KR20150108094A - 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체 - Google Patents

멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체 Download PDF

Info

Publication number
KR20150108094A
KR20150108094A KR1020140030834A KR20140030834A KR20150108094A KR 20150108094 A KR20150108094 A KR 20150108094A KR 1020140030834 A KR1020140030834 A KR 1020140030834A KR 20140030834 A KR20140030834 A KR 20140030834A KR 20150108094 A KR20150108094 A KR 20150108094A
Authority
KR
South Korea
Prior art keywords
classification
criterion
information
images
group
Prior art date
Application number
KR1020140030834A
Other languages
English (en)
Other versions
KR102221684B1 (ko
Inventor
신형철
전혁준
장언동
전병기
Original Assignee
에스케이플래닛 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 에스케이플래닛 주식회사 filed Critical 에스케이플래닛 주식회사
Priority to KR1020140030834A priority Critical patent/KR102221684B1/ko
Publication of KR20150108094A publication Critical patent/KR20150108094A/ko
Application granted granted Critical
Publication of KR102221684B1 publication Critical patent/KR102221684B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24317—Piecewise classification, i.e. whereby each classification requires several discriminant rules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체를 개시한다. 즉, 본 발명은 기존 분류 기준에 부합되지 않아 미분류되는 영상들에 대해서 해당 영상들로부터 추출된 특징 정보를 근거로 미리 설정된 분류 기준의 종류에 대응하도록 재분류 기준을 설정하여 유사성이 있는 영상들끼리 그룹화한 후, 그룹화된 영상들에 대한 재분류 기준을 기존 분류 기준에 추가함으로써 사진 등과 같은 객체를 기반으로 자동 분류하는 기술이 적용되는 대용량 스마트 기기나 클라우드 서비스의 활성화 및 사용상 편의성을 향상시킬 수 있다.

