| 1 |
1
전자 장치가 측정 대상 객체의 크기를 식별하는 방법에 있어서,상기 측정 대상 객체의 크기를 식별하기 위한 기준이 되는 기준 객체를 촬영함으로써 기준 객체 이미지를 획득하는 단계;상기 측정 대상 객체를 촬영함으로써 대상 객체 이미지를 획득하는 단계;상기 획득된 기준 객체 이미지 및 대상 객체 이미지를 합성하는 단계; 및상기 합성된 기준 객체 이미지 및 대상 객체 이미지를 제1 신경망 모델에 입력함으로써, 상기 제1 신경망 모델로부터 상기 측정 대상 객체의 크기 정보를 획득하는 단계; 를 포함하는, 방법
|
| 2 |
2
제1항에 있어서, 상기 방법은상기 대상 객체 이미지를 제2 신경망 모델에 입력함으로써, 상기 제2 신경망 모델로부터 대상 객체 이미지 내 대상 객체 영역을 기준으로 생성된 대상 객체 마스크 이미지를 획득하는 단계; 를 더 포함하고,상기 합성하는 단계는 상기 대상 객체 마스크 이미지 및 상기 기준 객체 이미지를 합성하는 단계; 를 포함하는 것인, 방법
|
| 3 |
3
제1항에 있어서, 상기 방법은상기 기준 객체 이미지를 제2 신경망 모델에 입력함으로써, 상기 제2 신경망 모델로부터 기준 객체 특징을 획득하는 단계; 및상기 획득된 기준 객체 특징 및 상기 획득된 대상 객체 이미지를 상기 제1 신경망 모델에 입력함으로써, 상기 측정 대상 객체의 크기 정보를 획득하는 단계; 를 포함하는, 방법
|
| 4 |
4
제1항에 있어서, 상기 방법은상기 기준 객체 이미지를 제2 신경망 모델에 입력함으로써, 상기 제2 신경망 모델로부터 기준 객체 특징을 획득하는 단계;상기 대상 객체 이미지를 상기 제2 신경망 모델에 입력함으로써, 상기 제2 신경망 모델로부터 대상 객체 특징을 획득하는 단계;상기 획득된 기준 객체 특징 및 상기 대상 객체 특징을 합성하는 단계;상기 합성된 기준 객체 특징 및 상기 대상 객체 특징을 상기 제1 신경망 모델에 입력함으로써, 상기 측정 대상 객체의 크기 정보를 획득하는 단계; 를 포함하는, 방법
|
| 5 |
5
제1항에 있어서, 상기 방법은상기 기준 객체 이미지를 상기 제2 신경망 모델에 입력함으로써, 상기 제2 신경망 모델의 출력 값을 획득하는 단계;상기 대상 객체 이미지를 제2 신경망 모델에 입력함으로써, 상기 제2 신경망 모델의 출력 값을 획득하는 단계; 상기 획득된 제2 신경망 모델의 출력 값 및 상기 제3 신경망 모델의 출력 값을 합성하는 단계; 및상기 합성된 제2 신경망 모델의 출력 값 및 상기 제2 신경망 모델의 출력 값을 상기 제1 신경망 모델에 입력함으로써, 상기 측정 대상 객체의 크기 정보를 획득하는 단계; 를 포함하는, 방법
|
| 6 |
6
제1항에 있어서, 상기 기준 객체 이미지 및 상기 대상 객체 이미지를 합성하는 단계는상기 대상 객체 이미지에 상기 기준 객체 이미지 정보를 반영함으로써, 상기 기준 객체 이미지 및 상기 대상 객체 이미지를 합성하거나, 소정의 채널 단위로 상기 기준 객체 이미지 및 상기 대상 객체 이미지를 합성하는 단계; 를 포함하는, 방법
|
| 7 |
7
제2항에 있어서, 상기 제2 신경망 모델은상기 제2 신경망 모델로 입력된 적어도 하나의 측정 대상 객체를 포함하는 이미지 내 적어도 하나의 측정 대상 객체 각각을 포함하는 객체 영역을 식별하고, 상기 객체 영역을 포함하는 객체 박스를 생성하며, 상기 객체 박스가 나타내는 측정 대상 객체의 종류를 식별하고, 상기 객체 영역을 기준으로 상기 제2 신경망 모델로 입력된 이미지를 이진화함으로써, 상기 대상 객체 마스크 이미지를 생성하는, 객체 검출 네트워크를 포함하는 것을 특징으로 하는, 방법
|
| 8 |
8
