-
公开(公告)号：WO2019050247A2
公开(公告)日：2019-03-14
申请号：PCT/KR2018/010271
申请日：2018-09-04
Abstract: 본 개시는 인공지능 시스템 및 그 응용에 따라 이미지에 포함된 객체의 클래스 인식을 위한 뉴럴 네트워크 학습 방법으로, 적어도 하나의 클래스 각각에 포함된 소스 학습 이미지를 기초로 학습된 제 1 학습 네트워크 모델을 이용하여, 적어도 하나의 클래스와 다른 클래스에 포함된 쿼리(query) 이미지의 특성 정보를 획득하고, 제 2 학습 네트워크 모델을 이용하여, 쿼리 이미지의 특성 정보로부터 생성 이미지를 획득하며, 제 1 학습 네트워크 모델을 이용하여, 획득된 생성 이미지의 특성 정보를 획득하고, 쿼리 이미지의 특성 정보와 생성 이미지의 특성 정보 간의 차이 및 쿼리 이미지와 생성 이미지 간의 차이에 기초하여, 제 1 학습 네트워크 모델 및 제 2 학습 네트워크 모델 각각에 포함된 레이어의 가중치를 업데이트 할 수 있다.
-
公开(公告)号：WO2020159036A1
公开(公告)日：2020-08-06
申请号：PCT/KR2019/013609
申请日：2019-10-16
IPC: H04N21/488 , H04N21/845 , G06T7/246
Abstract: 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공지능(AI) 시스템 및 그 응용에 관련된 것이다. 영상 시퀀스에 포함된 복수 개의 영상들을 획득하고, 복수 개의 영상 각각에 대하여 특징 정보를 추출하고, 추출된 특징 정보들을 복수 개의 영상들의 순서에 따라 순차적으로 처리함으로써, 영상 시퀀스의 특징에 관한 제1 특징 정보를 획득하고, 추출된 특징 정보들 간의 적어도 하나의 유사도에 기초하여 결정된 영상 시퀀스의 특징에 관한 제2 특징 정보를 획득하고, 제1 특징 정보 및 제2 특징 정보에 기초하여, 영상 시퀀스에 대한 캡션 정보를 생성하는, 전자 장치에서, 영상 시퀀스에 대한 캡션 정보를 생성하는 방법이 개시된다.
-
公开(公告)号：WO2019050297A1
公开(公告)日：2019-03-14
申请号：PCT/KR2018/010421
申请日：2018-09-06
Abstract: 본 개시는 딥러닝 등의 기계 학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 인공지능(AI) 시스템 및 그 응용에 관련된 것이다. 특히, 본 개시는 인공지능 시스템 및 그 응용에 따른 뉴럴 네트워크의 학습 방법으로, 학습 네트워크 모델에 포함된 적어도 하나의 히든 레이어의 가중치 정보로 구성된 필터로부터, 특정 부분에 유효값을 갖는 마스킹 필터를 이용하여, 특정 부분에 대응되는 필터의 가중치 정보에 따라 입력 데이터의 특징을 추출하고, 추출된 입력 데이터의 특징을 기초로 학습 네트워크 모델로부터 획득된 출력 데이터와 타겟 데이터를 비교하며, 비교 결과에 기초하여, 마스킹 필터에서 유효값을 갖는 특정 부분의 크기를 업데이트 할 수 있다.
-
公开(公告)号：WO2015167292A1
公开(公告)日：2015-11-05
申请号：PCT/KR2015/004421
申请日：2015-04-30
Applicant: 한국과학기술원
CPC classification number: H04N19/105 , G06K9/00744 , G06K9/4642 , G06K9/6215 , G06K9/6231 , G06K2009/6295 , G06T7/215 , G06T7/246 , G06T2207/10016 , H04N19/119 , H04N19/137 , H04N19/139 , H04N19/154 , H04N19/167 , H04N19/37 , H04N19/521 , H04N19/54 , H04N19/543 , H04N19/56 , H04N19/895
Abstract: 무작위 보팅을 이용하는 동영상에서의 움직임 분할 방법은 동영상을 입력받는 단계; 상기 동영상으로부터 복수의 특징점들을 추출하는 단계; 및 랜덤으로 그룹화되는 상기 복수의 특징점들 중 적어도 일부 특징점들 각각에 대한 스코어 히스토그램을 이용하는 무작위 보팅(Randomized Voting) 기법을 적용하여, 상기 복수의 특징점들을 그룹화하는 단계를 포함한다.
Abstract translation: 一种使用随机投票来分割运动图像中的运动的方法包括以下步骤：接收运动图像; 从运动图像提取多个特征点; 以及通过应用随机投票技术来对所述多个特征点进行分组，所述随机投票技术对随机分组的多个特征点的至少一些特征点中的每一个使用分数直方图。
-
-
Patent Agency Ranking
公开(公告)号：KR101785204B1
公开(公告)日：2017-10-17
申请号：KR1020160056939
申请日：2016-05-10
Applicant: 한국과학기술원
Abstract: 일실시예에따르면, 핵심영역검출방법은이미지에포함되는복수의슈퍼픽셀(superpixel)들사이의로우레벨피처(low level feature)의차이를나타내는로우레벨차이맵(low level distance map)을생성하는단계; 상기이미지에대해하이레벨피처(high level feature) 탐색알고리즘을수행하는단계; 상기로우레벨차이맵 및상기하이레벨피처탐색알고리즘이수행된결과에기초하여, 상기복수의슈퍼픽셀들각각의핵심스코어(saliency score)를획득하는단계; 및상기복수의슈퍼픽셀들각각의핵심스코어에기초하여, 상기이미지에서핵심영역을검출하는단계를포함한다.
