| 1 |
1
객체를 포함하는 영상을 수집하여 데이터 세트를 생성하는 수집부;상기 생성된 데이터 세트를 기반으로 병렬 DCNN 모델을 기반으로 학습을 수행하는 학습부;상기 학습된 병렬 DCNN 모델로부터 병렬 DCNN 모델 프로파일을 추출하는 추출부;객체가 포함된 영상이 입력되면, 상기 병렬 DCNN 모델 프로파일을 이용하여 상기 입력된 영상에 포함된 객체를 인식하는 인식부; 및상기 인식된 객체에 대응하는 클래스로 분류하는 분류부를 포함하는 것을 특징으로 하는 병렬 딥 컨볼루션 뉴럴 네트워크 기반의 영상 분류 장치
|
| 2 |
2
제1항에 있어서,상기 병렬 DCNN 모델은,특징 추출 계층 및 완전 연결 계층을 포함하는 것을 특징으로 하는 병렬 딥 컨볼루션 뉴럴 네트워크 기반의 영상 분류 장치
|
| 3 |
3
제2항에 있어서,상기 특징 추출 계층은,네 개의 블록을 포함하되, 각 블록은 컨볼루션 레이어, 배치 정규화 레이어, ELU 레이어 및 최대 풀링 레이어를 각각 포함하는 것을 특징으로 하는 병렬 딥 컨볼루션 뉴럴 네트워크 기반의 영상 분류 장치
|
| 4 |
4
제2항에 있어서,상기 완전 연결 계층은,덧셈 레이어, 완전 연결 레이어, 소프트맥스 레이어 및 분류 출력 레이어를 포함하는 것을 특징으로 하는 병렬 딥 컨볼루션 뉴럴 네트워크 기반의 영상 분류 장치
|
| 5 |
5
제1항에 있어서,상기 병렬 DCNN 모델은,4개의 컨볼루션 레이어(320-1 내지 320-4), 4개의 배치 정규화 레이어(330-1 내지 330-4), 5개의 ELU 레이어(340-1 내지 340-5), 4개의 최대 풀링 레이어(350-1 내지 350-4), 2개의 덧셈 레이어(360-1 내지 360-2), 2개의 완전 연결(Fully Connected) 레이어(370-1 내지 370-2), 소프트맥스(Softmax) 레이어(380) 및 분류 출력 레이어(390)를 포함하는 것을 특징으로 하는 병렬 딥 컨볼루션 뉴럴 네트워크 기반의 영상 분류 장치
|
| 6 |
6
객체를 포함하는 영상을 수집하여 데이터 세트를 생성하는 단계;상기 생성된 데이터 세트를 기반으로 병렬 DCNN 모델을 기반으로 학습을 수행하는 단계;상기 학습된 병렬 DCNN 모델로부터 병렬 DCNN 모델 프로파일을 추출하는 단계;객체가 포함된 영상이 입력되면, 상기 병렬 DCNN 모델 프로파일을 이용하여 상기 입력된 영상에 포함된 객체를 인식하는 단계; 및상기 인식된 객체에 대응하는 클래스로 분류하는 단계를 포함하는 것을 특징으로 하는 병렬 딥 컨볼루션 뉴럴 네트워크 기반의 영상 분류 방법
|
| 7 |
7
제6항에 있어서,상기 병렬 DCNN 모델은,특징 추출 계층 및 완전 연결 계층을 포함하는 것을 특징으로 하는 병렬 딥 컨볼루션 뉴럴 네트워크 기반의 영상 분류 방법
|
| 8 |
8
제7항에 있어서,상기 특징 추출 계층은 네 개의 블록을 포함하되, 각 블록에서는 컨볼루션 레이어, 배치 정규화 레이어, ELU 레이어 및 최대 풀링 레이어를 순차적으로 거쳐 특징이 추출되는 것을 특징으로 하는 병렬 딥 컨볼루션 뉴럴 네트워크 기반의 영상 분류 방법
|
| 9 |
9
제8항에 있어서,상기 네 개의 블록 중 블록 1 및 블록 2에서는 동일한 영상을 입력으로 하여 특징이 추출된 후 덧셈 레이어를 통해 결합되고, 블록 3 및 블록 4에서는 그 결합된 입력으로 특징이 추출된 후 다른 덧셈 레이어를 통해 결합되는 것을 특징으로 하는 병렬 딥 컨볼루션 뉴럴 네트워크 기반의 영상 분류 방법
|