Description

멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체{Multiclass classification apparatus, method thereof and computer readable medium having computer program recorded therefor}
본 발명은 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체에 관한 것으로, 특히 기존 분류 기준에 부합되지 않아 미분류되는 영상들에 대해서 해당 영상들로부터 추출된 특징 정보를 근거로 미리 설정된 분류 기준의 종류에 대응하도록 재분류 기준을 설정하여 유사성이 있는 영상들끼리 그룹화한 후, 그룹화된 영상들에 대한 재분류 기준을 기존 분류 기준에 추가하는 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체에 관한 것이다.
멀티클래스 분류 장치는 복수 종류의 클래스를 근거로 영상(또는 화상)에 포함된 객체를 분류하는 장치이다.
이러한 멀티클래스 분류기는 특별한 분류 기준을 설정한 후, 입력 영상을 분류하는 분류기나 이들을 조합하여 다양한 분류 기준에 따라 입력 영상을 여러 종류로 분류한다.
또한, 해당 분류 기준에 따라 분류되지 않은 영상들은 분류되지 않은 영상으로 별도 관리된다. 즉, 분류 기준에 따라 분류되지 않은 영상들은 미분류 영상으로 관리되거나 또는 사용자에 의해 수동으로 재분류되어 관리되어, 대용량 스마트 기기나 클라우드 서비스의 활용도를 저하한다.
한국공개특허 제10-2005-0096912호 [명칭: 객체 분류를 위한 두드러진 특징들을 자동적으로 결정하는 방법 및 장치]
본 발명의 목적은 기존 분류 기준에 부합되지 않아 미분류되는 영상들에 대해서 해당 영상들로부터 추출된 특징 정보를 근거로 미리 설정된 분류 기준의 종류에 대응하도록 재분류 기준을 설정하여 유사성이 있는 영상들끼리 그룹화하는 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체를 제공하는 데 있다.
본 발명의 다른 목적은 사용자 승인을 거친 그룹화된 영상들에 대한 재분류 기준을 기존 분류 기준에 추가하는 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체를 제공하는 데 있다.
본 발명의 실시예에 따른 멀티클래스 분류 장치는 복수의 영상에서 특징 정보를 각각 추출하는 특징 추출부; 특징 추출부로부터 추출된 복수의 특징 정보와 미리 설정된 분류 기준을 근거로 복수의 영상을 분류하며, 복수의 영상 중에서 분류되지 않은 나머지 영상을 미분류된 영상으로 분류하는 분류부; 미분류된 영상의 특징 정보를 근거로 재분류 기준을 설정하고, 설정된 재분류 기준을 근거로 미분류된 영상을 그룹화하여 재분류하고, 재분류된 그룹에 대한 정보를 표시하는 재분류부; 및 표시되는 재분류된 그룹에 대한 정보 중에서 승인 버튼이 선택될 때, 승인 버튼에 대응하는 승인 정보를 근거로 승인 버튼에 대응하는 그룹에 대한 재분류 기준을 미리 설정된 분류 기준에 추가하는 분류기준 갱신부를 포함할 수 있다.
본 발명과 관련된 일 예로서 분류부는 추출된 특징 정보를 분류 기준과 비교하고, 비교 결과, 특징 정보가 분류 기준에 일치할 때, 특징 정보에 대응하는 영상을 분류 기준에 대응하는 객체로 분류할 수 있다.
본 발명과 관련된 일 예로서 분류부는 추출된 특징 정보를 분류 기준과 비교하고, 비교 결과, 특징 정보가 분류 기준에 일치하지 않을 때, 특징 정보에 대응하는 영상을 미분류된 영상으로 분류할 수 있다.
본 발명과 관련된 일 예로서 재분류부는 미리 설정된 분류 기준의 특징인 색상, 크기, 외형, 객체, 디스크립터에 의해 추출된 특징 정보를 근거로 재분류 기준을 설정할 수 있다.
본 발명과 관련된 일 예로서 재분류부는 설정된 재분류 기준을 근거로 미분류된 영상 중에서 유사성이 있는 미분류된 영상끼리 그룹화할 수 있다.
본 발명과 관련된 일 예로서 재분류된 그룹에 대한 정보는 재분류된 그룹 내에 포함되는 하나 이상의 영상, 설정된 재분류 기준, 설정된 재분류 기준에 대한 그룹명을 설정하기 위한 그룹명 설정 버튼 및 재분류 기준에 대한 승인 버튼을 포함할 수 있다.
본 발명과 관련된 일 예로서 표시되는 재분류된 그룹에 대한 정보 중에서 그룹명 설정 버튼이 선택될 때, 분류기준 갱신부는 그룹명 설정 버튼에 대응하는 그룹명 설정 정보를 근거로 그룹에 대한 그룹명을 설정하기 위한 화면을 표시하고, 표시되는 그룹명을 설정하기 위한 화면에서 입력되는 정보를 근거로 그룹에 대한 그룹명을 설정할 수 있다.
본 발명의 실시예에 따른 멀티클래스 분류 방법은 특징 추출부를 통해 복수의 영상에서 특징 정보를 각각 추출하는 단계; 분류부를 통해 특징 추출부로부터 추출된 복수의 특징 정보와 미리 설정된 분류 기준을 근거로 복수의 영상을 분류하며, 복수의 영상 중에서 분류되지 않은 나머지 영상을 미분류된 영상으로 분류하는 단계; 재분류부를 통해 미분류된 영상의 특징 정보를 근거로 재분류 기준을 설정하는 단계; 재분류부를 통해 설정된 재분류 기준을 근거로 미분류된 영상을 그룹화하여 재분류하는 단계; 재분류부를 통해 재분류된 그룹에 대한 정보를 표시하는 단계; 및 표시되는 재분류된 그룹에 대한 정보 중에서 승인 버튼이 선택될 때, 분류기준 갱신부를 통해 승인 버튼에 대응하는 승인 정보를 근거로 승인 버튼에 대응하는 그룹에 대한 재분류 기준을 미리 설정된 분류 기준에 추가하는 단계를 포함할 수 있다.
