1 |
1
원본 색공간의 입력 이미지에 대한 목적 색공간의 원본 색상 히스토그램의 색상 왜곡을 제거하는 색상 변환 행렬을 획득하는 단계;상기 색상 변환 행렬을 이용하여 상기 입력 이미지의 색상 왜곡이 제거된 상기 원본 색공간의 색상 변환 이미지를 획득하는 단계;상기 원본 색공간의 색상 변환 이미지와의 거리가 임계값 미만인 후보 이미지 중에서, 상기 후보 이미지에 대한 뉴럴 네트워크의 출력 벡터 및 상기 입력 이미지의 각각의 복수의 후보 클래스 벡터 간의 목적 손실값이 최소인 공간 변환 이미지를 획득하는 단계; 및상기 복수의 후보 클래스 벡터 각각에 대해 획득된 공간 변환 이미지와 상기 각각의 후보 클래스 벡터 간의 목적 손실값 중에서 가장 작은 목적 손실값에 대응하는 후보 클래스 벡터를 최종 클래스 벡터로서 출력하는 단계를 포함하는,이미지 인식 방법
|
2 |
2
제1항에 있어서,상기 색상 변환 행렬을 획득하는 단계는,상기 원본 색상 히스토그램의 색상 왜곡을 제거하여 변환 색상 히스토그램을 획득하는 단계; 및상기 원본 색상 히스토그램 및 상기 변환 색상 히스토그램 간의 상기 색상 변환 행렬을 획득하는 단계를 포함하는,이미지 인식 방법
|
3 |
3
제2항에 있어서,상기 원본 색상 히스토그램 및 상기 변환 색상 히스토그램 간의 상기 색상 변환 행렬을 획득하는 단계는,하나 이상의 후보 변환 행렬과 단위 벡터의 행렬곱은 상기 원본 색상 히스토그램이고, 상기 하나 이상의 후보 변환 행렬의 트랜스포즈(transpose)와 단위 벡터의 행렬곱은 상기 변환 색상 히스토그램인 경우에,상기 후보 변환 행렬과 코스트 행렬 간의 행렬곱이 최소가 되는 후보 변환 행렬을 상기 색상 변환 행렬로서 출력하는 단계를 포함하는,이미지 인식 방법
|
4 |
4
제1항에 있어서,상기 색상 변환 이미지를 획득하는 단계는,상기 원본 색공간의 입력 이미지를 상기 목적 색공간의 입력 이미지로 변환하는 단계;상기 목적 색공간의 입력 이미지와 상기 색상 변환 행렬 간의 행렬곱을 수행하여 상기 목적 색공간의 입력 이미지를 획득하는 단계; 및상기 목적 색공간의 입력 이미지를 상기 원본 색공간의 색상 변환 이미지로 변환하는 단계를 포함하는,이미지 인식 방법
|
5 |
5
제1항에 있어서,상기 공간 변환 이미지를 획득하는 단계는,상기 복수의 후보 클래스 중의 하나의 후보 클래스에 대하여,상기 원본 색공간의 색상 변환 이미지와의 거리가 임계값 미만인 하나 이상의 후보 이미지를 선택하는 단계;상기 하나 이상의 후보 이미지에 대한 뉴럴 네트워크의 출력 벡터 및 상기 후보 클래스 벡터 간의 목적 손실값을 계산하는 단계;상기 목적 손실값이 최소인 후보 이미지를 상기 후보 클래스에 대한 상기 공간 변환 이미지로서 출력하는 단계를 포함하는,이미지 인식 방법
|
6 |
6
제1항에 있어서,상기 최종 클래스 벡터에 대응하는 인식 결과를 출력하는 단계를 더 포함하는,이미지 인식 방법
|
7 |
7
