| 1 |
1
입력 이미지의 특성을 분석하는 단계;상기 입력 이미지의 특성을 분석하여 획득한 분석 결과를 기반으로 적어도 하나의 전처리 알고리즘을 선택하는 단계;상기 선택된 적어도 하나의 전처리 알고리즘을 기반으로 상기 입력 이미지를 전처리 하는 단계;사전에 학습 완료된 인공 지능 모델을 이용하여 상기 전처리 된 입력 이미지에 포함된 객체를 추론하는 단계; 및상기 객체의 추론하여 획득한 추론 결과를 상기 객체의 인식 결과로서 출력하는 단계;를 포함하는 선택적 이미지 전처리 기반의 객체 인식 방법
|
| 2 |
2
제1항에서,상기 사전에 학습 완료된 인공 지능 모델은,상기 선택된 적어도 하나의 전처리 알고리즘에 따라 전처리 된 훈련용 이미지를 이용하여 사전 학습 완료된 모델인 것인 선택적 이미지 전처리 기반의 객체 인식 방법
|
| 3 |
3
제1항에서,상기 입력 이미지의 특성을 분석하는 단계는,상기 입력 이미지의 통계 정보를 분석하는 단계;상기 입력 이미지의 히스토그램을 분석하는 단계 및상기 입력 이미지의 분할 영역별 히스토그램을 분석하는 단계를 포함하는 선택적 이미지 전처리 기반의 객체 인식 방법
|
| 4 |
4
제3항에서,상기 입력 이미지의 통계 정보는,상기 입력 이미지의 타입, 상기 입력 이미지의 가로(width) 및 세로(height) 정보, 상기 입력 이미지의 픽셀 수(number of pixels), 상기 입력 이미지의 밝기값, 상기 입력 이미지의 선명도, 상기 입력 이미지의 채널(channels) 정보, 상기 입력 이미지의 슬라이스(slices) 정보 및 상기 입력 이미지의 프레임 정보를 포함하는 선택적 이미지 전처리 기반의 객체 인식 방법
|
| 5 |
5
제1항에서,상기 적어도 하나의 전처리 알고리즘을 선택하는 단계는,상기 분석 결과와 상기 적어도 하나의 전처리 알고리즘 사이의 연결 관계를 사전 정의한 전처리 테이블을 참조하여, 상기 분석 결과에 대응하는 상기 적어도 하나의 전처리 알고리즘을 선택하는 단계인 것인 선택적 이미지 전처리 기반의 객체 인식 방법
|
| 6 |
6
제1항에서,상기 선택된 적어도 하나의 전처리 알고리즘은,상기 입력 이미지의 픽셀 값을 정규화 하는 알고리즘, 상기 입력 이미지의 분할 영역별 픽셀 값을 정규화 하는 알고리즘, 상기 입력 이미지의 밝기값을 조절하는 알고리즘, 상기 입력 이미지의 선명도를 조절하는 알고리즘, 상기 입력 이미지의 히스토그램을 평활화 하는 알고리즘 및 상기 입력 이미지의 분할 영역별 히스토그램을 평활화 하는 알고리즘 중에서 선택된 적어도 하나의 알고리즘인 것인 선택적 이미지 전처리 기반의 객체 인식 방법
|
| 7 |
7
훈련용 이미지의 특성을 분석하는 단계;상기 훈련용 이미지의 특성을 분석하여 획득한 분석 결과를 기반으로 적어도 하나의 전처리 알고리즘을 선택하는 단계;상기 선택된 적어도 하나의 전처리 알고리즘을 기반으로 상기 훈련용 이미지를 전처리 하는 단계; 및상기 전처리 된 훈련용 이미지를 기반으로 객체 인식을 위한 인공 지능 모델에 대한 학습을 수행하는 단계를 포함하는 객체 인식을 위한 인공 지능 모델의 학습 방법
|
| 8 |
8
제7항에서,상기 적어도 하나의 전처리 알고리즘을 선택하는 단계는,상기 분석 결과와 상기 적어도 하나의 전처리 알고리즘 사이의 연결 관계를 사전 정의한 전처리 테이블을 참조하여, 상기 분석 결과에 대응하는 상기 적어도 하나의 전처리 알고리즘을 선택하는 단계인 것인 객체 인식을 위한 인공 지능 모델의 학습 방법
|
| 9 |
9
제7항에서,상기 훈련용 이미지의 특성을 분석하는 단계는,상기 훈련용 이미지의 통계 정보를 분석하는 단계;상기 훈련용 이미지의 히스토그램을 분석하는 단계 및상기 훈련용 이미지의 분할 영역별 히스토그램을 분석하는 단계를 포함하는 객체 인식을 위한 인공 지능 모델의 학습 방법
|
| 10 |
10
제9항에서,상기 훈련용 이미지의 통계 정보는,상기 훈련용 이미지의 타입, 상기 훈련용 이미지의 가로(width) 및 세로(height) 정보, 상기 훈련용 이미지의 픽셀 수(number of pixels), 상기 훈련용 이미지의 밝기값, 상기 훈련용 이미지의 선명도, 상기 훈련용 이미지의 채널(channels) 정보, 상기 훈련용 이미지의 슬라이스(slices) 정보 및 상기 훈련용 이미지의 프레임 정보를 포함하는 객체 인식을 위한 인공 지능 모델의 학습 방법
|
| 11 |
11
프로세서와 저장 장치를 포함하는 객체 인식 장치에 있어서,상기 프로세서에 의해 실행되며, 입력 이미지의 특성을 분석하는 이미지 특성 분석부;상기 프로세서에 의해 실행되며, 상기 입력 이미지의 특성을 분석하여 획득한 분석 결과를 기반으로 적어도 하나의 전처리 알고리즘을 선택하는 전처리 알고리즘 선택부;상기 프로세서에 의해 실행되며, 상기 선택된 적어도 하나의 전처리 알고리즘을 기반으로 상기 입력 이미지를 전처리 하는 전처리부; 및상기 프로세서에 의해 실행되며, 상기 전처리 된 입력 이미지에 포함된 객체를 추론하여 획득한 추론 결과를 상기 객체의 인식 결과로서 출력하는 인공 지능 모델을 포함하는 객체 인식 장치
|
| 12 |
12
제11항에서,상기 이미지 특성 분석부는,상기 이미지의 통계 정보, 상기 이미지의 히스토그램 및 상기 이미지의 분할 영역별 히스토그램을 분석하는 것인 객체 인식 장치
|
| 13 |
13
제11항에서,상기 전처리 알고리즘 선택부는,상기 분석 결과와 상기 적어도 하나의 전처리 알고리즘 사이의 연결 관계를 사전 정의한 전처리 테이블을 참조하여, 상기 분석 결과에 대응하는 상기 적어도 하나의 전처리 알고리즘을 선택하는 것인 객체 인식 장치
|
| 14 |
14
제11항에서,상기 선택된 적어도 하나의 전처리 알고리즘은,상기 입력 이미지의 픽셀 값을 정규화 하는 알고리즘, 상기 입력 이미지의 분할 영역별 픽셀 값을 정규화 하는 알고리즘, 상기 입력 이미지의 밝기값을 조절하는 알고리즘, 상기 입력 이미지의 선명도를 조절하는 알고리즘, 상기 입력 이미지의 히스토그램을 평활화 하는 알고리즘 및 상기 입력 이미지의 분할 영역별 히스토그램을 평활화 하는 알고리즘 중에서 선택된 적어도 하나의 알고리즘인 것인 객체 인식 장치
|