본 발명과 관련된 일 예로서 영상을 분류하는 단계는, 분류부를 통해 추출된 특징 정보를 분류 기준과 비교하는 과정; 비교 결과, 특징 정보가 분류 기준에 일치할 때, 특징 정보에 대응하는 영상을 분류 기준에 대응하는 객체로 분류하는 과정; 및 비교 결과, 특징 정보가 분류 기준에 일치하지 않을 때, 특징 정보에 대응하는 영상을 미분류된 영상으로 분류하는 과정;을 포함할 수 있다.
본 발명과 관련된 일 예로서 표시되는 재분류된 그룹에 대한 정보 중에서 설정된 재분류 기준에 대한 그룹명을 설정하기 위한 그룹명 설정 버튼이 선택될 때, 분류기준 갱신부를 통해 그룹명 설정 버튼에 대응하는 그룹명 설정 정보를 근거로 그룹에 대한 그룹명을 설정하기 위한 화면을 표시하는 단계; 및 분류기준 갱신부를 통해 표시되는 그룹명을 설정하기 위한 화면에서 입력되는 정보를 근거로 그룹에 대한 그룹명을 설정하는 단계;를 더 포함할 수 있다.
본 발명의 실시예에 따른 컴퓨터 프로그램이 기록된 기록매체에는 상술한 실시예에 따른 방법을 수행하는 컴퓨터 프로그램이 저장될 수 있다.
본 발명은 기존 분류 기준에 부합되지 않아 미분류되는 영상들에 대해서 해당 영상들로부터 추출된 특징 정보를 근거로 미리 설정된 분류 기준의 종류에 대응하도록 재분류 기준을 설정하여 유사성이 있는 영상들끼리 그룹화함으로써, 사진 등과 같은 객체를 기반으로 자동 분류하는 기술이 적용되는 대용량 스마트 기기나 클라우드 서비스의 활성화 및 사용상 편의성을 향상시키는 효과가 있다.
또한, 본 발명은 사용자 승인을 거친 그룹화된 영상들에 대한 재분류 기준을 기존 분류 기준에 추가함으로써, 멀티클래스 분류 장치의 시스템 효율을 향상시키는 효과가 있다.
도 1은 본 발명의 실시예에 따른 멀티클래스 분류 장치의 구성을 나타낸 블록도이다.
도 2는 본 발명의 실시예에 따른 멀티클래스 분류 방법을 나타낸 흐름도이다.
도 3은 본 발명의 실시예에 따른 입력 영상의 예를 나타낸 도이다.
도 4는 본 발명의 실시예에 따른 재분류된 영상을 나타낸 도이다.
본 발명에서 사용되는 기술적 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 발명에서 사용되는 기술적 용어는 본 발명에서 특별히 다른 의미로 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 발명에서 사용되는 기술적인 용어가 본 발명의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는 당업자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 발명에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
또한, 본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함한다. 본 발명에서 "구성된다" 또는 "포함한다" 등의 용어는 발명에 기재된 여러 구성 요소들 또는 여러 단계를 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다.
또한, 본 발명에서 사용되는 제 1, 제 2 등과 같이 서수를 포함하는 용어는 구성 요소들을 설명하는데 사용될 수 있지만, 구성 요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성 요소는 제 2 구성 요소로 명명될 수 있고, 유사하게 제 2 구성 요소도 제 1 구성 요소로 명명될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 발명의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 발명의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
도 1은 본 발명의 실시예에 따른 멀티클래스 분류 장치(10)의 구성을 나타낸 블록도이다.
도 1에 도시된 바와 같이, 멀티클래스 분류 장치(10)는 영상 관리부(100), 분류 기준 설정부(200), 특징 추출부(300), 분류부(400), 재분류부(500) 및 분류기준 갱신부(600)로 구성된다. 도 1에 도시된 멀티클래스 분류 장치(10)의 구성 요소 모두가 필수 구성 요소인 것은 아니며, 도 1에 도시된 구성 요소보다 많은 구성 요소에 의해 멀티클래스 분류 장치(10)가 구현될 수도 있고, 그보다 적은 구성 요소에 의해서도 멀티클래스 분류 장치(10)가 구현될 수도 있다. 여기서, 멀티클래스 분류 장치(10)는 사용자 장치(또는 단말/디바이스)(미도시)나 서비스 제공 장치(또는 서버) 등에서 구성할 수도 있다.
특징 추출부(300)는 복수의 입력 영상에서 특징 정보를 각각 추출한다. 이후, 분류부(400)는 추출된 특징 정보와 미리 설정된 분류 기준(또는 기존 분류 기준)을 근거로 개별 입력 영상을 각각 분류한다. 이때, 분류부(400)는 복수의 입력 영상 중에서 미리 설정된 분류 기준에 의해 분류되지 않은 나머지 입력 영상을 미분류된 입력 영상으로 분류한다. 이후, 재분류부(500)는 미분류된 입력 영상의 특징 정보를 근거로 재분류 기준을 설정한다. 이후, 재분류부(500)는 설정된 재분류 기준을 근거로 미분류된 입력 영상에 대해서 유사성이 있는 입력 영상들끼리 그룹화한다. 이후, 재분류부(500)는 그룹화된 입력 영상, 설정된 재분류 기준 등을 표시한다. 이후, 표시되는 그룹화된 입력 영상 및 설정된 재분류 기준에 대한 승인 버튼이 선택되면, 분류기준 갱신부(600)는 선택된 승인 버튼에 대응하는 승인 정보를 근거로 승인된 해당 그룹에 대한 재분류 기준을 미리 설정된 분류 기준에 추가(또는 업데이트)한다.
