KR20230043318A - 영상 내 객체를 분류하는 객체 분류 방법 및 장치 - Google Patents

영상 내 객체를 분류하는 객체 분류 방법 및 장치 Download PDF

Info

Publication number
KR20230043318A
KR20230043318A KR1020210126062A KR20210126062A KR20230043318A KR 20230043318 A KR20230043318 A KR 20230043318A KR 1020210126062 A KR1020210126062 A KR 1020210126062A KR 20210126062 A KR20210126062 A KR 20210126062A KR 20230043318 A KR20230043318 A KR 20230043318A
Authority
KR
South Korea
Prior art keywords
feature data
feature
combined
data
input image
Prior art date
Application number
KR1020210126062A
Other languages
English (en)
Inventor
정상일
박승인
유병인
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020210126062A priority Critical patent/KR20230043318A/ko
Priority to US17/697,160 priority patent/US11989931B2/en
Priority to CN202210279284.7A priority patent/CN115861675A/zh
Priority to EP22169643.8A priority patent/EP4156123A1/en
Publication of KR20230043318A publication Critical patent/KR20230043318A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Image Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

객체 분류 방법 및 객체 분류 장치가 개시된다. 객체 분류 방법은 입력 영상을 수신하는 동작, 입력 영상의 특징을 추출하는 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장하는 동작, 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득하는 동작, 제1 특징 데이터와 상기 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하는 동작, 및 결합 특징 데이터에 기초하여 입력 영상에 나타난 객체의 분류 결과를 결정하는 동작을 포함한다.

