RnDcircle

번호	청구항
7	제 6 항에 있어서,상기 갱신하는 단계는, 상기 재구성된 특징과 상기 타겟 특징의 차이를 계산하고, 기 설정된 문턱값보다 적은 차이를 보이는 상기 재구성된 특징의 적어도 일부 영역을 상기 타겟 특징의 대응 영역과 대치하는학습 방법.
1	이상 탐지 장치가 수행하는 학습 방법으로서,이미지를 사전 훈련 네트워크에 입력하여 상기 사전 훈련 네트워크로부터 타겟 특징을 획득하는 단계;상기 타겟 특징의 국소 영역을 차원 축소하여 얻은 지역적 그리드에 기반하여 정상 특징을 샘플링하여 지역적 특징을 획득하는 단계;상기 타겟 특징의 전체를 차원 축소하여 얻은 전역적 그리드에 기반하여 정상 특징을 샘플링하여 전역적 특징을 획득하는 단계; 및상기 지역적 특징과 상기 전역적 특징을 결합한 결과에 기초하여, 상기 지역적 그리드, 상기 전역적 그리드, 상기 차원 축소에 관여하는 네트워크, 그리고 상기 특징의 결합에 관여하는 네트워크 중 적어도 하나를 갱신하는 단계;를 포함하는학습 방법.
2	제 1 항에 있어서,상기 타겟 특징을 획득하는 단계는, 상기 사전 훈련 네트워크의 중간층 특징맵들을 결합하여 상기 타겟 특징을 획득하는학습 방법.
3	제 1 항에 있어서,상기 지역적 특징을 획득하는 단계는, 상기 타겟 특징의 각 픽셀을 벡터화하여 좌표로 사용하는학습 방법.
4	제 3 항에 있어서,상기 샘플링을 수행하기 전에 상기 좌표의 값에 노이즈를 첨가하는학습 방법.
5	제 1 항에 있어서,상기 전역적 특징을 획득하는 단계는, 상기 타겟 특징의 전체를 벡터화하여 좌표로 사용하는학습 방법.
6	제 1 항에 있어서,상기 갱신하는 단계는, 상기 결합한 결과와 상기 타겟 특징에 기초하여 생성한 재구성된 특징과 재입력 특징과의 차이가 최소화되도록 하는학습 방법.
8	컴퓨터 판독 가능 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,이미지를 사전 훈련 네트워크에 입력하여 상기 사전 훈련 네트워크로부터 타겟 특징을 획득하고, 상기 타겟 특징의 국소 영역을 차원 축소하여 얻은 지역적 그리드에 기반하여 정상 특징을 샘플링하여 지역적 특징을 획득하며, 상기 타겟 특징의 전체를 차원 축소하여 얻은 전역적 그리드에 기반하여 정상 특징을 샘플링하여 전역적 특징을 획득하고, 상기 지역적 특징과 상기 전역적 특징을 결합한 결과에 기초하여, 상기 지역적 그리드, 상기 전역적 그리드, 상기 차원 축소에 관여하는 네트워크, 그리고 상기 특징 결합 과정에 관여하는 네트워크 중 적어도 하나를 갱신하는 이상 탐지를 위한 학습 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 판독 가능 기록매체에 저장되어 있는 컴퓨터 프로그램.
9	컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,이미지를 사전 훈련 네트워크에 입력하여 상기 사전 훈련 네트워크로부터 타겟 특징을 획득하고, 상기 타겟 특징의 국소 영역을 차원 축소하여 얻은 지역적 그리드에 기반하여 정상 특징을 샘플링하여 지역적 특징을 획득하며, 상기 타겟 특징의 전체를 차원 축소하여 얻은 전역적 그리드에 기반하여 정상 특징을 샘플링하여 전역적 특징을 획득하고, 상기 지역적 특징과 상기 전역적 특징을 결합한 결과에 기초하여, 상기 지역적 그리드, 전역적 그리드, 차원축소에 관여하는 네트워크, 그리고 특징 결합 과정에 관여하는 네트워크 중 적어도 하나를 갱신하는 이상 탐지를 위한 학습 방법을 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하는컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능 기록매체.
10	적어도 하나의 명령어를 저장하는 메모리; 및프로세서;를 포함하며,상기 프로세서는, 상기 적어도 하나의 명령어를 실행함으로써, 이미지로부터 사전 훈련 네트워크를 통해 획득한 타겟 특징으로부터 샘플링된 지역적 특징과 전역적 특징을 결합한 결과에 기초하여, 상기 이미지에 대하여 이상 탐지를 수행하되,상기 사전 훈련 네트워크는, 상기 이미지를 상기 사전 훈련 네트워크에 입력하여 상기 사전 훈련 네트워크로부터 상기 타겟 특징을 획득하고, 상기 타겟 특징의 국소 영역을 차원 축소하여 얻은 지역적 그리드에 기반하여 정상 특징을 샘플링하여 상기 지역적 특징을 획득하며, 상기 타겟 특징의 전체를 차원 축소하여 얻은 전역적 그리드에 기반하여 정상 특징을 샘플링하여 상기 전역적 특징을 획득하고, 상기 지역적 특징과 상기 전역적 특징을 결합한 결과에 기초하여, 상기 지역적 그리드, 상기 전역적 그리드, 상기 차원 축소에 관여하는 네트워크, 그리고 상기 특징의 결합에 관여하는 네트워크 중 적어도 하나를 갱신하는 학습 방법에 의해 학습된 것인이상 탐지 장치.
