1 |
1
블러 이미지(blurred image)를 입력 받는 단계; 및상기 블러 이미지에 기초하여 인코더-디코더 구조의 뉴럴 네트워크를 이용하여 디블러링을 수행함으로써 선명한 원본 이미지를 출력하는 단계를 포함하고,상기 출력하는 단계는,이전 반복에서 제1 이미지를 뉴럴 네트워크에 입력하여 획득된 상기 제1 이미지와 동일한 스케일을 가지며 상기 제1 이미지보다 덜 흐린 제1 정답 라벨에 기초하는 제2 이미지를 수신하는 단계;상기 제1 이미지 및 상기 제2 이미지를 결합하여(concatenate) 상기 제1 이미지와 동일한 스케일을 가지며 상기 제1 정답 라벨보다 덜 흐린 제2 정답 라벨에 기초하는 제3 이미지를 획득하는 단계; 및현재 반복에서 상기 제3 이미지를 상기 뉴럴 네트워크에 입력하여 상기 제1 이미지와 동일한 스케일을 가지며 상기 제2 정답 라벨보다 덜 흐린 제3 정답 라벨에 기초하는 제4 이미지를 획득하는 단계를 포함하고,상기 제4 이미지를 획득하는 단계는,상기 이전 반복에서 상기 뉴럴 네트워크의 디코더에서 출력된 재귀 피처맵이 상기 현재 반복에서 상기 뉴럴 네트워크의 인코더에 입력되어 상기 제3 이미지를 디블러링함으로써 상기 제4 이미지를 획득하는 단계를 포함하는, 이미지 디블러링 방법
|
2 |
2
삭제
|
3 |
3
제1항에 있어서,상기 뉴럴 네트워크는,복수의 인코더 및 복수의 디코더를 포함한 구조의 재귀 뉴럴 네트워크(Recursive Neural Network)인, 이미지 디블러링 방법
|
4 |
4
제3항에 있어서,상기 복수의 인코더 및 상기 복수의 디코더 각각은,서로 다른 채널의 잔차 블록(residual blocks) 및 특징 추출 레이어(feature extraction layers)를 포함하는, 이미지 디블러링 방법
|
5 |
5
인코더-디코더 구조의 뉴럴 네트워크를 이용하여 디블러링을 수행하는 이미지 디블러링 장치에 있어서,인스트럭션들을 포함하는 메모리; 및상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고,상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,이전 반복에서 제1 이미지를 뉴럴 네트워크에 입력하여 획득된 상기 제1 이미지와 동일한 스케일을 가지며 상기 제1 이미지보다 덜 흐린 제1 정답 라벨에 기초하는 제2 이미지를 수신하고, 상기 제1 이미지 및 상기 제2 이미지를 결합하여(concatenate) 상기 제1 이미지와 동일한 스케일을 가지며 상기 제1 정답 라벨보다 덜 흐린 제2 정답 라벨에 기초하는 제3 이미지를 획득하고, 현재 반복에서 상기 제3 이미지를 상기 뉴럴 네트워크에 입력하여 상기 제1 이미지와 동일한 스케일을 가지며 상기 제2 정답 라벨보다 덜 흐린 제3 정답 라벨에 기초하는 제4 이미지를 획득하고,상기 프로세서는,상기 이전 반복에서 상기 뉴럴 네트워크의 디코더에서 출력된 재귀 피처맵을 상기 현재 반복에서 상기 뉴럴 네트워크의 인코더에 입력하여 상기 제3 이미지를 디블러링함으로써 상기 제4 이미지를 획득하는, 이미지 디블러링 장치
|
6 |
6
삭제
|
7 |
7
제5항에 있어서,상기 뉴럴 네트워크는,복수의 인코더 및 복수의 디코더를 포함한 구조의 재귀 뉴럴 네트워크(Recursive Neural Network)인, 이미지 디블러링 장치
|
8 |
8