Description

영상 내 객체를 분류하는 객체 분류 방법 및 장치{METHOD AND APPARATUS FOR CLASSIFYING OBJECT IN IMAGE}
아래의 개시는 영상에서 특징을 추출하고, 추출된 특징을 기반으로 객체를 분류하는 기술에 관한 것이다.
최근, 분류기 등의 인식 모델을 통해 영상에서 객체를 인식 내지 분류하는 기술에 대한 연구가 활발히 이루어지고 있다. 인식 모델은 인간의 생물학적 신경 세포의 특성을 수학적 표현에 의해 모델링한 뉴럴 네트워크(neural network)에 기초한다. 뉴럴 네트워크는 입력된 정보의 입력 패턴에 대응하는 인식 결과를 출력하는데 이용될 수 있다. 뉴럴 네트워크는 학습을 통해 입력 패턴과 출력 패턴 간의 사상(mapping)을 생성할 수 있고, 학습 결과에 기초하여 학습에 이용되지 않았던 입력 패턴에 대하여 비교적 올바른 출력 값을 생성할 수 있는 능력을 가지고 있다.
일 실시예에 따른 객체 분류 방법은, 입력 영상을 수신하는 동작; 상기 입력 영상의 특징을 추출하는 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장하는 동작; 상기 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득하는 동작; 상기 제1 특징 데이터와 상기 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하는 동작; 및 상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정하는 동작을 포함할 수 있다.
상기 제2 특징 추출 레이어는, 상기 뉴럴 네트워크에 포함된 특징 추출 레이어들 중 가장 상위의 특징 추출 레이어일 수 있다.
상기 결합 특징 데이터를 생성하는 동작은,상기 제1 특징 데이터에 적용될 가중치를 결정하는 동작; 상기 결정된 가중치를 상기 제1 특징 데이터에 적용하여 가중치가 적용된 제1 특징 데이터를 결정하는 동작; 및 상기 제2 특징 데이터와 상기 가중치가 적용된 제1 특징 데이터를 결합하는 것에 의해 상기 결합 특징 데이터를 생성하는 동작을 포함할 수 있다.
다른 실시예에 따른 객체 분류 방법은, 입력 영상을 수신하는 동작; 상기 입력 영상의 특징을 추출하는 뉴럴 네트워크의 특징 추출 레이어에 의해 추출된 특징 데이터를 저장하는 동작; 상기 입력 영상에 대응하는 클래스 벡터 데이터와 상기 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하는 동작; 및 상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정하는 동작을 포함할 수 있다.
상기 결합 특징 데이터를 생성하는 동작은, 상기 입력 영상의 객체에 대한 복수의 후보 클래스들 중 하나 이상의 후보 클래스를 선택하는 동작; 및 상기 선택된 하나 이상의 후보 클래스에 대한 클래스 벡터 데이터와 상기 특징 데이터를 결합하는 것에 의해 상기 결합 특징 데이터를 생성하는 동작을 포함할 수 있다.
일 실시예에 따른 뉴럴 네트워크를 이용한 객체 분류 장치는, 입력 영상의 특징을 추출하는 뉴럴 네트워크에 의해 추출된 특징 데이터에 기초하여 입력 영상에 나타난 객체를 분류하는 프로세서를 포함하고, 상기 프로세서는, 상기 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장하고, 상기 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득하고, 상기 제1 특징 데이터와 상기 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하고, 상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정할 수 있다.
다른 실시예에 따른 뉴럴 네트워크를 이용한 객체 분류 장치는, 입력 영상의 특징을 추출하는 뉴럴 네트워크에 의해 추출된 특징 데이터에 기초하여 입력 영상에 나타난 객체를 분류하는 프로세서를 포함하고, 상기 프로세서는, 상기 뉴럴 네트워크의 특징 추출 레이어에 의해 추출된 특징 데이터를 저장하고, 상기 입력 영상에 대응하는 클래스 벡터 데이터와 상기 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하고, 상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정할 수 있다.
일 실시예에 따른 전자 장치는, 프로세서; 및 상기 프로세서에 의해 실행 가능한 명령어들을 포함하는 메모리를 포함하고, 상기 명령어가 상기 프로세서에서 실행되면, 상기 프로세서는, 입력 영상의 특징을 추출하는 상기 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장하고, 상기 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득하고, 상기 제1 특징 데이터와 상기 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하고, 상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정할 수 있다.
도 1은 일 실시예에 따른 영상에서 객체를 분류하는 객체 분류 장치의 개요(overview)를 제공하기 위한 도면이다.
도 2는 일 실시예에 따른 객체 분류 방법의 동작을 설명하기 위한 흐름도이다.
도 3은 일 실시예에 따른 뉴럴 네트워크를 이용한 객체 분류 과정을 설명하기 위한 도면이다.
도 4는 다른 실시예에 따른 객체 분류 방법의 동작을 설명하기 위한 흐름도이다.
도 5는 다른 실시예에 따른 뉴럴 네트워크를 이용한 객체 분류 과정을 설명하기 위한 도면이다.
도 6은 또 다른 실시예에 따른 뉴럴 네트워크를 이용한 객체 분류 과정을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 객체 분류 장치의 구성을 도시하는 블록도이다.
도 8은 일 실시예에 따른 전자 장치의 구성을 도시하는 블록도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시예에 따른 영상에서 객체를 분류하는 객체 분류 장치의 개요를 제공하기 위한 도면이다.
도 1을 참조하면, 객체 분류 장치(100)는 입력 영상(110)에서 객체(object, 120)를 분류하는 장치로서 영상 인식(visual recognition)을 수행할 수 있다. 영상 인식은 입력 영상(110)에 입력 영상(110)에서 객체(120)를 검출하고, 객체(120)를 식별(identification)하거나 객체(120)의 종류를 복수의 서로 다른 종류들 중 어느 하나로 분류하는 것을 포함할 수 있다. '입력 영상(110)'은 스틸 영상(still image) 또는 동영상일 수 있고, 컬러 영상, 흑백 영상, 그레이 영상, 적외선 영상 또는 깊이 영상에 해당할 수 있다. 본 명세서에서 '입력 영상(110)'의 용어는 '영상'으로 대체될 수 있다. '객체'는 사람, 사물 등과 같이 입력 영상(110)에서 분류하고자 하는 대상이다. 분류하고자 하는 '객체'의 종류는 특정한 종류(예: 사람, 촬영 장치)로 미리 정의되어 있거나 또는 종류의 제한이 없을 수도 있다.
객체 분류 장치(100)는 다양한 분야에서 응용될 수 있다. 예를 들어, 객체 분류 장치(100)는 영상에서 사람, 사람의 포즈나 움직임, 특정 물체의 존재를 검출하는데 이용될 수 있다. 또한, 객체 분류 장치(100)는 CCTV 감시나 군사 경계 감시와 같은 감시 시스템, 스포츠 경기 분석, 스마트 캠퍼스, 영상 회의 시스템 등과 같은 분야에서 이용될 수 있다. 그 밖에, 객체 분류 장치(100)는 영상에서 객체를 검출하여 분류하는 것이 필요한 분야에서 이용될 수 있다. 객체 분류 장치(100)는 영상 인식을 필요로 하는 다양한 영상 장치(예: 스마트폰, 디지털 카메라, TV, PDA, 노트북, 태블릿 컴퓨터 등)에 적용될 수 있다.
객체 분류 과정에서 객체 분류의 대상인 입력 영상(110)이 객체 분류 장치(100)에 입력된다. 실시예에 따라, 입력 영상(110)이 객체 분류 장치(100)에 입력되기 전에 입력 영상(110)에 대한 영상 전처리가 수행될 수도 있다. 영상 전처리는 입력 영상(110)을 객체 검출에 보다 적합한 형태로 변환하는 하나 이상의 과정을 포함할 수 있다. 예를 들어, 영상 전처리는 입력 영상(110)의 크기/해상도 조정, 입력 영상(110)의 회전, 노이즈 제거, 컨트라스트 조정, 왜곡(distortion) 보정, 디블러링(deblurring) 및 크롭핑(cropping) 등을 포함할 수 있다. 영상 전처리가 수행되는 경우, 객체 분류 장치(100)에는 영상 전처리가 수행된 입력 영상(110)이 입력된다.
객체 분류 장치(100)는 객체 분류 모델로 동작하는 뉴럴 네트워크(예: 도 3의 뉴럴 네트워크(320), 도 5 및 도 6의 뉴럴 네트워크(520))를 이용하여 입력 영상(110)의 객체를 분류할 수 있다. 뉴럴 네트워크는 학습 데이터(training data)에 기초하여 미리 학습될 수 있고, 비선형 맵핑(non-linear mapping)을 통해 객체 분류에 있어 뛰어난 구별 능력을 제공한다. 뉴럴 네트워크는 복수의 레이어들을 포함할 수 있다. 복수의 레이어들은 입력 레이어(input layer), 적어도 하나의 히든 레이어(hidden layer), 및 출력 레이어 (output layer)를 포함할 수 있다.
