| 1 |
1
컴퓨팅 장치에 의해 수행되는 이미지 분류 방법에 있어서,훈련 데이터 세트에 포함된 각각의 훈련 이미지에 대해 경사 에너지 맵(Gradient energy map)을 생성하는 단계;상기 훈련 이미지를 가로 방향으로 크기 조절하고자 하는 경우, 상기 훈련 이미지에 대응하는 경사 에너지 맵의 모든 행에 대해 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하는 단계;상기 추출된 이음새 픽셀들을 제거 또는 복사하여 가로 방향으로 상기 훈련 이미지의 크기를 축소 또는 확대함으로써 상기 훈련 이미지의 개수를 증가시키는 단계; 및상기 증가된 훈련 이미지를 포함하는 훈련 데이터 세트를 이용하여 이미지 분류를 위한 학습 모델을 학습하는 단계를 포함하는 이미지 분류 방법
|
| 2 |
2
제1항에 있어서,상기 경사 에너지 맵은,상기 훈련 이미지를 구성하는 픽셀에 대해 각 색상 채널에 대한 x 방향의 경사 절대 값 및 y 방향의 경사 절대 값의 합산 결과를 이용하여 결정되는 이미지 분류 방법
|
| 3 |
3
제2항에 있어서,상기 경사 에너지 맵을 생성하는 단계는,상기 픽셀에 대해 각 색상 채널 별로 결정된 x 방향의 경사 절대 값 및 y 방향의 경사 절대 값의 합산 결과를 모두 결합하여 해당 픽셀에 대한 픽셀 값으로 결정하는 이미지 분류 방법
|
| 4 |
4
삭제
|
| 5 |
5
제1항에 있어서,상기 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하는 단계는,상기 훈련 이미지에 대응하는 경사 에너지 맵의 제1 행에 위치한 픽셀들 중 최소 픽셀 값을 가지는 픽셀을 제1 이음새 픽셀로 식별하는 단계;상기 식별된 제1 행의 제1 이음새 픽셀에 인접하는 제2 행의 이웃 픽셀들 중 최소 픽셀 값을 가지는 이웃 픽셀을 제2 이음새 픽셀로 선택하는 단계; 및상기 제2 이음새 픽셀을 선택하는 방법에 기초하여 상기 경사 에너지 맵의 마지막 행까지 최소 픽셀 값을 가지는 제3 이음새 픽셀을 반복하여 선택하는 단계를 포함하는 이미지 분류 방법
|
| 6 |
6
컴퓨팅 장치에 의해 수행되는 이미지 분류 방법에 있어서,훈련 데이터 세트에 포함된 각각의 훈련 이미지에 대해 경사 에너지 맵(Gradient energy map)을 생성하는 단계;상기 훈련 이미지를 세로 방향으로 크기 조절하고자 하는 경우, 상기 훈련 이미지에 대응하는 경사 에너지 맵의 모든 열에 대해 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하는 단계;상기 추출된 이음새 픽셀들을 제거 또는 복사하여 세로 방향으로 상기 훈련 이미지의 크기를 축소 또는 확대함으로써 상기 훈련 이미지의 개수를 증가시키는 단계; 및상기 증가된 훈련 이미지를 포함하는 훈련 데이터 세트를 이용하여 이미지 분류를 위한 학습 모델을 학습하는 단계를 포함하는 이미지 분류 방법
|
| 7 |
7
제6항에 있어서,상기 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하는 단계는,상기 훈련 이미지에 대응하는 경사 에너지 맵의 제1 열에 위치한 픽셀들 중 최소 픽셀 값을 가지는 픽셀을 제1 이음새 픽셀로 식별하는 단계;상기 식별된 제1 열의 제1 이음새 픽셀에 인접하는 제2 열의 이웃 픽셀들 중 최소 픽셀 값을 가지는 이웃 픽셀을 제2 이음새 픽셀로 선택하는 단계; 및상기 제2 이음새 픽셀을 선택하는 방법에 기초하여 상기 경사 에너지 맵의 마지막 열까지 최소 픽셀 값을 가지는 제3 이음새 픽셀을 반복하여 선택하는 단계를 포함하는 이미지 분류 방법
