이미지 인식 장치에 의해 수행되는 방법에 있어서, 이미지 데이터를 로딩 하는 단계;이미지 데이터를 전처리 하는 단계; 학습된 딥러닝 모델을 통해 이미지 데이터 내 객체 인식값을 출력하는 단계; 및 딥 러닝 모델에 객체 인식값을 입력하여 딥 러닝 모델을 업데이트 하는 단계; 를 포함하는이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 방법.

제1항에 있어서, 학습된 딥러닝 모델을 통해 이미지 데이터 내 객체 인식값을 출력하는 단계는 제1 시점에서 이미지 데이터 내 바운딩 박스 데이터를 추출하는 단계를 더 포함하는 이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 방법.

제2항에 있어서, 학습된 딥러닝 모델을 통해 이미지 데이터 내 객체 인식값을 출력하는 단계는 바운딩 박스 데이터 내 특징 맵을 추출하고, 이에 대응하는 고유값인 제1 ID를 할당하는 단계를 더 포함하는 이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 방법.

제3항에 있어서, 학습된 딥러닝 모델을 통해 이미지 데이터 내 객체 인식값을 출력하는 단계는 제2 시점에서 바운딩 박스 데이터 내 특징 맵을 추출하는 단계를 더 포함하는 이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 방법.

제4항에 있어서, 학습된 딥러닝 모델을 통해 이미지 데이터 내 객체 인식값을 출력하는 단계는 복수의 특징 맵에 대해서 유사도를 비교하여 제2 시점에서 바운딩 박스 내 특징 맵에 대응하는 고유값인 제2 ID를 할당하는 단계를 더 포함하는 이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 방법.

제5항에 있어서, 상기 제1 시점과 제2 시점은 서로 상이한 이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 방법.

프로세서; 네트워크 인터페이스;메모리; 및 상기 메모리에 로드(Load)되고, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함하되,상기 프로세서는,이미지 데이터를 로딩 하는 인스트럭션; 이미지 데이터를 전처리 하는 인스트럭션;학습된 딥러닝 모델을 통해 이미지 데이터 내 객체 인식값을 출력하는 인스트럭션; 및 딥 러닝 모델에 객체 인식값을 입력하여 딥 러닝 모델을 업데이트 하는 인스트럭션; 를 포함하여 수행하는이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 장치.

제7항에 있어서, 딥 러닝 모델에 객체 인식값을 입력하여 딥 러닝 모델을 업데이트 하는 인스트럭션은 제1 시점에서 이미지 데이터 내 바운딩 박스 데이터를 추출하는 인스트럭션을 더 포함하여 수행하는이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 장치.

제8항에 있어서, 딥 러닝 모델에 객체 인식값을 입력하여 딥 러닝 모델을 업데이트 하는 인스트럭션은 바운딩 박스 데이터 내 특징 맵을 추출하고, 이에 대응하는 고유값인 제1 ID를 할당하는 인스트럭션을 더 포함하여 수행하는이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 장치.

제9항에 있어서, 딥 러닝 모델에 객체 인식값을 입력하여 딥 러닝 모델을 업데이트 하는 인스트럭션은 제2 시점에서 바운딩 박스 데이터 내 특징 맵을 추출하는 인스트럭션을 더 포함하여 수행하는이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 장치.

제10항에 있어서, 딥 러닝 모델에 객체 인식값을 입력하여 딥 러닝 모델을 업데이트 하는 인스트럭션은 복수의 특징 맵에 대해서 유사도를 비교하여 제2 시점에서 바운딩 박스 내 특징 맵에 대응하는 고유값인 제2 ID를 할당하는 인스트럭션을 더 포함하여 수행하는 이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 장치.

제11항에 있어서, 상기 제1 시점과 제2 시점은 서로 상이한 이미지 데이터 내 바운딩 박스에 고유값 할당을 통해 이미지 데이터 내 객체를 인식하는 장치.