| 1 |
1
지표투과레이더(GPR)에 의해 촬영된 복수의 GPR 이미지를 데이터베이스에 유지하는 단계;상기 데이터베이스 내의 GPR 이미지, 및 상기 GPR 이미지의 특징값 중 하나로 정해지는 대표 특징값으로 이루어진 학습 데이터를 1차 학습함으로써, 특징값 추출 모델을 구축하는 단계 -상기 특징값 추출 모델은, 이미지 분류 모델로 입력되는 신규의 GPR 이미지에 대한 특징값 셋을 출력하는 제1 모델임-;상기 특징값 추출 모델에 GPR 이미지를 입력하여, 상기 특징값 추출 모델로부터 출력되는 상기 GPR 이미지의 특징값 셋을 획득하는 단계; 및상기 획득된 GPR 이미지의 특징값 셋, 및 상기 GPR 이미지를 기 분류한 라벨값으로 이루어진 학습 데이터를 2차 학습함으로써, 특징값 분류 모델을 구축하는 단계 -상기 특징값 분류 모델은, 상기 이미지 분류 모델의 결과값으로서 상기 신규의 GPR 이미지에 대한 라벨값을 출력하는 제2 모델임-를 포함하는 이미지 분류 모델의 학습 방법
|
| 2 |
2
제1항에 있어서,상기 1차 학습하기 전,상기 GPR 이미지, 및 상기 GPR 이미지의 라벨값으로 이루어진 학습 데이터를 먼저 학습 함으로써,상기 학습에 의해 학습된 상기 GPR 이미지의 라벨값에 따라, 상기 GPR 이미지 및 상기 GPR 이미지의 대표 특징값이 분리된 상태에서 상기 1차 학습이 수행되도록 하는 단계를 더 포함하는 이미지 분류 모델의 학습 방법
|
| 3 |
3
제1항에 있어서,컨볼루션 신경망(CNN)에, 상기 GPR 이미지, 및 상기 GPR 이미지의 라벨값으로 이루어진 학습 데이터를 학습하여, 상기 특징값 추출 모델을 초기화 하는 단계; 및상기 초기화된 특징값 추출 모델에, 상기 GPR 이미지, 및 상기 GPR 이미지의 대표 특징값으로 이루어진 학습 데이터를 상기 1차 학습하는 단계를 더 포함하는 이미지 분류 모델의 학습 방법
|
| 4 |
4
제3항에 있어서,상기 1차 학습하는 단계는,상기 학습 데이터 내의 상기 GPR 이미지를, 상기 초기화된 특징값 추출 모델의 입력값으로 설정하고, 상기 학습 데이터 내의 상기 GPR 이미지의 대표 특징값을, 상기 초기화된 특징값 추출 모델의 출력값으로 설정한 후, 상기 1차 학습하는 단계를 포함하는 이미지 분류 모델의 학습 방법
|
| 5 |
5
제1항에 있어서,상기 특징값 분류 모델을 구축하는 단계는,컨볼루션 신경망에, 상기 GPR 이미지의 특징값 셋, 및 상기 GPR 이미지의 라벨값으로 이루어진 학습 데이터를 상기 2차 학습하여, 상기 특징값 분류 모델을 구축하는 단계를 포함하는 이미지 분류 모델의 학습 방법
|
| 6 |
6
제1항에 있어서,상기 복수의 GPR 이미지 각각이, 각 이미지의 무늬에 따라 '상승', '봉우리', '하강' 및 '기타' 중 어느 하나의 라벨값으로 분류되는 경우,상기 라벨값의 총 개수에 상응하는 서로 다른 K-means 클러스터링 모델을 이용하여, 상기 복수의 GPR 이미지 각각의 대표 특징값을 결정하는 단계를 더 포함하고,상기 데이터베이스에 유지하는 단계는,상기 복수의 GPR 이미지 각각을 상기 대표 특징값 및 상기 라벨값과 연관시켜 학습용 데이터로서 상기 데이터베이스에 유지하는 단계를 포함하는 이미지 분류 모델의 학습 방법
