特開 2025-10057 ニューラルネットワークのトレーニングのためのラベリング情報を取得するための電子装置、方法、及び非一時的コンピュータ読み取り可能な記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2025010057

(43)【公開日】2025-01-20

(54)【発明の名称】ニューラルネットワークのトレーニングのためのラベリング情報を取得するための電子装置、方法、及び非一時的コンピュータ読み取り可能な記憶媒体

(51)【国際特許分類】

   G06T 7/00 20170101AFI20250109BHJP

   G06V 10/82 20220101ALI20250109BHJP

【ＦＩ】

G06T7/00 350C

G06V10/82

【審査請求】未請求

【請求項の数】20

【出願形態】ＯＬ

(21)【出願番号】P 2024105779

(22)【出願日】2024-06-28

(31)【優先権主張番号】10-2023-0085079

(32)【優先日】2023-06-30

(33)【優先権主張国・地域又は機関】KR

(71)【出願人】

【識別番号】516082420

【氏名又は名称】シンクウェア コーポレーション

【氏名又は名称原語表記】ＴＨＩＮＫＷＡＲＥ ＣＯＲＰＯＲＡＴＩＯＮ

(74)【代理人】

【識別番号】110002789

【氏名又は名称】弁理士法人ＩＰＸ

(72)【発明者】

【氏名】チュン・ヘジュン

(72)【発明者】

【氏名】シン・トンウォン

(72)【発明者】

【氏名】コ・スクピル

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096AA02

5L096AA06

5L096BA04

5L096BA17

5L096CA02

5L096DA02

5L096FA26

5L096HA11

5L096KA04

(57)【要約】

【課題】ニューラルネットワークのトレーニングのためのラベリング情報を取得するための電子装置を提供する。
【解決手段】一実施形態によれば、電子装置は、メモリ及びプロセッサを含むように構成できる。このプロセッサは、ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得するように構成できる。プロセッサは、車両に対応する第２の画像において、車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、実際のナンバープレートの位置情報及び実際のナンバープレートの少なくとも一部の色情報を取得するように構成できる。プロセッサは、色情報を用いて、第１の画像に含まれるピクセルのうち少なくとも１つの色を変更するように構成できる。
【選択図】図１

【特許請求の範囲】

【請求項1】

電子装置であって、
命令を格納し、１つ以上の記憶媒体を含むメモリと、
処理回路を含む少なくとも１つのプロセッサとを含み、
前記命令は、個別的又は集合的に、前記少なくとも１つのプロセッサによって実行される場合、前記電子装置が、
ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得し、
車両に対応する第２の画像において、前記車両に取り付けられた実際のナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、前記実際のナンバープレートの位置情報及び前記実際のナンバープレートの少なくとも一部の色情報を取得し、
前記色情報を用いて、前記第１の画像に含まれるピクセルのうち少なくとも１つの色を変更し、
前記位置情報に基づいて、前記少なくとも１つの色が変更された少なくとも１つのピクセルを含む前記第１の画像及び前記第２の画像を結合して、前記仮想ナンバープレートが合成された前記車両を含む第３の画像を取得し、及び
前記第３の画像、前記テキストオブジェクト、及び前記第１の画像が結合された前記第３の画像内の位置を示す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報として格納するようにする、電子装置。

【請求項2】

前記命令は、個別に又は集合的に、前記少なくとも１つのプロセッサによって実行される場合、前記電子装置が、
前記実際のナンバープレートの頂点（ｖｅｒｔｉｃｅｓ）を表す前記位置情報を使用して、前記車両に取り付けられた前記実際のナンバープレートに、前記第１の画像に含まれる前記仮想ナンバープレートを投影し、及び
前記ラベリング情報を用いて、前記第３の画像と区別される第４の画像において、前記実際のナンバープレートと区別される他の実際のナンバープレートを識別するための前記ニューラルネットワークを学習するようにする、請求項１に記載の電子装置。

【請求項3】

前記命令は、個別に又は集合的に、前記少なくとも１つのプロセッサによって実行される場合、前記電子装置が、
前記テキストオブジェクトとは区別される他のテキストオブジェクトを含む前記実際のナンバープレートの他の部分とは区別される前記実際のナンバープレートの少なくとも一部に含まれるピクセルをサンプリングして、前記色情報を取得し、
前記色情報を用いて、前記仮想ナンバープレートの前記テキストオブジェクトを含む前記仮想ナンバープレートの他の部分と区別される前記仮想ナンバープレートの少なくとも一部の色を変更し、及び
前記少なくとも一部の色が変更された前記仮想ナンバープレートに含まれるピクセルを表すパラメータを変更することに基づいて、前記仮想ナンバープレートのノイズを生成するようにする、請求項２に記載の電子装置。

【請求項4】

前記命令は、個別に又は集合的に、前記少なくとも１つのプロセッサによって実行される場合、前記電子装置が、
前記仮想ナンバープレートの背景を表す背景テンプレートと、指定されたフォント（ｆｏｎｔ）に基づく前記テキストオブジェクトを表すテキストテンプレートとを含む前記テンプレートを用いて、数字を表すテキストオブジェクトと、文字を表すテキストオブジェクトとを含む前記テキストオブジェクトのうち少なくとも１つを、前記背景テンプレートの指定された位置に結合して、前記仮想ナンバープレートを含む前記第１の画像を取得するようにする、請求項３に記載の電子装置。

【請求項5】

前記命令は、個別に又は集合的に、前記少なくとも１つのプロセッサによって実行される場合、前記電子装置が、
前記位置情報を用いて、前記実際のナンバープレートの頂点のそれぞれに、前記仮想ナンバープレートの頂点のそれぞれをマッピングするためのマトリックスを用いて、 前記第２の画像内の前記仮想ナンバープレートを、前記実際のナンバープレート上に投影するようにする、請求項２に記載の電子装置。

【請求項6】

前記命令は、個別に又は集合的に、前記少なくとも１つのプロセッサによって実行される場合、前記電子装置が、
前記実際のナンバープレートの色に対応するＲＧＢ値を表す色情報を用いて、前記第１の画像の色に対応するＲＧＢ値のそれぞれを変更することに基づいて、前記第１の画像の前記ピクセルのうち少なくとも１つの色を変更するようにする、請求項１に記載の電子装置。

【請求項7】

前記命令は、個別に又は集合的に、前記少なくとも１つのプロセッサによって実行される場合、前記電子装置が、
前記第２の画像に含まれるピクセルを用いて、前記車両に取り付けられた前記実際のナンバープレートに対応するピクセルを識別することに基づいて、前記第２の画像における前記実際のナンバープレートに対応するピクセルを含む領域を用いて、前記実際のナンバープレートの前記位置情報を識別するようにする、請求項１に記載の電子装置。

【請求項8】

前記命令は、個別に又は集合的に、前記少なくとも１つのプロセッサによって実行される場合、前記電子装置が、
前記テンプレートを用いて、指定されたサイズを有する前記テキストオブジェクトを組み合わせて、前記組み合わせられたテキストオブジェクトを含む前記仮想ナンバープレートを含む前記第１の画像を取得するようにする、請求項１に記載の電子装置。

【請求項9】

電子装置によって実行される方法であって、
ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得する動作、
車両に対応する第２の画像において、前記車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、前記実際のナンバープレートの位置情報及び前記実際のナンバープレートの少なくとも一部の色情報を取得する動作、
前記色情報を用いて、前記第１の画像に含まれるピクセルのうち少なくとも１つの色を変更する動作、
前記位置情報に基づいて、前記少なくとも１つの色が変更された少なくとも１つのピクセルを含む前記第１の画像と前記第２の画像とを結合して、前記仮想ナンバープレートが合成された前記車両を含む第３の画像を取得する動作、及び
前記第３の画像、前記テキストオブジェクト、及び前記第１の画像が結合された前記第３の画像内の位置を示す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報として格納する動作を含む、方法。

【請求項10】

前記方法は、
前記実際のナンバープレートの頂点（ｖｅｒｔｉｃｅｓ）を表す前記位置情報を用いて、前記車両に取り付けられた前記実際のナンバープレート上に、前記第１の画像に含まれる前記仮想ナンバープレートを投影する動作、及び
前記ラベリング情報を用いて、前記第３の画像と区別される第４の画像において、前記実際のナンバープレートと区別される他の実際のナンバープレートを識別するための前記ニューラルネットワークを学習させる動作を含む、請求項９に記載の方法。

【請求項11】

前記方法は、
前記テキストオブジェクトとは区別される他のテキストオブジェクトを含む前記実際のナンバープレートの他の部分とは区別される前記実際のナンバープレートの少なくとも一部に含まれるピクセルをサンプリングして、前記色情報を取得する動作、
前記色情報を用いて、前記仮想ナンバープレートの前記テキストオブジェクトを含む前記仮想ナンバープレートの他の部分と区別される前記仮想ナンバープレートの少なくとも一部の色を変更する動作、及び
前記少なくとも一部の色が変更された前記仮想ナンバープレートに含まれるピクセルを表すパラメータを変更することに基づいて、前記仮想ナンバープレートのノイズを生成する動作を含む、請求項１０に記載の方法。

【請求項12】

前記方法は、
前記仮想ナンバープレートの背景を表す背景テンプレートと、指定されたフォント（ｆｏｎｔ）に基づく前記テキストオブジェクトを表すテキストテンプレートとを含む前記テンプレートを用いて、数字を表すテキストオブジェクトと文字を表すテキストオブジェクトとを含む前記テキストオブジェクトのうち少なくとも１つを、前記背景テンプレートの指定された位置に結合して、前記仮想ナンバープレートを含む前記第１の画像を取得する動作を含む、請求項１１に記載の方法。

【請求項13】

前記方法は、
前記位置情報を用いて、前記実際のナンバープレートの頂点のそれぞれに、前記仮想ナンバープレートの頂点のそれぞれをマッピングするためのマトリックスを用いて、
前記第２の画像内の前記仮想ナンバープレートを、前記実際のナンバープレート上に投影する動作を含む、請求項１０に記載の方法。

【請求項14】

前記方法は、
前記実際のナンバープレートの色に対応するＲＧＢ値を表す前記色情報を用いて、前記第１の画像の色に対応するＲＧＢ値のそれぞれを変更することに基づいて、前記第１の画像の前記ピクセルのうち少なくとも１つの色を変更する動作を含む、請求項９に記載の方法。

【請求項15】

前記方法は、
前記第２の画像に含まれるピクセルを用いて、前記車両に取り付けられた前記実際のナンバープレートに対応するピクセルを識別することに基づいて、前記第２の画像における前記実際のナンバープレートに対応する前記ピクセルを含む領域を用いて、前記実際のナンバープレートの前記位置情報を識別する動作を含む、請求項９に記載の方法。

【請求項16】

１つ以上のプログラムが格納された非一時的コンピュータ読み取り可能な記憶媒体において、
前記１つ以上のプログラムは、電子装置の少なくとも１つのプロセッサによって個別に又は集合的に実行される場合、
ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得し、
車両に対応する第２の画像において、前記車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、前記実際のナンバープレートの位置情報と、前記実際のナンバープレートの少なくとも一部の色情報とを取得し、
前記色情報を用いて、前記第１の画像に含まれるピクセルのうち少なくとも１つの色を変更し、
前記位置情報に基づいて、前記少なくとも１つの色が変更された少なくとも１つのピクセルを含む前記第１の画像と前記第２の画像とを結合して、前記仮想ナンバープレートが合成された前記車両を含む第３の画像を取得し、及び
前記第３の画像、前記テキストオブジェクト、及び前記第１の画像が結合された前記第３の画像内の位置を表す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報として格納するように、前記電子装置を引き起こす命令を含むように構成された、非一時的なコンピュータ読み取り可能な記憶媒体。

【請求項17】

前記１つ以上のプログラムは、前記少なくとも１つのプロセッサによって個別に又は集合的に実行される場合、
前記実際のナンバープレートの頂点（ｖｅｒｔｉｃｅｓ）を表す前記位置情報を用いて、前記車両に取り付けられた前記実際のナンバープレート上に、前記第１の画像に含まれる前記仮想ナンバープレートを投影し、及び
前記ラベリング情報を用いて、前記第３の画像と区別される第４の画像において、前記実際のナンバープレートと区別される他の実際のナンバープレートを識別するための前記ニューラルネットワークを学習させるように、前記電子装置を引き起こす命令を含むように構成された、請求項１６に記載の非一時的なコンピュータ読み取り可能な記憶媒体。

【請求項18】

前記１つ以上のプログラムは、前記少なくとも１つのプロセッサによって個別に又は集合的に実行される場合、
前記テキストオブジェクトとは区別される他のテキストオブジェクトを含む前記実際のナンバープレートの他の部分とは区別される前記実際のナンバープレートの少なくとも一部に含まれるピクセルをサンプリングして、前記色情報を取得し、
前記色情報を用いて、前記仮想ナンバープレートの前記テキストオブジェクトを含む前記仮想ナンバープレートの他の部分と区別される前記仮想ナンバープレートの少なくとも一部の色を変更し、及び
前記少なくとも一部の色が変更された前記仮想ナンバープレートに含まれるピクセルを表すパラメータを変更することに基づいて、前記仮想ナンバープレートのノイズを生成するように、前記電子装置を引き起こす命令を含むように構成される、請求項１７に記載の非一時的なコンピュータ読み取り可能な記憶媒体。

【請求項19】

前記１つ以上のプログラムは、前記少なくとも１つのプロセッサによって個別に又は集合的に実行される場合、
前記仮想ナンバープレートの背景を表す背景テンプレートと、指定されたフォント（ｆｏｎｔ）に基づく前記テキストオブジェクトを表すテキストテンプレートとを含む前記テンプレートを用いて、数字を表すテキストオブジェクトと文字を表すテキストオブジェクトとを含む前記テキストオブジェクトのうち少なくとも１つを、前記背景テンプレートの指定された位置に結合して、前記仮想ナンバープレートを含む前記第１の画像を取得するように、前記電子装置を引き起こす命令を含むように構成される、請求項１８に記載の非一時的なコンピュータ読み取り可能な記憶媒体。

【請求項20】

前記１つ以上のプログラムは、前記少なくとも１つのプロセッサによって個別に又は集合的に実行される場合、
前記位置情報を用いて、前記実際のナンバープレートの頂点のそれぞれに、前記仮想ナンバープレートの頂点のそれぞれをマッピングするためのマトリックスを用いて、前記第２の画像内の前記仮想ナンバープレートを、前記実際のナンバープレートに投影するように、前記電子装置を引き起こす命令を含むように構成される、請求項１７に記載の非一時的なコンピュータ読み取り可能な記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、ニューラルネットワークのトレーニングのためのラベリング情報を取得するための電子装置、方法、及び非一時的コンピュータ読み取り可能な記憶媒体に関する。

【背景技術】

【0002】

画像オブジェクト認識技術が発達するにつれて、様々な形態のサービスが出現している。これらのサービスは、自律走行（Ａｕｔｏｍａｔｉｃ Ｄｒｉｖｉｎｇ）、拡張現実（Ａｕｇｍｅｎｔｅｄ Ｒｅａｌｉｔｙ）、仮想現実（Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ）、メタバス（Ｍｅｔａｖｅｒｓｅ）などに使用でき、スマートフォンなどの異なるユーザが有する電子装置を介して提供することができる。前記サービスは、人工知能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ）など、ヒトの行動及び／又は思考を模倣するハードウェア及び／又はソフトウェアメカニズムに関連し得る。人工知能に関連する技術は、生物の神経網をシミュレートしたニューラルネットワークを利用する技術を含むことができる。

【発明の概要】

【発明が解決しようとする課題】

【0003】

ニューラルネットワークを用いて、車両に取り付けられたナンバープレートを識別するための方法が必要とされる場合がある。

【0004】

本明細書で達成しようとする技術的課題は、前述の技術的課題に限定されず、言及されていない他の技術的課題は、以下の記載から本発明が属する技術分野における通常の知識を有する者に明確に理解されるであろう。

