1 |
1
포인트 클라우드의 점별로 포인트 피처를 산출하는 포인트 피처 산출부와,상기 포인트 피처를 이용하여 점별로 각 점이 복수의 시맨틱 클래스들 중 각각의 시맨틱 클래스에 속할 가능성을 점수로 나타내는 시맨틱 점수를 도출하는 시맨틱 브랜치와,상기 포인트 피처를 이용하여 점별로 각 점이 속하는 인스턴스의 기하학적 중심으로부터의 벡터를 나타내는 오프셋 벡터를 도출하는 오프셋 브랜치와,상기 시맨틱 점수 및 상기 오프셋 벡터를 기반으로 인스턴스 프로포잘을 생성하는 소프트 그룹핑부를 포함하는,포인트 클라우드에서 인스턴스 분할 시스템
|
2 |
2
제1항에 있어서,상기 포인트 클라우드를 복수의 정렬된 체적 그리드로 분할하는 복셀화부를 더 포함하는,포인트 클라우드에서 인스턴스 분할 시스템
|
3 |
3
제1항에 있어서,상기 포인트 피처 산출부는 서브매니폴드 희소 컨볼루션으로 구현된 U-Net 백본을 포함하는,포인트 클라우드에서 인스턴스 분할 시스템
|
4 |
4
제1항에 있어서, 상기 시맨틱 브랜치는 교차 엔트로피 손실로 구현된 시맨틱 손실을 기반으로 훈련되는,포인트 클라우드에서 인스턴스 분할 시스템
|
5 |
5
제1항에 있어서, 상기 오프셋 브랜치는 L1 회귀 손실로 구현된 오프셋 손실을 기반으로 훈련되는,포인트 클라우드에서 인스턴스 분할 시스템
|
6 |
6
제1항에 있어서,상기 소프트 그룹핑부는 임의의 시맨틱 클래스 인덱스에 대한 시맨틱 점수가 기설정된 임계값보다 높은 점들의 집합인 인덱스별 점 서브 집합을 추출하고, 상기 인덱스별 점들 사이에 링크를 생성하여 상기 인스턴스 프로포잘을 생성하는,포인트 클라우드에서 인스턴스 분할 시스템
|
7 |
7
제1항에 있어서,상기 인스턴스 프로포잘에 포함된 점들의 포인트 피처를 기반으로 인스턴스 피처를 산출하는 인스턴스 피처 산출부와,상기 인스턴스 프로포잘의 인스턴스 피처를 기반으로 상기 인스턴스 프로포잘이 각 시맨틱 클래스 또는 배경 클래스에 분류될 가능성을 나타내는 클래스 점수를 도출하는 클래스 브랜치,상기 인스턴스 프로포잘의 인스턴스 피처를 기반으로 인스턴스 마스크를 도출하는 분할 브랜치, 및상기 인스턴스 프로포잘의 인스턴스 피처를 기반으로 예측된 마스크와 실제값과의 IoU(Intersection over Union)를 기반으로 마스크 스코어링을 도출하는 마스크 스코어링 브랜치를 더 포함하는,포인트 클라우드에서 인스턴스 분할 시스템
|
8 |
8
제7항에 있어서,상기 인스턴스 피처 산출부는 U-Net 스타일 네트워크로 구현되는,포인트 클라우드에서 인스턴스 분할 시스템
|
9 |
9
제7항에 있어서,상기 클래스 브랜치는 교차 엔트로피 손실로 구현된 클래스 손실을 기반으로 훈련되는,포인트 클라우드에서 인스턴스 분할 시스템
|
10 |
10
제7항에 있어서,상기 분할 브랜치는 이진 교차 엔트로피 손실과 L2 회귀 손실의 조합으로 구현된 마스크 손실을 기반으로 훈련되는,포인트 클라우드에서 인스턴스 분할 시스템
|
11 |
11
제7항에 있어서,상기 마스크 스코어링 브랜치는 L2 회귀 손실로 구현된 마스크 점수 손실을 기반으로 훈련되는,포인트 클라우드에서 인스턴스 분할 시스템
|
12 |
12
제7항에 있어서,상기 포인트 피처 산출부, 상기 시맨틱 브랜치, 상기 오프셋 브랜치, 상기 인스턴스 피처 산출부, 상기 클래스 브랜치, 상기 분할 브랜치 및 상기 마스크 스코어링 브랜치는 다중 작업 손실을 사용하여 엔드 투 엔드로 훈련되는,포인트 클라우드에서 인스턴스 분할 시스템
