1 |
1
검출 단계를 후보 영역 검출과 클래스 분류로 구분하는 검출기로서, 객체 검출을 위한 특징을 추출하는 특징 추출기(Feature Extractor), RPN(Region Proposal Network, RPN) 그리고 관심영역(Region-of-Interest, RoI) 기반의 분류기(Classifier)를 포함하는 도메인 분류 학습 시스템에 있어서,상기 특징 추출기는 입력 이미지의 특징을 추출하여 특징맵(feature map) 형태로 출력하고, RPN에서는 특징맵을 통해 객체 후보 영역인 바운딩 박스의 좌표를 추론하고, 상기 분류기는 특징맵 내 모든 픽셀마다 정의된 앵커(anchor)를 기준으로 생성되는 각 바운딩 박스를 대상으로 클래스를 분류하고 상기 좌표를 보정하되,상기 도메인 분류 학습 시스템은, 표 영역을 학습 목표인 소스 도메인으로 정의하고, 배경 영역을 타겟 도메인으로 정의하며,상기 도메인 분류 학습 시스템은, 도메인 분류 모듈을 더 포함하고, 상기 도메인 분류 모듈은, 정의된 두 도메인을 도메인 분류 모델에 기반하여 학습을 통해 분류하여 상기 분류기에 제공하고, 상기 도메인 분류 모델은 타겟 도메인인 배경 영역에 대해 잘못 예측한 표 후보 영역에 대한 손실값을 계산하되, 상기 손실값은 상기 도메인 분류 모델에 기반하는 학습인 모델학습을 위해 정의되는 손실 함수 Ldet를 이용하여 바운딩 박스별 도메인 판별 및 레이블 정의하여 오차를 계산하고,상기 도메인 분류 모듈은,모듈 내 도메인 분류기를 더 포함하고, 상기 도메인 분류기는, RPN의 바운딩 박스를 입력받아 각 박스별 도메인을 판별하는 도메인 분류 학습 시스템
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
제1항에 있어서,상기 도메인 분류 모듈에 있어서, 상기 손실 함수 는 RPN의 오차를 계산하는 손실 과 분류기의 오차를 계산하는 손실 로 구성되며,상기 복수의 손실은 예측한 바운딩 박스의 클래스가 얼마나 정확한지를 기준으로 오차를 측정하는 클래시피케이션 손실과 바운딩 박스의 좌표가 실제 객체의 위치와 얼마나 가까운지를 기준으로 오차를 측정하는 리그레션 손실을 포함하는 도메인 분류 학습 시스템
|
5 |
5
제1항에 있어서,상기 도메인 분류 모듈은 바운딩 박스별로 도메인을 얼마나 잘 판별했는지를 기준으로 오차를 계산하되,상기 오차를 계산하기 위해 하기의 수학식 1과 같은 cross-entropy loss 기반의 손실 함수 을 정의하고,상기 도메인 분류기 h는 특징맵의 u,v 위치에 있는 바운딩 박스별로 도메인을 판별하며, 도메인 레이블 는 바운딩 박스가 소스 도메인일 경우에 0으로, 타겟 도메인일 경우에는 1로 정의되는 것을 특징으로 하는 도메인 분류 학습 시스템
|
6 |
6
제5항에 있어서,상기 도메인 레이블의 선정 기준은상기 바운딩 박스가 ground truth 레이블의 어느 표 영역과의 Intersection-over-Union(IoU) 비율이 설정된 상위 임계값 이상일 경우 소스 도메인으로 정의하고,상기 바운딩 박스가 ground truth 레이블의 모든 표 영역과의 IoU 비율이 설정된 하위 임계값 이하일 경우 타겟 도메인으로 정의하는 것을 특징으로 하는 도메인 분류 학습 시스템
|
7 |
7
삭제
|
8 |
8
삭제
|
9 |
9
검출 단계를 후보 영역 검출과 클래스 분류로 구분하는 검출기로서, 객체 검출을 위한 특징을 추출하는 특징 추출기(Feature Extractor), RPN(Region Proposal Network, RPN) 그리고 관심영역(Region-of-Interest, RoI) 기반의 분류기(Classifier)를 포함하는 도메인 분류 학습 시스템을 이용한 도메인 분류 학습 방법에 있어서, 상기 도메인 분류 학습 시스템은, 도메인 분류 모듈을 더 포함하고,상기 도메인 분류 모듈은, 모듈 내 도메인 분류기를 더 포함하고,입력 이미지의 특징을 추출하여 특징맵(feature map) 형태로 출력하는 단계;상기 특징맵을 통해 객체 후보 영역인 바운딩 박스의 좌표를 추론하는 단계;특징맵 내 모든 픽셀마다 정의된 앵커(anchor)를 기준으로 생성되는 각 바운딩 박스를 대상으로 클래스를 분류하고 상기 좌표를 보정하되, 상기 도메인 분류기는, RPN의 바운딩 박스를 입력받아 각 박스별 도메인을 판별하는 단계; 및상기 도메인 분류 모듈은, 정의된 두 도메인을 도메인 분류 모델에 기반하여 학습을 통해 분류하여 상기 분류기에 제공하고, 상기 도메인 분류 모델은 타겟 도메인인 배경 영역에 대해 잘못 예측한 표 후보 영역에 대한 손실값을 계산 및 분류하는 단계를 포함하고,상기 손실값을 계산 및 분류하는 단계는, 손실함수를 이용하여 바운딩 박스별 도메인 판별 및 레이블 정의하여 오차 계산하는 단계를 더 포함하는 도메인 분류 학습 방법
|
10 |
10
삭제
|