| 1 |
1
각각의 학습 이미지들을 샘플링(sampling)하여 제1 패치들을 생성하는 단계;상기 제1 패치들을 사용하여 인공지능 모델을 학습시키는 단계; 및테스트 이미지를 사용하여 인공지능 모델을 검증하는 단계를 포함하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 2 |
2
제 1 항에 있어서, 상기 인공지능 모델은 복수의 이미지들을 사용하여 학습된 사전 학습 모델을 기초로 생성되는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 3 |
3
제 2 항에 있어서, 상기 인공지능 모델은 상기 사전 학습 모델에서 상기 사전 학습 모델의 출력 레이어를 제거하고, 상기 학습 이미지들에 상응하는 출력 레이어를 추가하여 생성되는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 4 |
4
제 3 항에 있어서, 상기 학습 이미지들에 상응하는 상기 출력 레이어는 상기 학습 이미지들의 라벨(label)들의 개수와 동일한 출력 크기를 갖는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 5 |
5
제 1 항에 있어서, 상기 제1 패치들은 각각의 상기 학습 이미지들의 랜덤한 위치에서 샘플링되어 생성되는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 6 |
6
제 1 항에 있어서, 각각의 상기 제1 패치들의 크기는 상기 인공지능 모델이 요구하는 입력 이미지의 크기와 동일한 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 7 |
7
제 1 항에 있어서, 상기 제1 패치들 각각은 각각의 상기 학습 이미지들의 배경을 기준 비율 이하로 포함하는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 8 |
8
제 1 항에 있어서, 각각의 상기 학습 이미지들의 샘플링은 상기 제1 패치들의 개수가 기준 개수가 될 때까지 반복되는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 9 |
9
제 1 항에 있어서, 상기 제1 패치들의 라벨은 샘플링의 기초가 된 각각의 상기 학습 이미지들의 라벨과 동일한 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 10 |
10
제 1 항에 있어서, 상기 인공지능 모델은 상기 제1 패치들에 이미지 증강(image augmentation) 기법을 적용하여 생성된 증강 패치들을 사용하여 학습되는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 11 |
11
제 10 항에 있어서, 상기 이미지 증강 기법은 좌우 반전(horizontal flip) 기법, 상하 반전(vertical flip) 기법, 잘라내기(crop) 기법, 확대(scale) 기법, 이동(translation) 기법, 회전(rotation) 기법, 밀림(shear) 기법, 가우시안 블러(Gaussian blur) 기법, 이미지 대비(image contrast) 기법, 가우시안 노이즈(Gaussian noise) 기법, 이미지 밝기(image brightness) 기법, 및 탄성 변환(elastic transformation) 기법 중 적어도 하나를 포함하는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 12 |
12
제 10 항에 있어서, 상기 이미지 증강 기법은 좌우 반전 기법, 상하 반전 기법, 잘라내기 기법, 확대 기법, 이동 기법, 회전 기법, 밀림 기법, 가우시안 블러 기법, 이미지 대비 기법, 가우시안 노이즈 기법, 이미지 밝기 기법, 및 탄성 변환 기법을 포함하고,상기 제1 패치들은제1 확률로 상기 좌우 반전 기법이 적용되고,제2 확률로 상기 상하 반전 기법이 적용되며,제3 확률로 상기 잘라내기 기법이 적용되고,제4 확률로 확대 기법이 적용되고,제5 확률로 상기 이동 기법이 적용되며,제6 확률로 상기 회전 기법이 적용되고,제7 확률로 상기 밀림 기법이 적용되며,제8 확률로 상기 가우시안 블러 기법이 적용되고,제9 확률로 상기 이미지 대비 기법이 적용되며,제10 확률로 상기 가우시안 노이즈 기법이 적용되고,제11 확률로 상기 이미지 밝기 기법이 적용되며,제12 확률로 상기 탄성 변환 기법이 적용되는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 13 |
13
제 12 항에 있어서, 상기 제1 및 제2 확률은 동일하고, 상기 제3 내지 제12 확률은 동일한 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 14 |
14
제 13 항에 있어서, 상기 제1 및 제2 확률은 상기 제3 내지 제12 확률보다 큰 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 15 |
15
제 1 항에 있어서, 상기 인공지능 모델을 검증하는 단계는상기 테스트 이미지를 샘플링하여 제2 패치들을 생성하는 단계; 및상기 제2 패치들을 사용하여 상기 인공지능 모델을 검증하는 단계를 포함하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 16 |
16
제 15 항에 있어서, 상기 제2 패치들은 서로 겹치지 않는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 17 |
17
제 15 항에 있어서, 상기 테스트 이미지는 상기 학습 이미지들과 동일한 방식으로 샘플링되는 것을 특징으로 하는 이미지 분류용 인공지능 모델의 학습 방법
|
| 18 |
18
제1항 내지 제17항 중 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램이 기록된 컴퓨터로 읽을 수 있는 기록 매체
|
