1 |
1
적어도 두 개의 입력이미지에서 공통특징정보를 학습하는 제 1 단계학습부;적어도 두 개의 입력이미지에서 편향특징정보를 학습하는 제 2 단계학습부; 및상기 공통특징정보와 상기 편향특징정보를 이용하여 상기 적어도 두 개의 입력이미지가 모두 가지는 이미지정보를 구하는 제 3 단계학습부가 포함되는
|
2 |
2
제 1 항에 있어서, 적어도 두 개의 입력이미지 중의 하나의 입력이미지에는, 제 1 이미지정보, 및 제 2 이미지정보가 포함되고, 적어도 두 개의 입력이미지 중의 다 하나의 입력이미지에는, 상기 제 1 이미지정보, 및 상기 제 2 이미지정보, 및 제 3 이미지정보가 포함되는, 이미지향상장치
|
3 |
3
제 2 항에 있어서, 상기 제 1 이미지정보는 배경이미지정보이고, 상기 제 2 이미지정보는 빗물, 눈, 및 공기 중 부유물 중의 적어도 하나를 포함하는 이미지정보이고, 상기 제 3 이미지정보는 안개정보인, 이미지향상장치
|
4 |
4
제 2 항에 있어서, 상기 제 2 이미지정보는 고주파정보이고, 상기 제 3 이미지정보는 저주파정보인, 이미지향상장치
|
5 |
5
제 1 항에 있어서, 상기 제 2 단계학습부에서 학습된 상기 편향특징정보는 상기 제 1 단계학습부의 공유특징정보의 학습에 영향을 미치지 않는, 이미지향상장치
|
6 |
6
제 1 항에 있어서, 상기 제 2 단계학습부의 선단에 제공되어, 상기 편향특징정보를 추출하는 영상편향특징추출기; 및상기 제 2 단계학습부의 선단에 제공되어 최적화 기능을 향상시키는 구분자 네트워크가 포함되는
|
7 |
7
제 1 항에 있어서, 상기 제 1 단계학습부는, 로 학습하고, 상기 제 2 단계학습부는, 로 학습하고, 상기 제 3 단계학습부는 로 학습하고, 여기서, 는 각각, Bias network E^ex의 파라미터, Local MI Estimator의 파라미터, Global MI Estimator의 파라미터, Local information network의 파라미터, Discriminator의 파라미터, 및 f_recurrent layer의 파라미터인
|