1 |
1
딥 러닝 기반으로 애니메이션 캐릭터를 학습하는 데 필요한 학습 데이터 생성 방법으로,유무선 통신을 이용하여 외부에서 각종 이미지를 수집하는 단계;캐릭터 검출 모델을 이용하여 수집된 이미지에서 캐릭터 이미지를 획득하는 단계;획득된 캐릭터 이미지에 대한 클러스터링(clustering)을 수행하는 단계;클러스터링된 이미지 중에서 학습 데이터를 선정하는 단계; 및선정된 학습 데이터를 캐릭터 인식을 위한 인공 신경망에 입력하는 단계를 포함하는, 학습 데이터 생성 방법
|
2 |
2
청구항 1에서,상기 각종 이미지를 수집하는 단계는,상기 유무선 통신을 이용하여 외부에서 동영상을 수집하는 단계; 및상기 수집된 동영상에서 미리 설정된 시간 간격으로 프레임들을 추출하는 단계를 포함하는, 학습 데이터 생성 방법
|
3 |
3
청구항 1에서,상기 각종 이미지를 수집하는 단계 이후에,수집된 이미지를 이용하여 상기 캐릭터 검출 모델을 학습하는 단계를 더 포함하는, 학습 데이터 생성 방법
|
4 |
4
청구항 3에서,상기 캐릭터 검출 모델을 학습하는 단계는,상기 수집된 이미지 각각에 대하여 라벨링하여 개별 이미지에 따른 라벨을 생성하는 단계; 및생성된 라벨 및 상기 수집된 이미지를 미리 설정된 캐릭터 검출 모델에 입력하여 상기 캐릭터 검출 모델을 학습하는 단계를 포함하는, 학습 데이터 생성 방법
|
5 |
5
청구항 4에서,상기 라벨은,DarkNet 포맷에 따른 라벨로서, 클래스 번호, 바운딩 박스의 시작점 좌표 비율 및 상기 바운딩 박스의 가로와 세로의 크기 비율을 포함하는, 학습 데이터 생성 방법
|
6 |
6
청구항 1에서,상기 캐릭터 이미지를 획득하는 단계는,상기 캐릭터 검출 모델을 이용하여 상기 수집된 이미지에서 바운딩 박스 형태의 캐릭터 영역을 검출하는 단계; 및검출된 캐릭터 영역을 전처리하여 상기 캐릭터 이미지를 획득하는 단계를 포함하는, 학습 데이터 생성 방법
|
7 |
7
청구항 6에서,상기 전처리는,상기 수집된 이미지에서 상기 캐릭터 영역을 잘라내고, 잘라낸 캐릭터 영역의 크기에 대하여 정규화(또는 노멀라이즈, normalize)를 수행하는 과정을 포함하는, 학습 데이터 생성 방법
|
8 |
8
청구항 1에서,상기 클러스터링을 수행하는 단계는,상기 캐릭터 이미지에서 특징 벡터를 추출하는 단계; 및추출된 특징 벡터를 이용하여 상기 캐릭터 이미지를 클러스터링하는 단계를 포함하는, 학습 데이터 생성 방법
|
9 |
9
청구항 8에서,상기 추출된 특징 벡터를 이용하여 캐릭터 이미지를 클러스터링하는 단계는,상기 캐릭터 이미지를 클러스터링하는 단계;상기 클러스터링에 의해 생성된 클러스터의 개수에 따라 클러스터의 결정 세기 값을 조절하는 단계; 및 상기 캐릭터 이미지의 클러스터링을 재수행하는 단계를 포함하는, 학습 데이터 생성 방법
|
10 |
10
청구항 9에서,상기 클러스터의 결정 세기 값을 조절하는 단계는,상기 클러스터의 개수가 사전 설정된 한계 범위 중 최대 한계 값을 초과할 경우, 클러스터의 결정 세기 값을 증가시키는 단계; 및상기 클러스터의 개수가 상기 한계 범위 중 최초 한계 값보다 미만일 경우, 클러스터의 결정 세기 값을 감소시키는 단계를 포함하는, 학습 데이터 생성 방법
|
11 |
11