영상 관리부(100)는 영상(또는 입력 영상/이미지)을 관리(또는 저장)한다. 여기서, 영상은 동영상 또는 정지영상일 수 있다. 이때, 해당 영상은 멀티클래스 분류 장치(10)에 포함된 카메라(미도시)를 통해 촬영된 영상, 다른 디바이스(미도시)를 통해 촬영된 후 멀티클래스 분류 장치(10)로 전송된 영상 등일 수 있다.
또한, 영상 관리부(100)는 영상을 특징 추출부(300)에 제공한다.
또한, 영상 관리부(100)는 분류부(400)에 의해 분류된 영상에 대한 정보를 저장한다.
또한, 영상 관리부(100)는 재분류부(500)에 의해 재분류된 영상에 대한 정보를 저장한다.
분류 기준 설정부(200)는 다양한 디스크립터 등에 의해 추출된 특징 정보 등을 근거로 특정 객체에 대해서 학습된(또는 설정된) 학습 결과인 분류 기준을 저장한다. 이때, 설정되는 분류 기준(또는 기존 분류 기준/클래스 분류 기준)은 색상, 크기, 외형, 객체, 다양한 디스크립터에 의해 추출된 특징 정보 등을 근거로 특정 객체에 대해서 설정된 상태일 수 있다.
또한, 분류 기준 설정부(200)는 분류기준 갱신부(600)의 제어에 의해 기존 분류 기준에 새로운 분류 기준을 추가한다.
특징 추출부(300)는 영상(또는 이미지)에서 특징 정보를 추출한다. 여기서, 영상은 동영상 또는 정지영상일 수 있으며, 동영상인 경우 특징 추출부(300)는 동영상 중 특정 부분(또는 특정 이미지/정지영상)을 사용할 수 있다. 또한, 해당 영상은 멀티클래스 분류 장치(10)에 포함된 카메라(미도시)를 통해 촬영된 영상이거나, 영상 관리부(100)에 미리 저장된 영상이거나 또는 다른 디바이스(미도시)를 통해 촬영된 후 전송된 영상일 수 있다.
즉, 특징 추출부(300)는 영상 내에서 객체 후보(또는 객체 후보 영역)를 추출(또는 확인)한다. 이후, 특징 추출부(300)는 추출된 객체 후보 내에서 해당 영상 내에 포함된 객체에 대한 특징 정보를 추출한다.
또한, 특징 추출부(300)는 추출된 특징 정보를 분류부(400)에 제공한다.
분류부(400)는 특징 추출부(300)로부터 추출된 특징 정보와 분류 기준 설정부(200)에 미리 설정된(또는 저장된) 분류 기준(또는 기존 분류 기준)을 근거로 영상을 분류한다. 이때, 분류부(400)는 복수의 영상 중에서 해당 분류 기준에 의해 분류되지 않은 나머지 영상을 미분류된 영상으로 분류(또는 관리)한다. 여기서, 미리 설정된 분류 기준은 색상, 크기, 외형, 객체, 다양한 디스크립터에 의해 추출된 특징 정보 등을 근거로 특정 객체에 대해서 설정될 수 있다.
즉, 분류부(400)는 특징 추출부(300)로부터 추출된 복수의 영상 내에 각각 포함된 객체에 대한 특징 정보를 미리 설정된 분류 기준과 비교한다.
비교 결과, 영상의 특징 정보가 미리 설정된 분류 기준에 일치(또는 미리 설정된 값 이상으로 유사)할 때, 분류부(400)는 해당 영상의 특징 정보에 대응하는 영상을 해당 분류 기준에 대응하는 객체로 분류한다.
또한, 비교 결과, 영상의 특징 정보가 미리 설정된 분류 기준에 일치하지 않을 때(또는 미리 설정된 값보다 작을 때), 분류부(400)는 해당 영상을 미분류된 영상으로 분류한다.
또한, 분류부(400)는 분류된 영상을 영상 관리부(100)의 대응하는 객체(또는 대응하는 그룹명)와 함께 저장한다.
즉, 분류된 영상이 사람 객체에 대응하는 경우, 분류부(400)는 영상 관리부(100)에 미리 저장된 영상들 중에서 사람 객체에 대응하는 객체 그룹에 해당 분류된 영상을 저장한다.
또한, 분류부(400)는 분류되는 미분류된 영상을 재분류부(500)에 제공한다.
재분류부(500)는 분류부(400)에서 분류되는 미분류된 영상에 대해서, 해당 미분류된 영상의 특징 정보를 근거로 재분류 기준을 설정한다.
즉, 재분류부(500)는 분류부(400)에서 분류되는 미분류된 영상에 대해서 해당 미리 설정된 분류 기준의 특징(예를 들어, 색상, 크기, 외형, 객체, 다양한 디스크립터에 의해 추출된 특징 정보 등 포함)에 대응하도록 재분류 기준을 설정한다. 여기서, 재분류 기준은 색상, 크기, 외형, 객체, 특징 추출부(300)로부터 추출된 특징 정보 등을 근거로 설정될 수 있다.
또한, 재분류부(500)는 설정된 재분류 기준을 근거로 해당 미분류된 영상에 대해서 유사성이 있는 미분류된 영상들끼리 그룹화하여 재분류한다.
즉, 재분류부(500)는 설정된 재분류 기준을 근거로 유사성이 있는 하나 이상의 미분류된 영상끼리 그룹화한다.
또한, 재분류부(500)는 미분류된 영상 중에서 유사성이 있도록 재분류되지 않은 남은 미분류된 영상을 영상 관리부(100)에 저장한다.
이와 같이, 분류부(400)와 재분류부(500)에 의해서도 분류 기준 또는 재분류 기준에 의해 분류되지 않은 미분류 영상은 영상 관리부(100)에 저장되며, 영상 관리부(100)에 저장되는 미분류 영상은 미리 설정된 이벤트가 발생하는 경우, 재분류부(500)에 의해 다시 재분류 과정이 수행될 수도 있다.