|
| 7 |
7
제6항에 있어서,상기 이미지 분류 모델의 학습 방법은,상기 신규의 GPR 이미지를 상기 특징값 추출 모델에 입력하여, 상기 GPR 이미지와 연관된 특징값 셋을 획득하는 단계;상기 획득한 특징값 셋을 상기 특징값 분류 모델로 입력하는 단계;상기 특징값 분류 모델에 의해, 전체 GPR 이미지를 분류하려는 라벨값 마다 할당된 중심 특징값이 도시된 분포도에, 상기 특징값 셋 내의 복수의 특징값의 분포를 도시함으로써, 상기 복수의 특징값 중 상대적으로 중심에 분포한 상기 신규의 GPR 이미지의 대표 특징값으로부터의 거리가 최소인 제1 중심 특징값을 상기 분포도에서 식별하는 단계;상기 제1 중심 특징값에 할당된 라벨값을, 상기 신규의 GPR 이미지를 분류한 결과값으로서 상기 특징값 분류 모델로부터 출력하는 단계; 및상기 신규의 GPR 이미지를, 상기 신규의 GPR 이미지의 대표 특징값 및 상기 신규의 GPR 이미지를 분류한 라벨값과 연관시켜, 학습용 데이터로서 상기 데이터베이스에 추가하는 단계를 더 포함하는 이미지 분류 모델의 학습 방법
|
| 8 |
8
제7항에 있어서,상기 이미지 분류 모델의 학습 방법은,상기 신규의 GPR 이미지에 관한 상기 학습용 데이터를 상기 데이터베이스에 추가함에 따라, 상기 데이터베이스에 유지되는 GPR 이미지의 대표 특징값이 업데이트되면,지정된 최신화 횟수 이내에서, 상기 업데이트된 대표 특징값으로 상기 1차 학습을 수행하여, 상기 특징값 추출 모델에 상기 업데이트된 대표 특징값을 반영시키는 단계를 더 포함하는 이미지 분류 모델의 학습 방법
|
| 9 |
9
지표투과레이더(GPR)에 의해 촬영된 복수의 GPR 이미지를 유지하는 데이터베이스;상기 데이터베이스 내의 GPR 이미지, 및 상기 GPR 이미지의 특징값 중 하나로 정해지는 대표 특징값으로 이루어진 학습 데이터를 1차 학습함으로써, 특징값 추출 모델을 구축하는 추출 모델 구축부 -상기 특징값 추출 모델은, 이미지 분류 모델로 입력되는 신규의 GPR 이미지에 대한 특징값 셋을 출력하는 제1 모델임-;상기 특징값 추출 모델에 GPR 이미지를 입력하여, 상기 특징값 추출 모델로부터 출력되는 상기 GPR 이미지의 특징값 셋을 획득하는 획득부; 및상기 획득된 GPR 이미지의 특징값 셋, 및 상기 GPR 이미지를 기 분류한 라벨값으로 이루어진 학습 데이터를 2차 학습함으로써, 특징값 분류 모델을 구축하는 분류 모델 구축부 -상기 특징값 분류 모델은, 상기 이미지 분류 모델의 결과값으로서 상기 신규의 GPR 이미지에 대한 라벨값을 출력하는 제2 모델임-를 포함하는 이미지 분류 모델의 학습 시스템
|
| 10 |
10
제9항에 있어서,상기 추출 모델 구축부는,상기 1차 학습하기 전, 상기 GPR 이미지, 및 상기 GPR 이미지의 라벨값으로 이루어진 학습 데이터를 먼저 학습 함으로써,상기 학습에 의해 학습된 상기 GPR 이미지의 라벨값에 따라, 상기 GPR 이미지 및 상기 GPR 이미지의 대표 특징값이 분리된 상태에서 상기 1차 학습이 수행되도록 하는이미지 분류 모델의 학습 시스템
|
| 11 |
11