【課題を解決するための手段】

【0005】

一実施形態によれば、電子装置は、メモリ及びプロセッサを含むように構成することができる。このプロセッサは、ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得するように構成できる。前記プロセッサは、車両に対応する第２の画像において、前記車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、前記実際のナンバープレートの位置情報及び前記実際のナンバープレートの少なくとも一部の色情報を取得するように構成できる。前記プロセッサは、前記色情報を用いて、前記第１の画像に含まれるピクセルのうち少なくとも１つの色を変更するように構成できる。前記プロセッサは、前記位置情報に基づいて、前記少なくとも１つの色が変更された少なくとも１つのピクセルを含む前記第１の画像及び前記第２の画像を結合して、前記仮想ナンバープレートが合成された前記車両を含む第３の画像を取得するように構成できる。前記プロセッサは、前記第３の画像、前記テキストオブジェクト、及び前記第１の画像が結合された前記第３の画像内の位置を示す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報として格納するように構成されてもよい。

【0006】

一実施形態による電子装置によって実行される方法において、この方法は、ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得する動作を含むことができる。前記方法は、車両に対応する第２の画像において、前記車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、前記実際のナンバープレートの位置情報及び前記実際のナンバープレートの少なくとも一部の色情報を取得する動作を含むことができる。前記方法は、前記色情報を用いて、前記第１の画像に含まれるピクセルのうち少なくとも１つの色を変更する動作を含むことができる。前記方法は、前記位置情報に基づいて、前記少なくとも１つの色が変更された少なくとも１つのピクセルを含む前記第１の画像と前記第２の画像とを結合して、前記仮想ナンバープレートが合成された前記車両を含む第３の画像を取得する動作を含むことができる。前記方法は、前記第３の画像、前記テキストオブジェクト、及び前記第１の画像が結合された前記第３の画像内の位置を示す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報として格納する動作を含むことができる。

【0007】

一実施形態による１つ以上のプログラムが格納されたコンピュータ読み取り可能な記憶媒体において、前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得するように、前記電子装置を引き起こす命令を含むように構成することができる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、車両に対応する第２の画像において、前記車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、前記実際のナンバープレートの位置情報と、前記実際のナンバープレートの少なくとも一部の色情報とを取得するように、前記電子装置を引き起こす命令を含むように構成することができる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、前記色情報を用いて、前記第１の画像に含まれるピクセルのうち少なくとも１つの色を変更するように、前記電子装置を引き起こす命令を含むように構成することができる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、前記位置情報に基づいて、前記少なくとも１つの色が変更された少なくとも１つのピクセルを含む前記第１の画像と前記第２の画像とを結合して、前記仮想ナンバープレートが合成された前記車両を含む第３の画像を取得するように、前記電子装置を引き起こす命令を含むように構成することができる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、前記第３の画像、前記テキストオブジェクト、及び前記第１の画像が結合された前記第３の画像内の位置を示す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報として格納するように、前記電子装置を引き起こす命令を含むように構成することができる。

【発明の効果】

【0008】

本開示の一実施形態による電子装置、方法、および非一時的コンピュータ可読記憶媒体は、ニューラルネットワークを使用して車両に取り付けられたナンバープレートを識別するためのラベリング情報を取得することができる。

【0009】

本開示で得られる効果は、前述の効果に限定されず、言及されていない他の効果は、以下の記載から本開示が属する技術分野における通常の知識を有する者に明確に理解され得る。

【図面の簡単な説明】

【0010】

【図1】一実施形態による電子装置のブロック図の一例を示す。

【図2】一実施形態による電子装置が取得する仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）のテンプレートの一例を示す。

【図3】一実施形態による電子装置が取得した仮想ナンバープレートに関するデータの一例を示す。

【図4】一実施形態による電子装置が取得した仮想ナンバープレートの一例を示す。

【図5】一実施形態による電子装置が仮想ナンバープレートを取得するために用いるニューラルネットワークの一例を示す。

【図6】一実施形態による電子装置がニューラルネットワークを用いて取得した仮想ナンバープレートの一例を示す。

【図7】一実施形態による電子装置が識別するためのナンバープレートを示す表の一例を示す。

【図8a】一実施形態による電子装置が識別するためのナンバープレートの種類を示す表の一例を示す。

【図8b】一実施形態による電子装置が識別するためのナンバープレートの種類を示す表の一例を示す。

【図9】一実施形態による電子装置が位置情報を取得するために用いる画像の一例を示す。

【図10】一実施形態による電子装置が車両に取り付けられた実際のナンバープレートの位置情報を取得する動作の一例を示す。

【図11】一実施形態による電子装置が仮想ナンバープレートの色を変更するために、実際のナンバープレートの色情報を用いる動作の一例を示す。

【図12】一実施形態による電子装置が実際のナンバープレートの色を示すヒストグラムを用いて、仮想ナンバープレートの色を変更する動作の一例を示す。

【図13】一実施形態による電子装置が取得したノイズに基づく仮想ナンバープレートの一例を示す。

【図14】一実施形態による電子装置が第１の画像を、第２の画像に投影するための動作の一例を示す。

【図15】一実施形態による電子装置が仮想ナンバープレートを含む第１の画像を第２の画像に結合して取得した第３の画像を、ラベリング情報として格納する動作の一例を示す。

【図16】一実施形態による電子装置の動作を示すフローチャートの一例を示す。

【図17】学習データセットに基づいて、ニューラルネットワークをトレーニングする電子装置の動作を説明するための図である。

【図18】一実施形態による、電子装置のブロック図である。

【図19】一実施形態による多角形の形態に対応する位置情報の一例を示す。

【発明を実施するための形態】

【0011】

以下、添付の図面を参照して本文書の様々な実施形態について説明する。

【0012】

本文書の様々な実施形態及びそれに使用される用語は、本文書に記載された技術を、特定の実施形態に限定することを意図するものではなく、その実施形態の様々な変更、等価物、又は代替物を含むことを理解されたい。図面の説明に関して、類似する構成要素には、類似の参照番号を使用する場合がある。文脈上、明らかに別段の定めがない限り、単数の表現には、複数の表現が含まれることがある。本文書において、「Ａ又はＢ」、「Ａ及び／又はＢのうち少なくとも１つ」、「Ａ、Ｂ又はＣ」、又は「Ａ、Ｂ及びＣのうち少なくとも１つ」などの表現は、一緒に列挙された項目の可能なすべての組み合わせを含むことができる。「第１」、「第２」、又は「一番目」又は「二番目」などの表現は、対応する構成要素を順序又は重要度に関係なく修飾することができ、ある構成要素を他の構成要素と区別するために使用するだけ、対応する構成要素を限定しない。ある（例えば、第１の）構成要素が、他の（例えば、第２の）構成要素に、「（機能的に又は通信的に）連結されている」か、又は「接続されている」と言及されている場合、その構成要素は、他の構成要素に直接接続されてもよく、他の構成要素（例えば、第３の構成要素）を介して接続されてもよい。

【0013】

本文書で使用される「モジュール」という用語は、ハードウェア、ソフトウェア、又はファームウェアで構成されたユニットを含み、例えば、ロジック、論理ブロック、部品、又は回路などの用語と交換可能に使用することができる。モジュールは、一体に構成された部品又は１つ又はそれ以上の機能を実行する、部品の最小単位又はその一部であり得る。例えば、モジュールは、ＡＳＩＣ（ａｐｐｌｉｃａｔｉｏｎ－ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）で構成され得る。

【0014】

図１は、一実施形態による電子装置のブロック図の一例を示す。図１を参照すると、一実施形態による電子装置１０１は、プロセッサ１２０又はメモリ１３０のうち少なくとも１つを含むことができる。プロセッサ１２０及びメモリ１３０は、通信バス（ａ ｃｏｍｍｕｎｉｃａｔｉｏｎ ｂｕｓ）などの電子部品（ｅｌｅｃｔｒｏｎｉｃ ｃｏｍｐｏｎｅｎｔ）によって、互いに電気的及び／又は動作的に結合されてもよい（ｅｌｅｃｔｒｏｎｉｃａｌｌｙ ａｎｄ／ｏｒ ｏｐｅｒａｂｌｙ ｃｏｕｐｌｅｄ ｗｉｔｈ ｅａｃｈ ｏｔｈｅｒ）。以下では、ハードウェアが動作的に結合されたことは、ハードウェアのうち第１のハードウェアによって、第２のハードウェアが制御されるように、ハードウェア間の直接的な接続、又は間接的な接続が有線又は無線で確立されたことを意味することができる。電子装置１０１の構成要素は異なるブロックに示されているが、実施形態は、これに限定されない。図１のハードウェアの一部は、ＳｏＣ（ｓｙｓｔｅｍ ｏｎ ａ ｃｈｉｐ）などの単一の集積回路（ｓｉｎｇｌｅ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）に含まれてもよい。電子装置１０１内に含まれるハードウェアのタイプ及び／又は数は、図１に示すものに限定されない。例えば、電子装置１０１は、図１に示すハードウェアの一部のみを含むことができる。

【0015】

一実施形態によれば、電子装置１０１は、１つ以上の命令に基づいて、データを処理するためのハードウェアを含んでもよい。データを処理するためのハードウェアは、プロセッサ１２０を含むことができる。データを処理するためのハードウェアは、例えば、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ａｎｄ ｌｏｇｉｃ ｕｎｉｔ）、ＦＰＵ（ｆｌｏａｔｉｎｇ ｐｏｉｎｔ ｕｎｉｔ）、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＣＰＵ（ｃｅｎｔｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、及び／又はＡＰ（ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｃｅｓｓｏｒ）を含むことができる。プロセッサ１２０は、シングルコアプロセッサの構造を有してもよく、又はデュアルコア（ｄｕａｌ ｃｏｒｅ）、クアッドコア（ｑｕａｄ ｃｏｒｅ）、ヘキサコア（ｈｅｘａ ｃｏｒｅ）、又はオクタコア（ｏｃｔａ ｃｏｒｅ）などのマルチコアプロセッサの構造を有してもよい。

【0016】

一実施形態によれば、電子装置１０１のメモリ１３０は、電子装置１０１のプロセッサ１２０に入力及び／又は出力されるデータ及び／又は命令を格納するためのハードウェア構成要素を含むことができる。メモリ１３０は、例えば、ＲＡＭ（ｒａｎｄｏｍ－ａｃｃｅｓｓ ｍｅｍｏｒｙ）などの揮発性メモリ（ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ）及び／又はＲＯＭ（ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）などの不揮発性メモリ（ｎｏｎ－ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ）を含むことができる。揮発性メモリは、例えば、ＤＲＡＭ（ｄｙｎａｍｉｃ ＲＡＭ）、ＳＲＡＭ（ｓｔａｔｉｃ ＲＡＭ）、キャッシュＲＡＭ（Ｃａｃｈｅ ＲＡＭ）、ＰＳＲＡＭ（ｐｓｅｕｄｏ ＳＲＡＭ）のうち少なくとも１つを含むことができる。不揮発性メモリは、例えば、ＰＲＯＭ（ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＰＲＯＭ（ｅｒａｓａｂｌｅ ＰＲＯＭ）、ＥＥＰＲＯＭ（ｅｌｅｃｔｒｉｃａｌｌｙ ｅｒａｓａｂｌｅ ＰＲＯＭ）、フラッシュメモリ、ハードディスク、コンパクトディスク、ＳＳＤ（ｓｏｌｉｄ ｓｔａｔｅ ｄｒｉｖｅ）、ｅＭＭＣ（ｅｍｂｅｄｄｅｄ ｍｕｌｔｉｍｅｄｉａ ｃａｒｄ）のうち少なくとも１つを含むことができる。

【0017】

例えば、電子装置１０１のメモリ１３０は、ニューラルネットワーク（図示せず）を含むことができる。電子装置１０１は、メモリ１３０に格納されたニューラルネットワークに基づいて、車両に取り付けられたナンバープレートを識別することができる。例えば、電子装置１０１は、メモリ１３０に格納された画像（又はラベリング情報１６５）に基づいて、ニューラルネットワークをトレーニングすることができる。電子装置１０１は、画像に含まれる仮想ナンバープレートに基づいて、ニューラルネットワークをトレーニングすることができる。電子装置１０１がニューラルネットワークを学習するための仮想ナンバープレートを生成するための動作については、図２～図６で後述する。

【0018】

一実施形態による電子装置１０１のメモリ１３０は、テンプレート１５０を含むことができる。テンプレート１５０は、車両に取り付けられたナンバープレートの種類に関する情報を含むことができる。テンプレート１５０は、国別のナンバープレートルール（例えば、「自動車登録番号板などの基準に関する通知」）が考慮されてもよい。一例では、テンプレート１５０の種類は、国別のナンバープレートルールによって異なることがある。電子装置１０１は、国別のナンバープレートルールに異なるテンプレート１５０を識別することができる。例えば、テンプレート１５０は、ナンバープレートの背景を表す背景テンプレート１５１及び／又はナンバープレートのテキストオブジェクト（例えば、数字又は文字）を表すテキストテンプレート１５３を含むことができる。図２を参照して、テンプレート１５０の例示的な説明を後述する。

【0019】

例えば、電子装置１０１のメモリ１３０は、第１の画像１６０を含むことができる。第１の画像１６０は、電子装置１０１がテンプレート１５０を用いて取得した仮想ナンバープレートを含むことができる。第１の画像１６０のサイズは、仮想ナンバープレートのサイズに対応し得る。電子装置１０１が第１の画像１６０を取得する動作については、図２～図４を参照して後述する。

【0020】

例えば、電子装置１０１のメモリ１３０は、第２の画像１６１を含むことができる。第２の画像１６１は、車両を含む実際の環境に対応する画像の一例であり得る。第２の画像１６１は、車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含むことができる。電子装置１０１は、第２の画像１６１を用いて、実際のナンバープレートの位置情報及び色情報を取得することができる。電子装置１０１は、色情報を用いて、第１の画像１６０の色を変更し、位置情報を用いて、第１の画像１６０を第２の画像１６１の少なくとも一部と結合することができる。

【0021】

例えば、電子装置１０１のメモリ１３０は、第３の画像１６２を含むことができる。第３の画像１６２は、第２の画像１６１と第１の画像１６０とを結合して、仮想ナンバープレートが合成された車両を含むことができる。例えば、電子装置１０１は、メモリ１３０内に、第３の画像１６２、テキストオブジェクト、及び第１の画像１６０が結合された第３の画像内の位置を示す位置情報を、ラベリング情報１６５として格納することができる。前記位置情報は、第３の画像内の第１の画像１６０が重畳された位置（例えば、座標値）を表すことができる。ラベリング情報１６５は、画像内の車両に取り付けられたナンバープレートを識別するためのニューラルネットワークのトレーニングに使用することができる。

【0022】

前述したように、一実施形態による電子装置１０１は、ナンバープレートを識別するためのニューラルネットワークを学習するための仮想ナンバープレートを取得することができる。電子装置１０１は、ニューラルネットワークを学習するために、仮想ナンバープレートを用いることに基づいて、実際の環境に対応する画像内に含まれる車両の実際のナンバープレートを用いるのとは異なり、実際のナンバープレートに対応するユーザ情報を侵害しないことがある。

【0023】

以下、図２を参照して、仮想ナンバープレートを取得するために用いられるテンプレート１５０の例示的な説明については、後述する。

【0024】

図２は、一実施形態による電子装置が取得する仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）のテンプレートの一例を示す。図２の電子装置１０１は、図１の電子装置１０１を含むことができる。図２の動作のうち少なくとも１つは、図１のプロセッサ１２０によって実行されてもよい。

【0025】

図２を参照すると、国別のナンバープレートルールに基づくテンプレート１５０の一例が示されている。テンプレート１５０は、地域（ｒｅｇｉｏｎ）、国（ｎａｔｉｏｎ）、及び／又は時間によって異なることがある。テンプレート１５０は、ナンバープレートの背景を示す背景テンプレート１５１及び／又はナンバープレート内に含まれるテキストオブジェクトを示すテキストテンプレート１５３を含むことができる。

