| 1 |
1
입력 이미지에서 제 1 특징 데이터를 추출하는 특징 추출 회로;변환 함수에 따라 상기 제 1 특징 데이터를 변환 특징 데이터로 변환하는 특징 변환 회로; 및상기 변환 특징 데이터를 디코딩하여 탐지된 물체를 표시하는 영역 맵을 출력하는 디코더 회로를 포함하는 물체 탐지 장치
|
| 2 |
2
청구항 1에 있어서, 상기 특징 추출 회로는 상기 입력 이미지의 크기를 순차적으로 변화시키는 연산을 통해 다수의 인코딩 회로를 포함하는 물체 탐지 장치
|
| 3 |
3
청구항 1에 있어서, 상기 디코더 회로는상기 변환 특징 데이터에 대해 컨벌루션 연산을 수행하는 제 1 컨벌루션 회로;상기 제 1 컨벌루션 회로의 출력에 배치 정규화 연산을 수행하는 배치 정규화 회로; 상기 배치 정규화 회로의 출력에 대해서 활성화 연산을 수행하는 ReLU 회로;상기 ReLU 회로의 출력에 대해서 컨벌루션 연산을 수행하는 제 2 컨벌루션 회로;상기 제 2 컨벌루션 회로의 출력을 업샘플링하여 영역 맵을 출력하는 업샘플링 회로를 포함하는 물체 탐지 장치
|
| 4 |
4
청구항 1에 있어서, 상기 특징 추출 회로는 상기 입력 이미지에서 제 2 특징 데이터를 더 추출하고, 상기 디코더 회로는 상기 변환 특징 데이터와 상기 제 2 특징 데이터를 이용하여 물체를 탐지하는 물체 탐지 장치
|
| 5 |
5
청구항 2에 있어서, 상기 디코더 회로는상기 변환 특징 데이터에 대해서 ASPP 연산을 수행하는 ASPP 회로;상기 ASPP 회로(310)의 출력을 업샘플링하는 업샘플링 회로;상기 제 2 특징 데이터에 대해서 컨벌루션 연산을 수행하는 제 1 컨벌루션 회로;상기 업샘플링 회로의 출력과 상기 제 1 컨벌루션 회로의 출력에 대해서 연접 연산을 수행하는 연접 회로; 및상기 연접 회로의 출력에 대해서 컨벌루션 연산을 수행하여 상기 영역 맵을 출력하는 제 2 컨벌루션 회로를 포함하는 물체 탐지 장치
|
| 6 |
6
청구항 1에 있어서, 상기 특징 변환 회로는 상기 변환 함수를 생성하는 변환 함수 행성 회로; 및상기 변환 함수에 따라 상기 제 1 특징 데이터를 변환하여 상기 변환 특징 데이터를 생성하는 변환 회로를 포함하는 물체 탐지 장치
|
| 7 |
7
청구항 6에 있어서, 상기 변환 함수 생성 회로는지원 이미지에 대응하는 지원 특징 데이터 및 상기 지원 이미지의 전경 정보와 배경 정보를 포함하는 지원 레이블을 이용하여 프로토타입 데이터를 생성하는 프로토타입 데이터 생성 회로; 및기준 데이터와 상기 프로토타입 데이터를 이용하여 상기 변환 함수를 결정하는 변환 함수 결정 회로를 포함하는 물체 탐지 장치
|
| 8 |
8
청구항 7에 있어서, 학습 과정에서 상기 특징 추출 회로는 질의 이미지에 대응하는 질의 특징 데이터를 생성하여 상기 변환 회로에 제공하고, 지원 이미지에 대응하는 지원 특징 데이터를 생성하여 상기 변환 함수 생성 회로에 제공하는 물체 탐지 장치
|
| 9 |
9
청구항 7에 있어서, 상기 프로토타입 데이터 생성 회로는상기 지원 레이블의 크기를 상기 지원 데이터의 크기에 맞게 조절하는 다운스케일 회로;상기 다운스케일 회로의 출력에 의해 상기 지원 특징 데이터를 마스킹하는 마스킹 회로; 및상기 마스킹 회로의 출력을 풀링하여 상기 프로토타입 데이터를 생성하는 물체 탐지 장치
