1 |
1
수집한 이미지를 복원하기 위해 하기 오토인코더에 맞춰 포맷을 변경하는 전처리부;상기 이미지의 특징을 추출하는 인코딩 블록과, 추출된 상기 특징을 이용하여 상기 이미지에 대한 원본을 복원하는 디코딩 불록을 구비하는 오토인코더;악의적 이미지 데이터 생성을 위한 쿼리 관찰을 방지하기 위해, 상기 오토인코더에서 복원한 이미지를 학습 데이터로 사용하여 상기 오토인코더를 추가 학습시키는 추가 학습부; 및상기 오토인코더에서 복원한 이미지에 포함된 전력 설비들을 인식하는 이미지 인식부를 포함하는 동적 오토인코터 기반의 이미지 데이터 처리 장치
|
2 |
2
제1항에 있어서,상기 인코딩 블록은,상기 이미지를 입력받는 입력 레이어;상기 이미지에 들어있는 특징들 및 각 특징별 파라미터를 출력하는 출력 레이어; 및상기 입력 레이어와 상기 출력 레이어를 연계하는 히든 레이어를 구비하고,상기 디코딩 블록은, 상기 특징들 및 각 특징별 파라미터를 입력받는 입력 레이어;상기 특징들 및 각 특징별 파라미터를 이용하여 복원 이미지를 생성하는 출력 레이어;상기 입력 레이어와 상기 출력 레이어를 연계하는 히든 레이어를 구비하는 동적 오토인코터 기반의 이미지 데이터 처리 장치
|
3 |
3
제1항에 있어서,상기 인코딩 블록 및 상기 디코딩 블록은,서로 대칭적인 구성을 가지는 CNN(Convolution Neural Network)으로 이루어진 동적 오토인코터 기반의 이미지 데이터 처리 장치
|
4 |
4
제1항에 있어서,상기 추가 학습부는,이전에 실운용 중에 처리를 수행한 이미지들 중에서 선택된 추가 학습용 셈플 이미지들 및 각 셈플 이미지에 대한 처리 수행 결과를 이용하여 추가 학습을 수행하는 동적 오토인코터 기반의 이미지 데이터 처리 장치
|
5 |
5
제4항에 있어서,상기 추가 학습부는,상기 추가 학습용 셈플 이미지들을 선택함에 있어 난수를 적용하여 선택하는 동적 오토인코터 기반의 이미지 데이터 처리 장치
|
6 |
6
제4항에 있어서,상기 추가 학습부는,난수적 요소를 반영하여 상기 추가 학습을 수행하는 동적 오토인코터 기반의 이미지 데이터 처리 장치
|
7 |
7
이미지를 수집하는 단계;수집한 이미지를 복원하는 오토인코더에 맞춰 포맷을 변경하는 전처리 단계;상기 오토인코더에서 상기 이미지의 특징을 추출하는 단계;상기 오토인코더에서 추출된 상기 특징을 이용하여 상기 이미지에 대한 원본을 복원하는 단계;복원한 상기 원본에 포함된 전력 설비들을 인식하는 단계; 및악의적 이미지 데이터 생성을 위한 쿼리 관찰을 방지하기 위해, 상기 오토인코더에서 복원한 이미지를 학습 데이터로 사용하여 상기 오토인코더를 추가 학습시키는 단계를 포함하는 동적 오토인코터 기반의 이미지 데이터 처리 방법
|
8 |
8
제7항에 있어서,상기 전처리 단계에서는,다양한 크기의 이미지를 일정한 크기의 numpy 배열로 변환하는 동적 오토인코터 기반의 이미지 데이터 처리 방법
|
9 |
9
제7항에 있어서,상기 오토인코더를 추가 학습시키는 단계에서는,이전에 실운용 중에 처리를 수행한 이미지들 중에서 선택된 추가 학습용 셈플 이미지들 및 각 셈플 이미지에 대한 처리 수행 결과를 이용하여 추가 학습을 수행하는 동적 오토인코터 기반의 이미지 데이터 처리 방법
|
10 |
10
제9항에 있어서,상기 오토인코더를 추가 학습시키는 단계에서는,상기 추가 학습용 셈플 이미지들을 선택함에 있어 난수를 적용하여 선택하는 동적 오토인코터 기반의 이미지 데이터 처리 방법
|
11 |
11
제9항에 있어서,상기 오토인코더를 추가 학습시키는 단계에서는,난수적 요소를 반영하여 상기 추가 학습을 수행하는 동적 오토인코터 기반의 이미지 데이터 처리 방법
|