- WIPO 기술분류 전기 > 컴퓨터기술
- 표준산업분류 컴퓨터 프로그래밍, 정보서비스업
- 국가과학기술표준분류 건설/교통 > 시설물안전/유지관리기술
- 지식재산권 상태 등록
- 출원일/등록일 2017-01-20 / 2019-01-18
- 거래유형 양도/실시권설정 모두가능
- 기술료 조건 10백만원
랜덤한 트리 CNN에 기반한 영상 분석 방법 및 포레스트 CNN에 기반한 영상 분석 방법
- 이화여자대학교 산학협력단
- 요약
- 랜덤한 트리 CNN에 기반한 영상 분석 방법은 컴퓨터 장치가 하나의 노드가 CNN(Convolutional Neural Network)에 해당하는 트리의 루트 노드에 소스 영상을 입력하는 단계, 상기 컴퓨터 장치가 상기 트리의 어느 하나의 노드의 CNN에서 상기 소스 영상을 분류하여 상기 어느 하나의 노드의 자식 노드로 상기 소스 영상을 전달하는 단계 및 상기 컴퓨터 장치가 상기 소스 영상이 최종적으로 전달되는 말단 노드의 CNN을 이용하여 상기 소스 영상을 분류하는 단계를 포함한다. 상기 트리는 상기 루트 노드에 속한 CNN을 시작으로 샘플 영상을 사전에 학습하면서 랜덤하게 분기되고, 상기 트리에서 자식 노드의 CNN은 상기 자식 노드의 부모 노드의 CNN이 학습한 샘플 영상 집합의 부분 집합을 이용하여 학습한다. 나아가 복수의 트리 CNN를 포함하는 포레스트 CNN를 사용하여 다수결의 원칙에 따라 영상 분석을 할 수도 있다.
- 대표청구항
- 컴퓨터 장치가 하나의 노드가 CNN(Convolutional Neural Network)에 해당하는 트리의 루트 노드에 소스 영상을 입력하는 단계; 상기 컴퓨터 장치가 상기 트리의 어느 하나의 노드의 CNN에서 상기 소스 영상을 분류하여 상기 어느 하나의 노드의 자식 노드로 상기 소스 영상을 전달하는 단계; 및 상기 컴퓨터 장치가 상기 소스 영상이 최종적으로 전달되는 말단 노드의 CNN을 이용하여 상기 소스 영상을 분석하는 단계를 포함하되, 상기 트리는 상기 루트 노드에 속한 CNN을 시작으로 샘플 영상을 사전에 학습하면서 랜덤하게 분기되고, 상기 트리에서 자식 노드의 CNN은 상기 자식 노드의 부모 노드의 CNN이 학습한 샘플 영상 집합의 부분 집합을 이용하여 학습하되, 상기 자식 노드는 상기 부모 노드의 샘플 영상 집합 중 혼동률이 서로 기준값 이상인 원소를 포함하는 상기 부분 집합으로 학습하고, 상기 부모 노드의 자식 노드들이 학습에 이용하는 학습 데이터의 부분 집합들은 서로 다르고, 상기 부분 집합들은 서로 혼동률이 기준값 미만인 원소로 구성되는 랜덤한 트리 CNN에 기반한 영상 분석 방법.
첨부파일
- [SMK] 랜덤한 트리 CNN에 기반한 영상 분석 방법 및 포레스트 CNN에 기반한 영상 분석 방법.pdf(66 KB)
문의 및 상담신청
팝업닫기