뉴럴 네트워크는 딥 러닝(deep learning)에 기반하여 비선형적 관계에 있는 입력과 출력을 서로 매핑함으로써 객체 인식 및 객체 분류 등을 수행할 수 있다. 딥 러닝은 빅 데이터 세트로부터 주어진 문제를 해결하기 위한 기계 학습 기법이다. 딥 러닝은 뉴럴 네트워크를 최적화하는 과정으로, 뉴럴 네트워크의 구조를 나타내는 모델 내지 가중치(weight)를 찾는 과정이다.
뉴럴 네트워크는 딥 뉴럴 네트워크(deep neural network)로서, 예를 들어 컨볼루션 뉴럴 네트워크(Convolutional Neural Network; CNN)일 수 있으나, 객체 분류 장치(100)가 이용하는 뉴럴 네트워크가 이에 한정되는 것은 아니다. 다른 구조의 뉴럴 네트워크도 제한 없이 객체 분류 모델로서 이용될 수 있다. 이하에서는 설명의 편의를 위해 컨볼루션 뉴럴 네트워크를 중심으로 설명한다.
컨볼루션 뉴럴 네트워크는 입력 영상(110)과 같은 2차원의 데이터를 처리하는데 적합할 수 있다. 컨볼루션 뉴럴 네트워크는 컨볼루션 레이어(convolution layer), 풀링 레이어(pooling layer) 및 완전 연결 레이어(fully connected layer)를 포함하고, 각 레이어에 의해 수행되는 연산 과정을 통해 객체 분류 모델에 입력되는 입력 영상(110)으로부터 특징 데이터를 추출하거나 객체 분류의 결과를 제공할 수 있다.
컨볼루션 뉴럴 네트워크에서는 2차원의 데이터를 처리하기 위해 입력 맵 및 웨이트 커널(weight kernel) 간에 컨볼루션 연산이 수행될 수 있는데, 모바일 단말과 같은 자원이 제한된 환경에서 이러한 컨볼루션 연산의 수행은 많은 자원과 짧지 않은 처리 시간을 요구한다. 일반적으로, 모바일 단말에서 수행되는 객체 분류의 경우 제한된 자원 환경에서 동작이 가능해야 하며, 높은 객체 분류 성능을 제공할 것을 요구한다. 예를 들어, 모바일 장치 또는 센서에서 동작하는 상시(always-on) 얼굴 존재 검출(face presence detection)이나 안티-스푸핑(anti-spoofing) 기능은 제한된 메모리와 적은 전력만을 사용하여 동작될 것을 요구한다. 이러한 요구를 만족시키기 위해 저해상도의 입력 영상과 파라미터들이 상대적으로 적은 경량의 뉴럴 네트워크가 이용될 수 있다. 저해상도의 입력 영상과 경량의 뉴럴 네트워크를 이용함으로써 메모리/전력 이용량 및 계산량을 줄일 수 있지만 정확도가 낮아질 수 있다는 문제가 있다. 이러한 문제를 해결하기 위해 적은 자원을 사용하고도 정확도가 높은 객체 분류 방법이 요구된다.
또한, 뉴럴 네트워크를 이용하여 객체 분류를 위한 특징 데이터를 추출할 때, 뉴럴 네트워크의 레이어들을 거치면서 입력 영상의 지역적 정보는 점차 소실될 수 있다. 이러한 특성은 뉴럴 네트워크의 크기가 매우 작은 경우에 더 확연히 나타날 수 있다. 최근에는 모바일 장치나 센서 등에 객체 분류 기술의 적용을 위하여 경량화된 뉴럴 네트워크를 이용하는 것을 요구하고 있으며, 이 경우 적은 자원 사용으로 지역적 정보를 잘 인코딩하여 객체 분류 정확도를 높이는 것이 요구된다.
본 명세서에서 설명되는 객체 분류 장치(100)에 의해 수행되는 객체 분류 방법은 입력 영상(110)의 전역적 정보와 지역적 정보를 결합으로 객체 분류를 수행함으로써, 위에 설명한 요구들을 만족시킬 수 있다. 객체 분류 장치(100)는 전역적 정보에 대응하는 특징 데이터(예: 전역적 특징 벡터 또는 클래스 벡터)와 지역적 정보에 대응하는 특징 데이터를 결합(merging)시키고, 결합된 특징 데이터를 기초로 객체 분류를 수행할 수 있다. 이러한 객체 분류 방법을 통해 객체 분류 장치(100)는 경량의 뉴럴 네트워크를 이용하는 객체 분류에서 높은 정확도를 얻을 수 있다. 객체 분류 장치(100)는 전역적 정보에 대응하는 특징 데이터와 지역적 정보에 대응하는 특징 데이터가 결합된 특징 데이터를 이용함으로써 메모리 이용량, 전력 이용량 및 계산량의 증가를 최소화하면서 정확도를 향상시킬 수 있다. 전역적 정보에 대응하는 특징 데이터와 지역적 정보에 대응하는 특징 데이터는 뉴럴 네트워크에 의해 추출될 수 있다.
이하에서는 객체 분류 장치(100)에 의해 수행되는 객체 분류 방법을 보다 자세히 설명한다.
도 2는 일 실시예에 따른 객체 분류 방법의 동작을 설명하기 위한 흐름도이다. 객체 분류 방법의 동작들은 도 1의 객체 분류 장치(100) 또는 도 7의 객체 분류 장치(700)에 의해 수행될 수 있다.
도 2를 참조하면, 동작(210)에서 객체 분류 장치는 입력 영상을 수신할 수 있다. 입력 영상은 객체 분류의 대상이 되는 영상이다.
동작(220)에서, 객체 분류 장치는 입력 영상의 특징을 추출하는 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장할 수 있다. 뉴럴 네트워크는 복수의 특징 추출 레이어들을 포함하며, 특징 추출 레이어들은 계층 구조를 가질 수 있다. 본 명세서에서 '특징 데이터'는 '특징 벡터(feature vector)', '특징 맵(feature map)', '액티베이션 데이터(activation data)' 또는 '액티베이션 맵(activation map)'에 대응할 수 있다.
동작(230)에서, 객체 분류 장치는 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득할 수 있다. 일 실시예에서, 제2 특징 추출 레이어는 뉴럴 네트워크에 포함된 특징 추출 레이어들 중 가장 상위의 특징 추출 레이어일 수 있다. 제1 특징 데이터는 입력 영상의 국부적 특징을 포함하고, 제2 특징 데이터는 입력 영상의 전역적 특징을 포함할 수 있다.
동작(240)에서, 객체 분류 장치는 제1 특징 데이터와 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터(merged feature data)를 생성할 수 있다. 객체 분류 장치는 예를 들어 제1 특징 데이터에 대응하는 특징 맵과 제2 특징 데이터에 대응하는 특징 벡터 간의 내적(inner product)을 통해 특징 데이터의 결합을 수행할 수 있다.
일 실시예에서, 객체 분류 장치는 결합 특징 데이터를 생성할 때, 가중치를 적용할 수 있다. 객체 분류 장치는 제1 특징 데이터에 적용될 가중치를 결정하고, 결정된 가중치를 제1 특징 데이터에 적용하여 가중치가 적용된 제1 특징 데이터를 결정할 수 있다. 객체 분류 장치는 제2 특징 데이터와 가중치가 적용된 제1 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성할 수 있다.
결합 특징 데이터를 생성할 때, 객체 분류 장치는 제2 특징 데이터의 차원(dimension)이 제1 특징 데이터의 차원에 대응되도록 제2 특징 데이터를 변환하고, 변환된 제2 특징 데이터와 제1 특징 데이터를 결합하여 결합 특징 데이터를 생성할 수 있다. 이후에, 객체 분류 장치는 결합 특징 데이터의 차원이 제2 특징 데이터의 차원에 대응되도록 결합 특징 데이터를 변환할 수 있다.
동작(250)에서, 객체 분류 장치는 결합 특징 데이터에 기초하여 입력 영상에 나타난 객체의 분류 결과를 결정할 수 있다. 객체 분류 장치는 입력된 결합 특징 데이터에 기초하여 객체 분류 결과를 출력하는 것으로 학습된 분류기를 이용하여 객체의 분류 결과를 결정할 수 있다.
일 실시예에 따르면, 객체 분류 장치는 복수의 특징 추출 레이어들로부터 출력된 국부적 특징에 대응하는 특징 데이터들을 저장하고, 전역적 특징에 대응하는 특징 데이터와 국부적 특징에 대응하는 특징 데이터들을 순차적으로 결합시킬 수 있다. 예를 들어, 객체 분류 장치는 제1 특징 데이터와 제2 특징 데이터를 결합하는 것에 의해 제1 결합 특징 데이터를 생성한 후 제1 결합 특징 데이터와 제1 특징 추출 레이어보다 하위의 제3 특징 추출 레이어로부터 추출된 제3 특징 데이터를 결합하는 것에 의해 제2 결합 특징 데이터를 생성할 수 있다. 객체 분류 장치는 제1 결합 특징 데이터의 차원이 제3 특징 데이터의 차원에 대응되도록 제1 결합 특징 데이터를 변환하고, 변환된 제1 결합 특징 데이터와 제3 특징 데이터를 결합하여 제2 결합 특징 데이터를 생성할 수 있다. 객체 분류 장치는 제2 결합 특징 데이터에 기초하여 객체의 분류 결과를 결정할 수 있다.
도 3은 일 실시예에 따른 뉴럴 네트워크를 이용한 객체 분류 과정을 설명하기 위한 도면이다.
도 3을 참조하면, 객체 분류 장치(예: 도 1의 객체 분류 장치(100) 또는 도 7의 객체 분류 장치(700))는 특징 추출을 수행하는 뉴럴 네트워크(320)를 이용하여 입력 영상(310)으로부터 특징 데이터(330)를 획득할 수 있다. 특징 데이터(330)는 입력 영상(310)의 전역적 특징(global feature)을 포함하고, 본 명세서의 '제2 특징 데이터'에 대응할 수 있다. 특징 데이터(330)는 뉴럴 네트워크(320)의 백본(backbone)을 통해 인코딩될 수 있다.
일 실시예에서, 뉴럴 네트워크(320)는 컨볼루션 레이어(convolution layer), 비선형 활성화 함수 레이어(non-linear activation function layer) 및 풀링 레이어(pooling layer)를 포함하는 컨볼루션 뉴럴 네트워크일 수 있다. 풀링 레이어는 영상의 해상도(resolution)을 점차적으로 줄여 특징을 축약하는 역할을 한다. 컨볼루션 뉴럴 네트워크에 의해 최종적으로 입력 영상(310)이 특징 데이터(330)로서 표현될 수 있다. 특징 데이터(330)는 입력 영상(310)의 전체 영상의 정보를 포함한다.
