학습 데이터 셋의 이미지에서 제1 특징점을 추출하고, 상기 제1 특징점을 이용하여 상기 이미지에서 포어그라운드와 백그라운드를 구분하는 인자인 중요도를 산출하는 단계;입력 이미지로부터 제2 특징점을 추출하고, 상기 제1 특징점과 상기 제2 특징점의 유사도를 산출하는 단계; 및상기 중요도와 상기 유사도를 기반으로 상기 입력 이미지의 액티베이션 맵을 생성하여 상기 입력 이미지에서 오브젝트를 로컬리라이제이션하는 단계를 포함하는 오브젝트 로컬리라이제이션 방법.

제1항에 있어서,상기 제1 특징점은 기 학습된 인공지능 네트워크를 이용하여 상기 학습 데이터 셋의 이미지로부터 추출되고,상기 중요도는 상기 제1 특징점에 대한 특징 벡터의 놈(norm) 값을 이용하여 산출되는 것을 특징으로 하는 오브젝트 로컬리라이제이션 방법.

제2항에 있어서,상기 입력 이미지의 액티베이션 맵은 웨이트 팩터를 이용하여 산출되고,상기 웨이트 팩터는 상기 중요도를 선형 결합하여 산출되는 것을 특징으로 하는 오브젝트 로컬리라이제이션 방법.

제3항에 있어서,상기 웨이트 팩터에 상기 입력 이미지의 각 픽셀의 픽셀 단위 유사도를 반영하여 상기 액티베이션 맵의 픽셀 값을 산출하는 것을 특징으로 하는 오브젝트 로컬리라이제이션 방법.

제2항에 있어서,상기 학습 데이터 셋은 상기 기 학습된 인공지능 네트워크의 딥러닝을 위한 데이터의 적어도 일부인 것을 특징으로 하는 오브젝트 로컬리라이제이션 방법.

제5항에 있어서,상기 제2 특징점은 상기 기 학습된 인공지능 네트워크를 이용하여 산출되는 것을 특징으로 하는 오브젝트 로컬리라이제이션 방법.

제1항에 있어서,상기 오브젝트를 로컬리라이제이션하는 단계는,상기 액티베이션 맵을 기반으로 상기 입력 이미지에서 바운딩 박스를 검출하고, 클래스분류 네트워크를 이용하여 상기 입력 이미지의 클래스를 산출하는 것을 특징으로 하는 오브젝트 로컬리라이제이션 방법.

제1항에 있어서,상기 유사도는 상기 입력 이미지의 포어그라운드와 백그라운드에서 각각 산출되는 것을 특징으로 하는 오브젝트 로컬리라이제이션 방법.

입력 이미지를 수신하는 수신부;상기 입력 이미지에서 오브젝트에 대한 액티베이션 맵을 생성하는 제어부를 포함하고,상기 제어부는,학습 데이터 셋의 이미지에서 제1 특징점을 추출하고, 상기 제1 특징점을 이용하여 상기 이미지에서 포그라운드와 백그라운드를 구분하는 인자인 중요도를 산출하고, 상기 입력 이미지로부터 제2 특징점을 추출하고, 상기 제1 특징점과 상기 제2 특징점의 유사도를 산출하며,상기 중요도와 상기 유사도를 기반으로 상기 액티베이션 맵을 생성하는 것을 특징으로 하는 오브젝트 로컬리라이제이션 장치.

전자기기에서 하나 이상의 프로세스에 의하여 실행되며, 컴퓨터로 판독될 수 있는 기록매체에 저장된 프로그램으로서,상기 프로그램은,학습 데이터 셋의 이미지에서 제1 특징점을 추출하고, 상기 제1 특징점을 이용하여 상기 이미지에서 포그라운드와 백그라운드를 구분하는 인자인 중요도를 산출하는 단계;입력 이미지로부터 제2 특징점을 추출하고, 상기 제1 특징점과 상기 제2 특징점의 유사도를 산출하는 단계; 및상기 중요도와 상기 유사도를 기반으로 상기 입력 이미지의 액티베이션 맵을 생성하여 상기 입력 이미지에서 오브젝트를 로컬리라이제이션하는 단계;를 수행하는 특징으로 하는 컴퓨터로 판독될 수 있는 기록매체에 저장 가능한 프로그램.