맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

텐서 데이터를 이용한 영상 데이터 분류 방법 및 장치

  • 기술번호 : KST2015161389
  • 담당센터 : 대구기술혁신센터
  • 전화번호 : 053-550-1450
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 고차원의 영상 데이터에 텐서 개념을 적용하여 저차원 텐서 데이터로 표현하고, 이를 바탕으로 핵심 정보를 추출함으로써 고차원의 영상 데이터를 효율적으로 분류할 수 있는 텐서 데이터를 이용한 영상 데이터 분류 방법 및 장치에 관한 것으로서, 2차 텐서로 표현된 동일 클래스에 속한 저차원 텐서 데이터간의 차의 확률 밀도 함수를 이용하여 두 영상 데이터 간의 유사도 함수를 정의하고, 상기 정의한 유사도 함수를 이용하여 입력되는 영상 데이터를 분류한다. 영상 데이터, 텐서, 유사도 함수, 텐서 PCA(Principal Component Analysis)
Int. CL G11B 27/02 (2006.01) G06T 7/00 (2006.01)
CPC G06K 9/6277(2013.01) G06K 9/6277(2013.01) G06K 9/6277(2013.01) G06K 9/6277(2013.01)
출원번호/일자 1020080039219 (2008.04.28)
출원인 경북대학교 산학협력단
등록번호/일자 10-0949893-0000 (2010.03.19)
공개번호/일자 10-2009-0113481 (2009.11.02) 문서열기
공고번호/일자 (20100325) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 소멸
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2008.04.28)
심사청구항수 11

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 경북대학교 산학협력단 대한민국 대구광역시 북구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 박혜영 대한민국 경기 광명시
2 윤동우 대한민국 경상북도 구미시