|
13 |
13
제12항에 있어서,상기 다중 작업 손실은상기 시맨틱 브랜치에서 발생되는 시맨틱 손실, 상기 오프셋 브랜치에서 발생되는 오프셋 손실, 상기 클래스 브랜치에서 발생되는 클래스 손실, 상기 분할 브랜치에서 발생되는 마스크 손실 및 상기 마스크 스코어링 브랜치에서 발생되는 마스크 점수 손실을 모두 합산한 값인,포인트 클라우드에서 인스턴스 분할 시스템
|
14 |
14
컴퓨터 시스템의 적어도 하나의 프로세서에 의해 구현되는 포인트 클라우드에서 인스턴스 분할 방법은,상기 컴퓨터 시스템이 포인트 클라우드의 점별로 포인트 피처를 산출하는 단계와,상기 컴퓨터 시스템이 상기 포인트 피처를 이용하여 점별로 각 점이 복수의 시맨틱 클래스들 중 각각의 시맨틱 클래스에 속할 가능성을 점수로 나타내는 시맨틱 점수를 도출하는 단계와,상기 컴퓨터 시스템이 상기 포인트 피처를 이용하여 점별로 각 점이 속하는 인스턴스의 기하학적 중심으로부터의 벡터를 나타내는 오프셋 벡터를 도출하는 단계와,상기 시맨틱 점수 및 상기 오프셋 벡터를 기반으로 인스턴스 프로포잘을 생성하는 단계를 포함하는,포인트 클라우드에서 인스턴스 분할 방법
|
15 |
15
제14항에 있어서,상기 포인트 클라우드를 복수의 정렬된 체적 그리드로 분할하는 단계를 더 포함하는,포인트 클라우드에서 인스턴스 분할 방법
|
16 |
16
제14항에 있어서,상기 컴퓨터 시스템이 포인트 클라우드의 점별로 포인트 피처를 산출하는 단계는, 서브매니폴드 희소 컨볼루션으로 구현된 U-Net 백본에서 수행되는,포인트 클라우드에서 인스턴스 분할 방법
|
17 |
17
제14항에 있어서,상기 시맨틱 점수 및 상기 오프셋 벡터를 기반으로 인스턴스 프로포잘을 생성하는 단계는,임의의 시맨틱 클래스 인덱스에 대한 시맨틱 점수가 기설정된 임계값보다 높은 점들의 집합인 인덱스별 점 서브 집합을 추출하고, 상기 인덱스별 점들 사이에 링크를 생성하여 상기 인스턴스 프로포잘을 생성하는,포인트 클라우드에서 인스턴스 분할 방법
|
18 |
18
제14항에 있어서,상기 컴퓨터 시스템이 상기 인스턴스 프로포잘에 포함된 점들의 포인트 피처를 기반으로 인스턴스 피처를 산출하는 단계와,상기 컴퓨터 시스템이 상기 인스턴스 프로포잘의 인스턴스 피처를 기반으로 상기 인스턴스 프로포잘이 각 시맨틱 클래스 또는 배경 클래스에 분류될 가능성을 나타내는 클래스 점수를 도출하는 단계,상기 컴퓨터 시스템이 상기 인스턴스 프로포잘의 인스턴스 피처를 기반으로 인스턴스 마스크를 도출하는 단계, 및상기 컴퓨터 시스템이 상기 인스턴스 프로포잘의 인스턴스 피처를 기반으로 예측된 마스크와 실제값과의 IoU(Intersection over Union)를 기반으로 마스크 스코어링을 도출하는 단계를 더 포함하는,포인트 클라우드에서 인스턴스 분할 방법
|
19 |
19
제18항에 있어서,상기 컴퓨터 시스템이 상기 인스턴스 프로포잘에 포함된 점들의 포인트 피처를 기반으로 인스턴스 피처를 산출하는 단계는,U-Net 스타일 네트워크로 구현되는,포인트 클라우드에서 인스턴스 분할 방법
|
20 |
20
제18항에 있어서,다중 작업 손실을 사용하여 엔드 투 엔드로 훈련되는,포인트 클라우드에서 인스턴스 분할 방법
|
21 |
21
제20항에 있어서,상기 다중 작업 손실은시맨틱 손실, 오프셋 손실, 클래스 손실, 마스크 손실 및 마스크 점수 손실을 모두 합산한 값인,포인트 클라우드에서 인스턴스 분할 방법
|