적대적 생성 신경망에 기반한 비지도 학습을 통해 이미지의 오염 영역을 복원하는 기계 학습 방법 및 시스템

개요

• 본 기술은 적대적 생성 신경망에 기반한 비지도 학습을 통해 이미지의 오염 영역을 복원하는 기계 학습 방법 및 시스템에 관한 것임

필요성

• 입력된 이미지로부터 오염 영역을 식별하고 복원하기 위한 기술이 많이 개발되었음. 오염 복원 기술이 적용되는 한 가지 예를 들면, 연안의 이미지로부터 파랑 등을 예측하여 경고하기 위한 시스템이 있음

  
  

  최근에는 오염 제거를 위하여 딥러닝 모델을 이용하는 연구가 수행되고 있음. 하지만, 지도 학습 기반으로 오염된 이미지 복원을 수행하기 다양한 환경조건에서 동시간에 오염된 이미지와 짝을 이루는 비왜곡된 이미지를 수집해야 하는데, 해안의 파랑 등 실환경에서 왜곡 및 비왜곡의 짝을 이룬 비디오 영상 또는 이미지를 획득하는데는 어려움이 있음

  
  

  지도 학습에 의존하지 않고, 짝을 이루지 않는 오염 영상과 깨끗한 비왜곡 영상을 학습 데이터로 사용하는 비지도 학습 기반의 적대적 학습을 통해 오염 영역을 복원하기 위한 기술이 절실히 요구됨

특장점

• 짝을 이루지 않는 빗방울 영상과 깨끗한 비왜곡 영상을 학습 데이터로 사용하는 비지도 학습 기반의 적대적 학습을 통해 오염 영역을 복원할 수 있음

  
  

  심층 신경망에 마스크를 추가함으로써 오염 영역을제외한 배경 영역의 변화를 최소화하는 손실 함수를 적용함으로써, 오염 영역에 집중하여 왜곡을 보정할 수 있음

  
  

  
   

기존 기술대비 개선점

• 짝을 이루지 않는 빗방울로 인해 오염된 영상과 깨끗한 비왜곡 영상을 학습 데이터로 사용하는 비지도 학습 기반의 적대적 학습을 통해 오염 영역을 복원하기 위한 방법을 제공함

활용분야

• 연안의 이미지 뿐만 아니라 이미지의 복원을 필요로 하는 모든 분야에 활용 가능함

  
  

  
   

시장 동향 및 전망

• 이미지 복원을 위해서는 이미지 인식 기술이 선행되어야 함

  
  

  전세계 이미지 인식 시장은 2021년에 361억 달러로 추산되었으며, 연평균 성장률 18.3%로 성장하여 2030년에는 1,771억 달러에 이를 것으로 전망됨

  
  

  보안 애플리케이션에 대한 수요가 증가하고 이미지 인식 기능이 지원되는 제품에 대한 수요가 시장 성장을 촉진하는 주요 동인임

  
  

  생체 인식 여권 및 비자와 같은 기계 판독 가능 여행 문서(MRD)에 대한 안면 인식 기술의 구현으로 인해 이 기술이 널리 수용되어 시장 성장을 촉진하고 있음. 최근 연구 개발(R&D) 노력으로 기술이 크게 향상되어 안면 인식 부문의 성장을 주도하고 있음 

  (출처 : verifiedmarketresearch)