원본 색공간의 입력 이미지에 대한 목적 색공간의 원본 색상 히스토그램의 색상 왜곡을 제거하는 색상 변환 행렬을 획득하는 단계;상기 색상 변환 행렬을 이용하여 사기 입력 이미지의 색상 왜곡이 제거된 상기 원본 색공간의 색상 변환 이미지를 획득하는 단계;상기 원본 색공간의 색상 변환 이미지와의 거리가 임계값 미만인 후보 이미지 중에서, 상기 후보 이미지에 대한 뉴럴 네트워크의 출력 벡터 및 상기 입력 이미지의 후보 클래스 벡터 간의 목적 손실값이 최소인 공간 변환 이미지를 출력하는 단계를 포함하는,이미지 전처리 방법
|
8 |
8
원본 색공간의 현재의 학습 이미지에 대한 목적 색공간의 원본 색상 히스토그램의 색상 왜곡을 제거하는 색상 변환 행렬을 획득하는 단계;상기 색상 변환 행렬을 이용하여 상기 현재의 학습 이미지의 색상 왜곡이 제거된 상기 원본 색공간의 색상 변환 이미지를 획득하는 단계:상기 원본 색공간의 색상 변환 이미지와의 거리가 임계값 미만인 후보 이미지 중에서, 상기 후보 이미지에 대한 뉴럴 네트워크의 출력 벡터 및 상기 현재의 학습 이미지의 정답 클래스 벡터 간의 목적 손실값이 최소인 공간 변환 이미지를 획득하는 단계;복수의 클래스 벡터 중에서 상기 공간 변환 이미지에 대한 상기 뉴럴 네트워크의 출력 벡터와의 손실값이 가장 작은 오답 클래스 벡터 및 상기 공간 변환 이미지의 출력 벡터 간의 비교 손실값을 획득하는 단계; 및상기 목적 손실값이 작아지고 상기 목적 손실값과 상기 비교 손실값의 차이가 손실값 간격 이상이 되도록 상기 뉴럴 네트워크의 파라미터를 갱신하는 단계를 포함하는,뉴럴 네트워크 학습 방법
|
9 |
9
제8항에 있어서,상기 색상 변환 행렬을 획득하는 단계는,상기 원본 색상 히스토그램의 색상 왜곡을 제거하여 변환 색상 히스토그램을 획득하는 단계; 및상기 원본 색상 히스토그램 및 상기 변환 색상 히스토그램 간의 상기 색상 변환 행렬을 획득하는 단계를 포함하는,뉴럴 네트워크 학습 방법
|
10 |
10
제9항에 있어서,상기 원본 색상 히스토그램 및 상기 변환 색상 히스토그램 간의 상기 색상 변환 행렬을 획득하는 단계는,하나 이상의 후보 변환 행렬과 단위 벡터의 행렬곱은 상기 원본 색상 히스토그램이고, 상기 하나 이상의 후보 변환 행렬의 트랜스포즈(transpose)와 단위 벡터의 행렬곱은 상기 변환 색상 히스토그램인 경우에,상기 후보 변환 행렬과 코스트 행렬 간의 행렬곱이 최소가 되는 후보 변환 행렬을 상기 색상 변환 행렬로서 출력하는 단계를 포함하는,뉴럴 네트워크 학습 방법
|
11 |
11
제8항에 있어서,상기 색상 변환 이미지를 획득하는 단계는,상기 원본 색공간의 현재의 학습 이미지를 상기 목적 색공간의 현재의 학습 이미지로 변환하는 단계;상기 목적 색공간의 현재의 학습 이미지와 상기 색상 변환 행렬 간의 행렬곱을 수행하여 상기 목적 색공간의 색상 변환 이미지를 획득하는 단계; 및상기 목적 색공간의 색상 변환 이미지를 상기 원본 색공간의 색상 변환 이미지로 변환하는 단계를 포함하는,뉴럴 네트워크 학습 방법
|
12 |
12