뉴럴 네트워크(320)는 복수의 특징 추출 유닛들(322, 324, 326)을 포함할 수 있고, 각각의 특징 추출 유닛들(322, 324, 326)은 복수의 레이어들(예: 컨볼루션 레이어, 비선형 활성화 함수 레이어, 풀링 레이어)을 포함할 수 있다. 특징 추출 유닛들(322, 324, 326)은 컨볼루션 유닛들에 대응할 수 있다. 도 3의 실시예에서는, 뉴럴 네트워크(320)가 3개의 특징 추출 유닛들(322, 324, 326)을 포함하고 있는데, 이는 설명의 편의를 위한 것일 뿐 실시예의 범위가 이에 제한되는 것은 아니다.
특징 추출 유닛들(322, 324, 326)은 계층 구조를 가질 수 있고, 계층 구조상에서 특징 추출 유닛(326)이 가장 상위의 특징 추출 레이어를 포함하며, 특징 추출 유닛(322)이 가장 하위의 특징 추출 레이어를 포함할 수 있다. 각각의 특징 추출 유닛들(322, 324, 326)로부터는 국부적 특징 데이터가 추출되고, 추출된 국부적 특징 데이터는 저장될 수 있다. 추출된 국부적 특징 데이터는 예를 들어 특징 맵일 수 있다. 특징 추출 유닛(322)으로부터는 제1 특징 맵이 추출되고, 특징 추출 유닛(324)으로부터는 제2 특징 맵이 추출되며, 특징 추출 유닛(326)으로부터는 제N 특징 맵이 추출된다. 뉴럴 네트워크(320)로부터는 특징 추출 유닛(326)으로부터 추출된 특징 데이터에 평균 풀링(average pooling)을 적용하여 전역적 특징 데이터에 해당하는 특징 데이터(330)가 획득될 수 있다.
객체 분류 장치는 특징 데이터(330)를 뉴럴 네트워크(320)의 특징 추출 계층 구조를 상위 계층에서 하위 계층으로 내려가며 각각의 특징 추출 유닛들(322, 324, 326)로부터 추출된 국부적 특징 데이터를 결합시킬 수 있다. 객체 분류 장치는 특징 데이터(330)로부터 시작하여 기 획득한 국부적 특징 데이터들 중에서 특징 데이터(330)에 연관된 국부적 특징 데이터를 결합시킬 수 있다. 국부적 특징 데이터의 결합 과정은 하위 계층의 특징 추출 레이어로 내려 가면서 반복적으로 수행될 수 있다.
결합 과정을 구체적으로 보면, 결합 유닛(340)에서는 특징 데이터(330)와 특징 추출 유닛(326)에서 추출된 특징 데이터가 결합된다. 특징 데이터(330)와 특징 추출 유닛(326)에서 추출된 특징 데이터에 기초하여 가중치(또는 어텐션(attention))가 결정(344)되고, 가중치가 특징 추출 유닛(326)에서 추출된 특징 데이터에 적용될 수 있다. 특징 데이터(330)와 가중치가 적용된 특징 데이터가 결합(346)되어 결합 특징 데이터가 생성될 수 있다. 이후에, 결합 유닛(350)에서는 결합 유닛(340)에 의해 생성된 결합 특징 데이터에 대해 데이터 차원(data dimension)을 특징 추출 유닛(324)에서 추출된 특징 데이터의 데이터 차원에 일치시키는 데이터 차원 변환(352)이 수행되고, 데이터 차원이 변환된 결합 특징 데이터와 특징 추출 유닛(324)에서 추출된 특징 데이터에 기초하여 가중치가 결정(354)될 수 있다. 결정된 가중치가 특징 추출 유닛(324)에서 추출된 특징 데이터에 적용되고, 가중치가 적용된 특징 데이터의 데이터 차원을 결합 유닛(340)에 의해 생성된 결합 특징 데이터의 차원에 일치시키는 데이터 차원 변환(355)이 수행될 수 있다. 데이터 차원 변환(355)이 수행된 특징 데이터와 결합 유닛(340)에 의해 생성된 결합 특징 데이터가 서로 결합(356)되어, 특징 추출 유닛(324)에서 추출된 특징 데이터가 업데이트된 결합 특징 데이터가 생성될 수 있다. 이후에, 결합 유닛(360)에서는 결합 유닛(350)에 의해 생성된 결합 특징 데이터에 대해 데이터 차원을 특징 추출 유닛(322)에서 추출된 특징 데이터의 데이터 차원에 일치시키는 데이터 차원 변환(362)이 수행되고, 데이터 차원이 변환된 결합 특징 데이터와 특징 추출 유닛(322)에서 추출된 특징 데이터에 기초하여 가중치가 결정(364)될 수 있다. 결정된 가중치가 특징 추출 유닛(322)에서 추출된 특징 데이터에 적용되고, 가중치가 적용된 특징 데이터의 데이터 차원을 결합 유닛(350)에 의해 생성된 결합 특징 데이터의 차원에 일치시키는 데이터 차원 변환(365)이 수행될 수 있다. 데이터 차원 변환(365)이 수행된 특징 데이터와 결합 유닛(350)에 의해 생성된 결합 특징 데이터가 서로 결합(366)되어, 특징 추출 유닛(322)에서 추출된 특징 데이터가 업데이트된 결합 특징 데이터(370)가 생성될 수 있다.
위와 같이, 각 결합 유닛들(340, 350, 360)에서는 영상의 특징 벡터에 각 특징 추출 유닛(322, 324, 326)에서 추출된 국부적 정보를 결합하여 특징 벡터를 업데이트를 한다. 각 결합 유닛들(340, 350, 360)에서 가중치는 CAFA(cross-attention feature aggregation)을 통해 결정될 수 있고, 데이터 차원 변환(352, 355, 362, 365)은 완전 결합 레이어(fully-connected layer)에 의해 수행될 수 있으며, 결합(346, 356, 366)은 특징 데이터들 간의 덧셈 연산 또는 평균 연산에 대응할 수 있다. 다만, 실시예의 범위가 이에 제한되는 것은 아니다. CAFA는 상위 계층의 특징 데이터와 국부적 정보를 포함하는 특징 맵 간의 내적(inner product)을 통해 연관성이 높은 국부적 정보를 선형 결합(linear combination)의 형태로 결합하는 과정으로서, 두 특징 데이터 간의 크로스 어텐션(cross attention)을 계산하고, 크로스 어텐션을 특징 데이터에 적용하는 과정을 포함한다.
객체 분류 장치는 특징 데이터(330)를 획득한 이후에 특징 데이터(330)에 국부적 특징 데이터를 결합하는데 있어, 일부 또는 전부의 국부적 특징 데이터를 결합시킬 수 있다. 객체 분류 장치는 가용한 자원 상황에 따라 필요한 일부 국부적 특징 데이터까지만 특징 데이터(330)에 결합시킬 수 있다. 자원 상황에 따라 국부적 특징 데이터의 결합 수가 조정될 수 있다. 가용한 자원이 적은 경우에는 전체가 아닌 일부의 국부적 특징 데이터를 특징 데이터(330)와 결합시키고, 가용한 자원이 충분한 경우에는 전체의 국부적 특징 데이터를 특징 데이터(330)와 순차적으로 결합시킬 수 있다. 이러한 결합 과정은 국부적 특징의 추출 이후에 전역적 특징의 추출, 그 이후에 국부적 특징의 결합이라는 양방향성의 인코딩에 대응한다.
객체 분류 장치는 위와 같은 결합 과정의 결과로서 전역적 특징 데이터와 국부적 특징 데이터가 결합된 결합 특징 데이터(370)를 생성할 수 있다. 결합 과정을 위한 부가적인 네트워크 구조는 전체 특징 추출 네트워크 구조에 비해 크기가 매우 작으며, 이미 특징 추출의 중간 과정에서 계산된 중간 결과 값(국부적 특징 데이터)을 이용한다는 점에서 계산량과 자원 사용량의 증가가 매우 적다.
분류기(380)에 결합 특징 데이터(370)가 입력되고, 분류기(380)는 입력된 결합 특징 데이터(370)에 기초하여 입력 영상(310)에 나타난 객체의 클래스(class) 또는 레이블(label)을 예측(prediction)한다. 분류기(380)는 입력된 데이터에 기초하여 객체의 분류 결과를 결정하도록 학습된 뉴럴 네트워크일 수 있다. 분류기(380)는 멀티-레이어 퍼셉트론(multi-layer perceptron; MLP) 뉴럴 네트워크일 수 있으나, 실시예의 범위가 이에 제한되는 것은 아니다. 실시예에 따라, 분류기(380)를 구현하기 위한 뉴럴 네트워크와 입력 영상(310)의 특징 추출을 위한 뉴럴 네트워크(320)는 별개로 존재하거나 또는 단일의 뉴럴 네트워크로 구현될 수 있다.
객체 분류 장치는 위와 같이 인코딩된 전역적 정보 및 지역적 정보를 포함하는 결합 특징 데이터(370)를 기초로 객체 분류를 수행할 수 있다. 객체 분류 장치는 경량화된 뉴럴 네트워크(320)에 기인하는 전역적 정보를 포함하는 특징 데이터(330)의 국부적 정보의 손실을 보상하기 위해, 관련된 국부적 정보를 특징 데이터(330)에 추가적으로 결합함으로써 객체 분류의 정확도를 향상시킬 수 있다.
도 4는 다른 실시예에 따른 객체 분류 방법의 동작을 설명하기 위한 흐름도이다. 객체 분류 방법의 동작들은 도 1의 객체 분류 장치(100) 또는 도 7의 객체 분류 장치(700)에 의해 수행될 수 있다.
도 4를 참조하면, 동작(410)에서 객체 분류 장치는 객체 분류의 대상인 입력 영상을 수신할 수 있다.
동작(420)에서, 객체 분류 장치는 입력 영상의 특징을 추출하는 뉴럴 네트워크의 특징 추출 레이어에 의해 추출된 특징 데이터를 저장할 수 있다. 객체 분류 장치는 뉴럴 네트워크의 특징 추출 레이어들을 거치면서 특징 데이터가 추출되는 동안, 네트워크의 복수의 특징 추출 레이어들 각각에 의해 추출된 특징 데이터를 저장할 수 있다.
동작(430)에서, 객체 분류 장치는 입력 영상에 대응하는 클래스 벡터 데이터와 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성할 수 있다. 객체 분류 장치는 클래스 벡터 데이터와 복수의 특징 추출 레이어들 각각에 의해 추출된 특징 데이터를 순차적으로 결합하는 것에 의해 결합 특징 데이터를 생성할 수 있다.
다른 실시예에서, 객체 분류 장치는 입력 영상의 객체에 대한 복수의 후보 클래스들 중 하나 이상의 후보 클래스를 선택하고, 선택된 하나 이상의 후보 클래스에 대한 클래스 벡터 데이터와 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성할 수도 있다. 객체 분류 장치는 객체에 대한 후보 클래스들 중 높은 확률을 가지는 상위 N(N은 1 이상이고 후보 클래스들의 전체 개수 이하의 범위 내의 자연수) 개의 후보 클래스를 선택할 수 있다.
위와 같은 결합 특징 데이터의 생성은 클래스 벡터 데이터의 차원이 특징 데이터의 차원에 대응되도록 클래스 벡터 데이터를 변환하고, 변환된 클래스 벡터 데이터와 특징 데이터를 결합하여 결합 특징 데이터를 생성하는 과정을 포함할 수 있다. 동작(430)에 대해서는 도 5를 참조하여 아래에서 보다 자세히 설명한다.
동작(440)에서, 객체 분류 장치는 결합 특징 데이터에 기초하여 입력 영상에 나타난 객체의 분류 결과를 결정할 수 있다. 객체 분류 장치는 입력된 결합 특징 데이터에 기초하여 객체 분류 결과를 출력하도록 학습된 분류기를 이용하여 객체의 분류 결과를 결정할 수 있다.
도 5는 다른 실시예에 따른 뉴럴 네트워크를 이용한 객체 분류 과정을 설명하기 위한 도면이다.
도 5를 참조하면, 객체 분류 장치는 클래스 토큰(530)에 국부적 정보를 결합하여 결합 특징 데이터를 생성하고, 생성된 결합 특징 데이터에 기반하여 입력 영상(510)에 대한 객체 분류 결과를 결정할 수 있다. 클래스 토큰(530)은 학습이 가능한 파라미터 또는 벡터 데이터로서, 클래스 벡터 또는 분류 토큰(classification token)에 대응할 수 있다. 클래스 토큰(530)은 뉴럴 네트워크(520)의 학습 과정에서 결정되는 고유의 벡터 값으로서, 입력 영상(510)에 상관 없이 고정된 값을 가진다
객체 분류 장치는 클래스 토큰(530)을 뉴럴 네트워크(520)의 특징 추출 계층 구조를 상위 계층에서 하위 계층으로 내려가며 각각의 특징 추출 유닛들(522, 524, 526)로부터 추출된 국부적 특징 데이터를 결합시킬 수 있다. 도 5 및 도 6의 실시예에서는, 뉴럴 네트워크(520)가 3개의 특징 추출 유닛들(522, 524, 526)을 포함하고 있는데, 이는 설명의 편의를 위한 것일 뿐 실시예의 범위가 이에 제한되는 것은 아니다.
결합 과정을 구체적으로 보면, 결합 유닛(540)에서는 클래스 토큰(530)과 특징 추출 유닛(526)에서 추출된 특징 데이터가 결합된다. 클래스 토큰(530)과 특징 추출 유닛(526)에서 추출된 특징 데이터에 기초하여 가중치(또는 어텐션)가 결정(544)되고, 가중치가 특징 추출 유닛(526)에서 추출된 특징 데이터에 적용될 수 있다. 클래스 토큰(530)과 가중치가 적용된 특징 데이터가 결합(546)되어 결합 특징 데이터가 생성될 수 있다. 이후에, 결합 유닛(550)에서는 결합 유닛(540)에 의해 생성된 결합 특징 데이터에 대해 데이터 차원을 특징 추출 유닛(524)에서 추출된 특징 데이터의 데이터 차원에 일치시키는 데이터 차원 변환(552)이 수행되고, 데이터 차원이 변환된 결합 특징 데이터와 특징 추출 유닛(524)에서 추출된 특징 데이터에 기초하여 가중치가 결정(554)될 수 있다. 결정된 가중치가 특징 추출 유닛(524)에서 추출된 특징 데이터에 적용되고, 가중치가 적용된 특징 데이터의 데이터 차원을 결합 유닛(540)에 의해 생성된 결합 특징 데이터의 차원에 일치시키는 데이터 차원 변환(555)이 수행될 수 있다. 데이터 차원 변환(555)이 수행된 특징 데이터와 결합 유닛(540)에 의해 생성된 결합 특징 데이터가 서로 결합(556)되어, 특징 추출 유닛(524)에서 추출된 특징 데이터가 업데이트된 결합 특징 데이터가 생성될 수 있다. 이후에, 결합 유닛(560)에서는 결합 유닛(550)에 의해 생성된 결합 특징 데이터에 대해 데이터 차원을 특징 추출 유닛(522)에서 추출된 특징 데이터의 데이터 차원에 일치시키는 데이터 차원 변환(562)이 수행되고, 데이터 차원이 변환된 결합 특징 데이터와 특징 추출 유닛(522)에서 추출된 특징 데이터에 기초하여 가중치가 결정(564)될 수 있다. 결정된 가중치가 특징 추출 유닛(522)에서 추출된 특징 데이터에 적용되고, 가중치가 적용된 특징 데이터의 데이터 차원을 결합 유닛(550)에 의해 생성된 결합 특징 데이터의 차원에 일치시키는 데이터 차원 변환(565)이 수행될 수 있다. 데이터 차원 변환(565)이 수행된 특징 데이터와 결합 유닛(550)에 의해 생성된 결합 특징 데이터가 서로 결합(566)되어, 특징 추출 유닛(522)에서 추출된 특징 데이터가 업데이트된 결합 특징 데이터(570)가 생성될 수 있다.
객체 분류 장치는 특징 추출 유닛들(522, 524, 526)에서 추출된 일부 또는 전부의 국부적 특징 데이터를 클래스 토큰(530)에 결합시킬 수 있다. 객체 분류 장치는 가용한 자원 상황에 따라 필요한 일부 국부적 특징 데이터까지만 클래스 토큰(530)에 결합시킬 수 있다.
객체 분류 장치는 위와 같은 결합 과정의 결과로서 전역적 특징 데이터와 국부적 특징 데이터가 결합된 결합 특징 데이터(570)를 생성할 수 있고, 결합 특징 데이터(570)를 입력으로 하는 분류기(580)를 이용하여 입력 영상(510)에 나타난 객체의 클래스 또는 레이블을 예측할 수 있다.
도 6은 또 다른 실시예에 따른 뉴럴 네트워크를 이용한 객체 분류 과정을 설명하기 위한 도면이다.
도 6은 또 다른 실시예에 따른 뉴럴 네트워크를 이용한 객체 분류 과정을 설명하기 위한 도면이다.
도 6을 참조하면, 객체 분류 장치는 다중 클래스 벡터에 기반하여 입력 영상(510)에 대한 객체 분류를 수행할 수 있다. 뉴럴 네트워크(520)의 구조와 기능은 도 5의 뉴럴 네트워크(520)와 동일하며, 중복되는 설명은 생략한다. 뉴럴 네트워크(520)는 클래스 선택기(610)에 연결된다. 뉴럴 네트워크(520)의 출력에 대해 풀링(pooling)(예: 평균 풀링(average pooling) 또는 글로벌 평균 풀링(global average pooling; GAP)) 연산이 수행되고, 풀링 연산이 수행된 값이 클래스 선택기(610)에 입력된다. 클래스 선택기(610)는 멀티-레이어 퍼셉트론(MLP) 뉴럴 네트워크로 구현될 수 있다.
클래스 선택기(610)는 입력된 값에 기초하여 입력 영상(510)의 객체에 대한 복수의 후보 클래스들(클래스1, 클래스2, ??, 클래스N) 중 하나 이상의 후보 클래스를 선택하여 출력할 수 있다. 예를 들어, 클래스 선택기(610)는 각 후보 클래스의 확률 값에 기초하여 확률 값이 가장 큰 순서대로 K(미리 정의된 자연수) 개의 후보 클래스를 선택하여 출력할 수 있다. 본 실시예에서는 상위 2개 후보 클래스로서, 클래스1 및 클래스2(620)가 선택되었다고 가정한다. 객체 분류 장치는 선택된 클래스1 및 클래스2에 대한 클래스 벡터 데이터(630)와 뉴럴 네트워크(520)의 특징 추출 유닛들(522, 524, 526)에서 추출된 특징 데이터를 결합하는 것에 의해 객체 분류를 위한 결합 특징 데이터(670)를 생성할 수 있다.
결합 과정을 구체적으로 보면, 결합 유닛(640)에서는 클래스 벡터 데이터(630)와 특징 추출 유닛(526)에서 추출된 특징 데이터가 결합된다. 클래스 벡터 데이터(630)와 특징 추출 유닛(526)에서 추출된 특징 데이터에 기초하여 가중치(또는 어텐션)가 결정(644)되고, 가중치가 특징 추출 유닛(526)에서 추출된 특징 데이터에 적용될 수 있다. 클래스 벡터 데이터(630)와 가중치가 적용된 특징 데이터가 결합(646)되어 결합 특징 데이터가 생성될 수 있다. 이후에, 결합 유닛(650)에서는 결합 유닛(640)에 의해 생성된 결합 특징 데이터에 대해 데이터 차원을 특징 추출 유닛(524)에서 추출된 특징 데이터의 데이터 차원에 일치시키는 데이터 차원 변환(652)이 수행되고, 데이터 차원이 변환된 결합 특징 데이터와 특징 추출 유닛(524)에서 추출된 특징 데이터에 기초하여 가중치가 결정(654)될 수 있다. 결정된 가중치가 특징 추출 유닛(524)에서 추출된 특징 데이터에 적용되고, 가중치가 적용된 특징 데이터의 데이터 차원을 결합 유닛(640)에 의해 생성된 결합 특징 데이터의 차원에 일치시키는 데이터 차원 변환(655)이 수행될 수 있다. 데이터 차원 변환(655)이 수행된 특징 데이터와 결합 유닛(640)에 의해 생성된 결합 특징 데이터가 서로 결합(656)되어, 특징 추출 유닛(524)에서 추출된 특징 데이터가 업데이트된 결합 특징 데이터가 생성될 수 있다. 이후에, 결합 유닛(660)에서는 결합 유닛(650)에 의해 생성된 결합 특징 데이터에 대해 데이터 차원을 특징 추출 유닛(522)에서 추출된 특징 데이터의 데이터 차원에 일치시키는 데이터 차원 변환(662)이 수행되고, 데이터 차원이 변환된 결합 특징 데이터와 특징 추출 유닛(522)에서 추출된 특징 데이터에 기초하여 가중치가 결정(664)될 수 있다. 결정된 가중치가 특징 추출 유닛(522)에서 추출된 특징 데이터에 적용되고, 가중치가 적용된 특징 데이터의 데이터 차원을 결합 유닛(650)에 의해 생성된 결합 특징 데이터의 차원에 일치시키는 데이터 차원 변환(665)이 수행될 수 있다. 데이터 차원 변환(665)이 수행된 특징 데이터와 결합 유닛(650)에 의해 생성된 결합 특징 데이터가 서로 결합(666)되어, 특징 추출 유닛(622)에서 추출된 특징 데이터가 업데이트된 결합 특징 데이터(670)가 생성될 수 있다.
객체 분류 장치는 위와 같은 결합 과정의 결과로서 전역적 특징 데이터와 국부적 특징 데이터가 결합된 결합 특징 데이터(670)를 생성할 수 있고, 결합 특징 데이터(670)를 입력으로 하는 분류기(680)를 이용하여 입력 영상(510)에 나타난 객체의 클래스 또는 레이블을 예측할 수 있다.
도 7은 일 실시예에 따른 객체 분류 장치의 구성을 도시하는 블록도이다.
도 7을 참조하면, 객체 분류 장치(700)는 입력 영상에서 객체를 검출하고 분류하는 컴퓨팅 장치로서, 도 1의 객체 분류 장치(100)에 대응할 수 있다. 객체 분류 장치(700)는 객체 분류 방법과 관련하여 본 명세서에서 기술되거나 또는 도시된 하나 이상의 동작을 수행할 수 있다.
객체 분류 장치(700)는 프로세서(710), 메모리(720) 및 통신 장치(730)를 포함할 수 있으며, 실시예에 따라 영상 촬영 장치(740)를 더 포함할 수도 있다. 객체 분류 장치(700)의 각 컴포넌트들은 통신 버스(750)를 통해 서로 통신할 수 있다.
프로세서(710)는 객체 분류 장치(700)의 전체적인 동작을 제어하며, 객체 분류 장치(700) 내에서 실행하기 위한 기능 및 인스트럭션들을 실행한다. 프로세서(710)는 도 1 내지 도 6을 통하여 전술한 하나 이상의 동작을 수행할 수 있다.
프로세서(710)는 입력 영상의 특징을 추출하는 뉴럴 네트워크에 의해 추출된 특징 데이터에 기초하여 입력 영상에 나타난 객체를 분류할 수 있다.
일 실시예에서, 프로세서(710)는 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장하고, 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득할 수 있다. 제2 특징 추출 레이어는 뉴럴 네트워크에 포함된 특징 추출 레이어들 중 가장 상위의 특징 추출 레이어일 수 있다. 프로세서(710)는 제1 특징 데이터와 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성할 수 있다. 프로세서(710)는 결합 특징 데이터와 분류기를 이용하여 객체 분류 결과를 결정할 수 있다.
결합 특징 데이터가 생성될 때, 프로세서(710)는 특징 데이터들을 순차적으로 결합하여 결합 특징 데이터를 생성할 수 있다. 예를 들어, 프로세서(710)는 제1 특징 데이터와 제2 특징 데이터를 결합하는 것에 의해 제1 결합 특징 데이터를 생성하고, 제1 결합 특징 데이터와 제1 특징 추출 레이어보다 하위의 제3 특징 추출 레이어로부터 추출된 제3 특징 데이터를 결합하는 것에 의해 제2 결합 특징 데이터를 생성할 수 있다. 프로세서(710)는 제2 결합 특징 데이터에 기초하여 객체의 분류 결과를 결정할 수 있다.
다른 실시예에서, 프로세서(710)는 뉴럴 네트워크의 특징 추출 레이어에 의해 추출된 특징 데이터를 저장하고, 입력 영상에 대응하는 클래스 벡터 데이터와 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성할 수 있다. 프로세서(710)는 뉴럴 네트워크의 복수의 특징 추출 레이어들 각각에 의해 추출된 특징 데이터를 저장하고, 클래스 벡터 데이터와 복수의 특징 추출 레이어들 각각에 의해 추출된 특징 데이터를 순차적으로 결합하는 것에 의해 결합 특징 데이터를 생성할 수 있다. 실시예에 따라, 프로세서(710)는 입력 영상의 객체에 대한 복수의 후보 클래스들 중 하나 이상의 후보 클래스를 선택하고, 선택된 하나 이상의 후보 클래스에 대한 클래스 벡터 데이터와 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성할 수도 있다. 프로세서(710)는 결합 특징 데이터와 분류기에 기초하여 입력 영상에 나타난 객체의 분류 결과를 결정할 수 있다.
메모리(720)는 프로세서(710)가 처리 동작을 수행하는데 필요한 정보를 저장한다. 예를 들어, 메모리(720)는 프로세서(710)에 의해 실행 가능한 명령어들을 저장할 수 있고, 소프트웨어 또는 프로그램이 실행되는 동안 관련 정보를 저장할 수 있다. 메모리(720)는 RAM, DRAM, SRAM과 같은 휘발성 메모리 및/또는 플래쉬 메모리와 같은 이 기술 분야에서 알려진 비휘발성 메모리를 포함할 수 있다.
통신 장치(730)는 유선 네트워크 또는 무선 네트워크를 통해 외부 장치와 통신할 수 있다. 통신 장치(730)를 통해 입력 영상이 객체 분류 장치(700)에 전달되거나 또는 객체 검출 결과에 대한 정보가 객체 분류 장치(700)로부터 외부 장치로 전송될 수 있다.
실시예에 따라, 객체 분류 장치(700)는 카메라와 같은 영상 촬영 장치(740)를 더 포함할 수도 있다. 영상 촬영 장치(740)는 컬러 영상, 흑백 영상, 그레이 영상, 적외선 영상, 및 깊이 영상 등을 획득할 수 있고, 객체 분류의 대상인 입력 영상을 촬영할 수 있다.
도 8은 일 실시예에 따른 전자 장치의 구성을 도시하는 블록도이다.
도 8을 참조하면, 전자 장치(800)는 다양한 형태의 전자 장치일 수 있다. 예를 들어, 전자 장치(800)는 스마트폰, 태블릿 컴퓨터, 웨어러블 기기, 넷북, 랩탑, 제품 검사 장치, 퍼스널 컴퓨터, 서버일 수 있으나, 이에 제한되지 않는다.
전자 장치(800)는 프로세서(810), 저장 장치(820), 센서(830), 입력 장치(840), 출력 장치(850) 및 통신 장치(860)를 포함할 수 있다. 전자 장치(800)의 각 컴포넌트들은 통신 버스(870)를 통해 서로 통신할 수 있다. 전자 장치(800)는 전술한 객체 분류 장치(예: 도 1의 객체 분류 장치(100) 또는 도 7의 객체 분류 장치(600))의 동작을 모두 수행할 수 있다.
프로세서(810)는 전자 장치(800)의 전체적인 동작을 제어하며, 전자 장치(800) 내에서 실행하기 위한 기능 및 인스트럭션을 실행한다. 프로세서(810)는 도 1 내지 도 7을 통하여 전술한 동작들을 수행할 수 있다.
일 실시예에서, 프로세서(810)는 입력 영상의 특징을 추출하는 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장하고, 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득할 수 있다. 프로세서(810)는 제1 특징 데이터와 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하고, 결합 특징 데이터에 기초하여 입력 영상에 나타난 객체의 분류 결과를 결정할 수 있다.
다른 실시예에서, 프로세서(810)는 뉴럴 네트워크의 특징 추출 레이어에 의해 추출된 특징 데이터를 저장하고, 입력 영상에 대응하는 클래스 벡터 데이터와 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성할 수 있다. 프로세서(810)는 생성된 결합 특징 데이터에 기초하여 입력 영상에 나타난 객체의 분류 결과를 결정할 수 있다.
저장 장치(820)는 전자 장치(800)가 동작을 수행하는데 필요한 정보를 저장한다. 예를 들어, 저장 장치(820)는 프로세서(810)에 의해 실행 가능한 명령어들 내지 프로그램을 저장할 수도 있고, 입/출력되는 데이터(예: 분류기, 입력 영상)를 저장할 수 있다. 저장 장치(820)는 RAM, DRAM, SRAM, 또는 이 기술 분야에서 알려진 다른 형태의 비휘발성 메모리, 플래쉬 메모리(flash memory), 하드 디스크, 자기 디스크, 광디스크 등을 포함할 수 있다.
센서(830)는 영상 센서, 비디오 센서와 같은 영상 촬영 장치를 포함할 수 있다. 영상 촬영 장치는 객체 분류의 대상이 되는 영상을 획득할 수 있다.
입력 장치(840)는 촉각, 비디오, 오디오 또는 터치 입력 등을 통해 사용자로부터 사용자 입력을 수신할 수 있다. 예를 들어, 입력 장치(840)는 키보드, 마우스, 터치 패드, 마이크로폰, 또는 사용자 입력을 전자 장치(800)에 전달할 수 있는 임의의 다른 장치를 포함할 수 있다.
출력 장치(850)는 시각적, 청각적 또는 촉각적인 채널을 통해 사용자에게 전자 장치(800)의 출력을 제공할 수 있다. 출력 장치(860)는 예를 들어 액정 디스플레이나 LED/OLED 디스플레이를 위한 디스플레이 패널, 터치 스크린, 스피커, 진동 발생 장치 또는 사용자에게 출력을 제공할 수 있는 임의의 다른 장치를 포함할 수 있다. 출력 장치(850)는 예를 들어 입력 영상의 객체 분류 결과 정보를 제공할 수 있다.
통신 장치(860)는 유선 네트워크 또는 무선 네트워크(예: 셀룰러 통신, 블루투스 통신, 근거리 무선 통신, 와이파이 통신, 적외선 통신)를 통해 외부 장치와 통신할 수 있다. 통신 장치(860)를 통해 입력 영상이 전자 장치(800)에 전달되거나, 입력 영상의 객체 분류 결과에 대한 정보가 전자 장치(800)의 외부로 전송될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 저장할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (21)

