1 |
1
인공신경망 학습을 위한 M(M은 2 이상의 자연수)개의 학습 영상과 인공신경망 검증을 위한 L(L은 2 이상의 자연수)개의 검증 영상을 획득하는 영상 획득부;M개의 학습 영상 각각에 대해, 각 학습 영상에 대응되는 n개의 보완 레이블들과 1개의 기준 레이블을 생성한 후, 각 학습 영상을 입력영상으로 하고 이에 대응하는 1개의 기준 레이블과 n개의 보조레이블들을 학습 타겟 영상으로 하는 학습 데이터 셋트를 생성하는 동작을 반복 수행하여 M개의 학습 데이터 셋트를 구성하는 학습 데이터 생성부;L개의 검증 영상 각각에 대해, 각 검증 영상에 대응되는 정밀 수작업 레이블을 작성한 후, 각 검증 영상을 입력영상으로 하고 이에 대응하는 정밀 수작업 레이블을 검증 타겟 영상으로 하는 검증 데이터 셋트를 생성하는 동작을 반복 수행하여 L개의 검증 데이터 셋트를 구성하는 검증 데이터 생성부;M개의 학습 데이터 셋트를 이용하여 인공신경망을 SO-MT(Single output-Multi Targets) 학습시키는 동작을 반복 수행하고, L개의 검증 데이터 셋트에 대해서도 상기 인공신경망을 SO-ST(Single Output-Single Target) 학습시키는 동작을 반복 수행하는 인공신경망 학습부; 상기 인공신경망의 학습 반복 구간마다 L개의 검증 데이터 셋트의 각 검증 영상에 대한 출력 예측값과 정밀 수작업 레이블과의 차이값을 산출 및 분석하여 상기 인공신경망의 예측 성능을 검증하고 학습 종료 여부를 결정하는 인공신경망 학습종료 판단부; 및학습 완료된 상기 인공신경망에 M개의 학습 영상을 순차적으로 입력하여 M개의 정밀영역 레이블을 획득하고, 이와 동시에 L개의 검증 영상 각각에 대응되는 L개의 정밀 수작업 레이블을 L개의 정밀영역 레이블로 획득하는 정밀영역 레이블 획득부를 포함하는 인공신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
2 |
2
제1항에 있어서, 상기 영상 획득부는(M+L)개의 영상을 일시 획득한 후, M개의 영상을 랜덤 선택하여 M개의 학습 영상으로 설정하고, 나머지 L개의 영상은 L개의 검증 영상으로 설정하는 것을 특징으로 하는 인공신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
3 |
3
제1항에 있어서, 상기 학습 데이터 생성부는 보조레이블 각각을 영상 처리 기반의 자동 레이블링 방법이나 물체 영역인식 목적으로 기 학습된 인공 신경망 예측기반 방법에 따라 생성할 수 있으며, 상기 영상 처리 기반의 자동 레이블링 방법은 임계치 기반 레이블링 방법, 및 에지 기반 레이블링 방법인 것을 특징으로 하는 인공신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
4 |
4
제3항에 있어서, 상기 인공 신경망 예측 기반 방법은 물체 영역인식을 목적으로 기 개발된 인공신경망에 M개의 학습 영상을 순차적으로 인가하여 획득한 출력 영상을 레이블링 영상으로 사용하는 것을 특징으로 하는 인공신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
5 |
5
제1항에 있어서, 상기 학습 데이터 생성부는 기준레이블을 사용자가 컴퓨터 소프트웨어 툴을 활용하여 수작업 방식으로 비정밀 영역을 설정하도록 하는 비 정밀 레이블링 방법에 따라 생성할 수 있으며, 상기 비 정밀 레이블링 방법은 경계박스 레이블링 방법, 다각형 레이블링 방법, 원형 레이블링 방법, 타원형 레이블링 방법 중 어느 하나 인 것을 특징으로 하는 인공신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
6 |
6
제1항에 있어서, 상기 인공신경망 학습부는 M개의 학습데이터 셋트에 대해서는, 하나의 학습데이터 셋트를 순차적으로 선택하여 1 개의 입력영상과 이에 대응하는 학습 타겟 영상으로 n+1개의 기준레이블 및 보조레이블을 사용하여 학습시키는 SO-MT 학습을 반복 수행하고,L개의 검증 데이터 셋트에 대해서는, 하나의 검증 데이터 셋트를 순차적으로 선택하여 1 개의 입력영상과 이에 대응하는 학습 타겟 영상으로 1 개의 정밀수작업 레이블을 사용하여 학습시키는 SO-ST 학습을 반복 수행하는 것을 특징으로 하는 인공 신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