제8항에 있어서,상기 공간 변환 이미지를 획득하는 단계는,상기 원본 색공간의 색상 변환 이미지와의 거리가 임계값 미만인 하나 이상의 후보 이미지를 선택하는 단계;상기 하나 이상의 후보 이미지에 대한 뉴럴 네트워크의 출력 벡터 및 상기 현재의 학습 이미지의 정답 클래스 벡터 간의 목적 손실값을 계산하는 단계;상기 목적 손실값이 최소인 후보 이미지를 상기 공간 변환 이미지로서 출력하는 단계를 포함하는,뉴럴 네트워크 학습 방법
|
13 |
13
제8항에 있어서,상기 비교 손실값을 획득하는 단계는,상기 뉴럴 네트워크를 이용하여 상기 공간 변환 이미지에 대한 출력 벡터를 획득하는 단계;상기 정답 클래스와 상이한 복수의 오답 클래스 벡터 각각에 대한 상기 출력 벡터의 손실값을 계산하는 단계; 및상기 하나 이상의 손실값 중에서 가장 작은 손실값에 대응하는 오답 클래스 벡터의 손실값을 상기 비교 손실값으로서 출력하는 단계를 포함하는,뉴럴 네트워크 학습 방법
|
14 |
14
제8항에 있어서,상기 갱신하는 단계는,상기 목적 손실값과 상기 비교 손실값을 차감하고 상기 차감된 결과에 손실값 간격을 합산하여 현재의 합산 결과를 계산하는 단계;상기 합산된 결과가 0 이상인 경우, 상기 현재의 합산 결과를 이전의 학습 이미지의 합산 결과와 누적하는 단계; 및상기 현재의 학습 이미지 및 상기 이전의 학습 이미지를 포함하는 모든 학습 이미지에 대한 합산 결과를 누적한 결과가 최소가 되도록 상기 뉴럴 네트워크의 파라미터를 갱신하는 단계를 포함하는,뉴럴 네트워크의 학습 방법
|
15 |
15
하드웨어와 결합되어 제1항 내지 제14항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램
|
16 |
16
적어도 하나의 프로세서를 포함하고,상기 프로세서는,원본 색공간의 입력 이미지에 대한 목적 색공간의 원본 색상 히스토그램의 색상 왜곡을 제거하는 색상 변환 행렬을 획득하고,상기 색상 변환 행렬을 이용하여 사기 입력 이미지의 색상 왜곡이 제거된 상기 원본 색공간의 색상 변환 이미지를 획득하고,상기 원본 색공간의 색상 변환 이미지와의 거리가 임계값 미만인 후보 이미지 중에서, 상기 후보 이미지에 대한 뉴럴 네트워크의 출력 벡터 및 상기 입력 이미지의 후보 클래스 벡터 간의 목적 손실값이 최소인 공간 변환 이미지를 출력하는,이미지 전처리 장치
|
17 |
17
적어도 하나의 프로세서를 포함하고,상기 프로세서는,원본 색공간의 입력 이미지에 대한 목적 색공간의 원본 색상 히스토그램의 색상 왜곡을 제거하는 색상 변환 행렬을 획득하고,상기 색상 변환 행렬을 이용하여 사기 입력 이미지의 색상 왜곡이 제거된 상기 원본 색공간의 색상 변환 이미지를 획득하고,상기 원본 색공간의 색상 변환 이미지와의 거리가 임계값 미만인 후보 이미지 중에서, 상기 후보 이미지에 대한 뉴럴 네트워크의 출력 벡터 및 상기 입력 이미지의 각각의 복수의 후보 클래스 벡터 간의 목적 손실값이 최소인 공간 변환 이미지를 획득하고,상기 복수의 후보 클래스 벡터 각각에 대해 획득된 공간 변환 이미지와 상기 각각의 후보 클래스 벡터 간의 목적 손실값 중에서 가장 작은 목적 손실값에 대응하는 후보 클래스 벡터를 최종 클래스 벡터로서 출력하는,이미지 인식 장치
|