1 |
1
드론으로부터 촬영되는 하나 이상의 이미지를 획득하는 데이터 획득부;기존 학습된 알고리즘을 통해 드론으로부터 촬영되는 하나 이상의 이미지를 초해상화 및 라벨링하는 이미지 라벨링부; 및상기 기존 학습된 알고리즘의 하이퍼 파라미터를 최적화하여 최적화된 하이퍼 파라미터로 상기 기존 학습된 알고리즘을 재학습시키는 하이퍼 파라미터 최적화부;를 포함하며,상기 하나 이상의 이미지는 라바콘, 맨홀, 자동차, 도로 표지판, 포트홀, 크랙 중 어느 하나가 포함되는 이미지이며,상기 이미지 라벨링부는,드론으로부터 촬영되는 하나 이상의 이미지를 기존 학습된 초해상화 알고리즘을 통해 이미지를 먼저 저해상도로 변화하였다가 초해상화 하여 초해상화 데이터세트를 생성하는 해상도 변화부; 및상기 초해상화 데이터세트를 기존 학습된 라벨링 알고리즘을 통해 이미지 상의 라바콘, 맨홀, 자동차, 도로 표지판, 포트홀, 크랙 중 어느 하나를 오토 라벨링하여 초해상화 라벨링 데이터세트를 생성하는 오토 라벨링부;를 포함하며,상기 하이퍼 파라미터 최적화부는,이미지 라벨링부로부터 초해상화 라벨링 데이터세트를 전송받아 저장하는 데이터 저장부;상기 초해상화 라벨링 데이터세트를 전처리하여 초해상화 라벨링 검증 데이터를 생성하는 데이터 전처리부;기존 학습된 초해상화/라벨링 알고리즘에 대하여 하이퍼 파라미터 최적값을 검출하는 하이퍼 파라미터 최적값 검출부;상기 검출된 하이퍼 파라미터 최적값을 상기 기존 학습된 초해상화/라벨링 알고리즘에 적용하여 재학습시키는 재학습부; 및상기 전처리된 초해상화 라벨링 검증 데이터를 이용하여 재학습된 초해상화/라벨링 알고리즘을 검증하고, 정확도가 향상되었을 경우 재학습된 초해상화/라벨링 알고리즘을 상기 이미지 라벨링부에 제공하는 알고리즘 제공부;를 포함하며,상기 하이퍼 파라미터 최적값 검출부는,상기 기존 학습된 초해상화/라벨링 알고리즘의 하이퍼 파라미터들에 대한 데이터 프레임(Data Frame) 및 각 데이터에 대한 변수들을 초기 설정하여 저장하는 데이터프레임 설정부;상기 초기 설정된 하이퍼 파라미터의 데이터 프레임 및 각 데이터에 대한 변수들을 이용하여 복수 개의 하이퍼 파라미터 조합들을 생성하는 하이퍼 파라미터 조합 생성부;상기 복수 개의 하이퍼 파라미터 조합들을 순차적으로 상기 기존 학습된 초해상화/라벨링 알고리즘에 적용하여 학습시키고, 각 하이퍼 파라미터 조합에 대한 학습에 따른 기존 학습된 초해상화/라벨링 알고리즘에 대한 정확도 점수들을 측정하는 정확도 측정부; 및상기 하이퍼 파라미터 조합들 중 가장 우수한 정확도 점수를 갖는 하이퍼 파라미터 조합을 검출하고, 상기 검출된 하이퍼 파라미터 조합을 하이퍼 파라미터 최적값으로 설정하는 최적값 검출부;를 포함하는 것을 특징으로 하는 하이퍼 파라미터 최적화 장치
|
2 |
2
삭제
|
3 |
3
삭제
|
4 |
4
삭제
|
5 |
5
데이터 획득부가 드론으로부터 촬영되는 하나 이상의 이미지를 획득하는 A단계;이미지 라벨링부가 기존 학습된 알고리즘을 통해 드론으로부터 촬영되는 하나 이상의 이미지를 초해상화 및 오토 라벨링하는 B단계; 및하이퍼 파라미터 최적화부가 상기 기존 학습된 알고리즘의 하이퍼 파라미터를 최적화하여 최적화된 하이퍼 파라미터로 상기 기존 학습된 알고리즘을 재학습시키는 C단계;를 포함하며,상기 하나 이상의 이미지는 라바콘, 맨홀, 자동차, 도로 표지판, 포트홀, 크랙 중 어느 하나가 포함되는 이미지이며,상기 B단계는,해상도 변화부가 드론으로부터 촬영되는 하나 이상의 이미지를 기존 학습된 초해상화 알고리즘을 통해 이미지를 먼저 저해상도로 변화하였다가 초해상화 하여 초해상화 데이터세트를 생성하는 단계; 및오토 라벨링부가 상기 초해상화 데이터세트를 기존 학습된 라벨링 알고리즘을 통해 이미지 상의 라바콘, 맨홀, 자동차, 도로 표지판, 포트홀, 크랙 중 어느 하나를 오토 라벨링하여 초해상화 라벨링 데이터세트를 생성하는 단계;를 포함하며,상기 C단계는,데이터 저장부가 이미지 라벨링부로부터 초해상화 라벨링 데이터세트를 전송받아 저장하는 단계;데이터 전처리부가 