인공지능을 이용한 전자 장치에 의해 수행되는 방법에 있어서,인공지능 모듈을 통해 타겟 이미지로부터 객체에 대한 클래스를 예측하는 단계;상기 예측한 클래스의 타겟 공간 분포 값을 결정하는 단계;상기 인공지능 모듈을 통해 소스 이미지를 변형하여 복수의 소스 이미지의 마스크들을 생성하는 단계;상기 생성한 복수의 소스 이미지의 마스크들에 대하여 상기 객체에 대한 클래스의 소스 공간 분포 값을 각각 결정하는 단계;상기 타겟 공간 분포 값 및 상기 소스 공간 분포 값들에 대하여 유사도를 결정하는 단계;상기 결정을 기반으로 하나의 소스 공간 분포 값을 결정하는 단계; 및상기 소스 공간 분포 값에 상응하는 소스 이미지를 이용하여 상기 인공지능 모듈을 학습시키는 단계를 포함하고,상기 타겟 공간 분포 값은 상기 예측한 클래스의 면적 및 상기 예측한 클래스의 중심점에 대한 정보를 포함하고,상기 소스 공간 분포 값은 상기 소스 이미지의 마스크의 클래스 면적 및 상기 소스 이미지의 마스크의 클래스의 중심점에 대한 정보를 포함하는 방법.

제1항에 있어서,상기 인공지능 모듈을 통해 소스 이미지를 변형하여 복수의 소스 이미지의 마스크들을 생성하는 단계는:상기 소스 이미지에 거울(mirror) 방식, 랜덤 크롭(random crop) 방식, 랜덤 지터링(jittering) 방식 중 적어도 하나의 방식을 통해 복수의 소스 이미지의 마스크들을 생성하는 단계를 포함하는 방법.

제1항에 있어서,상기 타겟 공간 분포 값 및 상기 소스 공간 분포 값들에 대하여 유사도를 결정하는 단계는:상기 타겟 공간 분포 값을 기준으로 상기 소스 공간 분포 값들의 거리를 비교하여 더 가까이에 있는 소스 공간 분포 값의 유사도를 높은 것으로 결정하는 단계를 포함하는 방법.

제1항에 있어서,상기 타겟 공간 분포 값 및 상기 소스 공간 분포 값들에 대하여 유사도를 결정하는 단계는:상기 타겟 공간 분포 값 및 상기 소스 공간 분포 값들에 대한 평균 값 및 분산을 사용하여 유사도를 결정하는 단계를 포함하는 방법.

제1항에 있어서,상기 인공지능 모듈은 시맨틱 세그멘테이션(Semantic segmentation)을 수행하기 위한 모듈이고,상기 타겟 이미지는 레이블(label)을 포함하지 않는 방법.

제1항에 있어서,상기 소스 공간 분포 값에 상응하는 소스 이미지를 이용하여 상기 인공지능 모듈을 학습시키는 단계는:클래스믹스(ClassMix) 방식을 통해 상기 소스 이미지를 활용하여 상기 인공지능 모듈을 학습시키는 단계를 포함하는 방법.

전자 장치에 있어서,메모리;모뎀; 및상기 모뎀 및 상기 메모리에 연결되는 프로세서를 포함하고,상기 프로세서는:인공지능 모듈을 통해 타겟 이미지로부터 객체에 대한 클래스를 예측하고,상기 예측한 클래스의 타겟 공간 분포 값을 결정하고,상기 인공지능 모듈을 통해 소스 이미지를 변형하여 복수의 소스 이미지의 마스크들을 생성하고,상기 생성한 복수의 소스 이미지의 마스크들에 대하여 상기 객체에 대한 클래스의 소스 공간 분포 값을 각각 결정하고,상기 타겟 공간 분포 값 및 상기 소스 공간 분포 값들에 대하여 유사도를 결정하고,상기 결정을 기반으로 하나의 소스 공간 분포 값을 결정하고, 및상기 소스 공간 분포 값에 상응하는 소스 이미지를 이용하여 상기 인공지능 모듈을 학습시키도록 구성되고,상기 타겟 공간 분포 값은 상기 예측한 클래스의 면적 및 상기 예측한 클래스의 중심점에 대한 정보를 포함하고,상기 소스 공간 분포 값은 상기 소스 이미지의 마스크의 클래스 면적 및 상기 소스 이미지의 마스크의 클래스의 중심점에 대한 정보를 포함하는 전자 장치.

제7항에 있어서, 상기 프로세서는:상기 소스 이미지에 거울(mirror) 방식, 랜덤 크롭(random crop) 방식, 랜덤 지터링(jittering) 방식 중 적어도 하나의 방식을 통해 복수의 소스 이미지의 마스크들을 생성하도록 구성되는 전자 장치.

제7항에 있어서, 상기 프로세서는:상기 타겟 공간 분포 값을 기준으로 상기 소스 공간 분포 값들의 거리를 비교하여 더 가까이에 있는 소스 공간 분포 값의 유사도를 높은 것으로 결정하도록 구성되는 전자 장치.

제7항에 있어서, 상기 프로세서는:상기 타겟 공간 분포 값 및 상기 소스 공간 분포 값들에 대한 평균 값 및 분산을 사용하여 유사도를 결정하도록 구성되는 전자 장치.

제7항에 있어서,상기 인공지능 모듈은 시맨틱 세그멘테이션(Semantic segmentation)을 수행하기 위한 모듈이고,상기 타겟 이미지는 레이블(label)을 포함하지 않는 전자 장치.

제7항에 있어서, 상기 프로세서는:클래스믹스(ClassMix) 방식을 통해 상기 소스 이미지를 활용하여 상기 인공지능 모듈을 학습시키도록 구성되는 전자 장치.

프로세서(processor)에 의해 실행 가능한 인공지능 알고리즘을 통해 시맨틱 세그멘테이션(semantic segmentation)을 수행하기 위한 매체에 저장된 프로그램으로서,인공지능 모듈을 통해 타겟 이미지로부터 객체에 대한 클래스를 예측하는 단계;상기 예측한 클래스의 타겟 공간 분포 값을 결정하는 단계;상기 인공지능 모듈을 통해 소스 이미지를 변형하여 복수의 소스 이미지의 마스크들을 생성하는 단계;상기 생성한 복수의 소스 이미지의 마스크들에 대하여 상기 객체에 대한 클래스의 소스 공간 분포 값을 각각 결정하는 단계;상기 타겟 공간 분포 값 및 상기 소스 공간 분포 값들에 대하여 유사도를 결정하는 단계;상기 결정을 기반으로 하나의 소스 공간 분포 값을 결정하는 단계; 및상기 소스 공간 분포 값에 상응하는 소스 이미지를 이용하여 상기 인공지능 모듈을 학습시키는 단계를 포함하고,상기 타겟 공간 분포 값은 상기 예측한 클래스의 면적 및 상기 예측한 클래스의 중심점에 대한 정보를 포함하고,상기 소스 공간 분포 값은 상기 소스 이미지의 마스크의 클래스 면적 및 상기 소스 이미지의 마스크의 클래스의 중심점에 대한 정보를 포함하는 프로그램.