두피 영상을 입력받고, 머리카락 객체의 검출 결과를 출력하기 위한 통신 인터페이스;다수의 두피 영상 및 두피 영상에서의 실제 머리카락 객체 검출 결과를 포함하는 복수의 데이터 셋으로 학습된 딥러닝 모델을 포함하는 메모리; 및상기 딥러닝 모델을 통해서, 상기 입력받은 두피 영상으로부터 특징 정보를 추출하고 추출된 특징 정보로부터 상기 두피 영상에 머리카락 객체를 검출하는 프로세서를 포함하되,상기 딥러닝 모델은, Swin Transformer를 통해 입력된 두피 영상에서 다수의 특징 정보를 추출하고, Dynamic Head 기술을 통해 추출한 다수의 특징 정보에 대한 픽셀 단위의 세그먼테이션(segmentation)을 수행하여 머리카락 객체를 검출하는 것을 특징으로 하는 딥러닝 기반의 탈모 진단 장치.

청구항 1에 있어서, 상기 딥러닝 모델은 상기 다수의 특징 정보로부터 머리카락 객체를 검출하기 전에, FPN(Feature Pyramid Network)를 통해 상기 추출한 특징 정보를 정제 및 재구성하여 수행한 후, 상기 FPN의 결과 값을 이용하여 BFN(Balanced feature pyramid network)를 더 수행하는 것을 특징으로 하는 딥러닝 기반의 탈모 진단 장치.

청구항 1에 있어서, 상기 검출 결과는 상기 입력받은 두피 영상에서 검출된 머리카락 객체의 바운딩 박스와 머리카락 객체 개수 중에서 하나 이상을 포함하는 것을 특징으로 하는 딥러닝 기반의 탈모 진단 장치.

청구항 1에 있어서, 상기 딥러닝 모델은HTC(Hybrid Task Cascade)를 사용하여 머리카락 객체를 픽셀 단위로 검출하는 것을 특징으로 하는 딥러닝 기반의 탈모 진단 장치.

통신 인터페이스, 메모리 및 프로세서를 포함하는 장치에 의한 딥러닝 기반의 탈모 진단 방법에 있어서, 상기 프로세서가상기 통신 인터페이스를 통해 두피 영상을 입력받는 단계;Swin Transformer를 이용해 상기 두피 영상으로부터 다수의 특징 정보로 추출하는 단계;Dynamic Head을 통해, 상기 다수의 특징 정보에 대한 픽셀 단위의 세그먼테이션(segmentation)을 수행하여 상기 두피 영상에 포함된 머리카락 객체를 검출하는 단계; 및상기 통신 인터페이스로 상기 머리카락 객체에 대한 검출 결과를 출력하는 단계를 포함하는 딥러닝 기반의 탈모 진단 방법.

청구항 5에 있어서, 상기 머리카락 객체를 검출하는 단계 이전에,FPN(Feature Pyramid Network)를 통해 상기 추출한 특징 정보를 정제 및 재구성하여 수행한 후, 상기 FPN의 결과 값을 이용하여 BFN(Balanced feature pyramid network)를 수행하는 단계를 더 포함하는 것을 특징으로 하는 딥러닝 기반의 탈모 진단 방법.

청구항 5에 있어서, 상기 검출 결과는 상기 입력받은 두피 영상에서 검출된 머리카락 객체의 바운딩 박스와 머리카락 객체 개수 중에서 하나 이상을 포함하는 것을 특징으로 하는 딥러닝 기반의 탈모 진단 방법.

청구항 5에 있어서, 상기 입력받는 단계이전에, 다수의 두피 영상 및 두피 영상에서의 실제 머리카락 객체 검출 결과를 포함하는 복수의 데이터 셋으로 상기 Swin Transformer, Dynamic Head를 포함하는 딥러닝 모델을 학습시키는 단계를 더 포함하는 것을 특징으로 하는 딥러닝 기반의 탈모 진단 방법.