【0026】

例えば、背景テンプレート１５１は、指定されたサイズを有することができる。指定されたサイズは、国、又は地域によって異なり得る。指定されたサイズは、車両の用途及び／又は車両の種類によって異なり得る。背景テンプレート１５１は、地域又は国を表す視覚オブジェクト、図形、及び／又は色を含むことができる。背景テンプレート１５１の色は、車両の種類及び／又は車両の用途に応じて変わり得る。一例として、電子装置１０１は、第１の国（例えば、韓国）に対応する仮想ナンバープレートを生成する場合、第１の背景テンプレート１５１－１を用いて、仮想ナンバープレートを生成することができる。一例として、電子装置１０１は、第２の国（例えば、米国）に対応するナンバープレートを生成する場合、第２の背景テンプレート１５１－２を用いて、仮想ナンバープレートを生成することができる。電子装置１０１は、生成する仮想ナンバープレートに対応する国又は地域に基づいて、背景テンプレート１５１を選択することができる。

【0027】

例えば、テキストテンプレート１５３は、ナンバープレート内に含まれるテキストオブジェクトを含むことができる。テキストテンプレート１５３は、文字を表すテキストオブジェクト２１１、及び／又は数字を表すテキストオブジェクト２１２を含むことができる。テキストテンプレート１５３に含まれるテキストオブジェクトは、背景テンプレート１５１に含まれるように、指定されたサイズを有することができる。指定されたサイズは、国別のナンバープレートルールに基づいて設定されてもよい。ただし、これに限定されるものではない。テキストテンプレート１５３に含まれるテキストオブジェクトは、言語（例えば、漢字、ハングル、アルファベット、及び／又はひらがな）に基づく文字を含んでもよい。テキストオブジェクトは、指定されたフォント（ｆｏｎｔ）に基づいて識別できる。テキストオブジェクトの言語及び／又は指定されたフォントは、地域、国、及び／又は時間によって異なり得る。一例として、テキストオブジェクトは、米国の場合は、第１のフォント（例えば、ｐｅｎｉｔｅｎｔｉａｒｙ ｇｏｔｈｉｃ）に基づくテキストオブジェクトを含むことができ、米国内のカリフォルニア州の場合、第２のフォント（例えば、ｒａｇｅ ｉｔａｌｉｃ）に基づくテキストオブジェクトを含むことができる。ただし、これに限定されるものではない。国別のナンバープレートルールが変更される場合、背景テンプレート１５１及び／又はテキストテンプレート１５３は、変更されてもよい。

【0028】

一実施形態による電子装置１０１は、背景テンプレート１５１のうち少なくとも１つを選択し、選択された少なくとも１つの背景テンプレート内に、テキストテンプレート１５３に含まれるテキストオブジェクトのうち少なくとも１つを結合して、仮想ナンバープレートを取得することができる。

【0029】

例えば、電子装置１０１は、文字を表すテキストオブジェクト２１１及び／又は数字を表すテキストオブジェクト２１２のそれぞれを組み合わせて、仮想ナンバープレートを取得することができる。仮想ナンバープレート内に含まれるテキストオブジェクト（例えば、文字を表すテキストオブジェクト２１１、及び／又は数字を表すテキストオブジェクト２１２）の数は、地域、国、及び／又は時間によって異なることがある。例えば、電子装置１０１は、発生した回数に基づいて、文字を表すテキストオブジェクト２１１のうち少なくとも１つを選択し、数字を表すテキストオブジェクト２１２のうち少なくとも１つを、ランダムに選択することができる。ただし、これに限定されるものではない。例えば、電子装置１０１は、国別のナンバープレートルールに従って、指定された設定値（例えば、サイズ、位置、及び／又は数）に基づいて、背景テンプレート内に、テキストテンプレート内のテキストオブジェクトを組み合わせて、仮想ナンバープレートを取得することができる。

【0030】

図３を参照して、一実施形態による電子装置１０１が仮想ナンバープレートを取得するために用いる例示的なデータの説明については、後述する。

【0031】

図３は、一実施形態による電子装置が取得した仮想ナンバープレートのデータの一例を示す。図３の電子装置１０１は、図１～図２の電子装置１０１を含むことができる。図３の動作のうち少なくとも１つは、図１のプロセッサ１２０によって実行されてもよい。

【0032】

図３を参照すると、一実施形態による電子装置１０１は、図１のテンプレート１５０を用いて、仮想ナンバープレート３０５を取得することができる。仮想ナンバープレート３０５は、国別のナンバープレートルールに基づいて取得できる。例えば、電子装置１０１は、背景テンプレート（例えば、図１の背景テンプレート１５１）のサイズ、色、及び／又は視覚オブジェクトの包含の可否を設定することができる。電子装置１０１は、設定された背景テンプレートと、テキストテンプレート（例えば、図１のテキストテンプレート１５３）内に含まれるテキストオブジェクトを結合して、仮想ナンバープレート３０５を取得することができる。電子装置１０１は、仮想ナンバープレート３０５を取得するために、背景テンプレート内に含まれるテキストオブジェクトの位置、サイズ、及び／又は種類（例えば、文字又は数字）を設定することができる。電子装置１０１は、トレーニングされるニューラルネットワークを用いて識別するナンバープレートの種類に応じて、仮想ナンバープレート３０５の種類を設定することができる。ナンバープレートの種類は、ナンバープレートを含む画像に対応する実際の環境の位置（例えば、地域、又は国）に基づいて設定されてもよい。

【0033】

例えば、電子装置１０１は、仮想ナンバープレート３０５を取得するためのデータ３１０を識別することができる。データ３１０は、仮想ナンバープレート３０５に関する情報を含むことができる。例えば、仮想ナンバープレート３０５に関する情報は、テンプレートの種類、背景テンプレートの色、背景テンプレートの形状（ｓｈａｐｅ）（例えば、矩形）、テンプレートに対応する位置（例えば、地域又は国）、仮想ナンバープレート３０５のサイズ及び／又は仮想ナンバープレート３０５内に含まれるテキストオブジェクト（例えば、「５８ド（ｄｏ）０２９０」）に関する情報を含むことができる。データ３１０は、電子装置１０１がナンバープレートを識別するためのニューラルネットワークを学習させるラベリング情報に含まれてもよい。例えば、電子装置１０１は、実際のナンバープレートを含む画像及び実際のナンバープレートに関する情報を含むデータ（例えば、データ３１０）を用いて、ニューラルネットワークをトレーニングすることができる。

【0034】

例えば、データ３１０は、仮想ナンバープレート３０５のサイズを示す情報を含むことができる。ライン情報３１１は、２次元座標軸の中心座標（例えば、Ｍｉｎ Ｘ、Ｍｉｎ Ｙ）を表すことができる。２次元座標軸の中心座標は、仮想ナンバープレート３０５の一位置を識別するための基準となる座標を意味することができる。例えば、ライン情報３１１は、仮想ナンバープレート３０５の形態（例えば、図３の「ｓｈａｐｅｓ」）に基づいて、仮想ナンバープレート３０５の一位置（例えば、図３の「ｐｏｉｎｔｓ」）を示す情報を含むことができる。例えば、ライン情報３１１は、２次元座標軸に基づく仮想ナンバープレート３０５の左上（Ｌｅｆｔ－Ｔｏｐ）のエッジに対する位置情報３０６の座標（例えば、１２４０．１４０８４５０７０４２２５、１０４２．５３５２１１６７６０５７）を示すことができる。ライン情報３１２は、中心座標に対する相対座標（例えば、Ｍａｘ Ｘ、Ｍａｘ Ｙ）を表すことができる。例えば、ライン情報３１２は、２次元座標軸に基づく仮想ナンバープレート３０５の右下（Ｒｉｇｈｔ－Ｂｏｔｔｏｍ）のエッジに対する位置情報３０７の座標（例えば、１４９３．６６１９７１８３０９８６、１１１５．４２２５３５２１１２６７６）を表すことができる。ただし、これに限定されるものではない。電子装置１０１は、位置情報３０６及び位置情報３０７の座標値を用いて、仮想ナンバープレートのサイズを設定することができる。仮想ナンバープレートのサイズは、仮想ナンバープレート３０５の種類に応じて変更されてもよい。

【0035】

例えば、データ３１０は、仮想ナンバープレート３０５が合成される車両に関する情報を含むことができる。例えば、車両に関する情報を示すライン情報３１３は、車両の種類、車両の用途、及び／又は車両の登録所在地を含むことができる。ライン情報３１３は、ＪＳＯＮ形式に基づいて取得することができる。電子装置１０１は、取得する仮想ナンバープレート３０５の種類に応じて、ライン情報３１３に含まれる車両に関する情報のうち少なくとも１つを識別することができる。例えば、第１のタイプ（例えば、「ｔｙｐｅ０１」）の場合、ナンバープレートの形態は、横の長さが縦の長さよりも長い長方形の形状を有することができる。一例では、ナンバープレートに含まれるテキストオブジェクトの色は、第１の色（例えば、黒色）であり得る。第２のタイプ（例えば、「ｔｙｐｅ０２」）の場合、ナンバープレートの形態は、第１のタイプの長方形の横長よりも短い横長を有し、第１のタイプの長方形の縦長よりも長い縦長を有する長方形の形態を有することができる。一例では、ナンバープレートに含まれるテキストオブジェクトの色は、第１の色（例えば、黒色）であり得る。第３のタイプ（例えば、「ｔｙｐｅ０３」）の場合、ナンバープレートの形態は、第１のタイプのナンバープレートと同様であってもよい。第３のタイプの場合、ナンバープレートの色は、第１のタイプのナンバープレートの色と区別することができる。第１のタイプに対応するナンバープレートを有する車両と、第３のタイプに対応するナンバープレートを有する車両との用途が異なることがあるため、第１のタイプのナンバープレートと第３のタイプのナンバープレートとの色は、異なってもよい。第３のタイプのナンバープレート内に含まれるテキストオブジェクトの色は、第２の色（例えば、白色）であってもよい。第４のタイプ（「ｔｙｐｅ０４」）の場合、ナンバープレートの形態は、第２のタイプのナンバープレートの形態と同様であってもよい。第４のタイプのナンバープレートに含まれるテキストオブジェクトの色は、第２の色であり得る。ただし、これに限定されるものではない。ナンバープレートの種類は、地域、国、及び／又は車両の用途によって変わり得る。電子装置１０１は、ナンバープレートの種類を識別することによって、識別されたナンバープレートから、前記種類に対応する情報を取得することができる。例えば、第１のタイプ（例えば、「ｔｙｐｅ０１」）に関する情報を選択（例えば、ｔｒｕｅ）し、他のタイプ（例えば、「ｔｙｐｅ０２」～「ｔｙｐｅＥＴＣ」）の情報を選択しない（例えば、ｆａｌｓｅ）場合、電子装置１０１は、第１のタイプに対応する仮想ナンバープレート３０５を取得することができる。ＪＳＯＮ形式の説明は、以下の表１を参照して後述する。

【表1】

一実施形態による表１は、電子装置１０１が画像を介して取得した仮想ナンバープレートを示す情報の一部を含むことができる。例えば、電子装置１０１は、前記情報の一部及び前記情報に対応する仮想ナンバープレート（又はナンバープレート画像）を用いて、ニューラルネットワークをトレーニングすることができる。

【0036】

例えば、表１を参照すると、「ｆｌａｇｓ」以下の情報は、画像内に含まれる少なくとも１つのナンバープレートを表すデータを含むことを意味（例えば、クラス情報）することができる。「ｆｌａｇｓ」に対応する情報は、「ｆｌａｇｓ」で区切られた部分（又はカテゴリ）によって異なることがある。「ｆｌａｇｓ」は、「ｆｌａｇｓ」に対応する情報を区別するために使用され得る。

【0037】

例えば、「ｌａｂｅｌ」は、ニューラルネットワークを介して、電子装置１０１が識別するためのテキストオブジェクト及び／又は視覚オブジェクトを表すことができる。一例では、「ｌａｂｅｌ」は、正解を表すデータを意味することができる。「ｌａｂｅｌ」は、電子装置１０１がニューラルネットワークを学習するためのガイド情報として参照することができる。一例として、画像内で複数のナンバープレートが識別される場合、複数のナンバープレートのそれぞれに対応するデータセット（例えば、ｌａｂｅｌ－ｔｏ－ｆｌａｇｓ）（又は命令）を取得することができる。一例では、「ｌａｂｅｌ」以下のデータセットは、「ｌａｂｅｌ」に対応するテキストオブジェクトを識別するために使用できる。例えば、データセットは、ナンバープレートに含まれる位置情報（例えば、後述する図４の第１の位置４１１）に基づいて取得することができる。前記位置情報は、ナンバープレートの形態によって異なることがある。ナンバープレートの形態の説明は、図４を参照して後述する。ナンバープレートの形態によって、テキストオブジェクト及び／又は視覚オブジェクトを含む位置が異なる可能性があるため、電子装置１０１は、ナンバープレートの形態（又はタイプ）を識別することによって、テキストオブジェクトが含まれる位置情報を推論することができる。一例として、生成される仮想ナンバープレートの種類に基づいて、電子装置１０１が設定するためのテキストオブジェクトの数は、異なることがある。テキストオブジェクトの数に基づいて、ＪＳＯＮ形式に基づくデータセットを取得することができる。

【0038】

例えば、「ｐｏｉｎｔ」は、仮想ナンバープレート３０５（又は仮想ナンバープレートの一位置を識別するためのバウンディングボックス）の形態に基づいて、長方形の左上のエッジの位置（例えば、１５１３．０８０６１０４４８０５３２、９２３０８８５４２７８３９１８）及び／又は長方形の右下のエッジの位置（例えば、１６５３．８７００８４１３２２６３６、９５９．９３０４８０４７０８９７）を表すことができる。一例では、「ｐｏｉｎｔ」は、仮想ナンバープレート３０５（又はバウンディングボックス）の形態に応じて変更することができる。一例として、ｎ角形（又は多角形（ｐｏｌｙｇｏｎ））に基づく形態の場合、「ｐｏｉｎｔ」は、ｎ個の位置情報を含み得る。例えば、ｎ角形（又は多角形）に基づく形態に関する位置情報は、図１９のように示すことができる。図１９を参照すると、電子装置１０１は、多角形１９１０のエッジ１９１０－１、１９１０－２、１９１０－３、１９１０－４、１９１０－５、１９１０－６に対応する位置情報を識別することができる。ただし、これに限定されるものではない。

【0039】

例えば、ライン情報３１１及び／又はライン情報３１２は、「ｐｏｉｎｔ」の一例であり得る。例えば、「ｓｈａｐｅ ｔｙｐｅ」は、ナンバープレートの種類に対応するナンバープレートの形態を表すことができる。一例として、表１を参照すると、ナンバープレートの種類を示す情報のうち、第１のタイプ（例えば、「ｔｙｐｅ０１」）がｔｒｕｅであり、残りは、ｆａｌｓｅであるため、表１に含まれる情報は、第１のタイプに対応する形態（例えば、ｒｅｃｔａｎｇｌｅ）、及び第１のタイプに基づく位置情報（例えば、ライン情報３１１、及び／又はライン情報３１２）を含むことができる。一例として、表１を参照すると、「ｔｒｕｃｋ」及び／又は「ｐａｓｓｅｎｇｅｒ ｃａｒ」は、車両の種類に基づいて設定することができる。