|
| 8 |
8
복수의 테스트 이미지가 포함된 테스트 데이터 세트를 식별하는 단계;상기 식별된 테스트 데이터 세트를 이미지 분류를 위한 학습 모델에 적용함으로써 상기 식별된 테스트 데이터 세트에 포함된 테스트 이미지들을 결함 종류 별로 분류하는 단계를 포함하고,상기 학습 모델을 학습시키는데 이용되는 훈련 이미지는,상기 훈련 이미지를 가로 방향으로 크기 조절하고자 하는 경우, 상기 훈련 이미지에 대응하는 경사 에너지 맵의 모든 행에 대해 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하고, 상기 추출된 이음새 픽셀들을 제거 또는 복사하여 상기 훈련 이미지의 크기를 축소 또는 확대함으로써 증가되고,상기 학습 모델은,상기 증가된 훈련 이미지를 포함하는 훈련 데이터 세트를 이용하여 이미지 분류를 위한 학습이 수행되는 이미지 분류 방법
|
| 9 |
9
제8항에 있어서,상기 경사 에너지 맵은,상기 훈련 이미지를 구성하는 픽셀에 대해 각 색상 채널에 대한 x 방향의 경사 절대 값 및 y 방향의 경사 절대 값의 합산 결과를 이용하여 결정되는 이미지 분류 방법
|
| 10 |
10
제9항에 있어서,상기 경사 에너지 맵은,상기 픽셀에 대해 각 색상 채널 별로 결정된 x 방향의 경사 절대 값 및 y 방향의 경사 절대 값의 합산 결과를 모두 결합하여 해당 픽셀에 대한 픽셀 값으로 결정함으로써 생성되는 이미지 분류 방법
|
| 11 |
11
삭제
|
| 12 |
12
제8항에 있어서,상기 최소 픽셀 값을 가지는 이음새 픽셀들은,상기 훈련 이미지에 대응하는 경사 에너지 맵의 제1 행에 위치한 픽셀들 중 최소 픽셀 값을 가지는 픽셀을 제1 이음새 픽셀로 식별하고, 상기 식별된 제1 행의 제1 이음새 픽셀에 인접하는 제2 행의 이웃 픽셀들 중 최소 픽셀 값을 가지는 이웃 픽셀을 제2 이음새 픽셀로 선택하며, 상기 제2 이음새 픽셀을 선택하는 방법에 기초하여 상기 경사 에너지 맵의 마지막 행까지 최소 픽셀 값을 가지는 제3 이음새 픽셀을 반복하여 선택함으로써 추출되는 이미지 분류 방법
|
| 13 |
13
복수의 테스트 이미지가 포함된 테스트 데이터 세트를 식별하는 단계;상기 식별된 테스트 데이터 세트를 이미지 분류를 위한 학습 모델에 적용함으로써 상기 식별된 테스트 데이터 세트에 포함된 테스트 이미지들을 결함 종류 별로 분류하는 단계를 포함하고,상기 학습 모델을 학습시키는데 이용되는 훈련 이미지는,상기 훈련 이미지를 세로 방향으로 크기 조절하고자 하는 경우, 상기 훈련 이미지에 대응하는 경사 에너지 맵의 모든 열에 대해 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하고, 상기 추출된 이음새 픽셀들을 제거 또는 복사하여 상기 훈련 이미지의 크기를 축소 또는 확대함으로써 증가되고,상기 학습 모델은,상기 증가된 훈련 이미지를 포함하는 훈련 데이터 세트를 이용하여 이미지 분류를 위한 학습이 수행되는 이미지 분류 방법
|
| 14 |
14
제13항에 있어서,상기 최소 픽셀 값을 가지는 이음새 픽셀들은,상기 훈련 이미지에 대응하는 경사 에너지 맵의 제1 열에 위치한 픽셀들 중 최소 픽셀 값을 가지는 픽셀을 제1 이음새 픽셀로 식별하고, 상기 식별된 제1 열의 제1 이음새 픽셀에 인접하는 제2 열의 이웃 픽셀들 중 최소 픽셀 값을 가지는 이웃 픽셀을 제2 이음새 픽셀로 선택하며, 상기 제2 이음새 픽셀을 선택하는 방법에 기초하여 상기 경사 에너지 맵의 마지막 열까지 최소 픽셀 값을 가지는 제3 이음새 픽셀을 반복하여 선택함으로써 추출되는 이미지 분류 방법
