1 |
1
제1 저해상도 이미지 데이터를 수신하는 단계;미리 학습된 초해상화 딥러닝 모듈을 이용하여, 상기 제1 저해상도 이미지 데이터에 대한 제1 초해상도 이미지 데이터를 생성하는 단계;미리 학습된 결함 탐지 딥러닝 모듈을 이용하여, 상기 제1 초해상도 이미지 데이터에 대한 제1 라벨링 데이터를 생성하는 단계; 및상기 제1 라벨링 데이터를 이용하여, 상기 제1 저해상도 이미지 데이터에 포함된 결함 특징을 결정하는 단계를 포함하되,상기 초해상화 딥러닝 모듈은 제1 학습 데이터 셋을 이용하여 학습되고, 상기 결함 탐지 딥러닝 모듈은 제2 학습 데이터 셋을 이용하여 학습되고, 상기 제1 학습 데이터 셋은, 제1 고해상도 이미지 데이터와, 상기 제1 고해상도 이미지 데이터를 다운사이징 하여 생성되는 제2 저해상도 이미지 데이터를 포함하고, 상기 제2 학습 데이터 셋은, 제2 고해상도 이미지 데이터와 연관된 제2 초해상도 이미지 데이터와, 상기 제2 고해상도 이미지 데이터에 대한 제2 라벨링 데이터를 포함하고,상기 제2 초해상도 이미지 데이터는, 상기 제2 고해상도 이미지 데이터를 다운사이징한 후 상기 초해상화 딥러닝 모듈에 제공하여 해상도를 복원함으로써 생성되고,상기 제2 초해상도 이미지 데이터 및 상기 제2 고해상도 이미지 데이터의 해상도는, 상기 제2 고해상도 이미지 데이터를 다운사이징하여 생성되는 제3 저해상도 이미지 데이터의 해상도보다 크고,상기 결함 탐지 딥러닝 모듈은 상기 생성된 제2 초해상도 이미지 데이터에 대한 제3 라벨링 데이터를 생성한 후, 상기 생성된 제3 라벨링 데이터와 상기 제2 라벨링 데이터 사이의 오류를 결정하는 방식으로 학습되는인공지능 기반의 결함 탐지 방법
|
2 |
2
제1 항에 있어서,상기 초해상화 딥러닝 모듈은,EDSR 모델(Enhanced Deep residual networks for single image Super Resolution model) 및 SRGAN 모델(Super Resolution Generative Adversarial Network model) 중 적어도 하나를 포함하는,인공지능 기반의 결함 탐지 방법
|
3 |
3
삭제
|
4 |
4
삭제
|
5 |
5
삭제
|
6 |
6
삭제
|
7 |
7
제1 항에 있어서,상기 제2 라벨링 데이터는 상기 제2 고해상도 이미지를 이용하여 생성되는,인공지능 기반의 결함 탐지 방법
|
8 |
8
제1 해상도의 제1 이미지 데이터를 생성하는 촬상 장치; 상기 제1 이미지 데이터를 이용하여, 상기 제1 해상도 보다 큰 제2 해상도의 제2 이미지 데이터를 생성하는 초해상화 딥러닝 모듈; 및상기 제2 이미지 데이터를 이용하여, 상기 제1 이미지 데이터와 연관된 제1 라벨링 데이터를 생성하는 결함 탐지 딥러닝 모듈을 포함하되, 상기 초해상화 딥러닝 모듈은 제1 학습 데이터 셋을 이용하여 학습되고, 상기 결함 탐지 딥러닝 모듈은 제2 학습 데이터 셋을 이용하여 학습되고, 상기 제1 학습 데이터 셋은 제3 해상도의 제3 이미지 데이터와, 상기 제3 이미지 데이터를 다운사이징 하여 생성되는 상기 제1 해상도의 제4 이미지 데이터를 포함하고상기 제2 학습 데이터 셋은 상기 제3 해상도의 제5 이미지 데이터와 연관된 상기 제2 해상도의 제6 이미지 데이터와, 상기 제5 이미지 데이터에 대한 제2 라벨링 데이터를 포함하고,상기 제6 이미지 데이터는, 상기 제5 이미지 데이터를 다운사이징한 후 상기 초해상화 딥러닝 모듈에 제공하여 해상도를 복원함으로써 생성되고,상기 제5 이미지 데이터 및 상기 제6 이미지 데이터의 해상도는, 상기 제5 이미지 데이터를 다운사이징하여 생성되는 제1 해상도의 제7 이미지 데이터의 해상도보다 크고,상기 결함 탐지 딥러닝 모듈은 상기 생성된 제6 이미지 데이터에 대한 제3 라벨링 데이터를 생성한 후, 상기 생성된 제3 라벨링 데이터와 상기 제2 라벨링 데이터 사이의 오류를 결정하는 방식으로 학습되는인공지능 기반의 결함 탐지 시스템
|
9 |
9
제8 항에 있어서,상기 제2 라벨링 데이터는 상기 제5 이미지 데이터를 이용하여 생성되는, 인공지능 기반의 결함 탐지 시스템
|
10 |
10
삭제
|