【0040】

例えば、「ＮＵＭＢＥＲＳ」は、仮想ナンバープレートに含まれるテキストオブジェクトの色が、第１の色（たとえば、黒色）の場合は、ｔｒｕｅに、第２の色（例えば、黒色とは異なる色）の場合は、ｆａｌｓｅに設定できる。「ｎｕｍ＿ｎ」は、仮想ナンバープレートの一位置（例えば、図４で後述する位置情報）に含まれるテキストオブジェクト（例えば、数字）を識別するために使用することができる。一例として、仮想ナンバープレートの一位置に含まれるテキストオブジェクト（例えば、数字）が５の場合、「ｎｕｍ＿５」は、ｔｒｕｅに設定されてもよい。「ＩＮＶＥＲＳＥ＿ＮＵＭＢＥＲＳ」は、仮想ナンバープレートに含まれるテキストオブジェクトの色が、第２の色（例えば、白色）の場合は、ｔｒｕｅに、第２の色と異なる色（例えば、白色とは異なる色）の場合は、ｆａｌｓｅに設定されてもよい。「ｎｕｍ＿ｉｎｖｅｒｓｅ＿ｎ」は、仮想ナンバープレートの一位置（例えば、図４で後述する位置情報）に含まれるテキストオブジェクト（例えば、数字）を識別するために使用することができる。一例として、仮想ナンバープレートの一位置に含まれるテキストオブジェクト（例えば、数字）が５の場合、「ｎｕｍ＿ｉｎｖｅｒｓｅ＿５」は、ｔｒｕｅに設定されてもよい。ただし、これに限定されない。以下、表２～表５を参照して、ナンバープレート内のテキストオブジェクト（例えば、数字、記号又は文字）を識別するための情報については、後述する。

【表2】

表２は、一実施形態によるナンバープレート内に含まれるテキストオブジェクト（例えば、文字）に関する情報を含むことができる。表２を参照すると、一実施形態による電子装置１０１は、ナンバープレートの一位置に含まれるテキストオブジェクトを識別することができる。例えば、「ＣＨＡＲＡＣＴＥＲＳ」は、ナンバープレート内に含まれるテキストオブジェクトの色が、第１の色（例えば、黒色）の場合は、ｔｒｕｅに設定され、第２の色（例えば、黒色とは異なる色）の場合は、ｆａｌｓｅに設定できる。「ｃｈａｒ＿ガ（ｇａ）」～「ｃｈａｒ＿ベ（ｂａｅ）」は、ナンバープレートの一位置に含まれる文字の情報を指示する変数を表すことができる。

【0041】

例えば、変数は、ナンバープレートの種類、ナンバープレートが使用される地域（又は国）、ナンバープレート内に含まれる文字の言語に応じて変わり得る。一例では、変数は、ハングル、英語、漢字、及び／又はひらがなの各単語を含んでもよい。一例では、変数は、１つ以上の文字を含み得る。一例として、電子装置１０１は、変数のうち少なくとも１つに対応するテキストオブジェクトを識別する場合、テキストオブジェクトに対応する変数を、ｔｒｕｅに設定することができる。電子装置１０１がテキストオブジェクトに対応する変数が、ｔｒｕｅに設定されたデータセットを取得する動作については、表４～表５を参照して後述する。

【表3】

表３は、一実施形態によるナンバープレート内に含まれるテキストオブジェクト（例えば、文字）に関する情報を含むことができる。例えば、「ＩＮＶＥＲＳＥ＿ＣＨＡＲＡＣＴＥＲＳ」は、ナンバープレート内に含まれるテキストオブジェクトの色が、第１の色（例えば、白色）の場合は、ｔｒｕｅに設定され、第２の色（例えば、白色とは異なる色）の場合は、ｆａｌｓｅに設定できる。「ｃｈａｒ＿ｉｎｖｅｒｓｅ＿ガ（ｇａ）」～「ｃｈａｒ＿ｉｎｖｅｒｓｅ＿ベ（ｂａｅ）」は、ナンバープレートの一位置に含まれる文字の情報を指示する変数（例えば、「ガ（ｇａ）」又は「ベ（ｂａｅ）」）を表すことができる。例えば、変数は、ナンバープレートの種類、ナンバープレートが使用される地域（又は国）、及びナンバープレートに含まれる文字の言語に応じて変わり得る。一例では、変数は、ハングル、英語、漢字、及び／又はひらがなの各単語を含み得る。一例では、変数は、１つ以上の文字を含み得る。一例として、電子装置１０１は、変数のうち少なくとも１つに対応するテキストオブジェクトを識別する場合、テキストオブジェクトに対応する変数を、ｔｒｕｅに設定することができる。ただし、これに限定されるものではない。例えば、電子装置１０１が位置３０５－１のＪＳＯＮ形式に基づくデータセットを取得する場合、データセットは、表４のように示すことができる。

【表4】

表４を参照すると、表４は、一実施形態による位置３０５－１に関する情報を含むことができる。例えば、「ｐｏｉｎｔ」は、位置３０５－１の位置情報３０６－１（例えば、１５２６．８４３８５３８２０５９７８、９２９．５６８１０６３１２２９２３）、及び／又は位置情報３０７－１（例えば、１５４０．１３２８９０３６５４４８５、９５３．１５６１４６１７９４０２）に関する情報を含むことができる。例えば、表４を参照すると、位置３０５－１は、テキストオブジェクトを設定する領域であるので、ナンバープレートの種類を示す情報（例えば、「ｃａｒ」、「ｔｒｕｃｋ」、及び／又は「ｔｙｐｅ０１」～「ｔｙｐｅＥＴＣ」）は、ｆａｌｓｅに設定できる。例えば、表４を参照すると、位置３０５－１は、数字（例えば、５）を表すテキストオブジェクトを含むので、この数字に対応する変数（例えば、「ｎｕｍ＿５」）は、ｔｒｕｅに設定できる。前記数字に対応する変数と区別される変数は、ｆａｌｓｅに設定できる。例えば、表４を参照すると、テキストオブジェクトの色に対応する変数（例えば、「ＮＵＭＢＥＲＳ」）は、ｔｒｕｅに設定されてもよいが、これに限定されない。例えば、電子装置１０１が位置３０５－２のＪＳＯＮ形式に基づくデータセットを取得する場合、位置３０５－２のデータセットは、後述する表５のように示すことができる。

【表5】

一実施形態による表５を参照すると、「ｐｏｉｎｔ」は、位置３０５－２を区別するための形態（例えば、長方形）に基づいて、仮想ナンバープレート３０５の位置情報３０６に対する相対座標を表すことができる。「ｐｏｉｎｔ」は、位置情報３０６－２及び位置情報３０７－２を表す座標値を表すことができる。「ｐｏｉｎｔ」は、位置の左上のエッジの位置座標（例えば、１５５７．０７６４１１９６０１３２９、９３０．５６４７８４０５３１５６１）及び右下のエッジの位置座標

【0042】

（例えば、１５７２．０２６５７８０７３０８９７、９５３．４８８３７２０９３０２３１）に設定できる。ただし、これに限定されるものではない。例えば、位置３０５－２は、文字（例えば、ド（ｄｏ））を表すテキストオブジェクトを含むので、「ｎｕｍ＿ｎ」（又は「ｎｕｍ＿ｉｎｖｅｒｓｅ＿ｎ」）の変数をｆａｌｓｅに設定することができる。例えば、位置３０５－２は、文字（例えば、ド（ｄｏ））を表すテキストオブジェクトを含むので、その文字の変数（例えば、「ｃｈａｒ＿ド（ｄｏ）」）は、ｔｒｕｅに設定され、他の変数は、ｆａｌｓｅに設定できる。表５を参照すると、ナンバープレートの形式を表す変数（例えば、「ｃａｒ」、「ｔｒｕｃｋ」、「ｔｙｐｅ０１」～「ｔｙｐｅＥＴＣ」）をｆａｌｓｅに設定することができる。ただし、これに限定されるものではない。例えば、電子装置１０１は、実際のナンバープレートを含む画像を用いて、データ３１０を取得し、前記画像及びデータ３１０を用いて、仮想ナンバープレートを取得するためのニューラルネットワークをトレーニングすることができる。例えば、電子装置１０１は、学習されたニューラルネットワークを介して、仮想ナンバープレートの種類に対応するテキストオブジェクト及び／又は視覚オブジェクトを、仮想ナンバープレートの指定された位置に配置することによって、仮想ナンバープレート３０５を取得することができる。
なお、本明細書において、仮想ナンバープレートの指定された位置に配置させるテキストオブジェクトで、文字（Ｃｈａｒａｃｔｅｒ）と数字（Ｎｕｍｂｅｒ）のみを実施形態として含むが、これは、一実施形態として説明しただけであり、本発明の実施形態は、これに限定ない。例えば、本発明による仮想ナンバープレートの指定された位置に配置可能なテキストは、アスキーコード（ＡＳＣＩＩ（Ａｍｅｒｉｃａｎ Ｓｔａｎｄａｒｄ Ｃｏｄｅ ｆｏｒ Ｉｎｆｏｒｍａｔｉｏｎ Ｉｎｔｅｒｃｈａｎｇｅ）Ｃｏｄｅ）及び／又はユニコード（Ｕｎｉｃｏｄｅ）等の世界中で使用される文字（ｌｅｔｔｅｒ）を記録するための記録システム（ｗｒｉｔｉｎｇ ｓｙｓｔｅｍ）に基づいて生成されたテキストを含むことができる。仮想ナンバープレートの指定された位置に配置可能なテキストは、コンピュータを介した情報を交換するために定義された規格を有するテキストを含むことができる。

【0043】

以下、図４を参照して、一実施形態による電子装置１０１が取得した仮想ナンバープレートの一例について後述する。

【0044】

図４は、一実施形態による電子装置が取得した仮想ナンバープレートの一例を示す。図４の電子装置１０１は、図１～図３の電子装置１０１を含むことができる。図４の動作のうち少なくとも１つは、図１のプロセッサ１２０によって実行されてもよい。図４を参照すると、一実施形態による電子装置１０１が取得した仮想ナンバープレート４０１の一例が示されている。

【0045】

例えば、電子装置１０１は、図３のデータ３１０を用いて、仮想ナンバープレート４０１－１を取得することができる。電子装置１０１は、第１の国（例えば、韓国）に対応するナンバープレートルールに基づいて、仮想ナンバープレート４０１－１を取得することができる。

【0046】

例えば、仮想ナンバープレート４０１－１は、指定された色（例えば、白色）に基づいて取得することができる。仮想ナンバープレート４０１－１に含まれるテキストオブジェクトは、仮想ナンバープレート４０１－１に配置された位置に応じて異なる情報を含むことができる。仮想ナンバープレート４０１－１に含まれるテキストオブジェクトの数及び／又は位置に応じて、テキストオブジェクトは、時間情報（例えば、ナンバープレートルールの改訂年）を含むことができる。配置された位置に応じて異なる情報を含むテキストオブジェクトを示す表は、図７～図８ｂを参照して後述する。

【0047】

例えば、第１の位置４１１に配置された数字を表すテキストオブジェクト（例えば、１２）は、車両の種類（例えば、乗用車）を示すことができる。例えば、第２の位置４１２に配置された数字を表すテキストオブジェクト（例えば、ガ（ｇａ））は、車両の用途を示すことができる。例えば、第３の位置４１３に配置された数字を表すテキストオブジェクトは、車両を特定するためのシリアル番号（ｓｅｒｉａｌ ｎｕｍｂｅｒ）を示すことができる。ただし、これに限定されるものではない。第１の位置４１１の左上のエッジの位置、及び／又は右下のエッジの位置は、図３の「ｐｏｉｎｔ」に基づいて表すことができる。第１の位置４１１に含まれるテキストオブジェクトの数は、１つ以上であり得る。以下、位置の説明中の重複する説明は、省略する。

【0048】

一実施形態による電子装置１０１は、仮想ナンバープレート４０１－１と区別される仮想ナンバープレート４０１－２に対応するデータを用いて、仮想ナンバープレート４０１－２を取得することができる。仮想ナンバープレート４０１－２は、地域に関する情報を含むことができる。

【0049】

例えば、第１の位置４２１に配置された文字を表すテキストオブジェクトは、地域名（例えば、ソウル）（ｒｅｇｉｏｎ ｎａｍｅ、ｃｏｕｎｔｙ ｎａｍｅ、ｐｒｏｖｉｎｃｅ ｎａｍｅ）を表すことができる。第２の位置４２２に配置された数字を表すテキストオブジェクト（例えば、５２）は、車両の種類を表すことができる。第３の位置４２３に配置された文字を表すテキストオブジェクト（例えば、バ（ｂａ））は、車両の用途を表すことができる。第４の位置４２４に配置された数字を表すテキストオブジェクト（例えば、３１０８）は、ナンバープレートが取り付けられた車両を特定するためのシリアル番号を表すことができる。ただし、これに限定されるものではない。

【0050】

例えば、電子装置１０１は、仮想ナンバープレート４０１－１又は仮想ナンバープレート４０１－２を取得したことに基づいて、グレースケーリングに基づいて、仮想ナンバープレート４０１－１又は仮想ナンバープレート４０１－２を処理することができる。

【0051】

例えば、電子装置１０１は、第１の国（例えば、韓国）を表す視覚オブジェクト（例えば、太極文様）、及び／又は第１の国を表すテキストオブジェクト（例えば、ＫＯＲ）を含む仮想ナンバープレートを取得することができる。視覚オブジェクト及び／又はテキストオブジェクトを含む仮想ナンバープレートの一領域とは異なる領域の色は、異なることがある。

【0052】

一実施形態による電子装置１０１は、第２の国（例えば、中国）に対応するナンバープレートルールに従って、仮想ナンバープレート４０１－３を取得することができる。例えば、電子装置１０１は、仮想ナンバープレート４０１－３に対応するデータを用いて、仮想ナンバープレート４０１－３を生成することができる。

【0053】

例えば、仮想ナンバープレート４０１－３は、地域に関する情報、時間に関する情報、及び／又は車両を特定するための情報を含むことができる。例えば、第１の位置４３１に配置された文字を表すテキストオブジェクト（例えば、京）は、地域に関する情報（例えば、北京）を表すことができる。一例として、第１の位置４３１に配置された文字を表すテキストオブジェクトは、第２の国に含まれる城（ｐｒｏｖｉｎｃｅ）の略称であり得る。第２の位置４３２に配置された文字を表すテキストオブジェクト（例えば、Ｎ）は、地域又は用途に関する情報を含み得る。第２の位置４３２に配置された文字を表すテキストオブジェクトは、第２の国に含まれる城政府の所在地、城の都市、直轄市（ａ ｃｉｔｙ ｕｎｄｅｒ ｔｈｅ ｄｉｒｅｃｔ ｃｏｎｔｒｏｌ ｏｆ ｔｈｅ ｃｅｎｔｒａｌ ｇｏｖｅｒｎｍｅｎｔ）、用途、及び／又は時間に関する情報を含んでもよい。ただし、これに限定されるものではない。第３の位置４３３に配置された数字又は文字を表すテキストオブジェクト（例えば、８８８Ｒ８）は、車両を特定するためのシリアル番号を表すことができる。

【0054】

例えば、仮想ナンバープレート４０１－３の色は、第２の国に対応するナンバープレートルールに従って、車両に関する情報を含むことができる。一例では、第１の色（例えば、青色）は、乗用車（ｐａｓｓｅｎｇｅｒ ｃａｒ）を表すことができる。第２の色（例えば、黄色）は、大型乗用車（ｈｅａｖｙ ｐａｓｓｅｎｇｅｒ ｃａｒ）、バス、トラック、及び／又はオートバイを表すことができる。第３の色（例えば、白色）は、車両の用途（例えば、警察車、軍用車）を表すことができる。第４の色（例えば、黒色）は、車両の用途（例えば、外国企業、大使館又は領事館に関連する車両）を表すことができる。第５の色（例えば、緑色）は、車両の種類（例えば、電気自動車）を表すことができる。ただし、これに限定されるものではない。

【0055】

一実施形態による電子装置１０１は、第３の国（例えば、ヨーロッパ）に対応するナンバープレートルールに基づいて、仮想ナンバープレート４０１－４を取得することができる。例えば、電子装置１０１は、仮想ナンバープレート４０１－４に対応するデータを用いて、仮想ナンバープレート４０１－４を取得することができる。

