| 1 |
1
입력 이미지에 대한 전경 객체의 포함 여부를 나타내는 레이블을 이용하여 입력 이미지에 존재하는 클래스를 판단하도록 분류 네트워크 모델을 학습시키는 단계;학습된 상기 분류 네트워크 모델의 출력을 분할 네트워크 모델에 입력하는 단계;상기 분할 네트워크를 통해 입력 이미지의 전경 객체를 덮을 수 있는 마스크를 생성하는 단계;상기 마스크를 사용하여 상기 입력 이미지를 마스킹하고, 마스킹된 입력 이미지를 상기 학습된 분류 네트워크에 입력시키는 단계; 및상기 입력의 결과에 따라 상기 마스킹된 입력 이미지의 클래스 점수를 계산하고, 상기 분할 네트워크의 손실 함수를 최소화하는 방식으로 상기 분할 네트워크를 학습시키는 단계를 포함하는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 방법
|
| 2 |
2
제 1 항에 있어서,상기 분할 네트워크 모델을 학습시키는 단계는,상기 마스킹된 입력 이미지에서 상기 전경 객체가 마스킹에 의해 상기 분류 네트워크 모델에서 감지되지 않도록 상기 분할 네트워크 모델을 학습시키는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 방법
|
| 3 |
3
제 1 항에 있어서,상기 분할 네트워크를 학습시키는 단계 이후,기지국에 탑재된 이미지 센서를 통해 입력 이미지를 획득하는 단계;상기 학습된 분할 네트워크를 통해 상기 입력 이미지에서 객체의 픽셀 위치를 얻는 단계;상기 객체의 픽셀 위치에 기초하여 상기 기지국과 단말 사이의 각도를 계산하는 단계; 및계산된 상기 각도에 기초하여 밀리미터파 또는 테라헤르츠의 주파수를 사용하는 통신 시스템의 채널을 추정하는 단계를 더 포함하는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 방법
|
| 4 |
4
제 1 항에 있어서,상기 분할 네트워크를 통해 상기 입력 이미지의 전경 객체를 덮을 수 있는 마스크를 생성하는 단계는,상기 입력 이미지 내의 전경 객체가 복수 개인 경우, 무작위로 선택된 클래스의 마스크를 합쳐 합성 마스크(composed mask)를 생성하는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 방법
|
| 5 |
5
제 1 항에 있어서,상기 분류 네트워크 모델을 학습시키는 단계 이후,상기 분류 네트워크로부터 클래스 활성화 맵을 획득하는 단계; 상기 클래스 활성화 맵에 기초하여 개선된 특징 맵(saliency map)을 획득하는 단계를 더 포함하는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 방법
|
| 6 |
6
제 1 항에 있어서,상기 분할 네트워크의 손실 함수는,마스크 손실 및 특징 손실에 대한 함수를 포함하고,상기 마스크 손실은 상기 분류 네트워크에서 출력된 상기 클래스 점수를 이용하여 계산되고,상기 특징 손실은 상기 분할 네트워크의 전경 객체 영역과 특징 맵 간의 일치 여부를 이용하여 계산되는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 방법
|
| 7 |
7
하나 이상의 인스트럭션을 저장하는 메모리; 및상기 메모리에 저장된 상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서를 포함하고,상기 적어도 하나의 프로세서는,입력 이미지에 대한 전경 객체의 포함 여부를 나타내는 레이블을 이용하여 입력 이미지에 존재하는 클래스를 판단하도록 분류 네트워크 모델을 학습시키는 동작,학습된 상기 분류 네트워크 모델의 출력을 분할 네트워크 모델에 입력하는 동작,상기 분할 네트워크를 통해 상기 입력 이미지의 전경 객체를 덮을 수 있는 마스크를 생성하는 동작,상기 마스크를 사용하여 상기 입력 이미지를 마스킹하고, 마스킹된 입력 이미지를 상기 학습된 분류 네트워크에 입력시키는 동작, 및상기 입력의 결과에 따라 상기 마스킹된 입력 이미지의 클래스 점수를 계산하고, 상기 분할 네트워크의 손실 함수를 최소화하는 방식으로 상기 분할 네트워크를 학습시키는 동작을 실행하는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 장치
|
| 8 |
8
제 7 항에 있어서,상기 프로세서는,상기 마스킹된 입력 이미지에서 상기 전경 객체가 마스킹에 의해 상기 분류 네트워크 모델에서 감지되지 않도록 상기 분할 네트워크 모델을 학습시키는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 장치
|
| 9 |
9
제 7 항에 있어서,상기 프로세서는,상기 분할 네트워크를 학습시키는 동작 이후,기지국에 탑재된 이미지 센서를 통해 입력 이미지를 획득하는 동작,상기 학습된 분할 네트워크를 통해 상기 입력 이미지에서 객체의 픽셀 위치를 얻는 동작,상기 객체의 픽셀 위치에 기초하여 상기 기지국과 단말 사이의 각도를 계산하는 동작, 및계산된 상기 각도에 기초하여 밀리미터파 또는 테라헤르츠의 주파수를 사용하는 통신 시스템의 채널을 추정하는 동작을 더 실행하는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 장치
|
| 10 |
10
제 7 항에 있어서,상기 프로세서는,상기 입력 이미지 내의 전경 객체가 복수인 경우, 무작위로 선택된 클래스의 마스크를 합쳐 합성 마스크(composed mask)를 생성하는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 장치
|
| 11 |
11
제 7 항에 있어서,상기 프로세서는,상기 분류 네트워크 모델을 학습시키는 단계 이후,상기 분류 네트워크로부터 클래스 활성화 맵을 획득하는 동작, 및상기 클래스 활성화 맵에 기초하여 개선된 특징 맵(saliency map)을 획득하는 동작을 더 실행하는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 장치
|
| 12 |
12
제 7 항에 있어서,상기 분할 네트워크의 손실 함수는,마스크 손실 및 특징 손실에 대한 함수를 포함하고,상기 마스크 손실은 상기 분류 네트워크에서 출력된 상기 클래스 점수를 이용하여 계산되고,상기 특징 손실은 상기 분할 네트워크의 전경 객체 영역과 특징 맵 간의 일치 여부를 이용하여 계산되는,컴퓨터 비전 기반 채널 추정을 위한 네트워크 모델 학습 장치
|
