| 1 |
1
디바이스에서 사용되는 객체 검출 모델을 최적화하는 장치로서,프로세서; 및상기 프로세서와 동작 가능하게 연결되고 상기 프로세서에서 수행되는 적어도 하나의 코드를 저장하는 메모리를 포함하고,상기 메모리는 상기 프로세서를 통해 실행될 때 상기 프로세서로 하여금, 상기 객체 검출 모델의 훈련에 사용된 학습 데이터 내 제1 반사강도 데이터에 대한 통계적 분석을 수행하여 도출된 제1 통계 특성값을 입력받고, 상기 디바이스에서 사용되는 제1 라이다 센서로부터 획득된 시험용 데이터 내 제2 반사강도 데이터에 대한 통계적 분석을 수행하여 제2 통계 특성값을 도출하며, 상기 제1 통계 특성값 및 상기 제2 통계 특성값에 기초하여 상기 제1 라이다 센서로부터 획득된 실제 데이터를 변환하도록 야기하는 코드를 저장하고,상기 메모리는 상기 프로세서로 하여금,상기 제1 통계 특성값 및 상기 제2 통계 특성값에 기초하여 데이터 변환 모델을 생성하고, 상기 데이터 변환 모델을 이용하여 상기 실제 데이터를 변환하며, 상기 변환된 실제 데이터에 상기 객체 검출 모델을 적용하여 객체의 종류를 검출하도록 야기하는 코드를 저장하는,객체 검출 장치
|
| 2 |
2
제1항에 있어서,상기 학습 데이터는 상기 객체 검출 모델의 훈련을 위해 제2 라이다 센서로부터 획득된 데이터이고,상기 제2 라이다 센서는 상기 디바이스에서 사용되는 제1 라이다 센서와 상이한,객체 검출 장치
|
| 3 |
3
제1항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 객체 검출 모델을 생성하기 위해 사용된 제2 라이다 센서의 모델명 또는 사양과 상기 디바이스에서 사용되는 제1 라이다 센서의 모델명 또는 사양을 비교한 결과, 상기 제1 라이다 센서의 모델명 또는 사양과 제2 라이다 센서의 모델명 또는 사양이 상이한 경우, 학습 서버에 상기 제1 통계 특성값을 요청하여, 상기 학습 서버로부터 상기 제1 통계 특성값을 입력받는,객체 검출 장치
|
| 4 |
4
제1항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 제1 반사강도 데이터와 연관된 제1 부가 데이터를 더 입력받고, 상기 시험용 데이터로부터 제2 부가 데이터를 추출하며, 상기 제1 반사강도 데이터와 상기 제1 부가 데이터 간의 관계 및 상기 제2 반사강도 데이터와 상기 제2 부가 데이터 간의 관계 간의 차이에 기초하여, 상기 변환된 실제 데이터를 조정하도록 야기하는 코드를 저장하고,상기 제1 부가 데이터 및 상기 제2 부가 데이터는 반사율, 주사 거리 및 입사각 중 적어도 하나를 포함하는,객체 검출 장치
|
| 5 |
5
삭제
|
| 6 |
6
제1항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 실제 데이터로부터 공간좌표 데이터를 추출하고, 상기 변환된 실제 데이터 및 상기 공간좌표 데이터에 상기 객체 검출 모델을 적용하여 상기 객체의 종류 및 상기 객체의 위치를 검출하도록 야기하는 코드를 저장하는,객체 검출 장치
|
| 7 |
7
제1항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 제1 반사강도 데이터 및 상기 제2 반사강도 데이터에 대해 기설정된 정규화 변환 모델을 각각 적용하여 데이터를 정규화시키고, 상기 정규화 과정에서 각각 도출된 제1 변환 특성값 및 제2 변환 특성값에 더 기초하여 상기 데이터 변환 모델을 생성하도록 야기하는 코드를 저장하는,객체 검출 장치
|
| 8 |
8
제7항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 정규화된 제2 반사강도 데이터 및 상기 제1 변환 특성값에 기설정된 역정규화 변환 모델을 적용하여 상기 정규화된 제2 반사강도 데이터를 역정규화시키고, 상기 제1 통계 특성값 및 상기 제2 통계 특성값의 차이에 기초하여, 상기 역정규화된 제2 반사강도 데이터의 분포를 조정하도록 야기하는 코드를 저장하는,객체 검출 장치
|
| 9 |
9
제8항에 있어서,상기 메모리는 상기 프로세서로 하여금,상기 제2 변환 특성값에 기초하여 상기 조정된 제2 반사강도 데이터를 재조정하고, 정규화 이전의 상기 제2 반사강도 데이터와 상기 재조정된 제2 반사강도 데이터 간의 차이에 더 기초하여 상기 데이터 변환 모델을 생성하도록 야기하는 코드를 저장하는,객체 검출 장치
|
| 10 |
10