|
| 15 |
15
이미지 분류 방법을 수행하는 컴퓨팅 장치에 있어서,프로세서를 포함하고,상기 프로세서는,복수의 훈련 이미지가 포함된 훈련 데이터 세트에 대해 각각의 훈련 이미지에 대한 경사 에너지 맵(Gradient energy map)을 생성하고, 상기 훈련 이미지를 가로 방향으로 크기 조절하고자 하는 경우, 상기 훈련 이미지에 대응하는 경사 에너지 맵의 모든 행에 대해 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하며, 상기 추출된 이음새 픽셀들을 제거 또는 복사하여 가로 방향으로 상기 훈련 이미지의 크기를 축소 또는 확대함으로써 상기 훈련 이미지의 개수를 증가시키고, 상기 증가된 훈련 이미지를 포함하는 훈련 데이터 세트를 이용하여 이미지 분류를 위한 학습 모델을 학습하는 컴퓨팅 장치
|
| 16 |
16
제15항에 있어서,상기 경사 에너지 맵은,상기 훈련 이미지를 구성하는 픽셀에 대해 각 색상 채널에 대한 x 방향의 경사 절대 값 및 y 방향의 경사 절대 값의 합산 결과를 모두 결합하여 해당 픽셀에 대한 픽셀 값으로 결정함으로써 생성되는 컴퓨팅 장치
|
| 17 |
17
삭제
|
| 18 |
18
제15항에 있어서,상기 프로세서는,상기 훈련 이미지에 대응하는 경사 에너지 맵의 제1 행에 위치한 픽셀들 중 최소 픽셀 값을 가지는 픽셀을 제1 이음새 픽셀로 식별하고, 상기 식별된 제1 행의 제1 이음새 픽셀에 인접하는 제2 행의 이웃 픽셀들 중 최소 픽셀 값을 가지는 이웃 픽셀을 제2 이음새 픽셀로 선택하며, 상기 제2 이음새 픽셀을 선택하는 방법에 기초하여 상기 경사 에너지 맵의 마지막 행까지 최소 픽셀 값을 가지는 제3 이음새 픽셀을 반복하여 선택함으로써 상기 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하는 컴퓨팅 장치
|
| 19 |
19
이미지 분류 방법을 수행하는 컴퓨팅 장치에 있어서,프로세서를 포함하고,상기 프로세서는,복수의 훈련 이미지가 포함된 훈련 데이터 세트에 대해 각각의 훈련 이미지에 대한 경사 에너지 맵(Gradient energy map)을 생성하고, 상기 훈련 이미지를 세로 방향으로 크기 조절하고자 하는 경우, 상기 훈련 이미지에 대응하는 경사 에너지 맵의 모든 열에 대해 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하고, 상기 추출된 이음새 픽셀들을 제거 또는 복사하여 세로 방향으로 상기 훈련 이미지의 크기를 축소 또는 확대함으로써 상기 훈련 이미지의 개수를 증가시키고, 상기 증가된 훈련 이미지를 포함하는 훈련 데이터 세트를 이용하여 이미지 분류를 위한 학습 모델을 학습하는 컴퓨팅 장치
|
| 20 |
20
제19항에 있어서,상기 프로세서는,상기 훈련 이미지에 대응하는 경사 에너지 맵의 제1 열에 위치한 픽셀들 중 최소 픽셀 값을 가지는 픽셀을 제1 이음새 픽셀로 식별하고, 상기 식별된 제1 열의 제1 이음새 픽셀에 인접하는 제2 열의 이웃 픽셀들 중 최소 픽셀 값을 가지는 이웃 픽셀을 제2 이음새 픽셀로 선택하며, 상기 제2 이음새 픽셀을 선택하는 방법에 기초하여 상기 경사 에너지 맵의 마지막 열까지 최소 픽셀 값을 가지는 제3 이음새 픽셀을 반복하여 선택함으로써 상기 최소 픽셀 값을 가지는 이음새 픽셀들을 추출하는 컴퓨팅 장치
|