【0056】

例えば、仮想ナンバープレート４０１－４は、地域に関する情報を含むことができる。例えば、第１の位置４４１に配置された視覚オブジェクトは、第３の国に関連する連合組織（例えば、ＥＵ）を表すことができる。第２の位置４４２に配置された文字を表すテキストオブジェクト（例えば、ＥＳＴ）は、国に関する情報を表すことができる。第３の位置４４３、第４の位置４４４、第５の位置４４５に配置されたスペース（ｓｐａｃｅ）及びテキストオブジェクトは、車両を特定するためのシリアル番号を表すことができる。実施形態によれば、第３の位置４４３、第４の位置４４４、又は第５の位置４４５に視覚オブジェクト（例えば、国旗）を配置することができる。実施形態によれば、第３の位置４４３、第４の位置４４４、第５の位置４４５に配置されたスペース、及びテキストオブジェクトの数は、異なることがある。仮想ナンバープレート４０１－４の色は、国に関する情報（例えば、英国の場合、黄色又は白色）を含み得る。ただし、これに限定されるものではない。例えば、第４の国（例えば、米国）に対応する仮想ナンバープレートは、視覚オブジェクトをさらに含んでもよい。

【0057】

一実施形態による電子装置１０１は、第５の国（例えば、日本）に対応するナンバープレートルールに基づいて、仮想ナンバープレート４０１－５を取得することができる。例えば、電子装置１０１は、仮想ナンバープレート４０１－５に対応するデータを用いて、仮想ナンバープレート４０１－５を取得することができる。例えば、仮想ナンバープレート４０１－５は、地域に関する情報を含むことができる。例えば、第１の位置４５１に配置されたテキストオブジェクトは、地域を表すことができる。第２の位置４５２に配置されたテキストオブジェクトは、車両を使用するための事業の用途を表すことができる。第３の位置４５３に配置されたテキストオブジェクト（例えば、５００）は、車両の種類及び／又は用途を表すことができる。第４の位置４５４に配置されたテキストオブジェクト（例えば、４６～４９）は、車両を識別するための情報を表すことができる。仮想ナンバープレート４０１－５の色は、車両を使用する用途に応じて、第１の色（例えば、白色）、第２の色（例えば、緑色）、第３の色（例えば、黄色）、及び／又は第４の色（例えば、黒色）に分けることができる。ただし、これに限定されるものではない。

【0058】

例えば、電子装置１０１は、仮想ナンバープレート４０１－５の種類に応じて、テキストオブジェクトを設定するためのサブ位置４５１－１、４５１－２、４５２、４５３－１、４５３－２ 、４５３－３、４５４－１、４５４－２、４５４－３、４５４－４、４５４－５を識別することができる。サブ位置の数は、仮想ナンバープレートの種類によって異なり得る。一例として、図面を参照すると、サブ位置に含まれるテキストオブジェクトの数は、１つとして示されているが、実施形態によれば、複数のテキストオブジェクトを含んでもよい。電子装置１０１は、仮想ナンバープレート４０１－５の種類（ｔｙｐｅ）に関連する１つのデータセット、及び仮想ナンバープレート４０１－５内のサブ位置４５１－１、４５１－２、４５２、４５３－１、４５３－２、４５３－３、４５４－１、４５４－２、４５４－３、４５４－４、４５４－５の数（例えば、文字４個（４５１－１、４５１－２、４５２及び４５４－３）、数字７個（４５３－１、４５３－２、４５３－３、４５４－１、４５４－２、４５４－４、及び４５４－５）を含む合計１１個）を含む合計１２個のデータセットに基づいて、図３の表１～表９のような、ＪＳＯＮ形式に基づくデータセットを取得することができる。各データセットは、サブ位置４５１－１、４５１－２、４５３－１、４５３－２、４５３－３、４５４－１、４５４－２、４５４－３、４５４－４、４５４－５内に含まれるテキストオブジェクトのそれぞれの種類（例えば、数字又は文字）に基づいて、少なくともいくつかの異なる情報を含むことができる。電子装置１０１は、仮想ナンバープレート４０１－５の種類に対応する情報に基づいて、サブ位置４５１－１、４５１－２、４５２、４５３－１、４５３－２、４５３－３、４５４－１、４５４－２、４５４－３、４５４－４、４５４－５のそれぞれに、仮想ナンバープレート４０１－５の種類に応じて指定されたテキストオブジェクト（例えば、数字又は文字）を設定することにより、仮想ナンバープレート４０１－５を得るために、ニューラルネットワークをトレーニングすることができる。

【0059】

言い換えれば、一実施形態による電子装置１０１は、ＪＳＯＮ形式でラベリングされたデータファイルから、仮想ナンバープレート４０１－５の種類に応じた仮想ナンバープレート４０１－５領域の座標値及び仮想ナンバープレート４０１－５内のサブ領域４５１－１、４５１－２、４５２、４５３－１、４５３－２、４５３－３、４５４－１、４５４－２、４５４－３、４５４－４、４５４－５の座標値内に指定された文字を生成することができる。なお、本明細書では、仮想ナンバープレート４０１－５内に指定された領域の形態で、長方形（ｒｅｃｔａｎｇｌｅ）を用いたので、指定された領域の仮想ナンバープレート４０１－５内に位置する左上（Ｌｅｆｔ－Ｔｏｐ）の座標、右下（Ｒｉｇｈｔ－Ｂｏｔｔｏｍ）の座標をそれぞれ表す２つの値のみで表現するものとして説明したが、これに限定されるものではない。すなわち、仮想ナンバープレート４０１－５内で指定された領域の形態で、Ｎ角形や円形などの他の形態を用いる場合、その形態に応じた領域の位置を容易に指定するために必要な値を使用することができる。

【0060】

一実施形態による電子装置１０１は、国に対応するナンバープレートルールに従って、様々な種類に基づく仮想ナンバープレート４０１を取得することができる。図４では、仮想ナンバープレート４０１の一例として、韓国、米国、ヨーロッパ、中国、日本などの各国で規定されている車両ナンバープレートを例示しているが、これは、一実施形態に過ぎず、本発明の実施形態を限定するわけではない。そして、電子装置１０１は、前記多様な種類に基づく仮想ナンバープレート４０１を取得したことに基づいて、ナンバープレートを識別するためのニューラルネットワークを、様々な種類に基づく仮想ナンバープレートを識別するようにトレーニングすることができる。電子装置１０１は、ナンバープレートの種類（例えば、仮想ナンバープレート４０１－１、４０１－２、４０１－３、４０１－４、４０１－５）、及び国に対応するナンバープレートルールに応じて、異なる位置内で、視覚オブジェクト、及び／又はテキストオブジェクトを設定することができる。電子装置１０１は、ナンバープレートの種類に応じた位置情報に基づいて、ナンバープレート内に含まれるテキストオブジェクト及び／又は視覚オブジェクトを識別（又は設定）するように、ニューラルネットワークをトレーニングすることができる。

【0061】

前述のような一実施形態による電子装置１０１が取得した仮想ナンバープレート４０１は、実在する（ｅｘｉｓｔ）ナンバープレートでなくてもよい。例えば、電子装置１０１が取得した仮想ナンバープレート４０１と仮想ナンバープレート４０１が合成される画像内に含まれる車両とは、一致しないことがある。電子装置１０１は、実在しない仮想ナンバープレート４０１を生成するために、仮想ナンバープレート４０１内に含まれるテキストオブジェクトを、ランダムに組み合わせることができる。電子装置１０１は、実在しない仮想ナンバープレート４０１を生成することに基づいて、個人情報の侵害を低減することができる。

【0062】

以下、図５を参照して一実施形態による仮想ナンバープレートを取得するためのニューラルネットワークの一例について後述する。

【0063】

図５は、一実施形態による電子装置が仮想ナンバープレートを取得するために使用するニューラルネットワークの一例を示す。図５の電子装置は、図１～図４の電子装置１０１を含むことができる。図５の動作のうち少なくとも１つは、図１のプロセッサ１２０によって実行されてもよい。

【0064】

図５を参照すると、一実施形態による電子装置は、ニューラルネットワーク５０５（例えば、ＣＧＡＮ（ｃｏｎｄｉｔｉｏｎａｌ ｇｅｎｅｒａｔｉｖｅ ａｄｖｅｒｓａｒｉａｌ ｎｅｔｓ））を含むことができる。ニューラルネットワーク５０５は、１つ以上のニューラルネットワーク（例えば、生成（ｇｅｎｅｒａｔｏｒ）ニューラルネットワーク又は識別（ｄｉｓｃｒｉｍｉｎａｔｏｒ）ニューラルネットワーク）を含み得る。

【0065】

例えば、ニューラルネットワーク５０５は、１つ以上の層を含み得る。１つ以上の層のそれぞれは、データを演算するための関数、及び／又はフィルタを含んでもよい。１つ以上の層のそれぞれは、畳み込みフィルタ、完全に連結された層、又は特別な機能又は特徴に基づいて束ねられた様々な種類のフィルタ又は層であり得る。ニューラルネットワーク５０５は、１つ以上の層を含むディープニューラルネットワークを形成することができる。ディープニューラルネットワークを学習させることをディープラーニングという。

【0066】

例えば、１つ以上の層に含まれるノードは、連結重みを有する連結ラインを介して互いに連結されてもよい。ニューラルネットワークのチューニングは、例えば、教師あり学習（ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、教師なし学習（ｕｎｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）、及び／又は敵対学習（ａｄｖｅｒｓａｒｉａｌ ｌｅａｒｎｉｎｇ）に基づいて実行することができる。例えば、ニューラルネットワーク５０５は、ナンバープレートを取得するための生成ニューラルネットワーク５０５－１及び／又は取得したナンバープレートを判別するための判別ニューラルネットワーク５０５－２を含むことができる。電子装置は、生成ニューラルネットワーク５０５－１及び／又は判別ニューラルネットワーク５０５－２を用いて、ナンバープレートを生成するためのニューラルネットワークを敵対的に（Ｇｅｎｅｒａｔｉｖｅ）学習させることができる。例えば、一実施形態では、電子装置は、ナンバープレートを生成するために、２つのニューラルネットワークを同時に競争的に学習させる生成的敵対ニューラルネットワーク（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ、ＧＡＮ）を使用することができる。

【0067】

一実施形態による電子装置は、指定された数（例えば、３０個）に基づいたナンバープレートを識別することができる。ナンバープレートの種類は、異なっていてもよい。電子装置は、識別されたナンバープレートのうち少なくとも１つのナンバープレート５０１に関する情報を識別することができる。電子装置は、識別されたナンバープレートのうちナンバープレート５０１を生成するために、ニューラルネットワーク５０５を使用することができる。

【0068】

例えば、電子装置は、ナンバープレート５０１のデータセット５０２を識別することができる。データセット５０２は、ニューラルネットワーク５０５に入力することができる。電子装置は、ニューラルネットワーク５０５にデータセット５０２を入力して、ナンバープレート５０１に対応する画像を取得するように、ニューラルネットワーク５０５を学習させることができる。一例では、電子装置は、ナンバープレート５０１の画像を取得するために、ナンバープレート５０１の国のナンバープレートルールに対応するテンプレートを識別することができる。電子装置は、テンプレート、指定された数（例えば、３０個）に基づくナンバープレート、及び取得されるナンバープレートに対応するコンディションベクトル５０３を用いて、ニューラルネットワーク５０５を介して、前記ナンバープレートを取得することができる。ただし、これに限定されるものではない。

【0069】

例えば、電子装置は、生成ニューラルネットワーク５０５－１を用いて、前記ナンバープレートを取得したことに基づいて、取得したナンバープレートを判別ニューラルネットワーク５０５－２に入力することができる。電子装置は、判別ニューラルネットワーク５０５－２を用いて、得られたナンバープレートが取得されたのか、又は指定された数に基づくナンバープレートのうちの１つであるかを判別することができる。電子装置は、生成ニューラルネットワーク５０５－１及び判別ニューラルネットワーク５０５－２を用いて、敵対的な学習を行うことに基づいて、様々な種類に基づくナンバープレートを取得することができる。

【0070】

以下、図６を参照して、電子装置がニューラルネットワーク５０５を用いて取得した仮想ナンバープレートの一例を説明する。

【0071】

図６は、一実施形態による電子装置がニューラルネットワークを用いて取得した仮想ナンバープレートの一例を示す。図６の電子装置１０１は、図１～図５の電子装置１０１を含むことができる。図６の動作のうち少なくとも１つは、図１のプロセッサ１２０によって実行されてもよい。

【0072】

図６を参照すると、一実施形態による電子装置１０１は、図５のニューラルネットワーク５０５を介して、テンプレートを用いて、アウトライン（ｏｕｔｌｉｎｅ）に基づく仮想ナンバープレート６１１を取得することができる。

【0073】

例えば、電子装置１０１は、アウトラインに基づく仮想ナンバープレート６１１を用いて、このアウトラインに基づく仮想ナンバープレート６１１に含まれるピクセルの値を、少なくとも一部変更することに基づいて、実際のナンバープレートと類似する仮想ナンバープレート６１２を取得することができる。電子装置１０１は、ニューラルネットワーク（例えば、ｃｙｃｌｅ ＧＡＮ）を介して、仮想ナンバープレート６１２を取得することができる。例えば、電子装置１０１は、アウトラインに基づく仮想ナンバープレート６１１を、実際のナンバープレートと類似する仮想ナンバープレート６１２に変更するように、前記ニューラルネットワークを学習させることができる。例えば、電子装置１０１がニューラルネットワークを介して取得した仮想ナンバープレート６１２を、ナンバープレートを識別するためのニューラルネットワークを学習するためのラベリングデータ６１５としてメモリに格納することができる。電子装置１０１は、ナンバープレートを識別するためのニューラルネットワークを学習するために、１つ以上の仮想ナンバープレートを含むラベリングデータ６１５をメモリ内に格納することができる。

【0074】

以下、図７～図８ｂを参照して、一実施形態による電子装置１０１が仮想ナンバープレートを取得するために用いるテンプレートに対応する国別のナンバープレートルールのうち少なくとも一部を示す表の一例を説明する。

【0075】

図７は、一実施形態による電子装置が識別するためのナンバープレートを示す表の一例を示す。図８ａ～図８ｂは、一実施形態による電子装置が識別するためのナンバープレートの種類を示す表の一例を示す。図７～図８ｂの電子装置１０１は、図１～図６の電子装置１０１を含むことができる。

【0076】

図７を参照すると、一実施形態による表７００は、第１の国（例えば、韓国）に対応する仮想ナンバープレートを取得するために、電子装置１０１が用いるテキストオブジェクトの情報を表すことができる。例えば、表７００を参照すると、区分欄（ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｃｏｌｕｍｎ）は、車両の種類（例えば、車種別）及び車両の用途（例えば、用途別）に区分する（ｄｉｖｉｄｅｄ ｉｎｔｏ）ことができる。

【0077】

例えば、区分欄は、乗用車（ｐａｓｓｅｎｇｅｒ ｃａｒ）、乗合車（ｖａｎ）、貨物自動車（ｔｒｕｃｋ）、クレーン、除雪車などの特殊自動車（ｓｐｅｃｉａｌ ｃａｒ）、消防車、警察車などの緊急自動車（ｅｍｅｒｇｅｎｃｙ ｃａｒ）に分類することができる。記号欄は、車種別に付与される数字の範囲で区分することができる。

【0078】

一実施形態による電子装置１０１は、記号欄に対応する数字の範囲内に含まれる少なくとも１つの数字を表すテキストオブジェクトを、図４の第１の位置（例えば、４１１）又は図４の第２の位置（例えば、４２２）に配置することができる。

【0079】

例えば、乗用車は、非事業用（ｆｏｒ ｎｏｎ－ｂｕｓｉｎｅｓｓ ｕｓｅ）、レンタル事業用（ｆｏｒ ｒｅｎｔａｌ ｂｕｓｉｎｅｓｓ）及び一般事業用（ｆｏｒ ｇｅｎｅｒａｌ ｂｕｓｉｎｅｓｓ ｕｓｅ）に分類することができる。非事業用及び／又はレンタル事業用の乗用車は、第１の範囲（例えば、１００～６９９）に対応し得る。一般事業用の乗用車は、第２の範囲（例えば、０１～６９）に対応し得る。

