초록 ▼

픽셀 단위의(pixilated) 2차원 디지털 이미지의 스트림에서 객체(object)를 검출하고 인식하기 위하여 딥 러닝을 채용하는 적응적 실시간 검출 및 검사 네트워크. 네트워크는 픽셀 단위의 이미지 프레임으로서의 이미지 소스로부터의 이미지를 입력층과 출력층을 갖는 CNN에 제공하고, CNN은 이미지 내의 객체를 식별하여 분류한다. 또한, 네트워크는 이미지 소스 및 이의 위치에 관한 메타데이터(metadata)를 제공하고, 객체 분류 데이터 및 메타데이터를 이미지 내의 분류된 객체의 모션과 상대 속도를 식별하는 RNN에 제공한다.

픽셀 단위의(pixilated) 2차원 디지털 이미지의 스트림에서 객체(object)를 검출하고 인식하기 위하여 딥 러닝을 채용하는 적응적 실시간 검출 및 검사 네트워크. 네트워크는 픽셀 단위의 이미지 프레임으로서의 이미지 소스로부터의 이미지를 입력층과 출력층을 갖는 CNN에 제공하고, CNN은 이미지 내의 객체를 식별하여 분류한다. 또한, 네트워크는 이미지 소스 및 이의 위치에 관한 메타데이터(metadata)를 제공하고, 객체 분류 데이터 및 메타데이터를 이미지 내의 분류된 객체의 모션과 상대 속도를 식별하는 RNN에 제공한다. 네트워크는 CNN으로부터의 객체 분류 데이터와 RNN으로부터의 모션 데이터를 조합하고, 조합된 데이터를 상관시켜 각각의 분류된 객체 주위의 경계 상자와 분류된 객체의 상대 속도와 이동 방향의 인디케이터(indicator)를 정의하며, 이들은 디스플레이 장치에 디스플레이될 수 있다.

대표청구항 ▼

이미지 소스로부터의 비디오 스트림에서 객체(object)의 상대 속도를 식별하고, 분류하고 나타내는 방법에 있어서,상기 비디오 스트림으로부터의 픽셀 단위의(pixilated) 이미지 프레임의 시퀀스를 입력층과 출력층을 포함하는 컨볼루션 신경망(convolutional neural network(CNN))에 제공하는 단계;상기 CNN을 이용하여 상기 이미지 프레임 내의 객체를 식별하여 분류하고, 상기 출력층에 객체 분류 데이터를 제공하는 단계;상기 이미지 소스로부터 메타데이터(metadata)를 제공하는 단계;상기 출력층에서의 상기

이미지 소스로부터의 비디오 스트림에서 객체(object)의 상대 속도를 식별하고, 분류하고 나타내는 방법에 있어서,상기 비디오 스트림으로부터의 픽셀 단위의(pixilated) 이미지 프레임의 시퀀스를 입력층과 출력층을 포함하는 컨볼루션 신경망(convolutional neural network(CNN))에 제공하는 단계;상기 CNN을 이용하여 상기 이미지 프레임 내의 객체를 식별하여 분류하고, 상기 출력층에 객체 분류 데이터를 제공하는 단계;상기 이미지 소스로부터 메타데이터(metadata)를 제공하는 단계;상기 출력층에서의 상기 객체 분류 데이터와 상기 메타데이터를 순환 신경망(recurrent neural network(RNN))에 제공하는 단계;상기 RNN을 이용하여 상기 객체 분류 데이터 및 상기 메타데이터에 기초하여 상기 이미지 프레임 내의 분류된 상기 객체의 모션과 상대 속도를 식별하여 객체 모션 데이터를 생성하고, 상기 RNN으로부터 상기 객체 모션 데이터를 제공하는 단계;상기 CNN으로부터의 상기 객체 분류 데이터와 상기 RNN으로부터의 상기 객체 모션 데이터를 조합하는 단계;조합된 상기 객체 분류 데이터와 상기 객체 모션 데이터를 상기 이미지 프레임과 상관시켜, 각각의 분류된 객체 주위의 경계 상자와 상기 분류된 객체의 상대 속도 및 이동 방향의 인디케이터(indicator)를 포함하는 상관된 이미지를 제공하는 단계; 및상기 상관된 이미지를 디스플레이 장치 상에 디스플레이하는 단계를 포함하고,상기 방법의 각각의 단계는 이미지에서 객체의 상대 속도를 식별하고, 분류하고 나타내기 위한 객체 검출 및 분류 시스템에 의해 수행되는, 방법.