| 1 |
1
이미지 분류 장치에 있어서,학습 데이터 및 분류 데이터로부터 다차원 벡터 형식의 특징 벡터를 추출하는 특징 벡터 추출부;상기 학습 데이터의 특징 벡터로부터 각 클래스의 프로토타입 벡터를 연산하고, 상기 프로토타입 벡터 및 특징 벡터에 따른 상기 클래스들의 분포 특성을 추정하는 벡터 연산부;상기 프로토타입 벡터 및 상기 분포 특성을 고려한 유사도 함수에 기초하여 상기 분류 데이터의 특징 벡터와 상기 클래스간의 유사도를 산출하는 유사도 산출부; 및최대 유사도를 갖는 상기 학습 데이터를 포함하는 클래스에 상기 분류 데이터를 할당하는 데이터 분류부;를 포함하는 이미지 분류 장치
|
| 2 |
2
제1항에 있어서,상기 벡터 연산부는,하기의 수학식 1에 기초하여 동일한 클래스에 속한 학습 데이터간의 차이 벡터를 고려하여 상기 분포 특성을 추정하고,[수학식 1]여기서, x, x'는 학습 데이터이고, ck는 클래스 구성 요소이고, ε 및 ε'는 환경 구성 요소인 것을 특징으로 하는 이미지 분류 장치
|
| 3 |
3
제1항에 있어서,상기 벡터 연산부는,하기의 수학식 2에 기초하여 상기 프로토타입 벡터를 연산하고,[수학식 2]여기서, Sk는 학습 데이터의 집합이고, (x)는 상기 학습 데이터의 특징 벡터인 것을 특징으로 하는 이미지 분류 장치
|
| 4 |
4
제1항에 있어서,상기 유사도 산출부는,하기의 수학식 3에 따른 유사도 함수에 기초하여 상기 유사도를 산출하고,[수학식 3]여기서, x는 학습 데이터, x'는 분류 데이터이고, 는 임베딩 함수인 것을 특징으로 하는 이미지 분류 장치
|
| 5 |
5
제4항에 있어서,데이터 분류부는,하기의 수학식 4에 따른 학습 데이터의 특징 벡터와 프로토타입 벡터간의 유사도에 기초하여 분류 데이터의 클래스를 결정하고,[수학식 4]여기서, (x)는 상기 학습 데이터의 특징 벡터이고, ck는 프로토타입 벡터인 것을 특징으로 하는 이미지 분류 장치
|
| 6 |
6
제1항에 있어서,원시 입력으로부터 거리공간 상의 특징 벡터를 매핑하기 위한 임베딩 함수를 학습하는 임베딩 함수 학습부를 더 포함하고,상기 유사도에 따른 상기 분류 데이터의 클래스 할당에서 파생되는 손실은 상기 임베딩 함수의 학습에 활용되는 것을 특징으로 하는 이미지 분류 장치
|
| 7 |
7
이미지 분류 장치에 의한 이미지 분류 방법에 있어서,(a) 학습 데이터 및 분류 데이터로부터 다차원 벡터 형식의 특징 벡터를 추출하는 단계;(b) 상기 학습 데이터의 특징 벡터로부터 각 클래스의 프로토타입 벡터를 연산하고, 상기 프로토타입 벡터 및 특징 벡터에 따른 상기 클래스들의 분포 특성을 추정하는 단계;(c) 상기 프로토타입 벡터 및 상기 분포 특성을 고려한 유사도 함수에 기초하여 상기 분류 데이터의 특징 벡터와 상기 클래스간의 유사도를 산출하는 단계; 및(d) 최대 유사도를 갖는 상기 학습 데이터를 포함하는 클래스에 상기 분류 데이터를 할당하는 단계;를 포함하는 이미지 분류 방법
|
| 8 |
8
제7항에 있어서,상기 (b)단계는,하기의 수학식 5에 기초하여 동일한 클래스에 속한 학습 데이터간의 차이 벡터를 고려하여 상기 분포 특성을 추정하고,[수학식 5]여기서, x, x'는 학습 데이터이고, ck는 클래스 구성 요소이고, ε 및 ε'는 환경 구성 요소인 것을 특징으로 하는 이미지 분류 방법
|
| 9 |
9
제7항에 있어서,상기 (b)단계는,하기의 수학식 6에 기초하여 상기 프로토타입 벡터를 연산하고,[수학식 6]여기서 Sk는 학습 데이터의 집합이고, (x)는 상기 학습 데이터의 특징 벡터인 것을 특징으로 하는 이미지 분류 방법
|
| 10 |
10
제7항에 있어서,상기 (c)단계는,하기의 수학식 7에 따른 유사도 함수에 기초하여 상기 유사도를 산출하고,[수학식 7]여기서, x는 학습 데이터, x'는 분류 데이터이고, 는 임베딩 함수인 것을 특징으로 하는 이미지 분류 방법
|
| 11 |
11
제10항에 있어서,상기 (d)단계는,하기의 수학식 8에 따른 학습 데이터의 특징 벡터와 프로토타입 벡터간의 유사도에 기초하여 분류 데이터의 클래스를 결정하고,[수학식 8]여기서, (x)는 상기 학습 데이터의 특징 벡터이고, ck는 프로토타입 벡터인 것을 특징으로 하는 이미지 분류 방법
|
| 12 |
12
제7항에 있어서,(e) 원시 입력으로부터 거리공간 상의 특징 벡터를 매핑하기 위한 임베딩 함수를 학습하는 단계를 더 포함하고,상기 유사도에 따른 상기 분류 데이터의 클래스 할당에서 파생되는 손실은 상기 임베딩 함수의 학습에 활용되는 것을 특징으로 하는 이미지 분류 방법
|
