| 1 |
1
학습장치가 제 1 훈련용 데이터셋의 제 1 메타데이터셋을 이용하여 신경망 모델을 1차 훈련하는 단계; 및상기 학습장치가 제 2 훈련용 데이터셋의 제 2 메타데이터셋을 이용하여 상기 1차 훈련된 신경망 모델에 대한 파라미터를 조정하는 단계;를 포함하되,상기 제 1 훈련용 데이터셋은 상기 신경망 모델을 이용하여 검색하고자 하는 클래스의 동일 여부와 관계 없는 복수의 영상들이고, 상기 제 2 훈련용 데이터셋은 상기 신경망 모델을 이용하여 검색하고자 하는 클래스와 동일한 복수의 영상들이고,상기 제 1 메타데이터셋 및 상기 제 2 메타데이터셋은 상기 복수개의 영상들로부터 각각 추출한 특징값의 거리정보를 포함하는 퓨-샷을 이용한 신경망 모델 구축 방법
|
| 2 |
2
제 1 항에 있어서, 상기 파라미터를 조정하는 단계는,상기 학습장치가 상기 제 2 메타데이터셋에 포함된 거리정보를 이용하여 상기 신경망 모델의 거리함수를 조절하는 퓨-샷을 이용한 신경망 모델 구축 방법
|
| 3 |
3
제 1 항에 있어서,상기 학습장치는 상기 신경망 모델이 상기 제 1 메타데이터셋을 학습한 결과와 상기 제 2 메타데이터셋을 학습한 결과가 같아지도록 상기 거리함수의 조절을 반복하는 퓨-샷을 이용한 신경망 모델 구축 방법
|
| 4 |
4
제 2 항에 있어서,상기 제 2 메타데이터셋은 상기 훈련용 데이터셋에서 추출한 서포트 데이터셋 및 쿼리 데이터셋을 포함하고,상기 학습장치는 상기 서포트 데이터셋을 이용하여 상기 신경망 모델의 거리함수를 미세조정하고 상기 쿼리 데이터셋을 이용하여 상기 거리함수의 손실값을 최소화하는 퓨-샷을 이용한 신경망 모델 구축 방법
|
| 5 |
5
제 4 항에 있어서,상기 서포트 데이터셋은 상기 신경망 모델의 학습을 위한 기준치를 초과하는 레이블 개수를 포함하고 상기 쿼리 데이터셋은 상기 기준치 미만의 레이블 개수를 포함하는 퓨-샷을 이용한 신경망 모델 구축 방법
|
| 6 |
6
제 1 항에 있어서, 상기 신경망 모델 구축 방법은,상기 거리함수를 조절하는 단계 이후에 상기 신경망 모델의 검색 성능을 평가하는 단계를 더 포함하고,상기 검색 성능을 평가하는 단계는, 상기 신경망 모델에 상기 검색하고자 하는 영상을 입력하고 데이터베이스에 저장된 복수개의 영상들 중 상기 검색하고자 하는 영상의 클래스와 동일한 클래스를 갖는 일부의 영상들을 출력하고 상기 출력된 일부의 영상들에 대한 피드백에 따라 검색 정확도를 판단하는 퓨-샷을 이용한 신경망 모델 구축 방법
|
| 7 |
7
제 6 항에 있어서,상기 학습장치는 상기 데이터베이스에 저장된 복수개의 영상들 중 상기 검색하고자 하는 영상의 특징점과 거리가 가까운 순서대로 상기 일부의 영상들을 출력하는 퓨-샷을 이용한 신경망 모델 구축 방법
|
| 8 |
8
제 1 항에 있어서,상기 학습장치는 상기 데이터베이스에 저장된 복수의 영상들 중 상기 검색하고자 하는 영상과 동일한 클래스의 영상은 거리가 가까운 것으로 분류하고 서로 다른 클래스의 영상은 거리가 먼 것으로 분류하는 퓨-샷을 이용한 신경망 모델 구축 방법
|
| 9 |
9
검색하고자 하는 영상을 입력받는 입력장치;복수개의 영상 및 상기 복수개의 영상 각각에 대한 특징점의 거리정보를 포함하는 복수개의 메타데이터를 포함하는 훈련용 데이터셋 및 상기 검색하고자 하는 영상에 대한 결과를 출력하는 신경망 모델을 저장하는 저장장치; 및상기 훈련용 데이터셋에서 추출한 제 1 메타데이터를 상기 신경망 모델에 입력하여 상기 신경망 모델을 훈련하고 상기 훈련된 신경망 모델에 상기 훈련용 데이터셋에서 추출한 제 2 메타데이터를 입력하여 상기 신경망 모델의 거리함수를 조정하는 연산장치;를 포함하는 퓨-샷을 이용한 신경망 모델 구축 장치
|
| 10 |
10
제 9 항에 있어서, 상기 연산장치는 상기 신경망 모델이 상기 제 1 메타데이터셋을 학습한 결과와 상기 제 2 메타데이터셋을 학습한 결과가 같아지도록 상기 거리함수의 조정을 반복하는 퓨-샷을 이용한 신경망 모델 구축 장치
|
| 11 |
11
제 10 항에 있어서,상기 제 2 메타데이터셋은 상기 훈련용 데이터셋에서 추출한 서포트 데이터셋 및 쿼리 데이터셋을 포함하고,상기 연산장치는 상기 서포트 데이터셋을 이용하여 상기 신경망 모델의 거리함수를 미세조정하고 상기 쿼리 데이터셋을 이용하여 상기 거리함수의 손실값을 최소화하는 퓨-샷을 이용한 신경망 모델 구축 장치
|
| 12 |
12
제 11 항에 있어서,상기 서포트 데이터셋은 상기 신경망 모델의 학습을 위한 기준치를 초과하는 레이블 개수를 포함하고 상기 쿼리 데이터셋은 상기 기준치 미만의 레이블 개수를 포함하는 퓨-샷을 이용한 신경망 모델 구축 장치
|
| 13 |
13
제 9 항에 있어서, 상기 신경망 모델 구축 장치는,상기 검색하고자 하는 영상에 대한 검색 결과를 출력하는 출력장치를 더 포함하고,상기 연산장치는 상기 저장장치에 저장된 복수개의 영상들 중 상기 제 2 메타데이터셋과 클래스가 동일한 일부의 영상들을 상기 출력장치를 통해 출력하는 퓨-샷을 이용한 신경망 모델 구축 장치
|
| 14 |
14
제 13 항에 있어서,상기 연산장치는 상기 복수개의 영상들 중 상기 검색하고자 하는 영상의 특징점과 거리가 가까운 순서대로 상기 일부의 영상들을 출력하는 퓨-샷을 이용한 신경망 모델 구축 장치
|
| 15 |
15
제 9 항에 있어서,상기 연산장치는 상기 저장장치에 저장된 복수의 영상들 중 상기 검색하고자 하는 영상과 동일한 클래스의 영상은 거리가 가까운 것으로 분류하고 서로 다른 클래스의 영상은 거리가 먼 것으로 분류하는 퓨-샷을 이용한 신경망 모델 구축 장치
|