즉, 영상 관리부(100)에 저장되는 미분류 영상의 개수가 미리 설정된 개수 이상인 경우, 또는 멀티클래스 분류 장치(10)의 운영자의 요청이 발생한 경우, 재분류부(500)는 영상 관리부(100)에 저장된 하나 이상의 미분류 영상에 대해서 재분류 기준을 설정하고, 설정된 재분류 기준을 근거로 유사성이 있는 하나 이상의 미분류된 영상끼리 그룹화하는 과정을 수행한다.
또한, 재분류부(500)는 그룹화된 입력 영상, 설정된 재분류 기준, 설정된 재분류 기준에 대한 그룹명을 설정하기 위한 그룹명 설정 버튼, 재분류 기준에 대한 승인 버튼 등을 표시부(미도시)에 표시한다.
표시부에 표시되는 화면 중에서 재분류 기준에 대한 승인 버튼이 선택(또는 클릭)되면, 분류기준 갱신부(600)는 선택된 승인 버튼에 대응하는 승인 정보를 근거로 승인된 해당 그룹에 대한 재분류 기준을 분류 기준 설정부(200)에서 관리하는 미리 설정된 분류 기준(또는 기존 분류 기준)에 추가한다.
또한, 표시부에 표시되는 화면 중에서 재분류 기준에 대한 그룹명 설정 버튼이 선택되면, 분류기준 갱신부(600)는 선택된 그룹명 설정 버튼에 대응하는 그룹명 설정 정보를 근거로 해당 그룹에 대한 그룹명을 설정하기 위한 화면을 표시부에 표시하고, 표시되는 그룹명을 설정하기 위한 화면에서 입력(또는 터치)되는 정보를 근거로 해당 그룹에 대한 그룹명을 설정한다.
이와 같이, 기존 분류 기준에 부합되지 않아 미분류되는 영상들에 대해서 해당 영상들로부터 추출된 특징 정보를 근거로 미리 설정된 분류 기준의 종류에 대응하도록 재분류 기준을 설정하여 유사성이 있는 영상들끼리 그룹화할 수 있다.
또한, 이와 같이, 사용자 승인을 거친 그룹화된 영상들에 대한 재분류 기준을 기존 분류 기준에 추가할 수 있다.
이하에서는, 본 발명에 따른 멀티클래스 분류 방법을 도 1 내지 도 4를 참조하여 상세히 설명한다.
도 2는 본 발명의 실시예에 따른 멀티클래스 분류 방법을 나타낸 흐름도이다.
먼저, 특징 추출부(300)는 입력 영상(또는 입력 이미지)에서 특징 정보를 추출한다. 여기서, 영상은 동영상 또는 정지영상일 수 있으며, 동영상인 경우 특징 추출부(300)는 동영상 중 특정 부분(또는 특정 이미지/정지영상)을 사용할 수 있다. 또한, 해당 영상은 멀티클래스 분류 장치(10)에 포함된 카메라(미도시)를 통해 촬영된 영상이거나, 영상 관리부(100)에 미리 저장된 영상이거나 또는 다른 디바이스(미도시)를 통해 촬영된 후 전송된 영상일 수 있다.
즉, 특징 추출부(300)는 입력 영상 내에서 객체 후보(또는 객체 후보 영역)를 추출(또는 확인)한다. 이후, 특징 추출부(300)는 추출된 객체 후보 내에서 해당 입력 영상 내에 포함된 객체에 대한 특징 정보를 추출한다.
일 예로, 특징 추출부(300)는 도 3에 도시된 제 1 내지 제 10의 입력 영상(310)에서 특징 정보(예를 들어 복수의 입력 영상에 각각 대응하는 제 1 내지 제 10 특징 정보)를 각각 추출한다(S210).
이후, 분류부(400)는 특징 추출부(300)로부터 추출된 특징 정보와 미리 설정된 분류 기준(또는 기존 분류 기준)을 근거로 개별 입력 영상을 분류한다. 이때, 분류부(400)는 복수의 입력 영상 중에서 해당 분류 기준에 의해 분류되지 않은 나머지 입력 영상을 미분류된 입력 영상으로 분류(또는 관리/확인)한다. 여기서, 미리 설정된 분류 기준은 색상, 크기, 외형, 객체, 다양한 디스크립터에 의해 추출된 특징 정보 등을 근거로 특정 객체에 대해서 설정될 수 있다.
즉, 분류부(400)는 특징 추출부(300)로부터 추출된 복수의 입력 영상 내에 각각 포함된 객체에 대한 특징 정보를 미리 설정된 분류 기준과 비교하고, 해당 비교 결과에 따라 복수의 입력 영상 각각을 분류한다.
일 예로, 분류부(400)는 특징 추출부(300)로부터 추출된 특징 정보(예를 들어 제 1 내지 제 10의 입력 영상에 각각 대응하는 제 1 내지 제 10 특징 정보) 및 미리 설정된 분류 기준을 근거로 복수의 입력 영상 중에서 원형 객체에 대응하는 하나 이상의 입력 영상(예를 들어 제 1 영상, 제4 영상, 제9 영상)과 사람 객체에 대응하는 하나 이상의 입력 영상(예를 들어 제3 영상, 제7 영상)을 각각 분류한다. 또한, 분류부(400)는 복수의 입력 영상 중에서 해당 분류 기준에 의해 분류되지 않은 나머지 입력 영상(예를 들어 제 2 영상, 제 5 영상, 제 6 영상, 제 8 영상, 제 10 영상)을 미분류된 입력 영상으로 분류한다(S220).
이후, 재분류부(500)는 분류부(400)에서 분류되는 미분류된 입력 영상에 대해서, 해당 미분류된 입력 영상의 특징 정보를 근거로 재분류 기준을 설정한다.
즉, 재분류부(500)는 분류부(400)에서 분류되는 미분류된 입력 영상에 대해서 해당 미리 설정된 분류 기준의 특징(예를 들어, 색상, 크기, 외형, 객체, 다양한 디스크립터에 의해 추출된 특징 정보 등 포함)에 대응하도록 재분류 기준을 설정한다. 여기서, 재분류 기준은 색상, 크기, 외형, 객체, 특징 추출부(300)로부터 추출된 특징 정보 등을 근거로 설정될 수 있다.
일 예로, 재분류부(500)는 분류부(400)에서 분류되는 미분류된 입력 영상(예를 들어 제 2 영상, 제 5 영상, 제 6 영상, 제 8 영상, 제 10 영상)의 특징 정보를 근거로 재분류 기준을 설정한다(S230).