7 |
7
제1항에 있어서, 상기 인공신경망 학습종료 판단부는 상기 L 개의 검증 데이터에 대한 인공신경망의 출력과 수작업 방식으로 작성된 정밀 수작업 레이블에 기반하여 평균 IOU(Intersection over Union)를 산출하고, IOU 산출치가 기 설정치 이하이면 학습을 종료하되, 그렇지 않으면 상기 인공신경망 학습부가 새로운 영상에 기반한 SO-MT 및 SO-ST 학습을 추가 수행하도록 하는 것을 특징으로 하는 인공 신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
8 |
8
제6항 또는 제7항에 있어서, 상기 SO-MT 학습은 단일 영상이 출력되는 인공신경망에 다수의 레이블 영상이 타겟으로 인가되어 학습되게 하고, 상기 SO-ST 학습은 단일 영상이 출력되는 인공신경망에 하나의 레이블 영상이 타겟으로 인가되어 학습되게 하는 것인 것을 특징으로 하는 인공 신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
9 |
9
제1항에 있어서, 상기 정밀영역 레이블 획득부는학습 완료된 상기 인공신경망을 통해 학습 영상에 대응되는 정밀영역 레이블을 획득하는 경우, 상기 인공신경망의 파라미터 업데이트는 수행하지 않는 것을 특징으로 하는 인공 신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
10 |
10
제1항에 있어서, 상기 정밀영역 레이블 획득부는(M+L) 개의 정밀 영역레이블들 중 M 개의 각 학습데이터에 대해서 얻은 M 개의 정밀 영역 레이블에 대해서는 각 학습데이터에 대응하는 기준레이블과의 AND 연산을 추가적으로 수행함으로써, 각 정밀 영역 레이블 영역 중 기준 레이블의 영역에 해당되는 영역에 포함되는 부분만을 최종 정밀영역 레이블로 취하는 기능을 더 포함하는 것을 특징으로 하는 인공 신경망 학습을 위한 반자동 정밀영역 레이블 획득 장치
|
11 |
11
반자동 정밀영역 레이블 획득 장치의 인공신경망 학습을 위한 반자동 정밀영역 레이블 획득 방법에 있어서, 상기 반자동 정밀영역 레이블 획득 장치가 인공신경망 학습을 위한 M(M은 2 이상의 자연수)개의 학습 영상과 인공신경망 검증을 위한 L(L은 2 이상의 자연수)개의 검증 영상을 획득하는 영상 획득 단계;상기 반자동 정밀영역 레이블 획득 장치가 M개의 학습 영상 각각에 대해, 각 학습 영상에 대응되는 n개의 보완 레이블들과 1개의 기준 레이블을 생성한 후, 각 학습 영상을 입력영상으로 하고 이에 대응하는 1개의 기준 레이블과 n개의 보조레이블들을 학습 타겟 영상으로 하는 학습 데이터 셋트를 생성하는 동작을 반복 수행하여 M개의 학습 데이터 셋트를 구성하는 학습 데이터 생성 단계;상기 반자동 정밀영역 레이블 획득 장치가 L개의 검증 영상 각각에 대해, 각 검증 영상에 대응되는 정밀 수작업 레이블을 작성한 후, 각 검증 영상을 입력영상으로 하고 이에 대응하는 정밀 수작업 레이블을 검증 타겟 영상으로 하는 검증 데이터 셋트를 생성하는 동작을 반복 수행하여 L개의 검증 데이터 셋트를 구성하는 검증 데이터 생성 단계;상기 반자동 정밀영역 레이블 획득 장치가 M개의 학습 데이터 셋트를 이용하여 인공신경망을 SO-MT(Single output-Multi Targets) 학습시키는 동작을 반복 수행하고, L개의 검증 데이터 셋트에 대해서도 상기 인공신경망을 SO-ST(Single Output-Single Target) 학습시키는 동작을 반복 수행하는 인공신경망 학습 단계;상기 반자동 정밀영역 레이블 획득 장치가 상기 인공신경망의 학습 반복 구간마다 L개의 검증 데이터 셋트의 각 검증 영상에 대한 출력 예측값과 정밀 수작업 레이블과의 차이값을 산출 및 분석하여 상기 인공신경망의 예측 성능을 검증하고 학습 종료 여부를 결정하는 인공신경망 학습종료 판단 단계; 및상기 반자동 정밀영역 레이블 획득 장치가 학습 완료된 상기 인공신경망에 M개의 학습 영상을 순차적으로 입력하여 M개의 정밀영역 레이블을 획득하고, 이와 동시에 L개의 검증 영상 각각에 대응되는 L개의 정밀 수작업 레이블을 L개의 정밀영역 레이블로 획득하는 정밀영역 레이블 획득 단계를 포함하는 인공신경망 학습을 위한 반자동 정밀영역 레이블 획득 방법
|