1 |
1
(a) 학습용 풀 데이터로부터 시간(t1 내지 tn)에 각각 대응하는 학습용 기준 이미지(LR1 내지 LRn)를 생성하는 단계;(b) 상기 학습용 풀 데이터로부터 생성한 학습용 압축 센싱 데이터로부터 상기 시간(t1 내지 tn)에 각각 대응하는 학습용 초기 이미지(LI1 내지 LIn)를 생성하는 단계;(c) 상기 학습용 기준 이미지(LR1 내지 LRn)와 상기 학습용 초기 이미지(LI1 내지 LIn)의 차이인 학습용 오차 이미지(LE1 내지 LEn)를 각각 생성하는 단계;(d) 각 k에 대하여, (i) 학습용 초기 이미지(LI(k-1), LIk, LI(k+1)); 및 (ii) 학습용 오차 이미지(LEk)로 심층 인공 신경망을 학습시키는 단계;(e) 대상체로부터 획득한 대상체 압축 센싱 데이터로부터 시간(t1 내지 tn)에 각각 대응하는 대상체 초기 이미지(OI1 내지 OIn)를 생성하는 단계;(f) 각 k에 대하여, 대상체 초기 이미지(OI(k-1), OIk, OI(k+1))를 상기 (d) 단계에서 학습된 상기 심층 인공 신경망에 제공하여 대상체 오차 이미지(OEk)를 생성하는 단계; 및(g) 각 k에 대하여, 상기 대상체 오차 이미지(OEk)와 상기 대상체 초기 이미지(OIk)로부터 추정 대상체 이미지(Ok)를 생성하는 단계를 포함하는 것을 특징으로 하는 이미지 생성 방법(단, n은 자연수, k는 1≤k≤n을 만족하는 자연수)
|
2 |
2
제1항에 있어서,상기 (d) 단계는(d-1) k=1일 때, (i) 학습용 초기 이미지(LIn, LI1, LI2); 및 (ii) 학습용 오차 이미지(LE1)로 심층 인공 신경망을 학습시키는 단계;(d-2) 2≤k≤(n-1)일 때, 각 k에 대하여 (i) 상기 학습용 초기 이미지(LI(k-1), LIk, LI(k+1)); 및 (ii) 학습용 오차 이미지(LEk)로 심층 인공 신경망을 학습시키는 단계; 및(d-3) k=n일 때, (i) 학습용 초기 이미지(LI(n-1), LIn, LI1); 및 (ii) 학습용 오차 이미지(LEn)로 심층 인공 신경망을 학습시키는 단계를 포함하는 것을 특징으로 하는 이미지 생성 방법
|
3 |
3
제2항에 있어서,상기 (f) 단계는(f-1) k=1일 때, 대상체 초기 이미지(OIn, OI1, OI2)를 상기 (d) 단계에서 학습된 상기 심층 인공 신경망에 제공하여 대상체 오차 이미지(OE1)를 생성하는 단계;(f-2) 2≤k≤(n-1)일 때, 각 k에 대하여 상기 대상체 초기 이미지(OI(k-1), OIk, OI(k+1))를 상기 (d) 단계에서 학습된 상기 심층 인공 신경망에 제공하여 대상체 오차 이미지(OEk)를 생성하는 단계; 및(f-3) k=n일 때, 대상체 초기 이미지(OI(n-1), OIn, OI1)를 상기 (d) 단계에서 학습된 상기 심층 인공 신경망에 제공하여 대상체 오차 이미지(OEn)를 생성하는 단계를 포함하는 것을 특징으로 하는 이미지 생성 방법
|
4 |
4
제1항에 있어서,상기 (d) 단계는(d-1) k=1일 때, (i) 학습용 초기 이미지(LIn, LI1, LI2)에 학습용 초기 이미지(LI(n-1), LI3)를 추가한 학습용 초기 이미지(LI(n-1), LIn, LI1, LI2, LI3); 및 (ii) 학습용 오차 이미지(LE1)로 상기 심층 인공 신경망을 학습시키는 단계;(d-2) k=2일 때, (i) 학습용 초기 이미지(LI1, LI2, LI3)에 학습용 초기 이미지(LIn, LI4)를 추가한 학습용 