Abstract translation: 根据一个实施例，关键区域检测方法生成表示图像中包括的多个超级像素之间的低级特征的差异的低级别距离图 步骤; 在图像上执行高级特征搜索算法; 基于执行低级别差异图和高级特征搜索算法的结果获得多个超级像素中的每一个的显着性分数; 并且基于多个超级像素中的每一个的核心分数检测图像中的关键区域。
-
公开(公告)号：KR101720649B1
公开(公告)日：2017-03-28
申请号：KR1020150117202
申请日：2015-08-20
Applicant: 한국과학기술원
Abstract: 실시형태에따른자동주차방법은, 카메라가차량및 해당차량주변의영상정보를얻는정보획득단계; 인식부가상기영상정보를통해상기차량과상기차량이주차될주차공간을인식하는인식단계; 계산부가상기차량의중심점과상기주차공간의중심점사이의거리를계산하는계산단계; 경로생성부가상기계산된거리를이용하여상기차량이이동해야하는경로를생성하는경로생성단계; 및제어부가상기경로에따라상기차량을이동시키는차량이동단계;를포함하고, 상기인식단계는, 상기인식부가상기영상정보를통해상기차량에부착된차량마커와상기차량이주차될주차공간에부착된주차마커를인식하는단계이고, 상기계산단계는, 상기계산부가상기차량마커의중심점과상기주차마커의중심점사이의거리를계산하는단계이고, 상기차량마커및 상기주차마커는컴퓨터가구별할수 있는특징을갖고, 방향성을갖는그림이며, 상기차량마커및 상기주차마커는상기차량및 상기주차공간을각각구분짓는다.
Abstract translation: 根据本发明的实施例，提供了一种自动停车方法，包括：相机的信息获取步骤，获取车辆的图像信息和车辆的周围区域; 识别步骤，其中识别单元通过图像信息识别车辆和车辆停放在其中的停车位; 计算车辆的中心点和停车位的中心点之间的距离; 路径生成步骤，其中路径生成单元使用计算出的距离生成车辆必须经过的路径; 以及识别步骤，通过图像信息识别附着到车辆的车辆标记并将车辆标记附着到车辆将停放的停车位， 其中，计算步骤是计算车辆标记的中心点与停车标记的中心点之间的距离并且车辆标记和停放标记被计算机识别的步骤 其中车辆标记和停车标记分别区分车辆和停车位。
-
公开(公告)号：KR101693106B1
公开(公告)日：2017-01-05
申请号：KR1020150054605
申请日：2015-04-17
Applicant: 한국과학기술원
CPC classification number: H04N19/105 , G06K9/00744 , G06K9/4642 , G06K9/6215 , G06K9/6231 , G06K2009/6295 , G06T7/215 , G06T7/246 , G06T2207/10016 , H04N19/119 , H04N19/137 , H04N19/139 , H04N19/154 , H04N19/167 , H04N19/37 , H04N19/521 , H04N19/54 , H04N19/543 , H04N19/56 , H04N19/895
Abstract: 무작위보팅을이용하는동영상에서의움직임분할방법은동영상을입력받는단계; 상기동영상으로부터복수의특징점들을추출하는단계; 및랜덤으로그룹화되는상기복수의특징점들중 적어도일부특징점들각각에대한스코어히스토그램을이용하는무작위보팅(Randomized Voting) 기법을적용하여, 상기복수의특징점들을그룹화하는단계를포함한다.
Abstract translation: 提供了一种使用随机投票的视频运动分割方法，其包括接收视频，从视频中提取多个特征点，并且通过应用随机投票方法对所述多个特征点进行分组，该方法使用每个特征点 至少一些特征点的多个特征点。
-
公开(公告)号：KR1020150134471A
公开(公告)日：2015-12-02
申请号：KR1020140060895
申请日：2014-05-21
Applicant: 한국과학기술원
CPC classification number: G06N5/025 , G06F17/16 , G06F17/30663
Abstract: 자율학습을통해획득한분류성분들을이용하여해시코드를생성하는장치및 방법이개시된다. 해시코드생성장치는, 미리주어진학습데이터들을대상으로주성분분석을수행하여결과성분들을획득하는주성분분석수행부, 결과성분들중 적어도둘 이상의결과성분들을선형결합하여변환행렬을생성하는선형결합부, 및변환행렬을이용하여해시코드를생성하는해시코드생성부를포함할수 있다.
Abstract translation: 公开了使用通过自学习获得的分类成分来生成散列码的装置和方法。 哈希码生成装置包括：主要成分分析执行单元，用于通过执行针对预发布的学习数据的主要成分分析来获得结果分量; 线性耦合单元，用于通过从结果分量线性耦合至少两个或更多个结果分量来产生转换矩阵; 以及用于通过使用转换矩阵来生成哈希码的哈希码生成单元。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.017 seconds)