제7항에 있어서,상기 복수의 인코더 및 상기 복수의 디코더 각각은,서로 다른 채널의 잔차 블록(residual blocks) 및 특징 추출 레이어(feature extraction layers)를 포함하는, 이미지 디블러링 장치
|
9 |
9
인코더-디코더 구조의 뉴럴 네트워크 학습 방법에 있어서,이전 반복에서 제1 이미지를 뉴럴 네트워크에 입력하여 획득된 제2 이미지를 수신하는 단계;상기 제1 이미지보다 덜 흐린 제1 정답 라벨 및 상기 제2 이미지에 기초하여 상기 뉴럴 네트워크의 파라미터를 수정하는 단계;현재 반복에서 상기 제1 이미지 및 상기 제2 이미지를 상기 뉴럴 네트워크에 입력하여 제3 이미지를 획득하는 단계; 및상기 제1 정답 라벨보다 덜 흐린 제2 정답 라벨 및 상기 제3 이미지에 기초하여 상기 뉴럴 네트워크의 파라미터를 수정하는 단계를 포함하고,상기 제3 이미지를 획득하는 단계는,상기 이전 반복에서 상기 뉴럴 네트워크의 디코더에서 출력된 재귀 피처맵이 상기 현재 반복에서 상기 뉴럴 네트워크의 인코더에 입력되어 상기 제1 이미지와 상기 제2 이미지를 합한 이미지를 디블러링함으로써 상기 제3 이미지를 획득하는 단계를 포함하는, 뉴럴 네트워크 학습 방법
|
10 |
10
제9항에 있어서,상기 제1 이미지는,연속적으로 촬영된 복수의 이미지를 결합하여 생성된 이미지인, 뉴럴 네트워크 학습 방법
|
11 |
11
제10항에 있어서,상기 제1 정답 라벨은,상기 제1 이미지 보다 적은 수의 이미지를 결합하여 생성된 이미지인, 뉴럴 네트워크 학습 방법
|
12 |
12
제11항에 있어서,상기 제2 정답 라벨은,상기 제1 정답 라벨 보다 적은 수의 이미지를 결합하여 생성된 이미지인, 뉴럴 네트워크 학습 방법
|
13 |
13
인코더-디코더 구조의 뉴럴 네트워크를 학습시키는 장치에 있어서,인스트럭션들을 포함하는 메모리; 및상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고,상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,이전 반복에서 제1 이미지를 뉴럴 네트워크에 입력하여 획득된 제2 이미지를 수신하고, 상기 제1 이미지보다 덜 흐린 제1 정답 라벨 및 상기 제2 이미지에 기초하여 상기 뉴럴 네트워크의 파라미터를 수정하고, 현재 반복에서 상기 제1 이미지 및 상기 제2 이미지를 상기 뉴럴 네트워크에 입력하여 제3 이미지를 획득하고, 상기 제1 정답 라벨보다 덜 흐린 제2 정답 라벨 및 상기 제3 이미지에 기초하여 상기 뉴럴 네트워크의 파라미터를 수정하고,상기 프로세서는,상기 이전 반복에서 상기 뉴럴 네트워크의 디코더에서 출력된 재귀 피처맵을 상기 현재 반복에서 상기 뉴럴 네트워크의 인코더에 입력하여 상기 제1 이미지와 상기 제2 이미지를 합한 이미지를 디블러링함으로써 상기 제3 이미지를 획득하는, 뉴럴 네트워크 학습 장치
|
14 |
14
제13항에 있어서,상기 제1 이미지는, 연속적으로 촬영된 복수의 이미지를 결합하여 생성된 이미지인, 뉴럴 네트워크 학습 장치
|
15 |
15
제14항에 있어서,상기 제1 정답 라벨은,상기 제1 이미지 보다 적은 수의 이미지를 결합하여 생성된 이미지인, 뉴럴 네트워크 학습 장치
|
16 |
16
제15항에 있어서,상기 제2 정답 라벨은,상기 제1 정답 라벨 보다 적은 수의 이미지를 결합하여 생성된 이미지인, 뉴럴 네트워크 학습 장치
|