초기 이미지(LIn, LI1, LI2, LI3, LI4); 및 (ii) 학습용 오차 이미지(LE2)로 상기 심층 인공 신경망을 학습시키는 단계;로 상기 심층 인공 신경망을 학습시키는 단계;(d-3) 3≤k≤(n-2)일 때, 각 k에 대하여, (i) 학습용 초기 이미지(LI(k-1), LIk, LI(k+1))에 학습용 초기 이미지(LI(k-2), LI(k+2))를 추가한 학습용 초기 이미지(LI(k-2), LI(k-1), LIk, LI(k+1), LI(k+2)); 및 (ii) 학습용 오차 이미지(LEk)로 상기 심층 인공 신경망을 학습시키는 단계;(d-4) k=(n-1)일 때, (i) 학습용 초기 이미지(LI(n-2), LI(n-1), LIn)에 학습용 초기 이미지(LI(n-3), LI1)를 추가한 학습용 초기 이미지(LI(n-3), LI(n-2), LI(n-1), LIn, LI1); 및 (ii) 학습용 오차 이미지(LE(n-1))로 상기 심층 인공 신경망을 학습시키는 단계; 및(d-5) k=n일 때, (i) 학습용 초기 이미지(LI(n-1), LIn, LI1)에 학습용 초기 이미지(LI(n-2), LI2)를 추가한 학습용 초기 이미지(LI(n-2), LI(n-1), LIn, LI1, LI2); 및 (ii) 학습용 오차 이미지(LEn)로 상기 심층 인공 신경망을 학습시키는 단계를 포함하는 것을 특징으로 하는 이미지 생성 방법
|
5 |
5
제4항에 있어서,상기 (f) 단계는(f-1) k=1일 때, 대상체 초기 이미지(OIn, OI1, OI2)에 대상체 초기 이미지(OI(n-1), OI3)를 추가한 대상체 초기 이미지(OI(n-1), OIn, OI1, OI2, OI3)를 상기 (d) 단계에서 학습된 상기 심층 인공 신경망에 제공하여 대상체 오차 이미지(OE1)를 얻는 단계;(f-2) k=2일 때, 대상체 초기 이미지(OI1, OI2, OI3)에 대상체 초기 이미지(OIn, OI4)를 추가한 대상체 초기 이미지(OIn, OI1, OI2, OI3, OI4)를 상기 (d) 단계에서 학습된 상기 심층 인공 신경망에 제공하여 대상체 오차 이미지(OE2)를 얻는 단계;(f-3) 3≤k≤(n-2)일 때, 각 k에 대하여, 대상체 초기 이미지(OI(k-1), OIk, OI(k+1))에 대상체 초기 이미지(OI(k-2), OI(k+2))를 추가한 대상체 초기 이미지(OI(k-2), OI(k-1), OIk, OI(k+1), OI(k+2))를 상기 (d) 단계에서 학습된 상기 심층 인공 신경망에 제공하여 대상체 오차 이미지(OEk)를 얻는 단계;(f-4) k=(n-1)일 때, 대상체 초기 이미지(OI(n-2), OI(n-1), OIn)에 대상체 초기 이미지(OI(n-3), OI1)를 추가한 대상체 초기 이미지(OI(n-3), OI(n-2), OI(n-1), OIn, OI1)를 상기 (d) 단계에서 학습된 상기 심층 인공 신경망에 제공하여 대상체 오차 이미지(OE(n-1))를 얻는 단계; 및(f-5) k=n일 때, 대상체 초기 이미지(OI(n-1), OIn, OI1)에 대상체 초기 이미지(OI(n-2), OI2)를 추가한 대상체 초기 이미지(OI(n-2), OI(n-1), OIn, OI1, OI2)를 상기 (d) 단계에서 학습된 상기 심층 인공 신경망에 제공하여 대상체 오차 이미지(OEn)를 얻는 단계를 포함하는 것을 특징으로 하는 이미지 생성 방법
|
6 |
6