딥 러닝 기반으로 애니메이션 캐릭터를 학습하는 데 필요한 학습 데이터 생성 장치로,적어도 하나의 프로세서(processor); 및상기 적어도 하나의 프로세서가 적어도 하나의 단계를 수행하도록 지시하는 명령어들(instructions)을 저장하는 메모리(memory)를 포함하고,상기 적어도 하나의 단계는,유무선 통신을 이용하여 외부에서 각종 이미지를 수집하는 단계;캐릭터 검출 모델을 이용하여 수집된 이미지에서 캐릭터 이미지를 획득하는 단계;획득된 캐릭터 이미지에 대한 클러스터링(clustering)을 수행하는 단계;클러스터링된 이미지 중에서 학습 데이터를 선정하는 단계; 및선정된 학습 데이터를 캐릭터 인식을 위한 인공 신경망에 입력하는 단계를 포함하는, 학습 데이터 생성 장치
|
12 |
12
청구항 11에서,상기 각종 이미지를 수집하는 단계는,상기 유무선 통신을 이용하여 외부에서 동영상을 수집하는 단계; 및상기 수집된 동영상에서 미리 설정된 시간 간격으로 프레임들을 추출하는 단계를 포함하는, 학습 데이터 생성 장치
|
13 |
13
청구항 11에서,상기 각종 이미지를 수집하는 단계 이후에,수집된 이미지를 이용하여 상기 캐릭터 검출 모델을 학습하는 단계를 더 포함하는, 학습 데이터 생성 장치
|
14 |
14
청구항 13에서,상기 캐릭터 검출 모델을 학습하는 단계는,상기 수집된 이미지 각각에 대하여 라벨링하여 개별 이미지에 따른 라벨을 생성하는 단계; 및생성된 라벨 및 상기 수집된 이미지를 미리 설정된 캐릭터 검출 모델에 입력하여 상기 캐릭터 검출 모델을 학습하는 단계를 포함하는, 학습 데이터 생성 장치
|
15 |
15
청구항 11에서,상기 캐릭터 검출 모델은,YOLO(you only look once), SSD(Single shot Detector), Faster R-CNN 중 하나인, 학습 데이터 생성 장치
|
16 |
16
청구항 14에서,상기 라벨은,DarkNet 포맷에 따른 라벨로서, 클래스 번호, 바운딩 박스의 시작점 좌표 비율 및 상기 바운딩 박스의 가로와 세로의 크기 비율을 포함하는, 학습 데이터 생성 장치
|
17 |
17
청구항 11에서,상기 캐릭터 이미지를 획득하는 단계는,상기 캐릭터 검출 모델을 이용하여 상기 수집된 이미지에서 바운딩 박스 형태의 캐릭터 영역을 검출하는 단계; 및검출된 캐릭터 영역을 전처리하여 상기 캐릭터 이미지를 획득하는 단계를 포함하는, 학습 데이터 생성 장치
|
18 |
18
청구항 17에서,상기 전처리는,상기 수집된 이미지에서 상기 캐릭터 영역을 잘라내고, 잘라낸 캐릭터 영역의 크기에 대하여 정규화(또는 노멀라이즈, normalize)를 수행하는 과정을 포함하는, 학습 데이터 생성 장치
|
19 |
19
청구항 11에서,상기 클러스터링을 수행하는 단계는,상기 캐릭터 이미지에서 특징 벡터를 추출하는 단계; 및추출된 특징 벡터를 이용하여 상기 캐릭터 이미지를 클러스터링하는 단계를 포함하는, 학습 데이터 생성 장치
|
20 |
20
청구항 11에서,상기 학습 데이터를 선정하는 단계는,상기 클러스터링된 이미지가 속하는 복수의 클러스터 각각에 대한 대표 이미지들을 사용자에게 표시하는 단계; 및표시된 대표 이미지들 중에서 상기 사용자에 의해 선택된 이미지에 상응하는 클러스터에 속하는 캐릭터 이미지를 상기 학습 데이터로 선정하는 단계를 포함하는, 학습 데이터 생성 장치
|