| 1 |
1
이미지 모집단의 원본 이미지들을 전처리(preprocessing)하여 상기 원본 이미지들에 대응되는 초해상화 이미지들을 생성하는 이미지 전처리부;상기 초해상화 이미지들을 특정 기준에 따라 분류하여 복수의 후보 이미지셋들을 생성하는 후보 이미지셋 생성부;상기 복수의 후보 이미지셋들 중에서 딥러닝 모델 구축을 위해 사용되는 소스 이미지셋을 결정하는 소스 이미지셋 결정부; 및상기 소스 이미지셋의 소스 이미지들에 대해 객체 레이블링(object labeling)을 수행하여 학습 이미지셋을 생성하는 학습 이미지셋 생성부;를 포함하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 장치
|
| 2 |
2
제1항에 있어서, 상기 이미지 전처리부는상기 원본 이미지들을 Real-ESRGAN 모델을 포함하는 초해상화 알고리즘에 적용하여 상기 초해상화 이미지들을 생성하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 장치
|
| 3 |
3
제1항에 있어서, 상기 후보 이미지셋 생성부는원본 이미지와 초해상화 이미지 간의 비교를 통해 상기 초해상화 이미지 별로 최대 신호대 잡음비(PSNR, Peak Signa to Noise Ratio)와 구조적 유사 지수(SSIM, Structural Similarity Index Measure)를 각각 산출하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 장치
|
| 4 |
4
제3항에 있어서, 상기 후보 이미지셋 생성부는상기 최대 신호대 잡음비(PSNR)의 값들을 정규화(normalization) 하여 상기 구조적 유사 지수(SSIM)의 스케일(scale)에 일치시키는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 장치
|
| 5 |
5
제3항에 있어서, 상기 후보 이미지셋 생성부는상기 최대 신호대 잡음비(PSNR)와 상기 구조적 유사 지수(SSIM)를 독립된 차원으로 하는 2차원 좌표계에서 상기 초해상화 이미지들의 분포를 결정하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 장치
|
| 6 |
6
제5항에 있어서, 상기 후보 이미지셋 생성부는상기 2차원 좌표계에서 X축 및 Y축의 위치를 기준으로 상기 초해상화 이미지들 각각의 면적을 산출하고 상기 면적을 기준으로 상기 초해상화 이미지들을 그룹화 하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 장치
|
| 7 |
7
제5항에 있어서, 상기 후보 이미지셋 생성부는상기 최대 신호대 잡음비(PSNR)와 상기 구조적 유사 지수(SSIM)를 기초로 정의되는 다음의 수학식을 통해 상기 초해상화 이미지들을 그룹화 하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 장치
|
| 8 |
8
제3항에 있어서, 상기 소스 이미지셋 결정부는상기 최대 신호대 잡음비(PSNR)와 상기 구조적 유사 지수(SSIM) 각각을 복수의 구간들로 독립적으로 분할하고 샘플 이미지셋을 대상으로 샘플 테스트를 수행한 결과에 따라 각 구간별 mAP(mean Average Precision)를 산출하며 상기 각 구간별 mAP를 통해 상기 소스 이미지셋에 관한 결정 기준을 생성하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 장치
|
| 9 |
9
제1항에 있어서,상기 학습 이미지셋을 기초로 데이터 증강(data augmentation) 알고리즘을 적용하여 복수의 증강 이미지셋들을 생성하는 데이터 증강부; 및상기 복수의 증강 이미지셋들을 학습하여 딥러닝 모델을 구축하는 모델 구축부;를 더 포함하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 장치
|
| 10 |
10
이미지 전처리부를 통해 이미지 모집단의 원본 이미지들을 전처리(preprocessing)하여 상기 원본 이미지들에 대응되는 초해상화 이미지들을 생성하는 단계;후보 이미지셋 생성부를 통해 상기 초해상화 이미지들을 특정 기준에 따라 분류하여 복수의 후보 이미지셋들을 생성하는 단계;소스 이미지셋 결정부를 통해 상기 복수의 후보 이미지셋들 중에서 딥러닝 모델 구축을 위해 사용되는 소스 이미지셋을 결정하는 단계; 및학습 이미지셋 생성부를 통해 상기 소스 이미지셋의 소스 이미지들에 대해 객체 레이블링(object labeling)을 수행하여 학습 이미지셋을 생성하는 단계;를 포함하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 방법
|
| 11 |
11
제10항에 있어서, 상기 복수의 후보 이미지셋들을 생성하는 단계는원본 이미지와 초해상화 이미지 간의 비교를 통해 상기 초해상화 이미지 별로 최대 신호대 잡음비(PSNR, Peak Signa to Noise Ratio)와 구조적 유사 지수(SSIM, Structural Similarity Index Measure)를 각각 산출하는 단계를 포함하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 방법
|
| 12 |
12
제11항에 있어서, 상기 복수의 후보 이미지셋들을 생성하는 단계는상기 최대 신호대 잡음비(PSNR)와 상기 구조적 유사 지수(SSIM)를 독립된 차원으로 하는 2차원 좌표계에서 상기 초해상화 이미지들의 분포를 결정하는 단계를 포함하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 방법
|
| 13 |
13
제12항에 있어서, 상기 복수의 후보 이미지셋들을 생성하는 단계는상기 최대 신호대 잡음비(PSNR)와 상기 구조적 유사 지수(SSIM)를 기초로 정의되는 다음의 수학식을 통해 상기 초해상화 이미지들을 그룹화 하는 단계를 포함하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 방법
|
| 14 |
14
제10항에 있어서,데이터 증강부를 통해 상기 학습 이미지셋을 기초로 데이터 증강(data augmentation) 알고리즘을 적용하여 복수의 증강 이미지셋들을 생성하는 단계; 및모델 구축부를 통해 상기 복수의 증강 이미지셋들을 학습하여 딥러닝 모델을 구축하는 단계;를 더 포함하는 것을 특징으로 하는 딥러닝 모델 구축의 효율성 향상을 위한 이미지 초해상화 기반 선택적 레이블링 방법
|