제7항에 있어서, 상기 제1 신경망 모델은상기 대상 객체 마스크 이미지 및 기준 객체 이미지를 획득하고, 상기 획득된 대상 객체 마스크 이미지 및 기준 객체 이미지를 비교하며, 비교 결과에 기초하여 상기 측정 대상 객체를 포함하는 이미지 내 객체 박스가 나타내는 측정 대상 객체의 종류 및 상기 측정 대상 객체의 크기 정보를 출력하는 객체 크기 식별 네트워크를 더 포함하는 것을 특징으로 하는, 방법
|
| 9 |
9
제2항에 있어서, 상기 제1 신경망 모델 및 상기 제2 신경망 모델은측정 대상 객체 및 기준 객체를 가상으로 촬영할 수 있는 가상환경에서, 기 설정된 CAD 모델 및 기 설정된 카메라 특성 파라미터를 포함하는 카메라 특성 모델을 이용하여 생성된 학습 데이터에 기초하여 미리 학습되는 것을 특징으로 하는, 방법
|
| 10 |
10
제9항에 있어서, 상기 학습 데이터는상기 가상환경 내에서, 가상의 광이 상기 측정 대상 객체 또는 상기 기준 객체에 반사되는 경로에 기초하여 서로 달라지는 도메인 정보를 다르게 변화시키면서, 상기 CAD 모델 및 상기 카메라 특성 모델을 이용하여 생성되는 것을 특징으로 하는, 방법
|
| 11 |
11
제1항에 있어서, 상기 방법은상기 제1 신경망 모델로부터 상기 측정 대상 객체의 종류, 상기 대상 객체 이미지 내 측정 대상 객체의 영역 정보를 획득하는 단계; 를 더 포함하는, 방법
|
| 12 |
12
측정 대상 객체의 크기를 식별하는 전자 장치에 있어서,하나 이상의 인스트럭션을 저장하는 메모리; 및상기 하나 이상의 인스트럭션들을 실행하는 적어도 하나의 프로세서; 를 포함하고,상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,상기 측정 대상 객체의 크기를 식별하기 위한 기준이 되는 기준 객체를 촬영함으로써 기준 객체 이미지를 획득하고,상기 측정 대상 객체를 촬영함으로써 대상 객체 이미지를 획득하고,상기 획득된 기준 객체 이미지 및 대상 객체 이미지를 합성하고,상기 합성된 기준 객체 이미지 및 대상 객체 이미지를 제1 신경망 모델에 입력함으로써, 상기 제1 신경망 모델로부터 상기 측정 대상 객체의 크기 정보를 획득하는, 전자 장치
|
| 13 |
13
제12항에 있어서, 상기 적어도 하나의 프로세서는상기 대상 객체 이미지를 제2 신경망 모델에 입력함으로써, 상기 제2 신경망 모델로부터 대상 객체 이미지 내 대상 객체 영역을 기준으로 생성된 대상 객체 마스크 이미지를 획득하고,상기 대상 객체 마스크 이미지 및 상기 기준 객체 이미지를 합성하는 것을 특징으로 하는, 전자 장치
|
| 14 |
14
제12항에 있어서, 상기 적어도 하나의 프로세서는상기 기준 객체 이미지를 제2 신경망 모델에 입력함으로써, 상기 제2 신경망 모델로부터 기준 객체 특징을 획득하고,상기 획득된 기준 객체 특징 및 상기 획득된 대상 객체 이미지를 상기 제1 신경망 모델에 입력함으로써, 상기 측정 대상 객체의 크기 정보를 획득하는, 전자 장치
|
| 15 |
15
전자 장치가 측정 대상 객체의 크기를 식별하는 방법에 있어서,상기 측정 대상 객체의 크기를 식별하기 위한 기준이 되는 기준 객체를 촬영함으로써 기준 객체 이미지를 획득하는 단계;상기 측정 대상 객체를 촬영함으로써 대상 객체 이미지를 획득하는 단계;상기 획득된 기준 객체 이미지 및 대상 객체 이미지를 합성하는 단계; 및상기 합성된 기준 객체 이미지 및 대상 객체 이미지를 제1 신경망 모델에 입력함으로써, 상기 제1 신경망 모델로부터 상기 측정 대상 객체의 크기 정보를 획득하는 단계; 를 포함하는, 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록매체
|