【0080】

例えば、乗合車は、非事業用（ｆｏｒ ｎｏｎ－ｂｕｓｉｎｅｓｓ ｕｓｅ）、レンタル事業用（ｆｏｒ ｒｅｎｔａｌ ｂｕｓｉｎｅｓｓ）及び一般事業用（ｆｏｒ ｇｅｎｅｒａｌ ｂｕｓｉｎｅｓｓ ｕｓｅ）に分類することができる。非事業用及び／又はレンタル事業用の乗合車は、第３の範囲（例えば、７００～７９９）に対応し得る。一般事業用の乗合車は、第４の範囲（例えば、７０～７９）に対応し得る。

【0081】

例えば、貨物自動車は、非事業用及び一般事業用に分類することができる。非事業用の貨物自動車は、第５の範囲（例えば、８００～９７９）に対応し得る。一般事業用の貨物自動車は、第６の範囲（例えば、８０～９７）に対応し得る。

【0082】

例えば、特殊自動車は、非事業用、レンタル事業用、及び一般事業用に分類することができる。非事業用及びレンタル事業用の特殊自動車は、第７の範囲（例えば、９８０～９９７）に対応し得る。

【0083】

例えば、緊急自動車は、警察車及び消防車に分類することができる。緊急自動車は、第８の範囲（例えば、９９８～９９９）に対応し得る。ただし、前記の例に限定されない。

【0084】

一実施形態による用途別の欄は、非事業用、自動車運輸事業用（ｆｏｒ ａｕｔｏｍｏｂｉｌｅ ｔｒａｎｓｐｏｒｔａｔｉｏｎ ｂｕｓｉｎｅｓｓｅｓ）、及び外交用に区分することができる。用途別の欄は、文字を表すテキストオブジェクトに対応し得る。

【0085】

一実施形態による電子装置１０１は、前記テキストオブジェクトのうち少なくとも１つを、図４の第２の位置４１２及び／又は図４の第３の位置４２３に配置することができる。

【0086】

例えば、非事業用は、自家用（ｐｒｉｖａｔｅ ｃａｒ）に分類することができる。自家用は、第１のテキストオブジェクト（例えば、ガ（ｇａ）、ナ（ｎａ）、ダ（ｄａ）、ラ（ｌａ）、マ（ｍａ）、ゴ（ｇｅｏ）、ノ（ｎｅｏ）、ド（ｄｅｏ）、ロ（ｌｅｏ）、モ（ｍｅｏ）、ボ（ｂｅｏ）、ソ（ｓｅｏ）、オ（ｅｏ）、ジョ（ｊｅｏ）、ゴ（ｇｏ）、ノ（ｎｏ）、ド（ｄｏ）、ロ（ｌｏ）、モ（ｍｏ）、ボ（ｂｏ）、ソ（ｓｏ）、オ（ｏ）、ジョ（ｊｏ）、グ（ｇｕ）、ヌ（ｎｕ）、デュ（ｄｕ）、ル（ｌｕ）、ム（ｍｕ）、ブ（ｂｕ）、ス（ｓｕ）、ム（ｍｕ）、ジュ（ｊｕ））に対応することができる。

【0087】

例えば、自動車運輸事業用は、一般用（ｆｏｒ ｇｅｎｅｒａｌ）及びレンタル事業用（ｆｏｒ ｒｅｎｔａｌ ｂｕｓｉｎｅｓｓｅｓ）に分類することができる。例えば、一般用の自動車運輸事業は、第２のテキストオブジェクト（例えば、バ（ｂａ）、サ（ｓａ）、ア（ａ）、ジャ（ｊａ）、ベ（ｂａｅ））に対応し得る。レンタル事業用の自動車運輸事業は、第３のテキストオブジェクト（例えば、ホ（ｈｅｏ）、ハ（ｈａ）、ホ（ｈｏ））に対応することができる。

【0088】

例えば、外交用は、外交官用、領事用、準外交官用、準領事用、国際機関用、及び他の外交用に分類することができる。一例では、外交用に関連するテキストオブジェクトは、図４の第１の位置４２１に配置することができる。例えば、電子装置１０１が外交用に関連するテキストオブジェクトを用いて、仮想ナンバープレートを取得する場合、このテキストオブジェクトを用いて取得した仮想ナンバープレートの色は、第１の色（例えば、白色）とは異なる第２の色（例えば、藍色）であり得る。ただし、これに限定されるものではない。

【0089】

例えば、外交官用は、第４のテキストオブジェクト（例えば、外交）に対応し得る。領事用は、第５のテキストオブジェクト（例えば、領事）に対応し得る。準外交官用は、第６のテキストオブジェクト（例えば、準外）に対応し得る。準領事用は、第７のテキストオブジェクト（例えば、準領）に対応し得る。国際機関用は、第８のテキストオブジェクト（例えば、国機）に対応し得る。他の外交用は、第９のテキストオブジェクト（例えば、協定、代表）に対応し得る。ただし、これに限定されるものではない。

【0090】

一実施形態による電子装置１０１は、車種別に対応する数字の範囲内に含まれる少なくとも１つの数字を表すテキストオブジェクトと、用途別に対応する文字を表すテキストオブジェクトとのうち少なくとも１つのテキストオブジェクトを、背景テンプレート内の指定された位置に配置して、仮想ナンバープレートを取得することができる。電子装置１０１は、国別のナンバープレートルールに対応する表７００を用いて、数字を表すテキストオブジェクト及び文字を表すテキストオブジェクトを識別することに基づいて、実際のナンバープレートと類似する仮想ナンバープレートを取得することができる。

【0091】

図８ａを参照すると、一実施形態によるナンバープレートの種類を示す表８００－１が示されている。図８ｂを参照すると、一実施形態によるナンバープレートの種類を示す表８００－２が示されている。表８００－１及び表８００－２は、種類に応じた用途、仕様、及びサンプルを含んでもよい。一例では、サンプル内に含まれるナンバープレートの色は、種類によって異なり得る。例えば、電子装置１０１は、表８００－１及び表８００－２に含まれる種類に関する情報を用いて仮想ナンバープレートを取得するためのデータを識別することができる。例えば、前記種類に関する情報は、図３のライン情報３１３に含まれてもよい。電子装置１０１は、ライン情報３１３内で、第１のタイプ（例えば、Ｔｙｐｅ０１）に関する情報を選択し、他のタイプ（例えば、Ｔｙｐｅ０２～Ｔｙｐｅ１７）に関する情報を選択しない場合、電子装置１０１は、第１のタイプに対応する仮想ナンバープレート（例えば、Ｔｙｐｅ０１に対応するサンプルと類似する仮想ナンバープレート）を取得することができる。ただし、これに限定されるものではない。

【0092】

例えば、電子装置１０１は、表７００、表８００－１、及び／又は表８００－２に関連する国（例えば、韓国）と区別される他の国に対応するナンバープレートルールを用いて、他の国の実際のナンバープレートと類似する仮想ナンバープレートを取得することができる。

【0093】

前述のように、一実施形態による電子装置１０１は、表７００に含まれる少なくとも１つの数字を表すテキストオブジェクト、表８００－１及び表８００－２に含まれる少なくとも１つの文字を表すテキストオブジェクトを組み合わせることによって、指定されたサイズに基づいて、仮想ナンバープレートを取得することができる。電子装置１０１は、国別のナンバープレートルールに対応する表７００、表８００－１、及び／又は表８００－２に含まれる情報を用いて、実際のナンバープレートと類似する仮想ナンバープレートを取得することができる。電子装置１０１は、実際のナンバープレートと類似する仮想ナンバープレートを取得することに基づいて、ナンバープレートを識別するためのニューラルネットワークをトレーニングすることができる。

【0094】

以下、図９～図１０を参照して、一実施形態による電子装置１０１が、実際の環境を示す画像に含まれる車両の装着された実際のナンバープレートの位置情報を取得する動作の一例について後述する。

【0095】

図９は、一実施形態による電子装置が位置情報を取得するために用いる画像の一例を示す。図１０は、一実施形態による電子装置が車両に取り付けられた実際のナンバープレートの位置情報を取得する動作の一例を示す図である。図９～図１０の電子装置１０１は、図１～図８ｂの電子装置１０１を含むことができる。図９～図１０の動作のうち少なくとも１つは、図１のプロセッサ１２０によって実行されてもよい。

【0096】

図９を参照すると、一実施形態による電子装置１０１は、メモリ（例えば、図１のメモリ１３０）内に、車両を含む１つ以上の画像９００を識別することができる。１つ以上の画像９００は、車両を含む実際の環境を示す画像を表すことができる。１つ以上の画像９００は、第２の画像１６１を含むことができる。１つ以上の画像９００のそれぞれは、電子装置１０１が取得した仮想ナンバープレートを含む第１の画像（例えば、図１の第１の画像１６０）と結合されてもよい。電子装置１０１が１つ以上の画像９００のうち第２の画像１６１と第１の画像とを結合する動作については、図１４～図１５を参照して後述する。

【0097】

一実施形態による電子装置１０１は、車両に対応する第２の画像１６１において、車両９０５を識別することができる。例えば、電子装置１０１は、車両９０５に取り付けられた実際のナンバープレート９１０を識別することができる。電子装置１０１は、実際のナンバープレート９１０の頂点（ｖｅｒｔｉｃｅｓ）９０１を識別することができる。一例では、電子装置１０１は、頂点を選択することを示す入力を識別することができる。ただし、これに限定されるものではない。例えば、電子装置１０１は、頂点９０１を使用して、実際のナンバープレート９１０に対応するエッジ（例えば、バウンディングボックスを構成するエッジ）を識別することができる。

【0098】

図１０を参照すると、一実施形態による電子装置１０１は、頂点９０１を用いて取得した実際のナンバープレート９１０のエッジの位置を変更することができる。例えば、電子装置１０１は、第２の画像１６１に含まれるピクセルを用いて、実際のナンバープレート９１０の位置情報を識別することができる。例えば、電子装置１０１は、頂点９０１の位置情報を用いて、第２の画像１６１に含まれるピクセルのうち実際のナンバープレート９１０を含むピクセルを識別することができる。電子装置１０１は、実際のナンバープレート９１０を含むピクセルを用いて、実際のナンバープレート９１０のエッジ（ｅｄｇｅ）及び／又は頂点を識別することができる。一例では、電子装置１０１は、頂点９０１を用いて取得した実際のナンバープレート９１０のエッジと隣接するエッジ（例えば、頂点１０１０を使用して取得するエッジ）を識別することができる。

【0099】

例えば、実際のナンバープレート９１０のエッジ（ｅｄｇｅ）に基づいて、第２の画像１６１からクロップ（ｃｒｏｐ）されたサブ画像１０２０は、実際のナンバープレート９１０の頂点１０１０を含んでもよい。

【0100】

例えば、電子装置１０１は、図９の頂点９０１を用いて識別された実際のナンバープレート９１０に対応する第１のエッジを、実際のナンバープレート９１０を含むピクセルを用いて、識別された実際のナンバープレート９１０の第２のエッジに変更することができる。第２のエッジは、図１０の頂点１０１０に基づいて識別することができる。一例では、電子装置１０１は、図９の頂点９０１のそれぞれの位置を、図１０の頂点１０１０のそれぞれの位置に変更することができる。一例では、頂点９０１－１の位置は、頂点１０１０－１の位置に変更できる。頂点９０１－２の位置は、頂点１０１０－２の位置に変更できる。頂点９０１－３の位置は、頂点１０１０－３の位置に変更できる。頂点９０１－４の位置は、頂点１０１０－４の位置に変更できる。

【0101】

例えば、電子装置１０１は、図９の頂点９０１を用いて、識別された実際のナンバープレート９１０に対応する第１のエッジのそれぞれから、最短距離（例えば、Ｍａｎｈａｔｔａｎ ｄｉｓｔａｎｃｅ）に存在する第２のエッジのそれぞれの位置情報（例えば、座標値）を識別することができる。第２のエッジの位置情報は、第２の画像１６１に含まれる実際のナンバープレート９１０の位置情報に対応することができる。例えば、頂点１０１０のそれぞれを識別することに基づいて、電子装置１０１は、第２の画像１６１に含まれる実際のナンバープレートの位置情報を識別することができる。その位置情報は、電子装置１０１が仮想ナンバープレートを投影するために使用されてもよい。

【0102】

例えば、電子装置１０１は、図９の頂点９０１への入力を使用して、実際のナンバープレート９１０の第１の位置情報を識別し、識別された実際のナンバープレート９１０の概略的な第１の位置情報を用いて、第２の画像１６１に含まれるピクセルのうち実際のナンバープレート９１０を含むピクセルを識別することができる。電子装置１０１は、実際のナンバープレート９１０を含むピクセル内で、実際のナンバープレート９１０を構成するエッジを識別することができる。電子装置１０１は、前記エッジを用いて、実際のナンバープレート９１０の位置情報を取得することができる。

【0103】

以下、図１１～図１２において、一実施形態による電子装置１０１がテンプレートを用いて取得した仮想ナンバープレートの色を変更するための動作の一例について後述する。

【0104】

図１１は、一実施形態による電子装置が仮想ナンバープレートの色を変更するために、実際のナンバープレートの色情報を用いる動作の一例を示す。図１２は、一実施形態による電子装置が実際のナンバープレートの色を示すヒストグラムを用いて、仮想ナンバープレートの色を変更する動作の一例を示す。図１１～図１２の電子装置１０１は、図１～図１０の電子装置１０１を含むことができる。

【0105】

図１１を参照すると、一実施形態による電子装置１０１は、第２の画像１６１において、実際のナンバープレート１１１０を識別することができる。電子装置１０１は、第２の画像１６１において、実際のナンバープレート１１１０に含まれる各ピクセルの色情報を識別することができる。

【0106】

例えば、電子装置１０１は、実際のナンバープレート１１１０の少なくとも一部を識別することができる。電子装置１０１は、実際のナンバープレート１１１０に含まれるテキストオブジェクトを識別することができる。電子装置１０１は、前記テキストオブジェクトを含む他の部分と区別される実際のナンバープレートの少なくとも一部に含まれるピクセルをサンプリングすることができる。電子装置１０１は、テキストオブジェクトを含む他の部分に対する色情報の取得を一時的に控えるために（ｆｏｒ ｒｅｆｒａｉｎｉｎｇ）、他の部分に対応するＲＧＢ値を識別することができる。一例では、電子装置１０１は、実際のナンバープレート１１１０に含まれる各ピクセルのＲＧＢ値のうち、指定された値（例えば、９０）未満のピクセルの色情報の取得を一時的に控える（ｒｅｆｒａｉｎ）ことができる。電子装置１０１は、前記指定値未満のＲＧＢ値を有するピクセルの色情報の取得を一時的に控える（ｒｅｆｒａｉｎ）ことに基づいて、前記他の部分に対応する色情報の取得を一時的に控える（ｒｅｆｒａｉｎ）ことができる。

【0107】

例えば、電子装置１０１は、実際のナンバープレート１１１０の一部のうち第１の領域１１１１のＲＧＢ値１１２１と、第２の領域１１１２のＲＧＢ値１１２２とを含む色情報１１２０を取得することができる。例えば、電子装置１０１は、第１の領域１１１１及び第２の領域１１１２を含む複数の領域のＲＧＢ値（例えば、約３００個）を含む色情報１１２０を取得することができる。

【0108】

一実施形態による電子装置１０１は、仮想ナンバープレート１１５０（又は仮想ナンバープレート１１５０を含む図１の第１の画像１６０）の色情報１１３０を識別することができる。例えば、電子装置１０１は、色情報１１２０を用いて、仮想ナンバープレート１１５０に含まれるピクセルのうち少なくとも１つの色を変更することができる。

