컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템 및 이를 이용한 영상 학습방법

    公开(公告)号:KR101803471B1

    公开(公告)日:2017-12-01

    申请号:KR1020160017501

    申请日:2016-02-15

    Abstract: 본발명은컨볼루션신경망기반의영상패턴화를이용한딥러닝시스템및 이를이용한영상학습방법에관한것으로, 입력영상을입력하는영상입력부; 영상입력부로부터받은입력영상을패턴화된다수의패턴영상으로생성하는패턴화모듈; 영상입력부로부터받은입력영상과패턴화모듈로부터수신받은패턴영상을학습시키는컨볼루션신경망(CNN: Convolution Neural Network)을기반으로하는 CNN 학습부; 상기 CNN 학습부로부터학습정보와상기영상입력부로부터받은입력영상을전달받는 CNN 실행부; 및상기 CNN 실행부로부터영상정보를받아영상정보의객체를종류별로분류하는최종분류부를포함한다. 이와같은본 발명은다양한환경문제(흔들림, 조도, 노이즈, 인식률저하등)에취약한영상학습정보의질을높일수 있는영상학습장치및 이를이용한딥러닝시스템을제공한다.

    이종 카메라를 위한 스테레오 영상 교정 방법
    3.
    发明授权
    이종 카메라를 위한 스테레오 영상 교정 방법 有权
    异构相机的立体图像校正方法

    公开(公告)号:KR101823657B1

    公开(公告)日:2018-01-30

    申请号:KR1020160152113

    申请日:2016-11-15

    CPC classification number: H04N13/246 H04N13/128 H04N13/243

    Abstract: 이종카메라를위한스테레오영상교정방법은영상처리장치가 3개의이종카메라가각각획득한제1 영상, 제2 영상및 제 3영상을입렵받는단계, 상기영상처리장치가상기제1 영상과상기제2 영상사이의초점거리를보정하고, 초점거리가보정된상기제1 영상및 제2 영상에대한제1 교정을수행하는단계, 상기영상처리장치가상기제2 영상와상기제3 영상사이의초점거리를보정하고, 초점거리가보정된상기제2 영상및 상기제3 영상에대한제2 교정을수행하는단계및 상기영상처리장치가상기제1 교정된상기제2 영상및 상기제2 교정된상기제2 영상사이의관계를추정하는단계를포함한다.

    Abstract translation: 一种异构相机的立体图像校准方法,包括:接收由图像处理装置的三个异构相机获得的第一图像,第二图像和第三图像; 校正图像处理装置虚拟机构2图像和第三图像之间的焦距并且校正图像处理装置虚拟机构2图像和第三图像之间的焦距 对校正了焦距的第二图像和第三图像进行第二校准,对校正了焦距的第二图像和第二图像进行第二校准, 并估计关系。

    컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템 및 이를 이용한 영상 학습방법
    5.
    发明公开
    컨볼루션 신경망 기반의 영상 패턴화를 이용한 딥러닝 시스템 및 이를 이용한 영상 학습방법 有权
    基于卷积神经网络的图像构图深度学习系统及其图像学习方法

    公开(公告)号:KR1020170096298A

    公开(公告)日:2017-08-24

    申请号:KR1020160017501

    申请日:2016-02-15

    Abstract: 본발명은컨볼루션신경망기반의영상패턴화를이용한딥러닝시스템및 이를이용한영상학습방법에관한것으로, 입력영상을입력하는영상입력부; 영상입력부로부터받은입력영상을패턴화된다수의패턴영상으로생성하는패턴화모듈; 영상입력부로부터받은입력영상과패턴화모듈로부터수신받은패턴영상을학습시키는컨볼루션신경망(CNN: Convolution Neural Network)을기반으로하는 CNN 학습부; 상기 CNN 학습부로부터학습정보와상기영상입력부로부터받은입력영상을전달받는 CNN 실행부; 및상기 CNN 실행부로부터영상정보를받아영상정보의객체를종류별로분류하는최종분류부를포함한다. 이와같은본 발명은다양한환경문제(흔들림, 조도, 노이즈, 인식률저하등)에취약한영상학습정보의질을높일수 있는영상학습장치및 이를이용한딥러닝시스템을제공한다.

    Abstract translation: 本发明中,用于输入使用深学习系统关于图像的学习方法的输入图像的图像输入单元和这一点,在使用图案化的图像的卷积神经网络为基础的; 构图模块,用于生成从图像输入单元接收的输入图像作为图案化的数字图案图像; 从输入图像和从图像输入单元中的图案化的模块接收到学习所接收的图案图像的卷积神经网络(CNN:卷积神经网络),其是基于CNN学习单元; CNN执行单元,用于接收来自所述CNN学习单元的学习信息和从所述图像输入单元接收的输入图像; 以及最终分类器,用于从CNN执行单元接收图像信息并根据类型对图像信息的对象进行分类。 本发明提供宽范围的环境问题(图像,对比度,噪声和识别率降低,等等)Choo的倾角与弱图像的学习图像的学习装置,其反过来,益的信息,并且这种学习系统的质量。

Patent Agency Ranking