| 1 |
1
전자 장치에 있어서,오브젝트 인식을 위한 신경망 모델을 저장하는 메모리; 및이미지를 획득하고, 상기 이미지에 포함된 적어도 하나의 오브젝트 각각에 대한 복잡도를 식별하며, 상기 적어도 하나의 오브젝트 중 제1 오브젝트의 복잡도가 기 설정된 임계 값 미만이면, 상기 신경망 모델에 포함된 복수의 CNN 모듈 중 적어도 하나의 CNN 모듈을 이용하여 상기 제1 오브젝트의 종류를 식별하고, 상기 제1 오브젝트의 복잡도가 상기 임계 값 이상이면, 상기 복수의 CNN 모듈 중 상기 적어도 하나의 CNN 모듈 및 상기 적어도 하나의 CNN 모듈과 상이한 하나 이상의 CNN 모듈을 이용하여 상기 제1 오브젝트의 종류를 식별하는 프로세서; 를 포함하는 전자 장치
|
| 2 |
2
제1 항에 있어서, 상기 프로세서는,상기 제1 오브젝트의 복잡도가 기 설정된 제1 임계 값 미만이면, 상기 복수의 CNN 모듈 중 제1 CNN 모듈 및 상기 제1 CNN 모듈에 대응되는 제2 CNN 모듈을 이용하여 상기 제1 오브젝트의 종류를 식별하고,상기 제1 CNN 모듈은 복수의 오브젝트에 공통적인 특징에 관련된 제1 특징 값을 획득하기 위한 모듈이고, 상기 제2 CNN 모듈은 상기 제1 특징 값에 대응되는 오브젝트의 세부적인 특징에 관련된 제2 특징 값을 획득하기 위한 모듈이며, 상기 제1 CNN 모듈보다 적은 수의 레이어를 포함하는 모듈인 전자 장치
|
| 3 |
3
제2 항에 있어서, 상기 프로세서는,상기 제1 오브젝트의 복잡도가 상기 제1 임계 값 이상이면, 상기 제1 CNN 모듈, 상기 제1 CNN 모듈에 연결된 제3 CNN 모듈 및 상기 제3 CNN 모듈에 대응되는 제4 CNN 모듈을 이용하여 상기 제1 오브젝트의 종류를 식별하고, 상기 제3 CNN 모듈은 복수의 오브젝트에 공통적인 특징에 관련된 제3 특징 값을 획득하기 위한 모듈이고, 상기 제4 CNN 모듈은 상기 제3 특징 값에 대응되는 오브젝트의 세부적인 특징에 관련된 제4 특징 값을 획득하기 위한 모듈이며, 상기 제1 CNN 모듈 및 제3 CNN 모듈보다 적은 수의 레이어를 포함하는 모듈인 전자 장치
|
| 4 |
4
제1 항에 있어서, 상기 프로세서는,상기 적어도 하나의 오브젝트 각각에 대한 복잡도가 식별되면, 상기 적어도 하나의 오브젝트 각각에 대한 복잡도에 대응되는 모듈 선택 신호를 획득하고,상기 획득된 모듈 선택 신호를 바탕으로 상기 복수의 CNN 모듈 중 상기 적어도 하나의 오브젝트 각각을 식별하기 위한 CNN 모듈의 개수와 종류를 식별하는 전자 장치
|
| 5 |
5
제1 항에 있어서, 상기 프로세서는,상기 적어도 하나의 오브젝트 각각에 대한 에지(edge) 정보, 색상 정보 및 텍스처(texture) 정보 중 적어도 하나를 바탕으로 상기 적어도 하나의 오브젝트 각각에 대한 복잡도를 식별하는 전자 장치
|
| 6 |
6
제5 항에 있어서, 상기 프로세서는,상기 적어도 하나의 오브젝트에 대한 에지를 검출하고, 상기 검출된 에지를 바탕으로 이진화 (binarization) 이미지를 획득하고, 상기 이진화 이미지를 바탕으로 화이트 픽셀의 개수를 산출하며, 상기 화이트 픽셀의 개수를 바탕으로 상기 적어도 하나의 오브젝트 각각의 에지에 대한 복잡도 값을 획득하는 전자 장치
|
| 7 |
7
제5 항에 있어서, 상기 프로세서는, 상기 이미지의 RGB 값을 바탕으로 상기 이미지에 대응되는 Red 이미지, Green 이미지 및 Blue 이미지를 획득하고, 상기 Red 이미지, 상기 Green 이미지 및 상기 Blue 이미지 각각의 픽셀 값 분포에서 기 설정된 임계 값 이상의 빈도 값을 갖는 복수의 구간을 식별하고, 상기 복수의 구간 별 길이를 더하여 상기 Red 이미지, 상기 Green 이미지 및 상기 Blue 이미지 각각에 대응되는 복잡도 값을 산출하며, 상기 Red 이미지, 상기 Green 이미지 및 상기 Blue 이미지 각각에 대응되는 복잡도 값을 바탕으로 상기 이미지에 포함된 적어도 하나의 오브젝트 각각의 색상에 대한 복잡도 값을 획득하는 전자 장치
|
| 8 |
8
제5 항에 있어서, 상기 프로세서는, 명암도 동시발생 행렬(Gray-Level Co-occurrence Matrix, GLCM)을 바탕으로 상기 이미지에 대응되는 ASM(Angular Second Moment), Contrast, Entropy 및 Correlation 정보를 획득하고, 상기 ASM, Contrast, Entropy 및 Correlation 정보의 평균 값을 산출하여 상기 이미지에 포함된 적어도 하나의 오브젝트 각각의 텍스처에 대한 복잡도 값을 획득하는 전자 장치
|
| 9 |
9
전자 장치의 제어 방법에 있어서, 이미지를 획득하는 단계;상기 이미지에 포함된 적어도 하나의 오브젝트 각각에 대한 복잡도를 식별하는 단계;상기 적어도 하나의 오브젝트 중 제1 오브젝트의 복잡도가 기 설정된 임계 값 미만이면, 상기 신경망 모델에 포함된 복수의 CNN 모듈 중 적어도 하나의 CNN 모듈을 이용하여 상기 제1 오브젝트의 종류를 식별하는 단계; 및 상기 제1 오브젝트의 복잡도가 상기 임계 값 이상이면, 상기 복수의 CNN 모듈 중 상기 적어도 하나의 CNN 모듈 및 상기 적어도 하나의 CNN 모듈과 상이한 하나 이상의 CNN 모듈을 이용하여 상기 제1 오브젝트의 종류를 식별하는 단계; 를 포함하는 전자 장치의 제어 방법
|
| 10 |
10
전자 장치의 제어 방법을 실행하는 프로그램을 포함하는 비일시적 컴퓨터 판독 가능 기록매체에 있어서,상기 전자 장치의 제어 방법은,상기 이미지에 포함된 적어도 하나의 오브젝트 각각에 대한 복잡도를 식별하는 단계;상기 적어도 하나의 오브젝트 중 제1 오브젝트의 복잡도가 기 설정된 임계 값 미만이면, 상기 신경망 모델에 포함된 복수의 CNN 모듈 중 적어도 하나의 CNN 모듈을 이용하여 상기 제1 오브젝트의 종류를 식별하는 단계; 및 상기 제1 오브젝트의 복잡도가 상기 임계 값 이상이면, 상기 복수의 CNN 모듈 중 상기 적어도 하나의 CNN 모듈 및 상기 적어도 하나의 CNN 모듈과 상이한 하나 이상의 CNN 모듈을 이용하여 상기 제1 오브젝트의 종류를 식별하는 단계; 를 포함하는 컴퓨터 판독 가능 기록매체
|