|
| 10 |
10
청구항 9에 있어서, 상기 프로토타입 데이터는 물체의 전경 정보를 포함하는 전경 프로토타입 데이터와 물체의 배경 정보를 포함하는 배경 프로토타입 데이터를 포함하는 물체 탐지 장치
|
| 11 |
11
청구항 8에 있어서, 상기 학습 과정에서 상기 질의 특징 데이터에 대응하는 상기 변환 특징 데이터와 상기 기준 데이터에 연관된 변환 손실 함수에 따라 상기 기준 데이터를 갱신하는 물체 탐지 장치
|
| 12 |
12
청구항 11에 있어서, 상기 디코더 회로는 신경망 회로를 포함하고, 상기 학습 과정에서 상기 질의 이미지에 대응하여 상기 디코더 회로에서 출력된 상기 영역 맵과 상기 질의 이미지의 전경 정보와 배경 정보를 포함하는 질의 레이블에 연관된 영역 손실 함수에 따라 상기 디코더 회로를 갱신하는 물체 탐지 장치
|
| 13 |
13
청구항 12에 있어서, 상기 특징 추출 회로는 신경망 회로를 포함하고, 상기 학습 과정에서 상기 변환 손실 함수와 상기 영역 손실 함수를 포함하는 총 손실 함수에 따라 상기 특징 추출 회로를 갱신하는 물체 탐지 장치
|
| 14 |
14
입력 이미지를 인코딩하여 제 1 특징 데이터를 출력하는 제 1 단계;변환 함수를 이용하여 상기 제 1 특징 데이터를 변환 특징 데이터로 변환하는 제 2 단계;상기 변환 특징 데이터를 디코딩하여 물체에 대응하는 영역 맵을 생성하는 제 3 단계를 포함하는 물체 탐지 방법
|
| 15 |
15
청구항 14에 있어서, 상기 제 1 단계는 상기 입력 이미지를 인코딩하여 제 2 특징 데이터를 추가로 생성하고, 상기 제 3 단계는 상기 변환 특징 데이터와 상기 제 2 특징 데이터를 디코딩하여 물체를 탐지하는 물체 탐지 방법
|
| 16 |
16
청구항 14에 있어서, 지원 이미지를 인코딩한 지원 특징 데이터와 상기 지원 이미지의 전경 정보 및 배경 정보를 포함하는 지원 레이블을 이용하여 상기 변환 함수를 결정하는 학습 단계를 더 포함하는 물체 탐지 방법
|
| 17 |
17
청구항 16에 있어서, 상기 학습 단계는상기 지원 레이블과 상기 지원 특징 데이터로부터 프로토타입 데이터를 생성하는 단계; 및상기 프로토타입 데이터를 상기 변환 함수에 입력한 결과가 기준 데이터가 되도록 상기 변환 함수를 결정하는 단계를 포함하는 물체 탐지 방법
|
| 18 |
18
청구항 17에 있어서, 상기 학습 단계는 질의 이미지를 인코딩한 질의 특징 데이터에 대응하는 상기 변환 특징 데이터와 상기 기준 데이터에 연관된 변환 손실 함수에 따라 상기 기준 데이터를 갱신하는 단계를 더 포함하는 물체 탐지 방법
|
| 19 |
19
청구항 18에 있어서, 상기 학습 단계는 상기 질의 이미지에 대응하여 출력된 상기 영역 맵과 상기 질의 이미지의 전경 정보와 배경 정보를 포함하는 질의 레이블에 연관된 영역 손실 함수에 따라 상기 디코딩을 위한 신경망 계수를 변경하는 물체 탐지 방법
|
| 20 |
20
청구항 19에 있어서, 상기 학습 단계는 상기 변환 손실 함수와 상기 영역 손실 함수를 포함하는 총 손실 함수에 따라 상기 인코딩을 위한 신경망 계수를 변경하는 물체 탐지 방법
|