제9항에 있어서,상기 추출 모델 구축부는,컨볼루션 신경망에, 상기 GPR 이미지, 및 상기 GPR 이미지의 라벨값으로 이루어진 학습 데이터를 학습하여, 상기 특징값 추출 모델을 초기화 하고,상기 초기화된 특징값 추출 모델에, 상기 GPR 이미지, 및 상기 GPR 이미지의 대표 특징값으로 이루어진 학습 데이터를 상기 1차 학습하는이미지 분류 모델의 학습 시스템
|
| 12 |
12
제11항에 있어서,상기 추출 모델 구축부는,상기 학습 데이터 내의 상기 GPR 이미지를, 상기 초기화된 특징값 추출 모델의 입력값으로 설정하고, 상기 학습 데이터 내의 상기 GPR 이미지의 대표 특징값을, 상기 초기화된 특징값 추출 모델의 출력값으로 설정한 후, 상기 1차 학습하는이미지 분류 모델의 학습 시스템
|
| 13 |
13
제9항에 있어서,상기 분류 모델 구축부는,컨볼루션 신경망에, 상기 GPR 이미지의 특징값 셋, 및 상기 GPR 이미지의 라벨값으로 이루어진 학습 데이터를 상기 2차 학습하여, 상기 특징값 분류 모델을 구축하는이미지 분류 모델의 학습 시스템
|
| 14 |
14
제9항에 있어서,상기 복수의 GPR 이미지 각각이, 각 이미지의 무늬에 따라 '상승', '봉우리', '하강' 및 '기타' 중 어느 하나의 라벨값으로 분류되는 경우,상기 라벨값의 총 개수에 상응하는 서로 다른 K-means 클러스터링 모델을 이용하여, 상기 복수의 GPR 이미지 각각의 대표 특징값을 결정하는 결정부를 더 포함하고,상기 데이터베이스는,상기 복수의 GPR 이미지 각각을 상기 대표 특징값 및 상기 라벨값과 연관시켜 학습용 데이터로서 유지하는이미지 분류 모델의 학습 시스템
|
| 15 |
15
제14항에 있어서,상기 획득부에 의해, 상기 신규의 GPR 이미지를 상기 특징값 추출 모델에 입력하여, 상기 GPR 이미지와 연관된 특징값 셋이 획득되면,상기 분류 모델 구축부는,전체 GPR 이미지를 분류하려는 라벨값 마다 할당된 중심 특징값이 도시된 분포도에, 상기 획득한 특징값 셋 내의 복수의 특징값의 분포를 도시하고, 상기 복수의 특징값 중 상대적으로 중심에 분포한 상기 신규의 GPR 이미지의 대표 특징값으로부터의 거리가 최소인 제1 중심 특징값을 상기 분포도에서 식별하고, 상기 제1 중심 특징값에 할당된 라벨값을, 상기 신규의 GPR 이미지를 분류한 결과값으로서 출력하는 특징값 분류 모델을 구축하고,상기 신규의 GPR 이미지를, 상기 신규의 GPR 이미지의 대표 특징값 및 상기 특징값 분류 모델에 의해 상기 신규의 GPR 이미지를 분류한 라벨값과 연관시켜, 학습용 데이터로서 상기 데이터베이스에 추가하는이미지 분류 모델의 학습 시스템
|
| 16 |
16
제15항에 있어서,상기 분류 모델 구축부에 의해 상기 신규의 GPR 이미지에 관한 상기 학습용 데이터를 상기 데이터베이스에 추가함에 따라, 상기 데이터베이스에 유지되는 GPR 이미지의 대표 특징값이 업데이트되면,상기 추출 모델 구축부는,지정된 최신화 횟수 이내에서, 상기 업데이트된 대표 특징값으로 상기 1차 학습을 수행하여, 상기 특징값 추출 모델에 상기 업데이트된 대표 특징값을 반영시키는이미지 분류 모델의 학습 시스템
|
| 17 |
17
제1항 내지 제8항 중 어느 한 항의 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록매체
|