제1항에 있어서,상기 (g) 단계는, 각 k에 대하여, 대상체 오차 이미지(OEk)와 대상체 초기 이미지(OIk)를 합산하여 추정 대상체 이미지(Ok)를 생성하는 단계를 포함하는 것을 특징으로 하는 이미지 생성 방법
|
7 |
7
학습용 풀 데이터; 상기 학습용 풀 데이터로부터 추출된 학습용 압축 센싱 데이터; 및 대상체로부터 획득한 대상체 압축 센싱 데이터;를 생성하는 이미지 데이터 생성부;상기 학습용 풀 데이터로부터 시간(t1 내지 tn)에 각각 대응하는 학습용 기준 이미지(LR1 내지 LRn)를 생성하는 기준 이미지 생성부;상기 학습용 압축 센싱 데이터와 상기 대상체 압축 센싱 데이터로부터 학습용 초기 이미지(LI1 내지 LIn)와 대상체 초기 이미지(OI1 내지 OIn)를 각각 생성하는 초기 이미지 생성부;상기 학습용 기준 이미지(LR1 내지 LRn)와 상기 학습용 초기 이미지(LI1 내지 LIn)의 차이인 학습용 오차 이미지(LE1 내지 LEn)를 생성하고; 각 k에 대하여, (i) 학습용 초기 이미지(LI(k-1), LIk, LI(k+1)); 및 (ii) 학습용 오차 이미지(LEk)를 심층 인공 신경망에 제공하여 상기 심층 인공 신경망을 학습시키며; 각 k에 대하여, 대상체 초기 이미지(OI(k-1), OIk, OI(k+1))를 상기 학습된 심층 인공 신경망에 제공하여 얻어진 대상체 오차 이미지(OEk)를 수신하는 이미지 처리부; 및각 k에 대하여, 상기 대상체 오차 이미지(OEk)와 상기 대상체 초기 이미지(OIk)로부터 추정 대상체 이미지(Ok)를 생성하는 대상체 이미지 생성부를 포함하는 것을 특징으로 하는 이미지 생성 시스템(단, n은 자연수, k는 1≤k≤n을 만족하는 자연수)
|
8 |
8
제7항에 있어서,상기 이미지 처리부는, k=1일 때, (i) 학습용 초기 이미지(LIn, LI1, LI2); 및 (ii) 학습용 오차 이미지(LE1)로 심층 인공 신경망을 학습시키며, 2≤k≤(n-1)일 때, 각 k에 대하여 (i) 상기 학습용 초기 이미지(LI(k-1), LIk, LI(k+1)); 및 (ii) 학습용 오차 이미지(LEk)로 심층 인공 신경망을 학습시키며, k=n일 때, (i) 학습용 초기 이미지(LI(n-1), LIn, LI1); 및 (ii) 학습용 오차 이미지(LEn)로 심층 인공 신경망을 학습시키는 인공 신경망 학습부를 포함하는 것을 특징으로 하는 이미지 생성 시스템
|
9 |
9
제8항에 있어서,상기 이미지 처리부는 k=1일 때, 대상체 초기 이미지(OIn, OI1, OI2)를 상기 학습된 심층 인공 신경망에 제공하여 얻어진 대상체 오차 이미지(OE1)를 수신하며; 2≤k≤(n-1)일 때, 각 k에 대하여, 대상체 초기 이미지(OI(k-1), OIk, OI(k+1))를 상기 학습된 심층 인공 신경망에 제공하여 얻어진 대상체 오차 이미지(OEk)를 수신하며; k=n일 때, 대상체 초기 이미지(OI(n-1), OIn, OI1)를 상기 학습된 심층 인공 신경망에 제공하여 얻어진 대상체 오차 이미지(OEn)를 수신하는 것을 특징으로 하는 이미지 생성 시스템
|
10 |
10
