1 |
1
객체를 검출하고자 하는 영역에 대해서, 기구비된 제1 촬영수단으로부터 영상 데이터를 입력받고, 기구비된 제2 촬영수단으로부터 3차원 라이다 데이터를 입력받는 데이터 입력부(100);상기 데이터 입력부(100)에 입력된 상기 3차원 라이다 데이터를 변환하여 상기 영상 데이터에 투영한 융합 데이터를 생성하는 데이터 융합부(200);상기 데이터 융합부(200)에 의해 생성된 상기 융합 데이터를 분석하여, 포함되어 있는 객체의 크기를 예측하고, 예측한 크기에 대응되도록 합성곱의 필터 크기를 변환하여 합성곱 신경망에 적용하는 합성곱 연산부(300); 및상기 합성곱 신경망의 적용 결과들을 이용하여 객체의 검출 결과를 도출하는 결과 생성부(400);를 포함하여 구성되는 것을 특징으로 하는 가변 합성곱 신경망을 이용한 객체 검출 시스템
|
2 |
2
제 1항에 있어서,상기 합성곱 연산부(300)는상기 융합 데이터로부터 상기 영상 데이터 내 포함되어 있는 객체의 거리 정보를 예측하는 거리 분석부(310); 및기저장된 합성곱 연산 알고리즘을 이용하여, 상기 거리 분석부(310)에서 분석한 거리 정보를 이용하여, 각 객체마다 합성곱 필터의 크기를 변환하여, 기저장된 합성곱 신경망에 적용하는 필터 변환부(320);를 더 포함하여 구성되는 것을 특징으로 하는 가변 합성곱 신경망을 이용한 객체 검출 시스템
|
3 |
3
제 2항에 있어서,상기 필터 변환부(320)는팽창 합성곱 연산 알고리즘을 이용하여, 상기 거리 분석부(310)에서 분석한 거리 정보와 반비례하도록 합성곱 필터의 크기를 변환하는 것을 특징으로 하는 가변 합성곱 신경망을 이용한 객체 검출 시스템
|
4 |
4
제 1항에 있어서,상기 데이터 융합부(200)는상기 영상 데이터와 상기 3차원 라이다 데이터 간의 회전 변환 행렬을 통해, 상기 3차원 라이다 데이터를 상기 영상 데이터에 투영하며, 4채널의 융합 데이터를 생성하는 것을 특징으로 하는 가변 합성곱 신경망을 이용한 객체 검출 시스템
|
5 |
5
데이터 입력부에서, 객체를 검출하고자 하는 영역에 대한 영상 데이터와 3차원 라이다 데이터를 입력받는 입력단계(S100);데이터 융합부에서, 상기 입력단계(S100)에 의해 입력받은 상기 영상 데이터와 상기 3차원 라이다 데이터를 융합한 융합 데이터를 생성하는 융합단계(S200);합성곱 연산부에서, 상기 융합단계(S200)에 의해 생성한 상기 융합 데이터를 이용하여, 영역에 포함되어 있는 객체까지의 거리 정보를 예측하고, 예측한 거리 정보에 대응되도록 합성곱의 필터 크기를 변환하여 합성곱 신경망에 적용하는 연산단계(S300); 및결과 생성부에서, 상기 연산단계(S300)에 의해 상기 합성곱 신경망의 적용 결과들을 이용하여 영역에 포함되어 있는 객체의 검출 결과를 도출하는 검출단계(S400);를 포함하여 구성되는 것을 특징으로 하는 가변 합성곱 신경망을 이용한 객체 검출 방법
|
6 |
6
제 5항에 있어서,상기 융합단계(S200)는상기 영상 데이터와 상기 3차원 라이다 데이터 간의 회전 변환 행렬을 통해, 상기 3차원 라이다 데이터를 상기 영상 데이터에 투영하여 4채널의 융합 데이터를 생성하는 것을 특징으로 하는 가변 합성곱 신경망을 이용한 객체 검출 방법
|
7 |
7
제 5항에 있어서,상기 연산단계(S300)는상기 융합 데이터로부터 상기 영상 데이터 내 포함되어 있는 객체까지의 거리 정보를 예측하는 제1 연산단계; 및기저장된 합성곱 연산 알고리즘을 이용하여, 상기 제1 연산단계에 의해 예측한 거리 정보를 이용하여 각 객체마다 합성곱 필터의 크기를 변환하여, 기저장된 합성곱 신경망에 적용하는 제2 연산단계;를 더 포함하는 것을 특징으로 하는 가변 합성곱 신경망을 이용한 객체 검출 방법
|
8 |
8
제 7항에 있어서,상기 제2 연산단계는상기 합성곱 연산 알고리즘으로 팽창 합성곱 연산 알고리즘을 이용하여, 상기 제1 연산단계에 의해 예측한 거리 정보와 반비례하도록 합성곱 필터의 크기를 변환하는 것을 특징으로 하는 가변 합성곱 신경망을 이용한 객체 검출 방법
|