제1항에 있어서,상기 제1 통계 특성값 또는 상기 제2 통계 특성값은 상기 제1 반사강도 데이터 또는 상기 제2 반사강도 데이터의 최대값, 최소값, 평균값 및 중앙값 중 적어도 하나를 포함하는,객체 검출 장치
|
| 11 |
11
디바이스에서 사용되는 객체 검출 모델을 최적화하는 방법으로서,상기 객체 검출 모델의 훈련에 사용된 학습 데이터 내 제1 반사강도 데이터에 대한 통계적 분석을 수행하여 도출된 제1 통계 특성값을 입력받는 단계;상기 디바이스에서 사용되는 제1 라이다 센서로부터 획득된 시험용 데이터 내 제2 반사강도 데이터에 대한 통계적 분석을 수행하여 제2 통계 특성값을 도출하는 단계;상기 제1 통계 특성값 및 상기 제2 통계 특성값에 기초하여 상기 제1 라이다 센서로부터 획득된 실제 데이터를 변환하는 단계; 및상기 변환된 실제 데이터에 상기 객체 검출 모델을 적용하여 객체의 종류를 검출하는 단계를 포함하고,상기 실제 데이터를 변환하는 단계는,상기 제1 통계 특성값 및 상기 제2 통계 특성값에 기초하여 데이터 변환 모델을 생성하고, 상기 데이터 변환 모델을 이용하여 상기 실제 데이터를 변환하는 단계를 포함하는,객체 검출 방법
|
| 12 |
12
제11항에 있어서,상기 학습 데이터는 상기 객체 검출 모델의 훈련을 위해 제2 라이다 센서로부터 획득된 데이터이고,상기 제2 라이다 센서는 상기 디바이스에서 사용되는 제1 라이다 센서와 상이한,객체 검출 방법
|
| 13 |
13
제11항에 있어서,상기 제1 통계 특성값을 입력받는 단계는,상기 객체 검출 모델을 생성하기 위해 사용된 제2 라이다 센서의 모델명 또는 사양과 상기 디바이스에서 사용되는 제1 라이다 센서의 모델명 또는 사양을 비교하는 단계; 및상기 비교 결과, 상기 제1 라이다 센서의 모델명 또는 사양과 제2 라이다 센서의 모델명 또는 사양이 상이한 경우, 학습 서버에 상기 제1 통계 특성값을 요청하여, 상기 학습 서버로부터 상기 제1 통계 특성값을 입력받는 단계를 포함하는,객체 검출 방법
|
| 14 |
14
제11항에 있어서,상기 실제 데이터를 변환하는 단계 이후에,상기 제1 반사강도 데이터와 연관된 제1 부가 데이터를 입력받는 단계;상기 시험용 데이터로부터 제2 부가 데이터를 추출하는 단계; 및상기 제1 반사강도 데이터와 상기 제1 부가 데이터 간의 관계 및 상기 제2 반사강도 데이터와 상기 제2 부가 데이터 간의 관계 간의 차이에 기초하여, 상기 변환된 실제 데이터를 조정하는 단계를 더 포함하고,상기 제1 부가 데이터 및 상기 제2 부가 데이터는 반사율, 주사 거리 및 입사각 중 적어도 하나를 포함하는,객체 검출 방법
|
| 15 |
15
삭제
|
| 16 |
16
제11항에 있어서,상기 객체의 종류를 검출하는 단계는,상기 변환된 실제 데이터 및 상기 실제 데이터로부터 추출된 공간좌표 데이터에 상기 객체 검출 모델을 적용하여 상기 객체의 종류 및 상기 객체의 위치를 검출하는 단계를 포함하는,객체 검출 방법
|
| 17 |
17
제11항에 있어서,상기 데이터 변환 모델을 이용하여 상기 실제 데이터를 변환하는 단계는,상기 제1 반사강도 데이터 및 상기 제2 반사강도 데이터에 대해 기설정된 정규화 변환 모델을 각각 적용하여 데이터를 정규화시키는 단계; 및상기 제1 반사강도 데이터의 정규화 과정에서 도출된 제1 변환 특성값 및 상기 제2 반사강도 데이터의 정규화 과정에서 도출된 제2 변환 특성값에 더 기초하여 상기 데이터 변환 모델을 생성하는 단계를 포함하는,객체 검출 방법
|
| 18 |
18
제17항에 있어서,상기 데이터 변환 모델을 생성하는 단계는,상기 정규화된 제2 반사강도 데이터 및 상기 제1 변환 특성값에 기설정된 역정규화 변환 모델을 적용하여 상기 정규화된 제2 반사강도 데이터를 역정규화시키는 단계; 및상기 제1 통계 특성값 및 상기 제2 통계 특성값의 차이에 기초하여, 상기 역정규화된 제2 반사강도 데이터의 분포를 조정하는 단계를 포함하는,객체 검출 방법
|
| 19 |
19
제18항에 있어서,상기 데이터 변환 모델을 생성하는 단계는,상기 제2 변환 특성값에 기초하여 상기 조정된 제2 반사강도 데이터를 재조정하고, 정규화 이전의 상기 제2 반사강도 데이터와 상기 재조정된 제2 반사강도 데이터 간의 차이에 더 기초하여 상기 데이터 변환 모델을 생성하는 단계를 더 포함하는,객체 검출 방법
|
| 20 |
20
제11항에 있어서,상기 제1 통계 특성값 또는 상기 제2 통계 특성값은 상기 제1 반사강도 데이터 또는 상기 제2 반사강도 데이터의 최대값, 최소값, 평균값 및 중앙값 중 적어도 하나를 포함하는,객체 검출 방법
|