이후, 재분류부(500)는 설정된 재분류 기준을 근거로 해당 미분류된 입력 영상에 대해서 유사성이 있는 미분류된 입력 영상들끼리 그룹화하여 재분류한다.
즉, 재분류부(500)는 설정된 재분류 기준을 근거로 유사성이 있는 미분류된 입력 영상들끼리 그룹화한다.
일 예로, 재분류부(500)는 설정된 재분류 기준을 근거로 해당 미분류된 입력 영상(예를 들어 제 2 영상, 제 5 영상, 제 6 영상, 제 8 영상, 제 10 영상)에 대해서 유사성이 있는 제 2 영상, 제 6 영상 및 제 8 영상을 하나의 그룹으로 그룹화하고, 제 5 영상 및 제 10 영상을 다른 하나의 그룹으로 그룹화한다(S240).
이후, 재분류부(500)는 그룹화된 입력 영상, 설정된 재분류 기준, 설정된 재분류 기준에 대한 그룹명을 설정하기 위한 그룹명 설정 버튼, 재분류 기준에 대한 승인 버튼 등을 표시부(미도시)에 표시한다.
일 예로, 도 4에 도시된 바와 같이, 재분류부(500)는 그룹화된 제 1 그룹(예를 들어 자동차에 대응하는 영상을 포함)(510) 및 제 2 그룹(예를 들어 컴퓨터에 대응하는 영상을 포함)(520)에 대해서 그룹화된 입력 영상(제 2 영상, 제6 영상 및 제 8 영상이 그룹화된 제 1 그룹(511)과, 제 5 영상 및 제 10 영상이 그룹화된 제 2 그룹(521)), 제 1 그룹 및 제 2 그룹에 대한 각각의 재분류 기준(512, 522), 재분류 기준에 대한 각각의 그룹명 설정 버튼(513, 523), 재분류 기준에 대한 각각의 승인 버튼(514, 524) 등을 표시부에 표시한다(S250).
이후, 표시부에 표시되는 화면 중에서 재분류 기준에 대한 승인 버튼이 선택(또는 클릭)되면, 분류기준 갱신부(600)는 선택된 승인 버튼에 대응하는 승인 정보를 근거로 승인된 해당 그룹에 대한 재분류 기준을 미리 설정된 분류 기준(또는 기존 분류 기준)에 추가(또는 업데이트)한다.
일 예로, 도 4에 도시된 제 1 그룹(510) 및 제 2 그룹(520) 중에서 제 1 그룹에 대한 승인 버튼(514)이 선택될 때, 분류기준 갱신부(600)는 선택된 승인 버튼(514)에 대응하는 승인 정보를 근거로 해당 제 1 그룹에 대한 재분류 기준을 미리 설정된 분류 기준에 추가한다.
또한, 표시부에 표시되는 화면 중에서 재분류 기준에 대한 그룹명 설정 버튼이 선택되면, 분류기준 갱신부(600)는 선택된 그룹명 설정 버튼에 대응하는 그룹명 설정 정보를 근거로 해당 그룹에 대한 그룹명을 설정하기 위한 화면을 표시부에 표시하고, 표시되는 그룹명을 설정하기 위한 화면에서 입력(또는 터치)되는 정보를 근거로 해당 그룹에 대한 그룹명을 설정할 수도 있다(S260).
본 발명의 실시예에 따른 멀티클래스 분류 장치 및 그 방법은 컴퓨터 프로그램으로 작성 가능하며, 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 해당 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 정보저장매체(computer readable media)에 저장되고, 컴퓨터나 본 발명의 실시예에 따른 멀티클래스 분류 장치, 사용자 장치, 서비스 제공 장치 등에 의하여 읽혀지고 실행됨으로써 멀티클래스 분류 장치 및 그 방법을 구현할 수 있다.
정보저장매체는 자기 기록매체, 광 기록매체 및 캐리어 웨이브 매체를 포함한다. 본 발명의 실시예에 따른 멀티클래스 분류 장치 및 그 방법을 구현하는 컴퓨터 프로그램은 멀티클래스 분류 장치, 사용자 장치, 서비스 제공 장치 등의 내장 메모리에 저장 및 설치될 수 있다. 또는, 본 발명의 실시예에 따른 멀티클래스 분류 장치 및 그 방법을 구현하는 컴퓨터 프로그램을 저장 및 설치한 스마트 카드 등의 외장 메모리가 인터페이스를 통해 멀티클래스 분류 장치, 사용자 장치, 서비스 제공 장치 등에 장착될 수도 있다.
본 발명의 실시예는 앞서 설명된 바와 같이, 기존 분류 기준에 부합되지 않아 미분류되는 영상들에 대해서 해당 영상들로부터 추출된 특징 정보를 근거로 미리 설정된 분류 기준의 종류에 대응하도록 재분류 기준을 설정하여 유사성이 있는 영상들끼리 그룹화하여, 사진 등과 같은 객체를 기반으로 자동 분류하는 기술이 적용되는 대용량 스마트 기기나 클라우드 서비스의 활성화 및 사용상 편의성을 향상시킬 수 있다.
또한, 본 발명의 실시예는 앞서 설명된 바와 같이, 사용자 승인을 거친 그룹화된 영상들에 대한 재분류 기준을 기존 분류 기준에 추가하여, 멀티클래스 분류 장치의 시스템 효율을 향상시킬 수 있다.
전술된 내용은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
본 발명은 기존 분류 기준에 부합되지 않아 미분류되는 영상들에 대해서 해당 영상들로부터 추출된 특징 정보를 근거로 미리 설정된 분류 기준의 종류에 대응하도록 재분류 기준을 설정하여 유사성이 있는 영상들끼리 그룹화한 후, 그룹화된 영상들에 대한 재분류 기준을 기존 분류 기준에 추가함으로써 사진 등과 같은 객체를 기반으로 자동 분류하는 기술이 적용되는 대용량 스마트 기기나 클라우드 서비스의 활성화 및 사용상 편의성을 향상시키는 것으로, 영상 처리 분야, 객체 인식 분야 등에서 광범위하게 이용될 수 있다.
10: 멀티클래스 분류 장치 100: 영상 관리부
200: 분류 기준 설정부 300: 특징 추출부
400: 분류부 500: 재분류부
600: 분류기준 갱신부