제7항에 있어서,상기 이미지 처리부는, k=1일 때, (i) 학습용 초기 이미지(LIn, LI1, LI2)에 학습용 초기 이미지(LI(n-1), LI3)를 추가한 학습용 초기 이미지(LI(n-1), LIn, LI1, LI2, LI3); 및 (ii) 학습용 오차 이미지(LE1)로 상기 심층 인공 신경망을 학습시키며, k=2일 때, (i) 학습용 초기 이미지(LI1, LI2, LI3)에 학습용 초기 이미지(LIn, LI4)를 추가한 학습용 초기 이미지(LIn, LI1, LI2, LI3, LI4); 및 (ii) 학습용 오차 이미지(LE2)로 상기 심층 인공 신경망을 학습시키며, 3≤k≤(n-2)일 때, 각 k에 대하여, (i) 학습용 초기 이미지(LI(k-1), LIk, LI(k+1))에 학습용 초기 이미지(LI(k-2), LI(k+2))를 추가한 학습용 초기 이미지(LI(k-2), LI(k-1), LIk, LI(k+1), LI(k+2)); 및 (ii) 학습용 오차 이미지(LEk)로 상기 심층 인공 신경망을 학습시키며, k=(n-1)일 때, (i) 학습용 초기 이미지(LI(n-2), LI(n-1), LIn)에 학습용 초기 이미지(LI(n-3), LI1)를 추가한 학습용 초기 이미지(LI(n-3), LI(n-2), LI(n-1), LIn, LI1); 및 (ii) 학습용 오차 이미지(LE(n-1))로 상기 심층 인공 신경망을 학습시키며, k=n일 때, (i) 학습용 초기 이미지(LI(n-1), LIn, LI1)에 학습용 초기 이미지(LI(n-2), LI2)를 추가한 학습용 초기 이미지(LI(n-2), LI(n-1), LIn, LI1, LI2); 및 (ii) 학습용 오차 이미지(LEn)로 상기 심층 인공 신경망을 학습시키는 인공 신경망 학습부를 포함하는 것을 특징으로 하는 이미지 생성 시스템
|
11 |
11
제10항에 있어서,상기 이미지 처리부는, k=1일 때, 대상체 초기 이미지(OIn, OI1, OI2)에 대상체 초기 이미지(OI(n-1), OI3)를 추가한 대상체 초기 이미지(OI(n-1), OIn, OI1, OI2, OI3)를 학습된 상기 심층 인공 신경망에 제공하여 얻어진 대상체 오차 이미지(OE1)를 수신하며, k=2일 때, 대상체 초기 이미지(OI1, OI2, OI3)에 대상체 초기 이미지(OIn, OI4)를 추가한 대상체 초기 이미지(OIn, OI1, OI2, OI3, OI4)를 학습된 상기 심층 인공 신경망에 제공하여 얻어진 대상체 오차 이미지(OE2)를 수신하며, 3≤k≤(n-2)일 때, 각 k에 대하여, 대상체 초기 이미지(OI(k-1), OIk, OI(k+1))에 대상체 초기 이미지(OI(k-2), OI(k+2))를 추가한 대상체 초기 이미지(OI(k-2), OI(k-1), OIk, OI(k+1), OI(k+2))를 학습된 상기 심층 인공 신경망에 제공하여 얻어진 대상체 오차 이미지(OEk)를 수신하며, k=(n-1)일 때, 대상체 초기 이미지(OI(n-2), OI(n-1), OIn)에 대상체 초기 이미지(OI(n-3), OI1)를 추가한 대상체 초기 이미지(OI(n-3), OI(n-2), OI(n-1), OIn, OI1)를 학습된 상기 심층 인공 신경망에 제공하여 얻어진 대상체 오차 이미지(OE(n-1))를 수신하며, k=n일 때, 대상체 초기 이미지(OI(n-1), OIn, OI1)에 대상체 초기 이미지(OI(n-2), OI2)를 추가한 대상체 초기 이미지(OI(n-2), OI(n-1), OIn, OI1, OI2)를 학습된 상기 심층 인공 신경망에 제공하여 얻어진 대상체 오차 이미지(OEn)를 수신하는 것을 특징으로 하는 이미지 생성 시스템
|
12 |
12
제7항에 있어서,상기 대상체 이미지 생성부는, 각 k에 대하여, 대상체 오차 이미지(OEk)와 대상체 초기 이미지(OIk)를 합산하여 추정 대상체 이미지(Ok)를 생성하는 것을 특징으로 하는 이미지 생성 시스템
|