【0109】

例えば、電子装置１０１は、仮想ナンバープレート１１５０の少なくとも一部の色を変更することができる。電子装置１０１は、仮想ナンバープレート１１５０に含まれるテキストオブジェクトを含む他の部分と区別される仮想ナンバープレート１１５０の少なくとも一部の色を変更することができる。例えば、電子装置１０１は、仮想ナンバープレート１１５０の少なくとも一部に含まれる第１の領域１１４１のＲＧＢ値１１３１と、第２の領域１１４２のＲＧＢ値１１３２とを含む仮想ナンバープレート１１５０の色情報を取得することができる。一例では、仮想ナンバープレート１１５０は、電子装置１０１によって生成されたので、仮想ナンバープレート１１５０の少なくとも一部の色は、実質的に同じであってもよい。ただし、これに限定されるものではない。

【0110】

例えば、電子装置１０１は、実際のナンバープレート１１１０の色に対応するＲＧＢ値を示す色情報１１２０を用いて、仮想ナンバープレート１１５０の色（例えば、色情報１１３０）対応するＲＧＢ値（例えば、ＲＧＢ値１１３１及びＲＧＢ値１１３２）のそれぞれを変更することに基づいて、仮想ナンバープレート１１５０（又は仮想ナンバープレート１１５０を含む第１の画像１６０）に含まれるピクセルのうち少なくとも１つの色を変更することができる。一例として、電子装置１０１は、色情報１１２０に含まれるＲＧＢ値のうち少なくとも１つを用いて、仮想ナンバープレート１１５０の一領域のＲＧＢ値を変更することができる。一例として、電子装置１０１は、実際のナンバープレート１１１０の第１の領域１１１１のＲＧＢ値１１２１を用いて、仮想ナンバープレート１１５０の第２の領域１１４２のＲＧＢ値１１３２を変更（又は置換）することができる。ただし、これに限定されるものではない。

【0111】

図１２を参照すると、一実施形態による電子装置１０１は、第２の画像１６１において、第２の画像１６１に含まれるピクセルのうちＲＧＢ値が最も大きい第１の領域１１１１と、ＲＧＢ値が最も小さい第２の領域１１１２とのＲＧＢ値を取得することができる。例えば、第１の領域１１１１のＲＧＢ値１２２１は、第２の画像１６１に含まれるピクセルのＲＧＢ値のうち最も大きくてもよい。例えば、第２の領域１１１２のＲＧＢ値１２２２は、第２の画像１６１に含まれるピクセルのＲＧＢ値のうち最も小さくてもよい。電子装置１０１は、ＲＧＢ値１１２１及びＲＧＢ値１２２２を含む色情報１２２０を取得することができる。色情報１２２０は、色及び頻度に基づくヒストグラム１２３０として表すことができる。

【0112】

例えば、電子装置１０１は、仮想ナンバープレート１１５０（又は仮想ナンバープレート１１５０を含む第１の画像１６０）の色情報を識別することができる。仮想ナンバープレート１１５０の色情報は、ヒストグラム（図示せず）として表すことができる。電子装置１０１は、実際のナンバープレート１１１０のヒストグラム１２３０を用いて、仮想ナンバープレート１１５０のヒストグラムを変更することができる。電子装置１０１は、実際のナンバープレート１１１０のヒストグラム１２３０と同様に、仮想ナンバープレート１１５０のヒストグラムを変更してもよい。例えば、電子装置１０１が仮想ナンバープレート１１５０のヒストグラムを変更することに基づいて、前記ヒストグラムに対応する仮想ナンバープレート１１５０の色情報を変更することができる。例えば、電子装置１０１は、ヒストグラム１２３０を使用して、仮想ナンバープレート１１５０の少なくとも一部１２４０の色を変更することができる。少なくとも一部１２４０は、仮想ナンバープレート１１５０内のテキストオブジェクトを含む他の部分と区別され得る。例えば、電子装置１０１は、仮想ナンバープレート１１５０（又は仮想ナンバープレート１１５０を含む第１の画像１６０）に含まれるピクセルのうち少なくとも１つの色を変更するために、数１を用いてもよい。

【数1】

Ｘ＿ｎｅｗは、色が変更された仮想ナンバープレート１１５０の少なくとも１つのピクセルに対するＲＧＢ値のうち少なくとも１つを意味することができる。Ｘ＿ｉｎｐｕｔは、色が変更される前の少なくとも１つのピクセルに対するＲＧＢ値のうち少なくとも１つを意味することができる。Ｘ＿ｍｉｎは、実際のナンバープレート１１１０を用いて取得したＲＧＢ値のうち最も小さい値（例えば、ＲＧＢ値１２２２のうちの１つの値）を意味することができる。Ｘ＿ｍａｘは、実際のナンバープレート１１１０を用いて取得したＲＧＢ値のうち最も大きい値（例えば、ＲＧＢ値１２２１のうちの１つの値）を意味することができる。例えば、電子装置１０１は、数１を用いて、仮想ナンバープレート１１５０に含まれるピクセルのうち少なくとも１つの色を変更することができる。

【0113】

前述の一実施形態による電子装置１０１は、実際のナンバープレート１１１０の色情報を用いて、仮想ナンバープレート１１５０の色を変更することに基づいて、実際のナンバープレート１１１０と類似した色を有する仮想ナンバープレート１１５０を取得することができる。

【0114】

以下、図１３を参照して、一実施形態による電子装置１０１が、色が変更された仮想ナンバープレート１１５０を用いて、ノイズを取得する動作の一例について説明する。

【0115】

図１３は、一実施形態による電子装置が取得したノイズに基づく仮想ナンバープレートの一例を示す図である。図１３の電子装置１０１は、図１～図１２の電子装置１０１を含むことができる。図１３の動作のうち少なくとも１つは、図１のプロセッサ１２０によって実行されてもよい。仮想ナンバープレート１３００は、色が変更された仮想ナンバープレート１１５０に参照されてもよい。

【0116】

一実施形態による電子装置１０１は、仮想ナンバープレート１３００にノイズ１３１０を結合することができる。例えば、電子装置１０１は、仮想ナンバープレート１３００に含まれるピクセルを表すパラメータを変更することに基づいて、仮想ナンバープレート１３００のためのノイズ１３１０を生成することができる。

【0117】

例えば、電子装置１０１は、仮想ナンバープレート１３００上に、少なくとも１つの点を生成するための点雑音（ｓａｌｔ ａｎｄ ｐｅｐｐｅｒ ｎｏｉｓｅ）に基づいたノイズ１３１０を生成することができる。電子装置１０１は、ガウス雑音（Ｇａｕｓｓｉａｎ ｎｏｉｓｅ）に基づいたノイズ１３１０を生成することができる。電子装置１０１は、ユニフォーム雑音（ｕｎｉｆｏｒｍ ｎｏｉｓｅ）に基づいたノイズ１３１０を生成することができる。電子装置１０１は、リサイジング（ｒｅｓｉｚｉｎｇ）、グラデーション（ｇｒａｄａｔｉｏｎ）、フィルタ（例えば、 ｂｉｌａｔｅｒａｌ ｆｉｌｔｅｒ）、及び／又は形態学的（ｍｏｒｐｈｏｌｏｇｙ）演算のうち少なくとも１つに基づいて、ノイズ１３１０を生成することができる。

【0118】

例えば、電子装置１０１は、ノイズ１３１０を生成するために、１つ以上の演算を利用することができる。電子装置１０１は、点雑音、グラデーション、リサイジング、及び／又はガウス雑音のうち少なくとも１つを利用して、ノイズ１３１０を取得することができる。例えば、電子装置１０１は、リサイジング、形態学的演算（例えば、膨張（ｄｉｌａｔｉｏｎ））、フィルタ（例えば、ｂｉｌａｔｅｒａｌ ｆｉｌｔｅｒ）、点雑音、及び／又はグラデーションのうち少なくとも１つを用いて、ノイズ１３１０を取得することができる。例えば、電子装置１０１は、仮想ナンバープレート１３００に含まれるピクセルを表すパラメータ値を変更するためのフィルタを用いて、ノイズ１３１０を含む第１の画像１６０をレンダリングすることができる。電子装置１０１は、前記フィルタを用いて、ノイズを除去するためのフィルタと逆の動作を行ってもよい。

【0119】

例えば、電子装置１０１は、仮想ナンバープレート１３００に対するピクセルのパラメータ値を、カーネル（例えば、形態学的演算に関連するカーネル）を用いて変更することができる。電子装置１０１は、カーネルを用いて、パラメータ値を０又は１のうち少なくとも１つに変更することに基づいて、仮想ナンバープレート１３００に対するノイズ１３１０を生成することができる。電子装置１０１は、ノイズ１３１０を生成することに基づいて、第２の画像（例えば、図１の第２の画像１６１）に含まれる実際のナンバープレートと類似した仮想ナンバープレートを含む第１の画像（例えば、図１の第１の画像１６０）を取得することができる。電子装置１０１は、ノイズ１３１０を生成することに基づいて、第１の画像を第２の画像と結合することによって、ナンバープレートを識別するためのニューラルネットワークを学習するためのラベリング情報として格納することができる。

【0120】

前述の一実施形態による電子装置１０１は、色が変更された仮想ナンバープレート１３００に、ノイズ１３１０を取得することに基づいて、実際のナンバープレートと類似した仮想ナンバープレートを取得することができる。

【0121】

以下、図１４において、電子装置１０１がノイズ１３１０及び仮想ナンバープレート１３００を含む第１の画像を、第２の画像の少なくとも一部に投影する動作の一例について説明する。

【0122】

図１４は、一実施形態による電子装置が第１の画像を第２の画像に投影するための動作の一例を示す。図１４の電子装置１０１は、図１～図１３の電子装置１０１を含むことができる。

【0123】

図１４を参照すると、一実施形態による電子装置１０１は、仮想ナンバープレートを含む第１の画像１６０を、第２の画像１６１と結合することができる。電子装置１０１は、ホモグラフィ（ｈｏｍｏｇｒａｐｈｙ）に基づいて、第１の画像１６０を第２の画像１６１の少なくとも一部に投影することができる。ホモグラフィは、一画像を他の画像に投影した場合に、投影されたマッチング点間の一定の関係を表すことができる。

【0124】

例えば、電子装置１０１は、図１０の頂点１０１０を用いて識別された実際のナンバープレートの位置情報を用いて、第１の画像１６０を第２の画像１６１の少なくとも一部に投影できる。例えば、電子装置１０１は、前記位置情報を用いて、実際のナンバープレートの頂点１０１０のそれぞれに、仮想ナンバープレートの頂点のそれぞれをマッピングするためのマトリックスを用いて、第２の画像１６１において、仮想ナンバープレート（例えば、第１の画像１６０に含まれる仮想ナンバープレート）を、第２の画像１６１に含まれる実際のナンバープレートに投影することができる。例えば、電子装置１０１は、平面表面１４００に基づいて、第１の画像１６０を第２の画像１６１の少なくとも一部に投影することができる。例えば、マトリックスは、数２のように表すことができる。

【数2】

例えば、Ｈは、同次座標系（ｈｏｍｏｇｅｎｅｏｕｓ ｃｏｏｒｄｉｎａｔｅ）に基づくスケールファクタ（ｓｃａｌｅ ｆａｃｔｏｒ）を意味することができる。Ｈは、前記マトリックスに対応し得る。同次座標系は、二次元座標系に基づく第１の座標値（例えば、（ｘ、ｙ））を、第２の座標値（例えば、（ｘ、ｙ、１））で表した座標系を意味することができる。ｈ１１、ｈ１２、ｈ１３、ｈ２１、ｈ２２、ｈ２３、ｈ３１、ｈ３２、及び／又はｈ３３は、マトリックスＨの元素を表すことができる。例えば、図１４を参照すると、電子装置１０１は、第１の画像１６０に含まれる仮想ナンバープレートの一頂点（例えば、図１４のｘ）を、ホモグラフィに基づいて、第２の画像１６１に含まれる実際のナンバープレートの一頂点（例えば、図１４のｘ´）にマッピングすることに基づいて、仮想ナンバープレートを実際のナンバープレートに投影することができる。例えば、電子装置１０１は、数２に基づいて、実際のナンバープレートの位置情報を用いて、実際のナンバープレートの頂点１１１０のそれぞれに、第１の画像１６０に含まれる仮想ナンバープレートの頂点のそれぞれをマッピングすることができる。

【0125】

図１５は、一実施形態による電子装置が仮想ナンバープレートを含む第１の画像を第２の画像に結合して取得した第３の画像を、ラベリング情報として格納する動作の一例を示す図である。図１５の電子装置１０１は、図１～図１４の電子装置１０１を含むことができる。図１５の動作のうち少なくとも１つは、図１のプロセッサ１２０によって実行されてもよい。

【0126】

図１５を参照すると、一実施形態による電子装置１０１は、第２の画像１６１において、車両９０５に取り付けられた実際のナンバープレート（例えば、図９の実際のナンバープレート９１０）の位置情報を識別することができる。例えば、電子装置１０１は、ホモグラフィに基づいて、第１の画像１６０（又は第１の画像に含まれる仮想ナンバープレート）の頂点のそれぞれを、実際のナンバープレートの頂点のそれぞれに投影することができる。

【0127】

例えば、電子装置１０１は、実際のナンバープレートの位置情報に基づいて、第１の画像１６０と第２の画像１６１とを結合することができる。電子装置１０１は、第１の画像１６０に含まれる仮想ナンバープレートが合成された車両９０５を含む第３の画像１６２を取得することができる。

【0128】

例えば、電子装置１０１は、第１の画像１６０に含まれるテキストオブジェクト（例えば、ギョンギ（Ｇｙｅｏｎｇｇｉ）４３ガ（ｇａ）５１８１）、第１の画像１６０が結合された第３の画像内の位置を示す位置情報、第３の画像１６２をラベリング情報１６５として格納することができる。ラベリング情報１６５は、ナンバープレートを識別するためのニューラルネットワークのトレーニングに使用することができる。

【0129】

前述したように、一実施形態による電子装置１０１は、国別のナンバープレートルールに基づくテンプレート（例えば、図１のテンプレート１５０）を用いて、仮想ナンバープレートを取得することができる。電子装置１０１は、第２の画像１６１に含まれる車両９０５の取り付けられた実際のナンバープレートの色情報と、第２の画像１６１内の実際のナンバープレートの位置情報とを識別することができる。電子装置１０１は、色情報を用いて、仮想ナンバープレートに含まれるピクセルのうち少なくとも１つの色を変更することができる。電子装置１０１は、その色が変更された仮想ナンバープレートに含まれるピクセルのパラメータを変更することによって、ノイズを生成することができる。電子装置１０１は、ノイズが生成された仮想ナンバープレートを含む第１の画像１６０を取得することができる。電子装置１０１は、位置情報を用いて、ホモグラフィに基づいて、第１の画像１６０を、第２の画像１６１に含まれる実際のナンバープレートに投影することができる。電子装置１０１は、第１の画像１６０と第２の画像１６１とを結合して取得された第３の画像１６２を、ニューラルネットワークを学習するために使用することができる。電子装置１０１は、第３の画像１６２をラベリング情報１６５としてメモリに格納することができる。電子装置１０１は、テンプレートを用いて、ナンバープレートを識別するためのニューラルネットワークの学習に用いられるラベリング情報１６５を取得することができる。

【0130】

図１６は、一実施形態による電子装置の動作を示すフローチャートの一例を示す。図１６の動作のうち少なくとも１つは、図１の電子装置１０１、及び／又は図１のプロセッサ１２０によって実行されてもよい。図１６の各動作は、順次実行されてもよいが、必ずしも順次実行されるわけではない。例えば、各動作の順序を変更してもよく、少なくとも２つの動作を並列に実行してもよい。