Claims (11)

  1. 복수의 영상에서 특징 정보를 각각 추출하는 특징 추출부;
    상기 특징 추출부로부터 추출된 복수의 특징 정보와 미리 설정된 분류 기준을 근거로 상기 복수의 영상을 분류하며, 상기 복수의 영상 중에서 분류되지 않은 나머지 영상을 미분류된 영상으로 분류하는 분류부;
    상기 미분류된 영상의 특징 정보를 근거로 재분류 기준을 설정하고, 상기 설정된 재분류 기준을 근거로 상기 미분류된 영상을 그룹화하여 재분류하고, 상기 재분류된 그룹에 대한 정보를 표시하는 재분류부; 및
    상기 표시되는 재분류된 그룹에 대한 정보 중에서 승인 버튼이 선택될 때, 상기 승인 버튼에 대응하는 승인 정보를 근거로 상기 승인 버튼에 대응하는 그룹에 대한 재분류 기준을 상기 미리 설정된 분류 기준에 추가하는 분류기준 갱신부를 포함하는 멀티클래스 분류 장치.
  2. 제1항에 있어서,
    상기 분류부는 상기 추출된 특징 정보를 상기 분류 기준과 비교하고, 상기 비교 결과, 상기 특징 정보가 상기 분류 기준에 일치할 때, 상기 특징 정보에 대응하는 영상을 상기 분류 기준에 대응하는 객체로 분류하는 것을 특징으로 하는 멀티클래스 분류 장치.
  3. 제1항에 있어서,
    상기 분류부는 상기 추출된 특징 정보를 상기 분류 기준과 비교하고, 상기 비교 결과, 상기 특징 정보가 상기 분류 기준에 일치하지 않을 때, 상기 특징 정보에 대응하는 영상을 상기 미분류된 영상으로 분류하는 것을 특징으로 하는 멀티클래스 분류 장치.
  4. 제1항에 있어서,
    상기 재분류부는 상기 미리 설정된 분류 기준의 특징인 색상, 크기, 외형, 객체, 디스크립터에 의해 추출된 특징 정보를 근거로 상기 재분류 기준을 설정하는 것을 특징으로 하는 멀티클래스 분류 장치.
  5. 제1항에 있어서,
    상기 재분류부는 상기 설정된 재분류 기준을 근거로 상기 미분류된 영상 중에서 유사성이 있는 미분류된 영상끼리 그룹화하는 것을 특징으로 하는 멀티클래스 분류 장치.
  6. 제1항에 있어서,
    상기 재분류된 그룹에 대한 정보는 상기 재분류된 그룹 내에 포함되는 하나 이상의 영상, 상기 설정된 재분류 기준, 상기 설정된 재분류 기준에 대한 그룹명을 설정하기 위한 그룹명 설정 버튼 및 상기 재분류 기준에 대한 상기 승인 버튼을 포함하는 것을 특징으로 하는 멀티클래스 분류 장치.
  7. 제6항에 있어서,
    상기 표시되는 재분류된 그룹에 대한 정보 중에서 그룹명 설정 버튼이 선택될 때, 상기 분류기준 갱신부는 상기 그룹명 설정 버튼에 대응하는 그룹명 설정 정보를 근거로 상기 그룹에 대한 그룹명을 설정하기 위한 화면을 표시하고, 상기 표시되는 그룹명을 설정하기 위한 화면에서 입력되는 정보를 근거로 상기 그룹에 대한 그룹명을 설정하는 것을 특징으로 하는 멀티클래스 분류 장치.
  8. 특징 추출부를 통해 복수의 영상에서 특징 정보를 각각 추출하는 단계;
    분류부를 통해 상기 특징 추출부로부터 추출된 복수의 특징 정보와 미리 설정된 분류 기준을 근거로 상기 복수의 영상을 분류하며, 상기 복수의 영상 중에서 분류되지 않은 나머지 영상을 미분류된 영상으로 분류하는 단계;
    재분류부를 통해 상기 미분류된 영상의 특징 정보를 근거로 재분류 기준을 설정하는 단계;
    상기 재분류부를 통해 상기 설정된 재분류 기준을 근거로 상기 미분류된 영상을 그룹화하여 재분류하는 단계;
    상기 재분류부를 통해 상기 재분류된 그룹에 대한 정보를 표시하는 단계; 및
    상기 표시되는 재분류된 그룹에 대한 정보 중에서 승인 버튼이 선택될 때, 분류기준 갱신부를 통해 상기 승인 버튼에 대응하는 승인 정보를 근거로 상기 승인 버튼에 대응하는 그룹에 대한 재분류 기준을 상기 미리 설정된 분류 기준에 추가하는 단계를 포함하는 멀티클래스 분류 방법.
  9. 제8항에 있어서,
    상기 영상을 분류하는 단계는,
    상기 분류부를 통해 상기 추출된 특징 정보를 상기 분류 기준과 비교하는 과정;
    상기 비교 결과, 상기 특징 정보가 상기 분류 기준에 일치할 때, 상기 특징 정보에 대응하는 영상을 상기 분류 기준에 대응하는 객체로 분류하는 과정; 및
    상기 비교 결과, 상기 특징 정보가 상기 분류 기준에 일치하지 않을 때, 상기 특징 정보에 대응하는 영상을 상기 미분류된 영상으로 분류하는 과정;을 포함하는 것을 특징으로 멀티클래스 분류 방법.
  10. 제8항에 있어서,
    상기 표시되는 재분류된 그룹에 대한 정보 중에서 상기 설정된 재분류 기준에 대한 그룹명을 설정하기 위한 그룹명 설정 버튼이 선택될 때, 상기 분류기준 갱신부를 통해 상기 그룹명 설정 버튼에 대응하는 그룹명 설정 정보를 근거로 상기 그룹에 대한 그룹명을 설정하기 위한 화면을 표시하는 단계; 및
    상기 분류기준 갱신부를 통해 상기 표시되는 그룹명을 설정하기 위한 화면에서 입력되는 정보를 근거로 상기 그룹에 대한 그룹명을 설정하는 단계;를 더 포함하는 것을 특징으로 하는 멀티클래스 분류 방법.
  11. 제8항 내지 제10항 중 어느 한 항에 따른 방법을 수행하는 컴퓨터 프로그램이 기록된 기록매체.
KR1020140030834A 2014-03-17 2014-03-17 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체 KR102221684B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140030834A KR102221684B1 (ko) 2014-03-17 2014-03-17 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140030834A KR102221684B1 (ko) 2014-03-17 2014-03-17 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체

