입력된 저해상도 영상을 고해상도 영상으로 변환하는 초해상도 적용부;상기 고해상도 영상에서 객체를 검출하는 객체 검출부;상기 객체가 포함된 영역을 관심영역으로 선택하는 영역선택부; 및상기 관심영역을 출력하기 위해 저장하는 출력영상 저장부;를 포함하고,상기 객체 검출부는,상기 고해상도 영상을 복수의 그리드로 분할하는 그리드 분할부;상기 그리드에 대해 합성곱 연산을 기반으로 객체를 검출하는 합성곱 모델 적용부; 및상기 객체가 포함된 영역에 대해 경계상자(bounding box)를 설정하고, 클래스 확률(class probabilities)을 예측하는 객체예측부;를 포함하며,상기 합성곱 모델 적용부는,사전에 학습된 데이터 세트의 가중치로부터 제1 데이터 세트를 전이학습으로 훈련시키는 전이학습부;상기 제1 데이터 세트와 동일한 종류의 제2 데이터 세트를 커리큘럼 학습 방법으로 학습하는 커리큘럼 학습부;상기 제2 데이터 세트에 대한 손실함수를 계산하고, 학습을 완료할지 판단하는 손실함수 판단부; 및상기 객체를 검출하기 위한 파라미터를 결정하여 상기 객체를 검출하는 파라미터 결정부;를 더 포함하는 객체 검출 장치.

제1항에 있어서,상기 초해상도 적용부는 생성적 적대 네트워크(Generative Adversarial Network, GAN)를 이용하여 해상도를 향상시키는 것을 특징으로 하는 객체 검출 장치.

삭제

삭제

제1항에 있어서,상기 전이학습부는,전이학습을 수행하기 위하여 사전 학습된 데이터 세트 및 가중치를 선택하는 사전 데이터 선택부;상기 사전 학습된 데이터 세트 및 가중치를 이용하여 상기 제1 데이터 세트를 전이학습 기법으로 학습하는 선행 학습부; 및상기 전이학습를 기반으로 획득한 가중치를 제1 파라미터로 저장하는 제1 파라미터 저장부;를 포함하는 것을 특징으로 하는 객체 검출 장치.

제1항에 있어서,상기 커리큘럼 학습부는,학습을 위한 상기 제2 데이터 세트를 추가하는 학습데이터 추가부;커리큘럼 학습 기법을 이용하여 학습을 수행하는 네트워크 학습부;상기 제1 데이터 세트와 상기 제2 데이터 세트 간의 오차를 판단하는 오차 판단부; 및상기 커리큘럼 학습에서 도출된 가중치를 제2 파라미터로 저장하는 제2 파라미터 저장부;를 포함하며,상기 오차 판단부는 상기 오차가 임계값 이하가 되도록 제3 내지 제 N 데이터 세트를 추가하여 반복 학습을 수행하는 것을 특징으로 하는 객체 검출 장치.

초해상도 적용부에서 입력된 저해상도 영상을 고해상도 영상으로 변환하는 단계;객체 검출부에서 상기 고해상도 영상에서 객체를 검출하는 단계;영역선택부에서 상기 객체가 포함된 영역을 관심영역으로 선택하는 단계; 및출력영상 저장부에서 상기 관심영역을 출력하기 위해 저장하는 단계;를 포함하고,상기 객체를 검출하는 단계는,그리드 분할부에서 상기 고해상도 영상을 복수의 그리드로 분할하는 단계;합성곱 모델 적용부에서 상기 그리드에 대해 합성곱 연산을 기반으로 객체를 검출하는 단계; 및객체예측부에서 상기 객체가 포함된 영역에 대해 경계상자(bounding box)를 설정하고, 클래스 확률(class probabilities)을 예측하는 단계;를 포함하며,상기 합성곱 연산을 기반으로 객체를 검출하는 단계는,전이학습부에서 사전에 학습된 데이터 세트의 가중치로부터 제1 데이터 세트를 전이학습으로 훈련시키는 단계;커리큘럼 학습부에서 상기 제1 데이터 세트와 동일한 종류의 제2 데이터 세트를 커리큘럼 학습 방법으로 학습하는 단계;손실함수 판단부에서 상기 제2 데이터 세트에 대한 손실함수를 계산하고, 학습을 완료할지 판단하는 단계; 및파라미터 결정부에서 상기 객체를 검출하기 위한 파라미터를 결정하여 상기 객체를 검출하는 단계;를 더 포함하는 객체 검출 방법.

제7항에 있어서, 상기 고해상도 영상으로 변환하는 단계는 생성적 적대 네트워크(Generative Adversarial Network, GAN)를 이용하여 해상도를 향상시키는 것을 특징으로 하는 객체 검출 방법.

삭제

삭제

제7항에 있어서,상기 전이학습으로 훈련시키는 단계는,사전 데이터 선택부에서 전이학습을 수행하기 위하여 사전 학습된 데이터 세트 및 가중치를 선택하는 단계;선행 학습부에서 상기 사전 학습된 데이터 세트 및 가중치를 이용하여 상기 제1 데이터 세트를 전이학습 기법으로 학습하는 단계; 및제1 파라미터 저장부에서 상기 전이학습을 기반으로 획득한 가중치를 제1 파라미터로 저장하는 단계;를 포함하는 것을 특징으로 하는 객체 검출 방법.

제7항에 있어서,상기 커리큘럼 학습 방법으로 학습하는 단계는,학습데이터 추가부 학습을 위한 상기 제2 데이터 세트를 추가하는 단계;네트워크 학습부 커리큘럼 학습 기법을 이용하여 학습을 수행하는 단계;오차 판단부에서 상기 제1 데이터 세트와 상기 제2 데이터 세트 간의 오차를 판단하는 단계; 및제2 파라미터 저장부에서 상기 커리큘럼 학습에서 도출된 가중치를 제2 파라미터로 저장하는 단계;를 포함하며,상기 오차를 판단하는 단계는 상기 오차가 임계값 이하가 되도록 제3 내지 제 N 데이터 세트를 추가하여 상기 커리큘럼 학습을 반복 수행하는 것을 특징으로 하는 객체 검출 방법.