  1. 입력 영상을 수신하는 동작;
    상기 입력 영상의 특징을 추출하는 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장하는 동작;
    상기 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득하는 동작;
    상기 제1 특징 데이터와 상기 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터(merged feature data)를 생성하는 동작; 및
    상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정하는 동작
    을 포함하는 객체 분류 방법.
  2. 제1항에 있어서,
    상기 제2 특징 추출 레이어는,
    상기 뉴럴 네트워크에 포함된 특징 추출 레이어들 중 가장 상위의 특징 추출 레이어인,
    객체 분류 방법.
  3. 제1항에 있어서,
    상기 결합 특징 데이터를 생성하는 동작은,
    상기 제1 특징 데이터에 적용될 가중치를 결정하는 동작;
    상기 결정된 가중치를 상기 제1 특징 데이터에 적용하여 가중치가 적용된 제1 특징 데이터를 결정하는 동작; 및
    상기 제2 특징 데이터와 상기 가중치가 적용된 제1 특징 데이터를 결합하는 것에 의해 상기 결합 특징 데이터를 생성하는 동작
    을 포함하는 객체 분류 방법.
  4. 제1항에 있어서,
    상기 결합 특징 데이터를 생성하는 동작은,
    상기 제1 특징 데이터에 대응하는 특징 맵과 상기 제2 특징 데이터에 대응하는 특징 벡터 간의 내적(inner product)을 통해 상기 결합을 수행하는 동작
    을 포함하는 객체 분류 방법.
  5. 제1항에 있어서,
    상기 결합 특징 데이터를 생성하는 동작은,
    상기 제2 특징 데이터의 차원(dimension)이 상기 제1 특징 데이터의 차원에 대응되도록 상기 제2 특징 데이터를 변환하는 동작; 및
    상기 변환된 제2 특징 데이터와 상기 제1 특징 데이터를 결합하여 결합 특징 데이터를 생성하는 동작
    을 포함하는 객체 분류 방법.
  6. 제5항에 있어서,
    상기 결합 특징 데이터를 생성하는 동작은,
    상기 결합 특징 데이터의 차원이 상기 제2 특징 데이터의 차원에 대응되도록 상기 결합 특징 데이터를 변환하는 동작
    을 더 포함하는 객체 분류 방법.
  7. 제1항에 있어서,
    상기 결합 특징 데이터를 생성하는 동작은,
    상기 제1 특징 데이터와 상기 제2 특징 데이터를 결합하는 것에 의해 제1 결합 특징 데이터를 생성하는 동작; 및
    상기 제1 결합 특징 데이터와 상기 제1 특징 추출 레이어보다 하위의 제3 특징 추출 레이어로부터 추출된 제3 특징 데이터를 결합하는 것에 의해 제2 결합 특징 데이터를 생성하는 동작
    을 포함하고,
    상기 객체의 분류 결과를 결정하는 동작은,
    상기 제2 결합 특징 데이터에 기초하여 상기 객체의 분류 결과를 결정하는 동작
    을 포함하는 객체 분류 방법.
  8. 제7항에 있어서,
    상기 제2 결합 특징 데이터를 생성하는 동작은,
    상기 제1 결합 특징 데이터의 차원이 상기 제3 특징 데이터의 차원에 대응되도록 상기 제1 결합 특징 데이터를 변환하는 동작; 및
    상기 변환된 제1 결합 특징 데이터와 상기 제3 특징 데이터를 결합하여 제2 결합 특징 데이터를 생성하는 동작
    을 포함하는 객체 분류 방법.
  9. 제1항에 있어서,
    상기 제1 특징 데이터는,
    상기 입력 영상의 국부적 특징을 포함하고,
    상기 제2 특징 데이터는,
    상기 입력 영상의 전역적 특징을 포함하는,
    객체 분류 방법.
  10. 입력 영상을 수신하는 동작;
    상기 입력 영상의 특징을 추출하는 뉴럴 네트워크의 특징 추출 레이어에 의해 추출된 특징 데이터를 저장하는 동작;
    상기 입력 영상에 대응하는 클래스 벡터 데이터와 상기 특징 데이터를 결합하는 것에 의해 결합 특징 데이터(merged feature data)를 생성하는 동작; 및
    상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정하는 동작
    을 포함하는 객체 분류 방법.
  11. 제10항에 있어서,
    상기 결합 특징 데이터를 생성하는 동작은,
    상기 입력 영상의 객체에 대한 복수의 후보 클래스들 중 하나 이상의 후보 클래스를 선택하는 동작; 및
    상기 선택된 하나 이상의 후보 클래스에 대한 클래스 벡터 데이터와 상기 특징 데이터를 결합하는 것에 의해 상기 결합 특징 데이터를 생성하는 동작
    을 포함하는 객체 분류 방법.
  12. 제10항에 있어서,
    상기 특징 데이터를 저장하는 동작은,
    상기 뉴럴 네트워크의 복수의 특징 추출 레이어들 각각에 의해 추출된 특징 데이터를 저장하는 동작을 포함하고,
    상기 결합 특징 데이터를 생성하는 동작은,
    상기 클래스 벡터 데이터와 상기 복수의 특징 추출 레이어들 각각에 의해 추출된 특징 데이터를 순차적으로 결합하는 것에 의해 상기 결합 특징 데이터를 생성하는 동작
    을 포함하는 객체 분류 방법.
  13. 제10항에 있어서,
    상기 결합 특징 데이터를 생성하는 동작은,
    상기 클래스 벡터 데이터의 차원(dimension)이 상기 특징 데이터의 차원에 대응되도록 상기 클래스 벡터 데이터를 변환하는 동작; 및
    상기 변환된 클래스 벡터 데이터와 상기 특징 데이터를 결합하여 결합 특징 데이터를 생성하는 동작
    을 포함하는 객체 분류 방법.
  14. 제1항 내지 제13항 중 어느 한 항의 방법을 수행하기 위한 명령어를 포함하는 하나 이상의 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 기록 매체.
  15. 뉴럴 네트워크를 이용한 객체 분류 장치에 있어서,
    입력 영상의 특징을 추출하는 뉴럴 네트워크에 의해 추출된 특징 데이터에 기초하여 입력 영상에 나타난 객체를 분류하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장하고,
    상기 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득하고,
    상기 제1 특징 데이터와 상기 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하고,
    상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정하는,
    객체 분류 장치.
  16. 제15항에 있어서,
    상기 제2 특징 추출 레이어는,
    상기 뉴럴 네트워크에 포함된 특징 추출 레이어들 중 가장 상위의 특징 추출 레이어인,
    객체 분류 장치.
  17. 제15항에 있어서,
    상기 프로세서는,
    상기 제1 특징 데이터와 상기 제2 특징 데이터를 결합하는 것에 의해 제1 결합 특징 데이터를 생성하고,
    상기 제1 결합 특징 데이터와 상기 제1 특징 추출 레이어보다 하위의 제3 특징 추출 레이어로부터 추출된 제3 특징 데이터를 결합하는 것에 의해 제2 결합 특징 데이터를 생성하고,
    상기 제2 결합 특징 데이터에 기초하여 상기 객체의 분류 결과를 결정하는,
    객체 분류 장치.
  18. 뉴럴 네트워크를 이용한 객체 분류 장치에 있어서,
    입력 영상의 특징을 추출하는 뉴럴 네트워크에 의해 추출된 특징 데이터에 기초하여 입력 영상에 나타난 객체를 분류하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 뉴럴 네트워크의 특징 추출 레이어에 의해 추출된 특징 데이터를 저장하고,
    상기 입력 영상에 대응하는 클래스 벡터 데이터와 상기 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하고,
    상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정하는,
    객체 분류 장치.
  19. 제18항에 있어서,
    상기 프로세서는,
    상기 입력 영상의 객체에 대한 복수의 후보 클래스들 중 하나 이상의 후보 클래스를 선택하고,
    상기 선택된 하나 이상의 후보 클래스에 대한 클래스 벡터 데이터와 상기 특징 데이터를 결합하는 것에 의해 상기 결합 특징 데이터를 생성하는,
    객체 분류 장치.
  20. 제18항에 있어서,
    상기 프로세서는,
    상기 뉴럴 네트워크의 복수의 특징 추출 레이어들 각각에 의해 추출된 특징 데이터를 저장하고,
    상기 클래스 벡터 데이터와 상기 복수의 특징 추출 레이어들 각각에 의해 추출된 특징 데이터를 순차적으로 결합하는 것에 의해 상기 결합 특징 데이터를 생성하는,
    객체 분류 장치.
  21. 프로세서; 및
    상기 프로세서에 의해 실행 가능한 명령어들을 포함하는 메모리를 포함하고,
    상기 명령어가 상기 프로세서에서 실행되면, 상기 프로세서는,
    입력 영상의 특징을 추출하는 상기 뉴럴 네트워크의 제1 특징 추출 레이어에 의해 추출된 제1 특징 데이터를 저장하고,
    상기 제1 특징 추출 레이어보다 상위 레이어인 제2 특징 추출 레이어로부터 제2 특징 데이터를 획득하고,
    상기 제1 특징 데이터와 상기 제2 특징 데이터를 결합하는 것에 의해 결합 특징 데이터를 생성하고,
    상기 결합 특징 데이터에 기초하여 상기 입력 영상에 나타난 객체의 분류 결과를 결정하는,
    전자 장치.
KR1020210126062A 2021-09-24 2021-09-24 영상 내 객체를 분류하는 객체 분류 방법 및 장치 KR20230043318A (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020210126062A KR20230043318A (ko) 2021-09-24 2021-09-24 영상 내 객체를 분류하는 객체 분류 방법 및 장치
US17/697,160 US11989931B2 (en) 2021-09-24 2022-03-17 Method and apparatus with object classification
CN202210279284.7A CN115861675A (zh) 2021-09-24 2022-03-21 对象分类方法和设备
EP22169643.8A EP4156123A1 (en) 2021-09-24 2022-04-25 Method and apparatus for object classification

