탐지하는 단계와, 상기 분할된 제 1 패치 이미지 중, 상기 예상 표적이 탐지된 위치에 대한 밀도를 기초로 클러스터링을 수행하는 단계와, 상기 클러스터링된 결과를 기초로 표적을 식별하는 단계를 포함할 수 있다.
Int. CL G06T 7/11 (2017.01.01) G06K 9/00 (2022.01.01) G06N 20/00 (2019.01.01)
CPC G06T 7/11(2013.01) G06V 20/695(2013.01) G06N 20/00(2013.01) G06T 2207/10032(2013.01)
출원번호/일자 1020200107953 (2020.08.26)
출원인 국방과학연구소
등록번호/일자
공개번호/일자 10-2022-0026876 (2022.03.07) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.08.26)
심사청구항수 12

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 신수진 대전광역시 유성구
2 김영중 대전광역시 유성구
3 김준희 대전광역시 유성구
4 김성호 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
최종권리자 정보가 없습니다
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		 2020.08.26 수리 (Accepted) 1-1-2020-0899761-39
2 [우선심사신청]심사청구서·우선심사신청서
 2020.08.31 수리 (Accepted) 1-1-2020-0917684-34
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
위성영상을 기 설정된 크기의 제 1 패치 이미지로 분할하는 단계와,상기 분할된 제 1 패치 이미지 각각에서 기 학습된 제 1 기계 학습 모델을 이용하여 예상 표적을 탐지하는 단계와,상기 분할된 제 1 패치 이미지 중, 상기 예상 표적이 탐지된 위치에 대한 밀도를 기초로 클러스터링을 수행하는 단계와,상기 클러스터링된 결과를 기초로 표적을 식별하는 단계를 포함하는위성 영상 표적 식별 방법
2 2
제 1 항에 있어서,상기 표적을 식별하는 단계는,상기 클러스터링된 결과를 기 설정된 크기의 제 2 패치 이미지로 분할하는 단계와,상기 분할된 제 2 패치 이미지 각각에서 기 학습된 제 2 기계 학습 모델을 이용하여 상기 표적을 식별하는 단계를 포함하는위성 영상 표적 식별 방법
3 3
제 1 항에 있어서,상기 제 1 기계 학습 모델은,Region Proposal Network를 통해 수신된 패치 이미지를 입력으로, 상기 입력된 패치 이미지에서의 예상 표적을 정답으로 하여 기계 학습되어 있는위성 영상 표적 식별 방법
4 4
제 2 항에 있어서,상기 제 2 기계 학습 모델은,Detection Network를 통해 수신된 패치 이미지를 입력으로, 상기 입력된 패치 이미지에서의 표적을 정답으로 하여 기계 학습되어 있는위성 영상 표적 식별 방법
5 5
제 1 항에 있어서,상기 클러스터링을 수행하는 단계는,상기 분할된 제 1 패치 이미지 중, 상기 예상 표적이 탐지된 위치 각각의 중심점을 클러스터링하는 단계를 포함하는위성 영상 표적 식별 방법
6 6
위성영상을 기 설정된 크기의 제 1 패치 이미지로 분할하는 이미지 분할부;상기 분할된 제 1 패치 이미지 각각에서 기 학습된 제 1 기계 학습 모델을 이용하여 예상 표적을 탐지하는 예상 표적 탐지부;상기 분할된 제 1 패치 이미지 중, 상기 예상 표적이 탐지된 위치에 대한 밀도를 기초로 클러스터링을 수행하는 클러스터링부; 및상기 클러스터링된 결과를 기초로 표적을 식별하는 표적 식별부를 포함하는위성 영상 표적 식별 장치
7 7
제 6 항에 있어서,상기 표적 식별부는,상기 클러스터링된 결과를 기 설정된 크기의 제 2 패치 이미지로 분할하고, 상기 분할된 제 2 패치 이미지 각각에서 기 학습된 제 2 기계 학습 모델을 이용하여 상기 표적을 식별하는위성 영상 표적 식별 장치
8 8
제 6 항에 있어서,상기 제 1 기계 학습 모델은,Region Proposal Network를 통해 수신된 패치 이미지를 입력으로, 상기 입력된 패치 이미지에서의 예상 표적을 정답으로 하여 기계 학습되어 있는위성 영상 표적 식별 장치
9 9
제 7 항에 있어서,상기 제 2 기계 학습 모델은,Detection Network를 통해 수신된 패치 이미지를 입력으로, 상기 입력된 패치 이미지에서의 표적을 정답으로 하여 기계 학습되어 있는위성 영상 표적 식별 장치
10 10
제 6 항에 있어서,상기 클러스터링부는,상기 분할된 제 1 패치 이미지 중, 상기 예상 표적이 탐지된 위치 각각의 중심점을 클러스터링하는위성 영상 표적 식별 장치
11 11
컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,위성영상을 기 설정된 크기의 제 1 패치 이미지로 분할하는 단계와,상기 분할된 제 1 패치 이미지 각각에서 기 학습된 제 1 기계 학습 모델을 이용하여 예상 표적을 탐지하는 단계와,상기 분할된 제 1 패치 이미지 중, 상기 예상 표적이 탐지된 위치에 대한 밀도를 기초로 클러스터링을 수행하는 단계와,상기 클러스터링된 결과를 기초로 표적을 식별하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 판독 가능한 기록매체
12 12
컴퓨터 판독 가능한 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,위성영상을 기 설정된 크기의 제 1 패치 이미지로 분할하는 단계와,상기 분할된 제 1 패치 이미지 각각에서 기 학습된 제 1 기계 학습 모델을 이용하여 예상 표적을 탐지하는 단계와,상기 분할된 제 1 패치 이미지 중, 상기 예상 표적이 탐지된 위치에 대한 밀도를 기초로 클러스터링을 수행하는 단계와,상기 클러스터링된 결과를 기초로 표적을 식별하는 단계를 포함하는 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 프로그램
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.