제 2 항에 있어서,상기 최종 샘플 데이터 세트의 총 양을 데이터 확장 기술을 통해 확장하고,학습 속도가 향상되도록 상기 모발 손상 정도 이미지의 크기를 224 × 224 로 조정하는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 방법.

주사 전자 현미경으로 촬영한 모발 손상 정도 이미지를 수집부에 의해 수집하는 제 1 단계;수집된 상기 모발 손상 정도 이미지를 구성부에 의해 DHI(Damage Hair Image) 데이터 세트로 생성하는 제 2 단계;생성된 DHI 데이터 세트로부터 추출부에 의해 상기 모발 손상 정도 이미지의 특징을 추출하는 제 3 단계;추출된 상기 특징을 선택부에 의해 선택하는 제 4 단계;선택된 상기 특징을 분류부에 의해 분류하는 제 5 단계;를 포함하며,상기 선택부는 이득 비율(Gain Ratio) 알고리즘을 사용하여 상기 특징을 선택하고,상기 이득 비율 알고리즘에 의해 특징 벡터가 이미지 정보에서 생성될 때 속성을 선택하며,상기 이득 비율 알고리즘은 정보 이득을 계산할 때, 엔트로피는 복잡성을 측정하는데 사용하고, 결정 트리는 벡터 속성을 관찰하는데 사용하고,상기 이득 비율은 하기 수식 1 내지 수식 4에 의해 정의되는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 방법.- [수식 1]여기서, 는 샘플이 클래스에 속할 확률이고, 값을 갖는 주어진 속성 의 엔트로피 계산은 수식 2이며,[수식 2]여기서, 변수 는 서브셋 의 클래스 에 속하는 샘플의 수를 나타내고, 속성 이득 는 수식 3이고,[수식 3] 수식 4는 D의 데이터 세트를 파티션으로 나누어 생성된 정보값이며,[수식 4]상기 이득 비율은 상기 수식 (3)의 솔루션을 상기 수식 (4)의 솔루션으로 나눈 결과임 -

제 1 항에 있어서,상기 DHI 데이터 세트는,상기 모발 손상 정도 이미지의 모발 샘플을 상부, 중간, 하부의 3 부분 샘플로 분류하고, 분류된 3 부분 샘플을 상기 주사 전자 현미경으로 각각 스캐닝하여 경상, 중상, 심각한 중상의 최종 샘플 데이터 세트로 생성하는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 방법.

제 1 항에 있어서,상기 추출부는 경량의 컨볼루션 신경망(CNN: Convolutional Neural Network)인 HDM-NET(Hair-Diagnosis-Mobilenet)을 통해 상기 특징을 추출하는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 방법.

제 4 항에 있어서,상기 HDM-NET은,MobileNet의 내부에 깊이별 컨볼루션(depthwise convolution)과, 포인트별 컨볼루션(pointwise convolution)으로 구성된 깊이별 분리 가능한 컨볼루션(depthwise separable convolution)을 기반으로 하는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 방법.

제 5 항에 있어서,상기 깊이별 분리 가능한 컨볼루션은 상기 깊이별 컨볼루션을 사용하여 입력의 각 채널당 단일 필터를 적용하고, 1 × 1 포인트별 컨볼루션을 사용하여 깊이별 레이어에서 출력의 선형 조합을 생성하는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 방법.

제 6 항에 있어서,상기 HDM-NET은,히든층이 컨볼루션 레이어, 깊이별 컨볼루션 레이어, BN(Batch Normalization) 레이어, ReLU 레이어, 포인트별 컨볼루션 레이어, BN 레이어, ReLU 레이어의 순으로 형성되는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 방법.

제 7 항에 있어서,상기 HDM-NET은,상기 MobileNet에서 깊이별 컨볼루션의 5개 레이어에서 3개의 레이어를 제거하고,최종 에버리지 풀링을 글로벌 풀링으로 변경 후 BN을 추가하며, 상기 BN과, 상기 Relu에 대한 풀리 연결 층(Fully connected Layer)을 제거하여 과적합의 발생을 완화시키는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 방법.

삭제

삭제

제 1 항에 있어서,상기 분류부는 SVM(Support Vector Machine) 분류기를 사용하는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 방법.

제 1 항 내지 제 8 항, 제 11 항 중 한 항에 따른 머신러닝 기반 모발 건강 진단 방법에 의해 진단되는 머신러닝 기반 모발 건강 진단 시스템.

주사 전자 현미경으로 촬영한 모발 손상 정도 이미지를 수집하는 수집부;수집된 상기 모발 손상 정도 이미지를 DHI(Damage Hair Image) 데이터 세트로 생성하는 구성부;생성된 DHI 데이터 세트로부터 상기 모발 손상 정도 이미지의 특징을 추출하는 추출부;추출된 상기 특징을 선택하는 선택부; 및선택된 상기 특징을 분류하는 분류부;를 포함하며,상기 선택부는 이득 비율(Gain Ratio) 알고리즘을 사용하여 상기 특징을 선택하고,상기 이득 비율 알고리즘에 의해 특징 벡터가 이미지 정보에서 생성될 때 속성을 선택하며,상기 이득 비율 알고리즘은 정보 이득을 계산할 때, 엔트로피는 복잡성을 측정하는데 사용하고, 결정 트리는 벡터 속성을 관찰하는데 사용하고,상기 이득 비율은 하기 수식 1 내지 수식 4에 의해 정의되는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 시스템.- [수식 1]여기서, 는 샘플이 클래스에 속할 확률이고, 값을 갖는 주어진 속성 의 엔트로피 계산은 수식 2이며,[수식 2]여기서, 변수 는 서브셋 의 클래스 에 속하는 샘플의 수를 나타내고, 속성 이득 는 수식 3이고,[수식 3] 수식 4는 D의 데이터 세트를 파티션으로 나누어 생성된 정보값이며,[수식 4]상기 이득 비율은 상기 수식 (3)의 솔루션을 상기 수식 (4)의 솔루션으로 나눈 결과임 -

제 13 항에 있어서,상기 추출부는 경량의 컨볼루션 신경망(CNN: Convolutional Neural Network)인 HDM-NET(Hair-Diagnosis-Mobilenet)을 통해 상기 특징을 추출하는 것을 특징으로 하는,머신러닝 기반 모발 건강 진단 시스템.

삭제