| 1 |
1
이미지의 레이아웃 분석 시스템에 있어서,적어도 하나의 클래스를 포함하는 이미지를 획득하는 이미지 획득 모듈;획득된 이미지 중 분석할 영역을 지정하는 마스크 데이터를 획득하는 마스크 데이터 획득 모듈; 및상기 획득된 이미지 중, 상기 마스크 데이터에 의해 지정된 영역의 클래스 및 상기 클래스의 레이아웃을 예측하는 레이아웃 분석 모듈을 포함하고,상기 레이아웃 분석 모듈은,상기 이미지 및 상기 마스크 데이터를 입력받고, 입력받은 상기 이미지 및 상기 마스크 데이터에 기초하여 상기 클래스 및 상기 레이아웃을 예측한 예측 결과를 출력하도록 학습된 레이아웃 분석 네트워크를 포함하는,레이아웃 분석 시스템
|
| 2 |
2
제1항에 있어서, 상기 클래스의 레이아웃은,상기 이미지 중, 상기 마스크 데이터에 의해 지정된 영역에 존재하는 클래스가 차지하는 영역의 경계에 대응하는,레이아웃 분석 시스템
|
| 3 |
3
제2항에 있어서, 상기 레이아웃 분석 네트워크는,상기 클래스의 레이아웃을 나타내는 복수의 포인트들에 대응하는 복수의 좌표들을 출력하고,상기 레이아웃 분석 모듈은,상기 출력된 복수의 좌표들에 기초하여 상기 클래스의 레이아웃 정보를 생성하는 레이아웃 생성기를 더 포함하는,레이아웃 분석 시스템
|
| 4 |
4
제3항에 있어서, 상기 레이아웃 생성기는,상기 복수의 포인트들을 연결한 다각형의 형태로 표현되는 상기 레이아웃 정보를 생성하고,상기 복수의 포인트들 중 적어도 일부는 상기 다각형의 꼭지점들에 대응하는,레이아웃 분석 시스템
|
| 5 |
5
제4항에 있어서, 상기 예측 결과에 기초하여 상기 레이아웃 분석 네트워크의 학습을 수행하는 네트워크 학습 모듈을 더 포함하고,상기 네트워크 학습 모듈은,상기 레이아웃 정보와 정답 레이아웃 정보, 및 예측된 클래스 정보 및 정답 클래스 정보에 기초하여 상기 레이아웃 분석 네트워크를 업데이트하는,레이아웃 분석 시스템
|
| 6 |
6
제5항에 있어서, 상기 네트워크 학습 모듈은,상기 레이아웃 정보에 대응하는 레이아웃 영역과, 상기 정답 레이아웃 정보에 대응하는 정답 레이아웃 영역의 차집합의 면적 또는 교집합의 면적 중 적어도 하나에 기초하여 상기 레이아웃 분석 네트워크에 포함된 신경망의 노드들 간의 가중치를 업데이트하는,레이아웃 분석 시스템
|
| 7 |
7
제1항에 있어서, 상기 적어도 하나의 클래스는 상기 이미지에 포함된 정보의 형태를 나타내고,상기 마스크 데이터는,상기 이미지 중 상기 분석할 영역에 대응하는 적어도 하나의 지점을 나타내는 점, 선, 또는 영역이 표현된 마스크 이미지를 포함하는,레이아웃 분석 시스템
|
| 8 |
8
적어도 하나의 클래스를 포함하는 이미지를 획득하는 단계;획득된 이미지 중 분석할 영역을 지정하는 마스크 데이터를 획득하는 단계;상기 획득된 이미지 중, 상기 마스크 데이터에 의해 지정된 영역의 클래스 및 상기 클래스의 레이아웃을 예측하도록 학습된 레이아웃 분석 네트워크로, 상기 이미지 및 마스크 데이터를 입력하는 단계; 및상기 레이아웃 분석 네트워크를 통해, 상기 입력된 이미지 중 상기 마스크 데이터에 의해 지정된 영역의 클래스 및 상기 클래스의 레이아웃을 예측한 예측 결과를 획득하는 단계를 포함하는,이미지의 레이아웃 분석 방법
|
| 9 |
9
제8항에 있어서, 상기 클래스의 레이아웃은,상기 이미지에 포함된 상기 적어도 하나의 클래스 중, 상기 마스크 데이터에 의해 지정된 영역에 존재하는 클래스가 차지하는 영역의 경계에 대응하는,이미지의 레이아웃 분석 방법
|
| 10 |
10
제9항에 있어서, 상기 예측 결과를 획득하는 단계는,상기 레이아웃 분석 네트워크로부터, 상기 클래스의 레이아웃을 나타내는 복수의 포인트들에 대응하는 복수의 좌표들을 획득하는 단계; 및획득된 복수의 좌표들을 연결한 다각형으로 표현되는 레이아웃의 예측 결과를 획득하는 단계를 포함하는,이미지의 레이아웃 분석 방법
|
| 11 |
11
제10항에 있어서, 상기 복수의 포인트들 중 적어도 일부는, 상기 다각형의 꼭지점들에 대응하는,이미지의 레이아웃 분석 방법
|
| 12 |
12
제8항에 있어서,상기 예측 결과에 기초하여 상기 레이아웃 분석 네트워크의 학습을 수행하는 단계를 더 포함하고,상기 학습을 수행하는 단계는,예측된 클래스 및 예측된 레이아웃과, 정답 클래스 정보 및 정답 레이아웃 정보에 기초하여 상기 레이아웃 분석 네트워크를 업데이트하는 단계를 포함하는,이미지의 레이아웃 분석 방법
|
| 13 |
13
제12항에 있어서, 상기 레이아웃 분석 네트워크를 업데이트하는 단계는,상기 예측된 레이아웃에 대응하는 레이아웃 영역과, 상기 정답 레이아웃 정보에 대응하는 정답 레이아웃 영역의 차집합의 면적에 기초하여, 상기 레이아웃 분석 네트워크에 포함된 신경망의 노드들 간의 가중치를 업데이트하는 단계를 포함하는,이미지의 레이아웃 분석 방법
|
| 14 |
14
제8항에 있어서, 상기 적어도 하나의 클래스는 텍스트, 그림, 사진, 도형, 및 표 중 적어도 하나를 포함하고,상기 마스크 데이터는,상기 분석할 영역에 대응하는 적어도 하나의 지점을 나타내는 점, 선, 또는 영역이 표현된 마스크 이미지를 포함하는,이미지의 레이아웃 분석 방법
|