11	이상 탐지 장치가 수행하는 이상 탐지 방법으로서,상기 이상 탐지 방법은 이미지로부터 사전 훈련 네트워크를 통해 획득한 타겟 특징으로부터 샘플링된 지역적 특징과 전역적 특징을 결합한 결과에 기초하여, 상기 이미지에 대하여 이상 탐지를 수행하고,상기 사전 훈련 네트워크는,상기 이미지를 상기 사전 훈련 네트워크에 입력하여 상기 사전 훈련 네트워크로부터 상기 타겟 특징을 획득하는 단계;상기 타겟 특징의 국소 영역을 차원 축소에 얻은 지역적 그리드에 기반하여 정상 특징을 샘플링하여 상기 지역적 특징을 획득하는 단계;상기 타겟 특징의 전체를 차원 축소에 얻은 전역적 그리드에 기반하여 정상 특징을 샘플링하여 상기 전역적 특징을 획득하는 단계; 및상기 지역적 특징과 상기 전역적 특징을 결합한 결과에 기초하여, 상기 지역적 그리드, 상기 전역적 그리드, 상기 차원 축소에 관여하는 네트워크, 그리고 상기 특징의 결합에 관여하는 네트워크 중 적어도 하나를 갱신하는 단계;를 포함하는 학습 방법에 의해 학습된 것인이상 탐지 방법.
12	제 11 항에 있어서,상기 타겟 특징을 획득하는 단계는, 상기 사전 훈련 네트워크의 중간층 특징맵들을 결합하여 상기 타겟 특징을 획득하는이상 탐지 방법.
13	제 11 항에 있어서,상기 지역적 특징을 획득하는 단계는, 상기 타겟 특징의 각 픽셀을 벡터화하여 좌표로 사용하는이상 탐지 방법.
14	제 13 항에 있어서,상기 샘플링을 수행하기 전에 상기 좌표의 값에 노이즈를 첨가하는이상 탐지 방법.
15	제 11 항에 있어서,상기 전역적 특징을 획득하는 단계는, 상기 타겟 특징의 전체를 벡터화하여 좌표로 사용하는이상 탐지 방법.
16	제 11 항에 있어서,상기 갱신하는 단계는, 상기 결합한 결과와 상기 타겟 특징에 기초하여 생성한 재구성된 특징과 타겟 특징과의 차이가 최소화되도록 하는이상 탐지 방법.
17	제 16 항에 있어서,상기 갱신하는 단계는, 상기 재구성된 특징과 상기 타겟 특징의 차이를 계산하고, 기 설정된 문턱값보다 적은 차이를 보이는 상기 재구성된 특징의 적어도 일부 영역을 상기 타겟 특징의 대응 영역과 대치하는이상 탐지 방법.
18	컴퓨터 판독 가능 기록매체에 저장되어 있는 컴퓨터 프로그램으로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,이미지로부터 사전 훈련 네트워크를 통해 획득한 타겟 특징으로부터 샘플링된 지역적 특징과 전역적 특징을 결합한 결과에 기초하여, 상기 이미지에 대하여 이상 탐지를 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하고,상기 사전 훈련 네트워크는, 상기 이미지를 상기 사전 훈련 네트워크에 입력하여 상기 사전 훈련 네트워크로부터 상기 타겟 특징을 획득하고, 상기 타겟 특징의 국소 영역을 차원 축소하여 얻은 지역적 그리드에 기반하여 정상 특징을 샘플링하여 상기 지역적 특징을 획득하며, 상기 타겟 특징의 전체를 차원 축소하여 얻은 전역적 그리드에 기반하여 정상 특징을 샘플링하여 상기 전역적 특징을 획득하고, 상기 지역적 특징과 상기 전역적 특징을 결합한 결과에 기초하여, 상기 지역적 그리드, 상기 전역적 그리드, 상기 차원 축소에 관여하는 네트워크, 그리고 상기 특징의 결합에 관여하는 네트워크 중 적어도 하나를 갱신하는 학습 방법에 의해 학습된 것인기록매체에 저장되어 있는 컴퓨터 프로그램.
19	컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능 기록매체로서,상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,이미지로부터 사전 훈련 네트워크를 통해 획득한 타겟 특징으로부터 샘플링된 지역적 특징과 전역적 특징을 결합한 결과에 기초하여, 상기 이미지에 대하여 이상 탐지를 상기 프로세서가 수행하도록 하기 위한 명령어를 포함하고,상기 사전 훈련 네트워크는, 상기 이미지를 상기 사전 훈련 네트워크에 입력하여 상기 사전 훈련 네트워크로부터 상기 타겟 특징을 획득하고, 상기 타겟 특징의 국소 영역을 차원 축소하여 얻은 지역적 그리드에 기반하여 정상 특징을 샘플링하여 상기 지역적 특징을 획득하며, 상기 타겟 특징의 전체를 차원 축소하여 얻은 전역적 그리드에 기반하여 정상 특징을 샘플링하여 상기 전역적 특징을 획득하고, 상기 지역적 특징과 상기 전역적 특징을 결합한 결과에 기초하여, 상기 지역적 그리드, 상기 전역적 그리드, 상기 차원 축소에 관여하는 네트워크, 그리고 상기 특징의 결합에 관여하는 네트워크 중 적어도 하나를 갱신하는 학습 방법에 의해 학습된 것인컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독 가능 기록매체.