Publications (2)

Publication Number Publication Date
KR20150108094A true KR20150108094A (ko) 2015-09-25
KR102221684B1 KR102221684B1 (ko) 2021-03-02

Family

ID=54246221

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140030834A KR102221684B1 (ko) 2014-03-17 2014-03-17 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체

Country Status (1)

Country Link
KR (1) KR102221684B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200032258A (ko) * 2016-07-17 2020-03-25 쥐에스아이 테크놀로지 인코포레이티드 일정한 처리 시간 내에 k개의 극값을 찾는 방법
KR20220102730A (ko) * 2021-01-14 2022-07-21 대전대학교 산학협력단 Ar 장치를 위한 인공지능 기반의 이미지 인식 및 분류 방법, 및 그 시스템

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050000468A (ko) * 2003-06-24 2005-01-05 울림정보기술(주) 사용자 분류정의에 의한 학습 기반의 문헌 정보 분류방법및 그 기록매체
JP2005115529A (ja) * 2003-10-06 2005-04-28 Nippon Telegr & Teleph Corp <Ntt> 映像分類表示方法及びそのシステム並びにプログラム
KR20050096912A (ko) 2005-03-25 2005-10-06 마이크로소프트 코포레이션 객체 분류를 위한 두드러진 특징들을 자동적으로 결정하는방법 및 장치
JP2007310552A (ja) * 2006-05-17 2007-11-29 Matsushita Electric Ind Co Ltd インデクス作成装置、集積回路、インデクス作成方法及びインデクス作成プログラム
KR20090020390A (ko) * 2007-08-23 2009-02-26 삼성전자주식회사 얼굴영상 촬영 및 분류 시스템과 방법
US20110274362A1 (en) * 2008-12-29 2011-11-10 Hitachi High-Techologies Corporation Image classification standard update method, program, and image classification device
KR20130001635A (ko) * 2011-06-27 2013-01-04 에스케이플래닛 주식회사 깊이 맵 생성 방법 및 장치

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050000468A (ko) * 2003-06-24 2005-01-05 울림정보기술(주) 사용자 분류정의에 의한 학습 기반의 문헌 정보 분류방법및 그 기록매체
JP2005115529A (ja) * 2003-10-06 2005-04-28 Nippon Telegr & Teleph Corp <Ntt> 映像分類表示方法及びそのシステム並びにプログラム
KR20050096912A (ko) 2005-03-25 2005-10-06 마이크로소프트 코포레이션 객체 분류를 위한 두드러진 특징들을 자동적으로 결정하는방법 및 장치
JP2007310552A (ja) * 2006-05-17 2007-11-29 Matsushita Electric Ind Co Ltd インデクス作成装置、集積回路、インデクス作成方法及びインデクス作成プログラム
KR20090020390A (ko) * 2007-08-23 2009-02-26 삼성전자주식회사 얼굴영상 촬영 및 분류 시스템과 방법
US20110274362A1 (en) * 2008-12-29 2011-11-10 Hitachi High-Techologies Corporation Image classification standard update method, program, and image classification device
KR20130001635A (ko) * 2011-06-27 2013-01-04 에스케이플래닛 주식회사 깊이 맵 생성 방법 및 장치

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200032258A (ko) * 2016-07-17 2020-03-25 쥐에스아이 테크놀로지 인코포레이티드 일정한 처리 시간 내에 k개의 극값을 찾는 방법
KR20220102730A (ko) * 2021-01-14 2022-07-21 대전대학교 산학협력단 Ar 장치를 위한 인공지능 기반의 이미지 인식 및 분류 방법, 및 그 시스템

Also Published As

Publication number Publication date
KR102221684B1 (ko) 2021-03-02

Similar Documents

Publication Publication Date Title
CN108121816B (zh) 图片分类方法、装置、存储介质及电子设备
US11842254B2 (en) Object recognition based on hierarchical domain-based models
CN106446816B (zh) 人脸识别方法及装置
CN110362677B (zh) 文本数据类别的识别方法及装置、存储介质、计算机设备
US20160098636A1 (en) Data processing apparatus, data processing method, and recording medium that stores computer program
US20160224617A1 (en) System and method for providing search service using tags
RU2643464C2 (ru) Способ и устройство для классификации изображений
KR102277087B1 (ko) 콘텐츠 분류 방법 및 전자 장치
US20140099028A1 (en) System and method for video recognition based on visual image matching
KR101647691B1 (ko) 하이브리드 기반의 영상 클러스터링 방법 및 이를 운용하는 서버
US20130022244A1 (en) Image processing apparatus and image processing method
US10162879B2 (en) Label filters for large scale multi-label classification
WO2016006090A1 (ja) 電子機器、方法及びプログラム
EP2930632A1 (en) Method for sorting media content and electronic device implementing same
CN111783812A (zh) 违禁图像识别方法、装置和计算机可读存储介质
KR20150108094A (ko) 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체
KR20130105322A (ko) 화상 처리장치, 화상 처리방법, 제어 프로그램 및 기록매체
US10007842B2 (en) Same person determination device and method, and control program therefor
KR102238672B1 (ko) 멀티클래스 분류 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체
US11232616B2 (en) Methods and systems for performing editing operations on media
US10958955B1 (en) System for generating modified video output
US9648112B2 (en) Electronic device and method for setting network model
US20160117089A1 (en) Electronic device and method for managing desktop shortcuts
CN112183161A (zh) 人脸数据库的处理方法、装置及设备
CN110598555A (zh) 一种图像的处理方法、装置及设备

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant