맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

객체 검출 방법 및 장치

  • 기술번호 : KST2022010709
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 고성능 저연산의 객체 검출 모델을 이용하는 객체 검출 방법 및 장치가 제공된다. 이로써 다양한 객체 모양 및 크기 변화에 강건한 객체 검출이 가능하다. 또한, 효율적인 후처리 과정을 제공하여 객체 영역 결정의 정확도가 제고된다.
Int. CL G06V 10/10 (2022.01.01) G06V 10/40 (2022.01.01) G06N 3/08 (2006.01.01) G06N 3/04 (2006.01.01)
CPC G06V 10/10(2013.01) G06V 10/40(2013.01) G06N 3/082(2013.01) G06N 3/04(2013.01)
출원번호/일자 1020200156354 (2020.11.20)
출원인 재단법인대구경북과학기술원
등록번호/일자
공개번호/일자 10-2022-0069336 (2022.05.27) 문서열기
공고번호/일자
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 공개
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2020.11.20)
심사청구항수 20

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 재단법인대구경북과학기술원 대한민국 대구 달성군 현

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 원웅재 서울특별시 강서구
2 권 순 대구광역시 달서구
3 박재형 경상북도 경산시
4 김태훈 경상북도 경산시 대학로

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인 남앤남 대한민국 서울특별시 중구 서소문로**(서소문동, 정안빌딩*층)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
최종권리자 정보가 없습니다
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2020.11.20 수리 (Accepted) 1-1-2020-1247787-80
2 선행기술조사의뢰서
Request for Prior Art Search		 2021.09.09 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2021.11.12 발송처리완료 (Completion of Transmission) 9-6-2022-0081349-17
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
복수의 디코딩 레이어를 포함하는 객체 검출 모델을 이용하여 상기 복수의 디코딩 레이어의 각 디코딩 레이어별로 입력 영상으로부터 적어도 하나의 후보 객체에 대한 적어도 하나의 객체 정보를 획득하는 단계;각 디코딩 레이어에서 획득된 상기 적어도 하나의 객체 정보에 기반하여 각 디코딩 레이어에 대한 E-NMS(Efficient Non-Maximum Suppression) 연산을 수행하는 단계; 및상기 각 디코딩 레이어에 대한 E-NMS 연산의 결과에 기반하여 E-NMS 연산을 재수행하는 단계를 포함하고,상기 객체 정보는,객체 영역 예측 정보, 객체 IOU(Intersection Over Union) 예측 정보 및 객체 분류 예측 정보를 포함하고,상기 E-NMS 연산은,상기 적어도 하나의 후보 객체의 객체 영역 예측 정보에 대한 컨피던스 스코어의 초기값을 결정하는 제 1 연산;상기 적어도 하나의 후보 객체의 객체 영역 예측 정보 및 객체 IOU 예측 정보에 기반하여 상기 컨피던스 스코어를 업데이트하는 제 2 연산; 및상기 업데이트된 컨피던스 스코어에 기반하여 상기 적어도 하나의 후보 객체의 최종 객체 영역을 결정하는 제 3 연산을 포함하는,객체 검출 방법
2 2
제 1 항에 있어서,상기 객체 검출 모델은,상기 입력 영상으로부터 복수의 제1 공통 특징 맵을 추출하는 일련의 인코딩 레이어를 포함하는 공통 인코더; 및상기 복수의 제1 공통 특징 맵에 대한 멀티스케일(multi-scale) 피처 융합에 의해 복수의 제2 공통 특징 맵을 생성하는 다중 디코딩 레이어를 포함하는 공통 디코더를 포함하는객체 검출 방법
3 3
제 2 항에 있어서,상기 다중 디코딩 레이어는,상기 복수의 제1 공통 특징 맵의 일부를 업샘플링(upsampling) 및 합산(add)하여 출력하는 톱-다운 레이어(Top-Down Layer);상기 복수의 제1 공통 특징 맵의 일부를 제외한 나머지 및 상기 톱-다운 레이어의 출력에 대하여 콘볼루션 연산을 수행하는 중간 레이어; 및상기 중간 레이어의 출력을 콘볼루션 및 합산하여 상기 복수의 제2 공통 특징 맵을 출력하는 바텀-업 경로 병합 레이어(Bottom-Up Path Aggregation Layer)를 포함하고,상기 복수의 디코딩 레이어는 상기 바텀-업 경로 병합 레이어에 대응하는,객체 검출 방법
4 4
제 1 항에 있어서,상기 객체 검출 모델은,상기 복수의 디코딩 레이어에서 출력된 복수의 제2 공통 특징 맵을 객체 영역 검출을 위한 객체 영역 특징 맵으로 변환하는 객체 영역 헤더; 및상기 복수의 제2 공통 특징 맵을 객체 분류를 위한 객체 분류 특징 맵으로 변환하는 객체 분류 헤더를 포함하는,객체 검출 방법
5 5
제 4 항에 있어서,상기 객체 영역 헤더 및 상기 객체 분류 헤더는, 가중치를 서로 공유하는 복수의 콘볼루션 레이어를 포함하는,객체 검출 방법
6 6
제 1 항에 있어서,상기 각 디코딩 레이어에 대한 E-NMS 연산을 수행하는 단계에서, 상기 제 1 연산은,상기 후보 객체의 객체 IOU 예측 정보에 대한 함수에 기반하여 상기 초기값을 결정하는,객체 검출 방법
7 7
제 1 항에 있어서,상기 제 2 연산은,상기 초기값에 기반하여 상기 적어도 하나의 후보 객체의 객체 영역 예측 정보를 정렬하는 연산;상기 적어도 하나의 후보 객체에 대한 서로 다른 두 개의 객체 영역 예측 정보 간의 IOU를 결정하는 연산;사전정의된 가중치 함수에 기반하여 상기 IOU를 재결정하는 연산; 및상기 재결정된 IOU에 기반하여 상기 컨피던스 스코어를 결정하는 연산을 포함하는,객체 검출 방법
8 8
제 7 항에 있어서,상기 IOU를 결정하는 연산, 상기 IOU를 재결정하는 연산 및 상기 컨피던스 스코어를 결정하는 연산은, IOU 매트릭스를 이용하여 병렬적으로 수행가능한,객체 검출 방법
9 9
제 4 항에 있어서,상기 객체 검출 모델은 상기 객체 영역 특징 맵에 기반하여 객체 크기 예측 정보(pred_reward_scale)를 출력하고, 상기 객체 분류 특징 맵에 기반하여 객체 분류 정확도 예측 정보(pred_reward_identification)를 출력하는,객체 검출 방법
10 10
제 9 항에 있어서,상기 객체 크기 예측 정보 및 상기 객체 분류 정확도 예측 정보는 상기 객체 검출 모델의 학습 과정에서 사용되고 추론 과정에서는 사용되지 않는 정보인,객체 검출 방법
11 11
복수의 디코딩 레이어를 포함하는 객체 검출 모델을 저장하는 메모리; 및하나 이상의 프로세서를 포함하고,상기 프로세서는,상기 객체 검출 모델을 이용하여 상기 복수의 디코딩 레이어의 각 디코딩 레이어별로 입력 영상으로부터 적어도 하나의 후보 객체에 대한 적어도 하나의 객체 정보를 획득하고,각 디코딩 레이어별로 획득된 상기 적어도 하나의 객체 정보에 기반하여 각 디코딩 레이어에 대한 E-NMS(Efficient Non-Maximum Suppression) 연산을 수행하고,상기 각 디코딩 레이어에 대한 NMS 연산의 결과에 기반하여 E-NMS 연산을 재수행하도록 구성되고,상기 객체 정보는,객체 영역 예측 정보객체 IOU예측 정보및 객체 분류 예측 정보를 포함하고,상기 E-NMS 연산은,상기 적어도 하나의 후보 객체의 객체 영역 예측 정보에 대한 컨피던스 스코어의 초기값을 결정하는 제 1 연산;상기 적어도 하나의 후보 객체의 객체 영역 예측 정보 및 객체 IOU 예측 정보에 기반하여 상기 컨피던스 스코어를 업데이트하는 제 2 연산; 및상기 업데이트된 컨피던스 스코어에 기반하여 상기 적어도 하나의 후보 객체의 최종 객체 영역을 결정하는 제 3 연산을 포함하는,객체 검출 장치
12 12
제 11 항에 있어서,상기 객체 검출 모델은,상기 입력 영상으로부터 복수의 제1 공통 특징 맵을 추출하는 일련의 인코딩 레이어를 포함하는 공통 인코더; 및상기 복수의 제1 공통 특징 맵에 대한 멀티스케일(multi-scale) 피처 융합에 의해 복수의 제2 공통 특징 맵을 생성하는 다중 디코딩 레이어를 포함하는 공통 디코더를 포함하는객체 검출 장치
13 13
제 12 항에 있어서,상기 다중 디코딩 레이어는,상기 복수의 제1 공통 특징 맵의 일부를 업샘플링(upsampling) 및 합산(add)하여 출력하는 톱-다운 레이어(Top-Down Layer);상기 복수의 제1 공통 특징 맵의 일부를 제외한 나머지 및 상기 톱-다운 레이어의 출력에 대하여 콘볼루션 연산을 수행하는 중간 레이어; 및상기 중간 레이어의 출력을 콘볼루션 및 합산하여 상기 복수의 제2 공통 특징 맵을 출력하는 바텀-업 경로 병합 레이어(Bottom-Up Path Aggregation Layer)를 포함하고,상기 복수의 디코딩 레이어는 상기 바텀-업 경로 병합 레이어에 대응하는,객체 검출 장치
14 14
제 11 항에 있어서,상기 객체 검출 모델은,상기 복수의 디코딩 레이어에서 출력된 복수의 제2 공통 특징 맵을 객체 영역 검출을 위한 객체 영역 특징 맵으로 변환하는 객체 영역 헤더, 및상기 복수의 제2 공통 특징 맵을 객체 분류를 위한 객체 분류 특징 맵으로 변환하는 객체 분류 헤더를 포함하는,객체 검출 장치
15 15
제 14 항에 있어서,상기 객체 영역 헤더 및 상기 객체 분류 헤더는, 가중치를 서로 공유하는 복수의 콘볼루션 레이어를 포함하는,객체 검출 장치
16 16
제 11 항에 있어서,상기 프로세서는,상기 각 디코딩 레이어에 대한 E-NMS 연산을 수행하기 위하여,상기 제 1 연산에서, 상기 후보 객체의 객체 IOU 예측 정보에 대한 함수에 기반하여 상기 초기값을 결정하도록 구성되는,객체 검출 장치
17 17
제 11 항에 있어서,상기 제 2 연산은,상기 초기값에 기반하여 상기 적어도 하나의 후보 객체의 객체 영역 예측 정보를 정렬하는 연산;상기 적어도 하나의 후보 객체에 대한 서로 다른 두 개의 객체 영역 예측 정보 간의 IOU를 결정하는 연산;사전정의된 가중치 함수에 기반하여 상기 IOU를 재결정하는 연산; 및상기 재결정된 IOU에 기반하여 상기 컨피던스 스코어를 결정하는 연산을 포함하는,객체 검출 장치
18 18
제 17 항에 있어서,상기 프로세서는,IOU 매트릭스를 이용하여, 상기 IOU를 결정하는 연산, 상기 IOU를 재결정하는 연산 및 상기 컨피던스 스코어를 결정하는 연산을 병렬적으로 수행가능한,객체 검출 장치
19 19
제 14 항에 있어서,상기 프로세서는 상기 객체 검출 모델을 실행하여,상기 객체 영역 특징 맵에 기반하여 객체 크기 예측 정보(pred_reward_scale)를 추출하고, 상기 객체 분류 특징 맵에 기반하여 객체 분류 정확도 예측 정보(pred_reward_identification)를 추출하도록 구성되는,객체 검출 장치
20 20
제 19 항에 있어서,상기 프로세서는,상기 객체 크기 예측 정보 및 상기 객체 분류 정확도 예측 정보를 상기 객체 검출 모델의 학습 과정에서 사용하고, 추론 과정에서는 사용하지 않도록 구성되는,객체 검출 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 산업통상자원부 한국전자기술연구원 자동차산업핵심기술개발(R＆D) 주행환경 탐지 및 도로객체 인식의 동시, 실시간 처리가 가능한 카메라 기반 인공지능 시스템 개발
2 과학기술정보통신부 대구경북과학기술원 협력적 AI 기반의 고신뢰 원격 자율주행 클라우드 모빌리티 서비스 시스템 협력적 AI 기반의 고신뢰 원격 자율주행 클라우드 모빌리티 서비스 시스템
3 과학기술정보통신부 대구경북과학기술원 대구경북과학기술원연구운영비지원(R＆D)(주요사업비) 미래 자동차 환경 센싱 및 소프트웨어 플랫폼 핵심기술 개발