상기 초해상화 라벨링 데이터세트를 전처리하여 초해상화 라벨링 검증 데이터를 생성하는 단계;하이퍼 파라미터 최적값 검출부가 기존 학습된 초해상화/라벨링 알고리즘에 대하여 하이퍼 파라미터 최적값을 검출하는 단계;재학습부가 상기 검출된 하이퍼 파라미터 최적값을 상기 기존 학습된 초해상화/라벨링 알고리즘에 적용하여 재학습시키는 단계; 및알고리즘 제공부가 상기 전처리된 초해상화 라벨링 검증 데이터를 이용하여 재학습된 초해상화/라벨링 알고리즘을 검증하고, 정확도가 향상되었을 경우 재학습된 초해상화/라벨링 알고리즘을 상기 이미지 라벨링부에 제공하는 단계;를 포함하며,상기 하이퍼 파라미터 최적값 검출부가 최적값을 검출하는 단계는,데이터프레임 설정부가 상기 기존 학습된 초해상화/라벨링 알고리즘의 하이퍼 파라미터들에 대한 데이터 프레임(Data Frame) 및 각 데이터에 대한 변수들을 초기 설정하여 저장하는 단계; 하이퍼 파라미터 조합 생성부가 상기 초기 설정된 하이퍼 파라미터의 데이터 프레임 및 각 데이터에 대한 변수들을 이용하여 복수 개의 하이퍼 파라미터 조합들을 생성하는 단계;정확도 측정부가 상기 복수 개의 하이퍼 파라미터 조합들을 순차적으로 상기 기존 학습된 초해상화/라벨링 알고리즘에 적용하여 학습시키고, 각 하이퍼 파라미터 조합에 대한 학습에 따른 기존 학습된 초해상화/라벨링 알고리즘에 대한 정확도 점수들을 측정하는 단계; 및최적값 검출부가 상기 하이퍼 파라미터 조합들 중 가장 우수한 정확도 점수를 갖는 하이퍼 파라미터 조합을 검출하고, 상기 검출된 하이퍼 파라미터 조합을 하이퍼 파라미터 최적값으로 설정하는 단계;를 포함하는 것을 특징으로 하는 하이퍼 파라미터 최적화 방법
|
6 |
6
삭제
|
7 |
7
삭제
|
8 |
8
삭제
|
9 |
9
기존 학습된 알고리즘을 통해 드론으로부터 촬영되는 하나 이상의 이미지를 초해상화 및 오토 라벨링하되, 기존 학습된 알고리즘의 하이퍼 파라미터 최적화를 수행하는 하이퍼 파라미터 최적화 장치; 및상기 하이퍼 파라미터 최적화 장치로부터 초해상화 및 오토 라벨링된 하나 이상의 이미지를 전송받아 저장하는 사용자단말기;를 포함하며,상기 하나 이상의 이미지는 라바콘, 맨홀, 자동차, 도로 표지판, 포트홀, 크랙 중 어느 하나가 포함되는 이미지이며,상기 하이퍼 파라미터 최적화 장치는,드론으로부터 촬영되는 하나 이상의 이미지를 획득하는 데이터 획득부;기존 학습된 알고리즘을 통해 드론으로부터 촬영되는 하나 이상의 이미지를 오토 라벨링하는 이미지 라벨링부; 및상기 기존 학습된 알고리즘의 하이퍼 파라미터를 최적화하여 최적화된 하이퍼 파라미터로 상기 기존 학습된 알고리즘을 재학습시키는 하이퍼 파라미터 최적화부;를 포함하며,상기 이미지 라벨링부는,드론으로부터 촬영되는 하나 이상의 이미지를 기존 학습된 초해상화 알고리즘을 통해 이미지를 먼저 저해상도로 변화하였다가 초해상화 하여 초해상화 데이터세트를 생성하는 해상도 변화부; 및상기 초해상화 데이터세트를 기존 학습된 라벨링 알고리즘을 통해 이미지 상의 라바콘, 맨홀, 자동차, 도로 표지판, 포트홀, 크랙 중 어느 하나를 오토 라벨링하여 초해상화 라벨링 데이터세트를 생성하는 오토 라벨링부;를 포함하며,상기 하이퍼 파라미터 최적화부는,이미지 라벨링부로부터 초해상화 라벨링 데이터세트를 전송받아 저장하는 데이터 저장부;상기 초해상화 라벨링 데이터세트를 전처리하여 초해상화 라벨링 검증 데이터를 생성하는 데이터 전처리부;기존 학습된 초해상화/라벨링 알고리즘에 대하여 하이퍼 파라미터 최적값을 검출하는 하이퍼 파라미터 최적값 검출부;상기 검출된 하이퍼 파라미터 최적값을 상기 기존 학습된 초해상화/라벨링 알고리즘에 적용하여 재학습시키는 재학습부; 및상기 전처리된 초해상화 라벨링 검증 데이터를 이용하여 재학습된 초해상화/라벨링 알고리즘을 검증하고, 정확도가 향상되었을 경우 재학습된 초해상화/라벨링 알고리즘을 상기 이미지 라벨링부에 제공하는 알고리즘 제공부;를 포함하는 것을 특징으로 하는 하이퍼 파라미터 최적화 시스템
|
10 |
10
삭제
|
11 |
11
삭제
|