1 |
1
입력 이미지에 대해서 2회의 연속적인 컨볼루션 연산을 수행하여, 제1 특징맵 및 제2 특징맵을 연속적으로 추출하는 제1 연속 특징값 추출 모듈(CFE1);상기 제2 특징맵에 기초하여 심층 특징맵들을 추출하고, 상기 심층 특징맵들을 연결(concatenation)하여 제3 특징맵을 추출하는 심층 특징맵 추출 모듈(DFE);상기 제1 특징맵과 상기 제3 특징맵을 가산하여 제4 특징맵을 출력하는 광역 숏컷 연결 모듈(GSC);상기 제4 특징맵에 대해서 연속적인 컨볼루션 연산을 수행하여, 제5 및 제6 특징맵을 추출하는 제2 연속 특징값 추출 모듈(CFE2); 및상기 입력 이미지에서 상기 제2 연속 특징값 추출 모듈의 출력값을 감산하여 보정 이미지를 생성하는 광역 잔상 맵핑 모듈(GRM);을 포함하는 노이즈 제거를 위한 이미지 학습 장치
|
2 |
2
제 1 항에 있어서,상기 제1 연속 특징값 추출 모듈은 상기 입력 이미지에 대한 컨볼루션 연산을 수행하여, 상기 제1 특징맵을 추출하는 제1 컨볼루션 레이어; 및상기 제1 특징맵에 대한 컨벌루션 연산을 수행하여, 상기 제2 특징맵을 추출하는 제2 컨볼루션 레이어;를 포함하는 것을 특징으로 하는 노이즈 제거를 위한 이미지 학습 장치
|
3 |
3
제 1 항에 있어서,심층 특징맵 추출 모듈은 심층 신경망 기반으로 이미지에서 노이즈를 검출하며, 각각이 상기 심층 특징맵을 출력하는 경량 잔상 블록(LRB)들; 및상기 경량 잔상 블록들이 출력하는 상기 심층 특징맵들의 개수를 조절하는 1×1 컨볼루션 레이어;를 포함하는 것을 특징으로 하는 노이즈 제거를 위한 이미지 학습 장치
|
4 |
4
제 3 항에 있어서,상기 경량 잔상 블록들 중에서 제i(i는 자연수) 경량 잔상 블록은, 제(i-1) 경량 잔상 블록이 출력하는 제(i-1) 상기 심층 특징맵을 입력받아서, 제(i+1) 경량 잔상 블록으로 상기 심층 특징맵을 출력하는 것을 특징으로 하는 노이즈 제거를 위한 이미지 학습 장치
|
5 |
5
제 4 항에 있어서,상기 제i 경량 잔상 블록은 정류화 선형 유닛 및 3×3 컨볼루션 레이어를 포함하는 컨벌루션 모듈이 복수 개로 구성되고, 각각의 상기 정류화 선형 유닛 및 3×3 컨볼루션 레이어는,상기 각각의 컨벌루션 모듈은 제(i-1) 경량 잔상 블록이 출력한 심층 특징맵 및 이전 상기 컨벌루션 모듈이 출력한 특징을 결합하는 것을 특징으로 하는 노이즈 제거를 위한 이미지 학습 장치
|
6 |
6
제 5 항에 있어서,상기 심층 특징맵 추출 모듈은 복수의 상기 경량 잔상 블록들이 출력하는 각각의 상기 심층 특징맵을 컨켓테네이션(concatenation) 방식으로 결합하여 상기 1×1 컨볼루션 레이어로 제공하는 컨켓테네이션 레이어를 더 포함하는 것을 특징으로 하는 노이즈 제거를 위한 이미지 학습 장치
|
7 |
7
제 1 항에 있어서,상기 심층 특징맵 추출 모듈은 유클리드 거리 손실함수 및 SSIM 손실함수의 합으로 정의되는 손실함수에 기초하여 상기 심층 특징맵을 출력하는 것을 특징으로 하는 노이즈 제거를 위한 이미지 학습 장치
|
8 |
8
입력 이미지에 대해서 2회의 연속적인 컨볼루션 연산을 수행하여, 제1 특징맵 및 제2 특징맵을 연속적으로 추출하는 단계;상기 제2 특징맵에 기초하여 심층 특징맵들을 추출하고, 상기 심층 특징맵들을 연결(concatenation)하여 제3 특징맵을 추출하는 단계;상기 제1 특징맵과 상기 제3 특징맵을 가산하여 제4 특징맵을 출력하는 단계;상기 제4 특징맵에 대해서 연속적인 컨볼루션 연산을 수행하여, 제5 및 제6 특징맵을 추출하는 단계; 및상기 입력 이미지에서 상기 제2 연속 특징값 추출 모듈의 출력값을 감산하여 보정 이미지를 생성하는 단계를 포함하는 노이즈 제거를 위한 이미지 학습 방법
|
9 |
9
제 8 항에 있어서,상기 제2 특징맵을 연속적으로 추출하는 단계는상기 입력 이미지에 대한 컨볼루션 연산을 수행하여, 상기 제1 특징맵을 추출하는 단계; 및상기 제1 특징맵에 대한 컨벌루션 연산을 수행하여, 상기 제2 특징맵을 추출하는 단계를 포함하는 것을 특징으로 하는 노이즈 제거를 위한 이미지 학습 방법
|
10 |
10
제 8 항에 있어서,상기 제3 특징맵을 추출하는 단계는심층 신경망 기반으로 상기 입력 이미지에서 노이즈를 검출하여 복수의 심층 특징맵들을 순차적으로 출력하며, 1×1 컨볼루션 레이어에 기초하여 상기 심층 특징맵들의 개수를 조절하는 것을 특징으로 하는 노이즈 제거를 위한 이미지 학습 방법
|
11 |
11
제 10 항에 있어서,각각의 제i 심층 특징맵은 정류화 선형 유닛 및 3×3 컨볼루션 레이어에 기반하여 단계별로 추출되되, j 번째 상기 심층 특징맵은 초기 심층 특징맵 및 j-1 번째 심층 특징맵이 결합되어 생성되는 것을 특징으로 하는 노이즈 제거를 위한 이미지 학습 방법
|