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인리온 대한민국 서울특별시 서초구 사평대로 ***, *층(반포동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 경북대학교 산학협력단 대한민국 대구광역시 북구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2008.04.28 수리 (Accepted) 1-1-2008-0302474-02
2 선행기술조사의뢰서
Request for Prior Art Search		 2009.03.06 수리 (Accepted) 9-1-9999-9999999-89
3 선행기술조사보고서
Report of Prior Art Search		 2009.04.16 수리 (Accepted) 9-1-2009-0025010-54
4 의견제출통지서
Notification of reason for refusal		 2009.09.25 발송처리완료 (Completion of Transmission) 9-5-2009-0396746-22
5 [대리인선임]대리인(대표자)에 관한 신고서
[Appointment of Agent] Report on Agent (Representative)		 2009.09.30 수리 (Accepted) 1-1-2009-0600844-38
6 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2009.11.25 수리 (Accepted) 1-1-2009-0726093-77
7 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2009.11.25 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2009-0726079-37
8 등록결정서
Decision to grant		 2010.03.12 발송처리완료 (Completion of Transmission) 9-5-2010-0106008-02
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2018.03.26 수리 (Accepted) 4-1-2018-5051994-32
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.06.23 수리 (Accepted) 4-1-2020-5136893-04
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
분류할 영상 데이터가 입력되면, 텐서 PCA를 이용하여 상기 입력된 영상 데이터를 저차원 텐서 데이터로 변환하는 단계; 동일 클래스에 속하는 학습용 영상 간의 저차원 텐서 데이터 간 차의 확률 밀도에 비례하여 정의된 유사도 함수를 통해 상기 분류할 영상 데이터와 학습용 영상데이터 간의 유사도를 산출하는 단계; 및 상기 산출된 유사도를 이용하여 상기 분류할 영상 데이터를 분류하는 단계를 포함하는 텐서 데이터를 이용한 영상 데이터 분류 방법
2 2
제1항에 있어서, 상기 분류할 영상 데이터가 입력되기 전, 학습용 영상 데이터를 이용하여, 동일 클래스에 속하는 학습용 영상 데이터로부터 얻어지는 저차원 텐서 데이터들 간의 차에 대한 확률모델을 형성하고, 상기 확률모델에 따른 확률 밀도를 추정하여 데이터 간의 유사도 함수를 정의하는 단계를 더 포함하는 것을 특징으로 하는 텐서 데이터를 이용한 영상 데이터 분류 방법
3 3
제2항에 있어서, 상기 유사도 함수를 정의하는 단계는, 텐서 PCA를 이용하여 학습용 영상 데이터를 저차원 텐서 데이터로 변환하는 단계; 동일 클래스에 속하는 학습용 영상 데이터들의 저차원 텐서 데이터 차를 구하는 단계; 및 상기 학습용 영상 데이터의 저차원 텐서 데이터 차에 대한 확률모델을 형성하고, 상기 확률모델에 따른 확률 밀도 함수를 추정하여, 상기 확률 밀도 함수에 비례하도록 저차원 텐서데이터 간의 유사도 함수를 산출하는 단계를 포함하는 것을 특징으로 하는 텐서 데이터를 이용한 영상 데이터 분류 방법
4 4
제1항 또는 제3항에 있어서, 상기 저차원 텐서 데이터로 변환하는 단계는 영상 데이터를 클래스에 의존하여 고유하게 정해지는 클래스 요인과, 클래스에 의존하지 않고 영상 데이터를 획득할 때 가해지는 노이즈를 결정하는 환경 요인을 가지는 2차 텐서로 표현하는 단계임을 특징으로 하는 텐서 데이터를 이용한 영상 데이터 분류 방법
5 5
제4항에 있어서, 상기 유사도 함수는 (여기서, X,X'는 영상 데이터의 2차 텐서, S(X,X')는 두 2차 텐서 X,X' 간의 유사도 함수, Uy, Vy는 두 저차원 텐서 데이터 차(Y=X-X')에 대한 직교 변환 행렬로 이에 의한 Y의 변환 값은 이고, 와 는 상기 Z의 공분산 행렬이고, M은 두 영상 데이터 텐서 차의 평균 행렬이며, G는 평균 M과 공분산 및 를 가지는 행렬 정규 분포의 확률밀도함수이다
6 6
영상 데이터를 입력받는 입력부; 상기 입력부로 입력된 영상 데이터를 텐서 PCA를 이용하여 저차원 텐서 데이터로 변환하고, 동일 클래스에 속하는 학습용 영상데이터의 저차원 텐서 데이터 간의 확률 밀도에 비례하여 정의된 유사도 함수를 통해 상기 영상 데이터와 학습용 영상데이터 간의 유사도를 산출하고, 산출된 유사도에 근거하여 입력된 상기 영상데이터를 분류하는 제어부; 상기 제어부의 영상 데이터 분류 결과를 출력하는 출력부를 포함하는 텐서 데이터를 이용한 영상 데이터 분류 장치
7 7
제6항에 있어서, 상기 제어부의 영상 데이터 분류 결과에 따라서 영상 데이터를 저장하는 저장부를 더 포함하는 것을 특징으로 하는 텐서 데이터를 이용한 영상 데이터 분류 장치
8 8
제6항에 있어서, 상기 제어부는 텐서 PCA를 이용하여 영상 데이터를 저차원 텐서 데이터로 변환하는 텐서 기반 데이터 변환 모듈; 상기 유사도 함수에 상기 텐서 기반 데이터 변환 모듈에서 변환된 저차원 텐서 데이터를 대입하여 상기 영상 데이터와 학습용 영상데이터 간에 유사도를 구하고, 상기 유사도에 따라서 상기 영상 데이터를 분류하는 데이터 분류 모듈을 포함하는 텐서 데이터를 이용한 영상 데이터 분류 장치
9 9
제8항에 있어서, 상기 제어부는 동일 클래스에 속하는 두 학습용 영상 데이터의 저차원 텐서 데이터의 차를 이용하여 유사도 함수를 정의하는 유사도 함수 산출모듈을 더 포함하고, 학습용 영상 데이터를 상기 입력부로 입력받아, 상기 텐서 기반 데이터 변환 모듈을 이용하여 저차원 텐서 데이터로 변환한 후, 상기 저차원 텐서 데이터를 유사도 함수 산출모듈로 인가하여 상기 유사도 함수를 산출하는 것을 특징으로 하는 텐서 데이터를 이용한 영상 데이터 분류 장치
10 10
제8항에 있어서, 상기 텐서 기반 데이터 변환 모듈은, 영상 데이터를 클래스에 의존하여 고유하게 정해지는 클래스 요인과, 클래스에 의존하지 않고 영상 데이터를 획득할 때 가해지는 노이즈를 결정하는 환경 요인을 가지는 2차 텐서로 변환하는 것을 특징으로 하는 텐서 데이터를 이용한 영상 데이터 분류 장치
11 11
제8항에 있어서, 상기 유사도 함수는 (여기서, X,X'는 영상 데이터의 2차 텐서, S(X,X')는 두 2차 텐서 X,X' 간의 유사도 함수, Uy, Vy는 두 2차 텐서의 차(Y=X-X')에 대한 직교 변환 행렬로 이에 의한 Y의 변환 값은 이고, 와 는 상기 Z의 공분산 행렬이고, M은 두 영상 데이터 텐서 차의 평균 행렬이며, G는 평균 M과 공분산 및 를 가지는 행렬 정규 분포의 확률밀도함수이다
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.