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210126062A KR20230043318A (ko) 2021-09-24 2021-09-24 영상 내 객체를 분류하는 객체 분류 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20230043318A true KR20230043318A (ko) 2023-03-31

Family

ID=81454689

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210126062A KR20230043318A (ko) 2021-09-24 2021-09-24 영상 내 객체를 분류하는 객체 분류 방법 및 장치

Country Status (4)

Country Link
US (1) US11989931B2 (ko)
EP (1) EP4156123A1 (ko)
KR (1) KR20230043318A (ko)
CN (1) CN115861675A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220065209A (ko) * 2020-11-13 2022-05-20 삼성전자주식회사 다양한 품질의 영상을 인식하는 방법 및 장치
KR20230043318A (ko) * 2021-09-24 2023-03-31 삼성전자주식회사 영상 내 객체를 분류하는 객체 분류 방법 및 장치

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004090752A1 (en) 2003-04-14 2004-10-21 Koninklijke Philips Electronics N.V. Method and apparatus for summarizing a music video using content analysis
WO2006053271A1 (en) 2004-11-12 2006-05-18 Mok3, Inc. Method for inter-scene transitions
US8763114B2 (en) 2007-01-24 2014-06-24 Mcafee, Inc. Detecting image spam
KR100924690B1 (ko) 2007-12-17 2009-11-03 한국전자통신연구원 디지털 영상 특징 관리 시스템 및 그 방법
WO2012016370A1 (en) 2010-08-02 2012-02-09 Peking University Representative motion flow extraction for effective video classification and retrieval
US8711248B2 (en) 2011-02-25 2014-04-29 Microsoft Corporation Global alignment for high-dynamic range image generation
EP2608062A1 (en) 2011-12-23 2013-06-26 Thomson Licensing Method of automatic management of images in a collection of images and corresponding device
KR101479225B1 (ko) 2014-02-26 2015-01-05 연세대학교 산학협력단 특징 벡터 생성 방법 및 그 장치, 이를 이용한 영상 인식 방법 및 장치
US9536293B2 (en) 2014-07-30 2017-01-03 Adobe Systems Incorporated Image assessment using deep convolutional neural networks
US9665927B2 (en) 2015-06-03 2017-05-30 Samsung Electronics Co., Ltd. Method and apparatus of multi-frame super resolution robust to local and global motion
US11423323B2 (en) * 2015-09-02 2022-08-23 Qualcomm Incorporated Generating a sparse feature vector for classification
US10002313B2 (en) 2015-12-15 2018-06-19 Sighthound, Inc. Deeply learned convolutional neural networks (CNNS) for object localization and classification
GB201818948D0 (en) 2018-11-21 2019-01-09 Yoti Holding Ltd Age estimation
KR20200101514A (ko) 2019-01-30 2020-08-28 한국전력공사 딥 러닝을 이용한 객체 검출 시스템
WO2020202505A1 (en) * 2019-04-03 2020-10-08 Nec Corporation Image processing apparatus, image processing method and non-transitoty computer readable medium
KR102249663B1 (ko) 2019-04-10 2021-05-10 한국과학기술연구원 귀 인식 기반 신원확인 방법 및 시스템
CN110309856A (zh) * 2019-05-30 2019-10-08 华为技术有限公司 图像分类方法、神经网络的训练方法及装置
JP7453767B2 (ja) * 2019-09-25 2024-03-21 キヤノン株式会社 情報処理装置、情報処理方法
KR20230043318A (ko) * 2021-09-24 2023-03-31 삼성전자주식회사 영상 내 객체를 분류하는 객체 분류 방법 및 장치

Also Published As

Publication number Publication date
EP4156123A1 (en) 2023-03-29
US11989931B2 (en) 2024-05-21
US20230095716A1 (en) 2023-03-30
CN115861675A (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
US10943126B2 (en) Method and apparatus for processing video stream
CN109558832B (zh) 一种人体姿态检测方法、装置、设备及存储介质
WO2021203863A1 (zh) 基于人工智能的物体检测方法、装置、设备及存储介质
US10242289B2 (en) Method for analysing media content
CN111738231B (zh) 目标对象检测方法、装置、计算机设备和存储介质
US20180114071A1 (en) Method for analysing media content
Basly et al. CNN-SVM learning approach based human activity recognition
JP2022505775A (ja) 画像分類モデルの訓練方法、画像処理方法及びその装置、並びにコンピュータプログラム
Bhavana et al. Hand sign recognition using CNN
CN113449573A (zh) 一种动态手势识别方法及设备
CN114418069B (zh) 一种编码器的训练方法、装置及存储介质
KR101802500B1 (ko) 영상 인식을 위한 학습 장치 및 그 학습 방법
KR20230043318A (ko) 영상 내 객체를 분류하는 객체 분류 방법 및 장치
CN112084959B (zh) 一种人群图像处理方法及装置
CN114429675A (zh) 动作识别方法、模型训练方法、装置及电子设备
KR102305613B1 (ko) 감정 인식 방법 및 장치
Mirza et al. Efficient kinect sensor-based kurdish sign language recognition using echo system network
Pandey Automated gesture recognition and speech conversion tool for speech impaired
Lahiani et al. Hand gesture recognition system based on LBP and SVM for mobile devices
Ghorai et al. Indian sign language recognition system using network deconvolution and spatial transformer network
Veerashetty et al. Texture-based face recognition using grasshopper optimization algorithm and deep convolutional neural network
He et al. An Ultra-High Speed Gesture Recognition Algorithm Based on MobileNetV2
KR102533765B1 (ko) 영상 변환 네트워크를 이용한 영상 처리하는 전자 장치 및 영상 변환 네트워크의 학습 방법
CN115083020B (zh) 信息生成方法、装置、电子设备和计算机可读介质
Hong et al. Real-time face detection and phone-to-face distance measuring for speech recognition for multi-modal interface in mobile device

Legal Events

Date Code Title Description
A201 Request for examination