1 |
1
드론 환경에 적합한 경량화된 소형 객체 검출 장치에 있어서, 드론 영상에 대해 복수의 컨볼루션 레이어를 통과시켜 서로 다른 레벨을 가지는 복수의 특징맵을 생성하는 백본 네트워크-상기 백본 네트워크는 깊이(depth)와 너비(width)가 스케일링됨; 상기 백본 네트워크의 깊이와 너비 스케일링에 따른 특징맵의 손실을 보상하며 소형 객체의 특징 정보에 어텐션된 가중치 맵을 생성하는 손실 보상부; 및제1 및 제2 헤드 레이어를 가지되, 상기 가중치 맵이 적용된 상기 복수의 특징맵을 상기 제1 및 상기 제2 헤드 레이어에 적용하여 소형 객체를 추출하는 객체 추출 모듈을 포함하는 소형 객체 검출 장치
|
2 |
2
제1 항에 있어서, 상기 백본 네트워크는 YOLO 모델을 베이스라인 모델로 활용하되, 40 x 40 크기 특징맵이 생성되는 컨볼루션 이하의 딥 컨볼루션 레이어가 제거된 모델인 것을 특징으로 하는 소형 객체 검출 장치
|
3 |
3
제2 항에 있어서, 상기 제1 및 제2 헤드 레이어는 80 x 80 크기 헤드 레이어와 40 x 40 헤드 레이어이며, 상기 특징 추출부는 큰 객체를 검출하는 20 x 20 헤드 레이어가 제거된 구조인 것을 특징으로 하는 소형 객체 검출 장치
|
4 |
4
제1 항에 있어서, 상기 손실 보상부는, Hourglass Network를 2-스택한 구조이되, 2번의 맥스 풀링을 통해 80 x 80 크기, 40 x 40 크기 및 20 x 20 크기에서 특징맵이 추출되되, 상기 Hourglass Network 내의 레지듀얼 블록(residual block)에 컨볼루션 레이어 후단에 채널 어텐션 모듈(channel attention module)과 공간 어텐션 모듈(spatial attention module)을 포함하여 상기 특징맵을 이용하여 소형 객체의 특징 정보에 어텐션된 가중치 맵을 생성하는 것을 특징으로 하는 소형 객체 검출 장치
|
5 |
5
제4 항에 있어서, 상기 Hourglass Network는 상기 특징맵의 크기가 작아질 때마다 필터 개수가 128개씩 증가되는 것을 특징으로 하는 소형 객체 검출 장치
|
6 |
6
(a) 베이스라인 모델을 기초로 깊이(depth)와 너비(width)가 스케일링된 경량화된 모델을 구성하는 단계;(b) 드론 영상을 상기 경량화된 모델의 복수의 컨볼루션 레이어를 통과시켜 서로 다른 레벨을 가지는 복수의 특징맵을 생성하는 단계;(c) 상기 경량화된 모델의 깊이와 너비 스케일링에 따른 특징맵의 손실을 보상하며 소형 객체의 특징 정보에 어텐션된 가중치 맵을 생성하는 단계; 및(d) 상기 가중치 맵이 적용된 복수의 특징맵을 이용하여 소형 객체를 추출하는 단계를 포함하는 소형 객체 검출 방법
|
7 |
7
제6 항에 있어서, 상기 경량화된 모델은, 40 x 40 크기 특징맵이 생성되는 컨볼루션 이하의 딥 컨볼루션 레이어가 제거된 모델이되, 40 x 40 크기 미만의 특징맵에서 큰 객체를 검출하는 헤드 레이어가 제거된 모델인 것을 특징으로 하는 소형 객체 검출 방법
|
8 |
8
제6 항에 있어서, 상기 (c) 단계는, Hourglass Network를 2-스택한 구조로, 2번의 맥스 풀링을 통해 80 x 80 크기, 40 x 40 크기 및 20 x 20 크기에서 특징맵이 추출되며, 상기 Hourglass Network 내의 레지듀얼 블록(residual block)에 의해 특징맵이 융합되어 손실이 보상되되,상기 Hourglass Network 내의 레지듀얼 블록(residual block)에 컨볼루션 레이어 후단에 채널 어텐션 모듈(channel attention module)과 공간 어텐션 모듈(spatial attention module)을 포함하여 상기 특징맵을 이용하여 소형 객체의 특징 정보에 어텐션된 가중치 맵이 생성되는 것을 특징으로 하는 소형 객체 검출 방법
|
9 |
9
제6 항에 따른 방법을 수행하기 위한 프로그램 코드를 기록한 컴퓨터로 판독 가능한 기록매체
|