| 1 |
1
놀이 블록 깊이 맵 생성 방법으로서,(1) (1-1) 깊이 정보를 알고 있는 학습용 단일 영상을 심층 네트워크에 입력하는 단계;(1-2) 상기 단계 (1-1)에서 상기 심층 네트워크에 입력된 학습용 단일 영상의 깊이 정보를 예측하는 단계; 및(1-3) 상기 단계 (1-2)에서 예측된 깊이 정보와 상기 학습용 단일 영상의 깊이 정보를 비교하는 단계를 포함하여, 깊이 정보를 알고 있는 학습용 단일 영상을 이용하여 심층 네트워크를 학습하는 단계(2) (2-1) 상기 단계 (1)에서 학습된 심층 네트워크에 단일 영상을 입력하는 단계;(2-2) 상기 단계 (2-1)에서 입력된 단일 영상의 깊이 정보를 예측하는 단계; 및(2-3) 상기 단계 (2-2)에서 예측된 깊이 정보를 이용하여 놀이 블록 깊이 맵을 생성하는 단계를 포함하여,상기 단계 (1)에서 학습된 심층 네트워크에 단일 영상을 입력하여 놀이 블록 깊이 맵을 생성하는 단계; (3) 상기 단계 (2)에서 생성된 놀이 블록 깊이 맵을 출력하는 단계; 및(4) 상기 단계 (3)에서 출력된 놀이 블록 깊이 맵을 기반으로 놀이 블록 깊이에 따라 서로 다른 색으로 표현되어 동일한 놀이 블록 깊이가 동일한 색으로 표현될 수 있도록 3D 모델링하는 단계; 를 포함하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서, 상기 단계 (1)에 있어서,상기 단계 (1-3)에서 비교된 결과가 미리 설정된 오차범위 내에 해당할 때까지 반복적으로 상기 심층 네트워크를 학습하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 방법
|
| 4 |
4
삭제
|
| 5 |
5
제1항에 있어서, 상기 단계 (2)에서는,1×74×55의 영상으로 놀이 블록 깊이 맵을 생성하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 방법
|
| 6 |
6
제1항에 있어서, 상기 심층 네트워크는,합성 곱 신경망 네트워크인 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 방법
|
| 7 |
7
제6항에 있어서, 상기 합성 곱 신경망 네트워크는,활성함수로 Rectified linear unit을 사용하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 방법
|
| 8 |
8
제6항에 있어서, 상기 합성 곱 신경망 네트워크는,5개의 콘볼루션 레이어(Convolution layers) 및 2개의 완전 연결 레이어(fully connected layers)를 이용하여 놀이 블록 깊이 맵을 생성하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 방법
|
| 9 |
9
제8항에 있어서, 상기 5개의 콘볼루션 레이어(Convolution layers)에 있어서,첫 번째 및 두 번째 레이어(layers)에 맥스 풀링(Max pooling)이 사용되는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 방법
|
| 10 |
10
삭제
|
| 11 |
11
놀이 블록 깊이 맵 생성 시스템(10)으로서,깊이 정보를 알고 있는 학습용 단일 영상을 심층 네트워크에 입력하는 학습용 입력 모듈(110); 상기 학습용 입력 모듈(110)에 의해 상기 심층 네트워크에 입력된 학습용 단일 영상의 깊이 정보를 예측하는 학습용 예측 모듈(120); 및 상기 학습용 예측 모듈(120)에 의해 예측된 깊이 정보와 상기 학습용 단일 영상의 깊이 정보를 비교하는 학습용 비교 모듈(130)을 포함하고, 깊이 정보를 알고 있는 학습용 단일 영상을 이용하여 심층 네트워크를 학습하는 심층 네트워크 학습부(100);상기 심층 네트워크 학습부(100)에 의해 학습된 심층 네트워크에 단일 영상을 입력하는 입력 모듈(210); 상기 입력 모듈(210)에 입력된 단일 영상의 깊이 정보를 예측하는 예측 모듈(220); 및 상기 예측 모듈(220)에서 예측된 깊이 정보를 이용하여 놀이 블록 깊이 맵을 생성하는 생성 모듈(230)을 포함하고, 상기 심층 네트워크 학습부(100)에 의해 학습된 심층 네트워크에 단일 영상을 입력하여 놀이 블록 깊이 맵을 생성하는 놀이 블록 깊이 맵 생성부(200); 상기 놀이 블록 깊이 맵 생성부(200)에 의해 생성된 놀이 블록 깊이 맵을 출력하는 놀이 블록 깊이 맵 출력부(300); 및놀이 블록 깊이 맵 출력부에 의해 출력된 놀이 블록 깊이 맵을 기반으로 놀이 블록 깊이에 따라 서로 다른 색으로 표현되어 동일한 놀이 블록 깊이가 동일한 색으로 표현될 수 있도록 3D 모델링하는 3D 모델링부(400); 를 포함하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 시스템
|
| 12 |
12
삭제
|
| 13 |
13
제11항에 있어서, 상기 심층 네트워크 학습부(100)는,상기 학습용 비교 모듈(130)에 의해 비교된 결과가 미리 설정된 오차범위 내에 해당할 때까지 반복적으로 상기 심층 네트워크를 학습하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 시스템
|
| 14 |
14
삭제
|
| 15 |
15
제11항에 있어서, 상기 놀이 블록 깊이 맵 생성부(200)는,1×74×55의 영상으로 놀이 블록 깊이 맵을 생성하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 시스템
|
| 16 |
16
제11항에 있어서, 상기 심층 네트워크는,합성 곱 신경망 네트워크인 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 시스템
|
| 17 |
17
제16항에 있어서, 상기 합성 곱 신경망 네트워크는,활성함수로 Rectified linear unit을 사용하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 시스템
|
| 18 |
18
제16항에 있어서, 상기 합성 곱 신경망 네트워크는,5개의 콘볼루션 레이어(Convolution layers) 및 2개의 완전 연결 레이어(fully connected layers)를 이용하여 놀이 블록 깊이 맵을 생성하는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 시스템
|
| 19 |
19
제18항에 있어서, 상기 5개의 콘볼루션 레이어(Convolution layers)에 있어서,첫 번째 및 두 번째 레이어(layers)에 맥스 풀링(Max pooling)이 사용되는 것을 특징으로 하는, 단일 영상과 심층 네트워크를 이용한 놀이 블록 깊이 맵 생성 시스템
|
| 20 |
20
삭제
|