【0131】

図１６を参照すると、動作１６１０において、一実施形態によるプロセッサは、ナンバープレートの種類を表すテンプレート（例えば、図１のテンプレート１５０）を用いて、テキストオブジェクトを含む仮想ナンバープレートを含む第１の画像（例えば、図１の第１の画像１６０）を取得することができる。例えば、電子装置１０１が取得した仮想ナンバープレートの種類は、国別のナンバープレートルールに基づいて変わり得る。仮想ナンバープレートは、数字を表すテキストオブジェクト、文字を表すテキストオブジェクト、位置（例えば、国又は地域）を表す視覚オブジェクト、及び／又は図形を含んでもよい。仮想ナンバープレートの色は、車両の種類によって異なることがある。例えば、プロセッサは、仮想ナンバープレートを取得するために、敵対的学習に基づくニューラルネットワーク（例えば、図５のニューラルネットワーク５０５）を利用することができる。ただし、これに限定されるものではない。

【0132】

図１６を参照すると、動作１６２０において、一実施形態によるプロセッサは、車両（例えば、図９の車両９０５）に対応する第２の画像（例えば、図１の第２の画像１６１において、車両に取り付けられた実際のナンバープレート（例えば、図９の実際のナンバープレート９１０））を識別することに基づいて、実際のナンバープレートの位置情報と、実際のナンバープレートの少なくとも一部の色情報とを取得することができる。例えば、プロセッサは、実際のナンバープレートの少なくとも一部の色情報を、ヒストグラムを使用して表すことができる。プロセッサは、実際のナンバープレートの少なくとも一部のＲＧＢ値を含む前記色情報を取得することができる。ヒストグラムは、前記ＲＧＢ値のそれぞれに基づいて表すことができる。例えば、プロセッサは、実際のナンバープレートに含まれるテキストオブジェクトに対応する他の部分と区別される実際のナンバープレートの少なくとも一部に含まれるピクセルのＲＧＢ値を取得することができる。プロセッサは、指定された数に基づいたピクセルのＲＧＢ値をサンプリングすることができる。

【0133】

図１６を参照すると、動作１６３０において、一実施形態によるプロセッサは、色情報を使用して、第１の画像に含まれるピクセルのうち少なくとも１つの色を変更することができる。例えば、プロセッサは、第１の画像に含まれるピクセルのＲＧＢ値のそれぞれを、実際のナンバープレートに対応するＲＧＢ値のそれぞれに変更（又は置換）することができる。例えば、プロセッサは、第１の画像に含まれるピクセルの色を表すヒストグラムを、実際のナンバープレートに対応するヒストグラムに基づいて変更することができる。例えば、プロセッサは、少なくとも１つの色が変更された少なくとも１つのピクセルを含む第１の画像に、点雑音、ガウス雑音、ユニフォーム雑音、リサイジング、グラデーション、フィルタ、及び／又は形態学的演算のうち少なくとも１つに基づいて、ノイズ（例えば、図１３のノイズ１３１０）を結合することができる。

【0134】

図１６を参照すると、動作１６４０において、一実施形態によるプロセッサは、位置情報に基づいて、少なくとも１つの色が変更された少なくとも１つのピクセルを含む第１の画像と第２の画像とを結合して、仮想ナンバープレートが合成された車両を含む第３の画像（例えば、図１の第３の画像１６２）を取得することができる。例えば、少なくとも１つの色が変更された少なくとも１つのピクセルを含む第１の画像は、ノイズが結合された第１の画像を意味することがある。例えば、プロセッサは、位置情報を用いて、第２の画像に含まれる実際のナンバープレートの頂点のそれぞれに、第１の画像の頂点のそれぞれをマッピングすることに基づいて、第１の画像と第２の画像とを結合することができる。プロセッサは、ホモグラフィに基づいて、第２の画像に含まれる実際のナンバープレートの頂点のそれぞれに、第１の画像の頂点のそれぞれを投影することができる。

【0135】

図１６を参照すると、動作１６５０において、一実施形態によるプロセッサは、第３の画像、テキストオブジェクト、及び第１の画像が結合された第３の画像内の位置を示す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報（例えば、図１のラベリング情報１６５）として格納することができる。プロセッサは、ナンバープレートを識別するためのニューラルネットワークを、ラベリング情報を使用してトレーニングすることができる。プロセッサがニューラルネットワークをトレーニングする動作は、教師あり学習の一例であり得る。ただし、これに限定されるものではない。

【0136】

図１７は、一実施形態による、学習データのセットに基づいて、ニューラルネットワークをトレーニングする電子装置１０１の動作を説明するための図である。図１７を参照して説明される動作は、図１～図１６の電子装置によって実行することができる。

【0137】

図１７を参照すると、動作１７０２において、一実施形態による電子装置は、学習データのセットを取得することができる。電子装置は、教師あり学習（ｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇ）のための学習データのセットを取得することができる。学習データは、入力データとこの入力データに対応する基底トゥルース（ｇｒｏｕｎｄ ｔｒｕｔｈ）データのペア（ｐａｉｒ）を含むことができる。基底トゥルースデータは、この基底トゥルースデータのペアである入力データを受信したニューラルネットワークから取得しようとする出力データを表すことができる。前記基底トゥルースデータは、図１～図１２を参照して説明した電子装置によって取得することができる。

【0138】

例えば、画像を認識するために、ニューラルネットワークをトレーニングする場合、学習データは、画像及び該画像に含まれる１つ以上の被写体に関する情報を含むことができる。これらの情報は、画像を介して識別可能な被写体の分類（ｃａｔｅｇｏｒｙ又はｃｌａｓｓ）を含んでもよい。前記情報は、画像内で、被写体に対応する視覚オブジェクトの位置、幅、高さ、及び／又はサイズを含み得る。動作１７０２を通じて識別される学習データのセットは、複数の学習データのペアを含んでもよい。画像を認識するために、ニューラルネットワークをトレーニングする前記の例では、電子装置によって識別される学習データのセットは、複数の画像及び該複数の画像のそれぞれに対応する基底トゥルースデータを含むことができる。

【0139】

図１７を参照すると、動作１７０４において、一実施形態による電子装置は、学習データのセットに基づいて、ニューラルネットワークのトレーニングを実行することができる。ニューラルネットワークが教師あり学習に基づいてトレーニングされる一実施形態では、電子装置は、学習データに含まれる入力データを、前記ニューラルネットワークの入力層に入力することができる。前記入力層を含むニューラルネットワークの一例を、図１８を参照して説明する。前記入力層を介して、前記入力データを受信したニューラルネットワークの出力層から、電子装置は、前記入力データに対応するニューラルネットワークの出力データを取得することができる。

【0140】

一実施形態では、動作１７０４のトレーニングは、出力データと、前記学習データに含まれ、前記入力データに対応する基底トゥルースデータとの間の差に基づいて実行されてもよい。例えば、電子装置は、傾斜降下アルゴリズム（ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ）に基づいて、前記差が減少するように、前記ニューラルネットワークに関連する１つ以上のパラメータ（例えば、図１８を参照して後述する重み）を調整することができる。前記１つ以上のパラメータを調整する電子装置の動作は、ニューラルネットワークへのチューニングと呼ばれることがある。電子装置は、出力データに基づくニューラルネットワークのチューニングを、コスト関数（ｃｏｓｔ ｆｕｎｃｔｉｏｎ）など、ニューラルネットワークの性能を評価するために定義された関数を用いて実行することができる。前述の出力データと基底トゥルースデータとの間の差は、コスト関数の一例として含まれてもよい。

【0141】

図１７を参照すると、動作１７０６において、一実施形態による電子装置は、動作１７０４によってトレーニングされたニューラルネットワークから、有効な出力データが出力されたか否かを識別することができる。出力データが有効であるということは、出力データと基底トゥルースデータとの間の差（又はコスト関数）が、前記ニューラルネットワークを使用するために設定された条件を満たすことを意味することができる。例えば、出力データと基底トゥルースデータとの間の差の平均値及び／又は最大値が、指定された閾値以下である場合、電子装置は、有効な出力データがニューラルネットワークから出力されると決定することができる。

【0142】

ニューラルネットワークから有効な出力データが出力されない場合（１７０６－ＮＯ）、電子装置は、動作１７０４に基づくニューラルネットワークのトレーニングを繰り返し実行することができる。実施形態は、これに限定されず、電子装置は、動作１７０２、１７０４を繰り返し実行することができる。

【0143】

ニューラルネットワークから有効な出力データを取得した状態で（動作１７０６－ＹＥＳ）、動作１７０８に基づいて、一実施形態による電子装置は、トレーニングされたニューラルネットワークを使用することができる。例えば、電子装置は、学習データとして、前記ニューラルネットワークに入力された入力データと区別された他の入力データを、ニューラルネットワークに入力することができる。前記他の入力データを受信したニューラルネットワークから取得した出力データを、電子装置は、ニューラルネットワークに基づいて、前記他の入力データの推論を行った結果として利用することができる。

【0144】

図１８は、一実施形態による、電子装置１０１のブロック図である。図１８の電子装置１０１は、図１～図１７の電子装置を含んでもよい。例えば、図１７を参照して説明した動作は、図１８の電子装置１０１及び／又は図１８のプロセッサ１８１０によって実行することができる。

【0145】

図１８を参照すると、電子装置１０１のプロセッサ１８１０は、メモリ１８２０に格納されたニューラルネットワーク１８３０に関連する計算（ｃｏｍｐｕｔａｔｉｏｎｓ）を実行することができる。プロセッサ１８１０は、ＣＰＵ（ｃｅｎｔｅｒ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、ＧＰＵ（ｇｒａｐｈｉｃ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、又はＮＰＵ（ｎｅｕｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）のうち少なくとも１つを含んでもよい。ＮＰＵは、ＣＰＵとは別のチップとして実装されてもよく、又はＳｏＣ（ｓｙｓｔｅｍ ｏｎ ａ ｃｈｉｐ）の形態でＣＰＵなどのチップに集積され（ｉｎｔｅｇｒａｔｅｄ）てもよい。ＣＰＵに集積されたＮＰＵは、ニューラルコア及び／又はＡＩ（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ）アクセラレータと呼ばれることがある。

【0146】

図１８を参照すると、プロセッサ１８１０は、メモリ１８２０に格納されたニューラルネットワーク１８３０を識別することができる。ニューラルネットワーク１８３０は、入力層１８３２、１つ以上の隠れ層１８３４、及び出力層１８３６の結合を含むことができる。前述の層（例えば、入力層１８３２、１つ以上の隠れ層１８３４、及び出力層１８３６）は、複数のノードを含むことができる。隠れ層１８３４の数は、実施形態によって変わってもよく、複数の隠れ層１８３４を含むニューラルネットワーク１８３０は、ディープ（ｄｅｅｐ）ニューラルネットワークと呼ばれることがある。ディープニューラルネットワークをトレーニングする動作は、ディープラーニング（ｄｅｅｐ ｌｅａｒｎｉｎｇ）と呼ばれることがある。

【0147】

一実施形態では、ニューラルネットワーク１８３０が、フィードフォワードニューラルネットワーク（ｆｅｅｄ ｆｏｒｗａｒｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）の構造を有する場合、特定の層に含まれる第１のノードは、前記特定の層の以前の別の層に含まれる第２のノードのすべてに接続することができる。メモリ１８２０内で、ニューラルネットワーク１８３０のために格納されたパラメータは、第２のノードと第１のノードとの間の接続に割り当てられた（ａｓｓｉｇｎｅｄ）重み付けを含むことができる。フィードフォワードニューラルネットワークの構造を有するニューラルネットワーク１８３０において、第１のノードの値は、第２のノードと第１のノードとを接続する接続に割り当てられた重み付けに基づく、第２のノードに割り当てられた値の重み付け合（ｗｅｉｇｈｔｅｄ ｓｕｍ）に対応することができる。

【0148】

一実施形態では、ニューラルネットワーク１８３０が畳み込み（ｃｏｎｖｏｌｕｔｉｏｎ）ニューラルネットワークの構造を有する場合、特定の層に含まれる第１のノードは、前記特定の層の以前の別の層に含まれる第２のノードの一部に対する重み付け合に対応できる。第１のノードに対応する第２のノードのいくつかは、前記特定の層に対応するフィルタによって識別されてもよい。メモリ１８２０内で、ニューラルネットワーク１８３０のために格納されたパラメータは、前記フィルタを表す重み付けを含むことができる。フィルタは、第２のノードのうち、第１のノードの重み付け合を計算するために使用される１つ以上のノード、及び前記１つ以上のノードのそれぞれに対応する重み付けを含むことができる。

【0149】

一実施形態によれば、電子装置１０１のプロセッサ１８１０は、メモリ１８２０に格納された学習データセット１８４０を使用して、ニューラルネットワーク１８３０に対してトレーニングを実行することができる。学習データセット１８４０に基づいて、プロセッサ１８１０は、図１７を参照して説明した動作を実行して、ニューラルネットワーク１８３０のためにメモリ１８２０に格納された１つ以上のパラメータを調整することができる。

【0150】

一実施形態によれば、電子装置１０１のプロセッサ１８１０は、学習データセット１８４０に基づいてトレーニングされたニューラルネットワーク１８３０を用いて、オブジェクト検出、オブジェクト認識、及び／又はオブジェクト分類を実行することができる。プロセッサ１８１０は、カメラ１８５０を介して取得した画像（又はビデオ）を、ニューラルネットワーク１８３０の入力層１８３２に入力することができる。画像が入力された入力層１８３２に基づいて、プロセッサ１８１０は、ニューラルネットワーク１８３０に含まれる層のノードの値を順次取得し、出力層１８３６のノードの値のセット（例えば、出力データ）を取得することができる。前記出力データは、ニューラルネットワーク１８３０を用いて、前記画像に含まれる情報を推定した結果として使用することができる。実施形態は、これに限定されず、プロセッサ１８１０は、通信回路１８６０を介して、電子装置１０１に接続された外部電子装置から取得した画像（又はビデオ）を、ニューラルネットワーク１８３０に入力することができる。

【0151】

一実施形態では、画像を処理するためにトレーニングされたニューラルネットワーク１８３０は、前記画像内で、被写体に対応する領域を識別するか（オブジェクト検出）、及び／又は前記画像内に表現された被写体のクラスを識別する（オブジェクト認識及び／又はオブジェクト分類）ために使用することができる。例えば、電子装置１０１は、ニューラルネットワーク１８３０を用いて、前記画像内で、前記被写体に対応する領域を、バウンディングボックスなどの矩形の形状に基づいて、分割（ｓｅｇｍｅｎｔ）することができる。例えば、電子装置１０１は、ニューラルネットワーク１８３０を用いて、複数の指定されたクラスのうち、前記被写体にマッチングする少なくとも１つのクラスを識別することができる。

【0152】

前述のように、一実施形態によれば、電子装置は、メモリ及びプロセッサを含むように構成することができる。前記プロセッサは、ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得するように構成することができる。前記プロセッサは、車両に対応する第２の画像において、前記車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、前記実際のナンバープレートの位置情報及び前記実際のナンバープレートの少なくとも一部の色情報を取得するように構成できる。前記プロセッサは、前記色情報を用いて、前記第１の画像に含まれるピクセルのうち少なくとも１つの色を変更するように構成できる。前記プロセッサは、前記位置情報に基づいて、前記少なくとも１つの色が変更された少なくとも１つのピクセルを含む前記第１の画像及び前記第２の画像を結合して、前記仮想ナンバープレートが合成された前記車両を含む第３の画像を取得するように構成できる。前記プロセッサは、前記第３の画像、前記テキストオブジェクト、及び前記第１の画像が結合された前記第３の画像内の位置を示す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報として格納するように構成されてもよい。

【0153】

例えば、前記プロセッサは、前記実際のナンバープレートの頂点（ｖｅｒｔｉｃｅｓ）を表す前記位置情報を用いて、前記車両に取り付けられた前記実際のナンバープレートに、前記第１の画像に含まれる前記仮想ナンバープレートを投影するように構成できる。前記プロセッサは、前記ラベリング情報を用いて、前記第３の画像と区別される第４の画像において、前記実際のナンバープレートと区別される他の実際のナンバープレートを識別するための前記ニューラルネットワークを学習させるように構成できる。

【0154】

例えば、前記プロセッサは、前記テキストオブジェクトと区別される他のテキストオブジェクトを含む前記実際のナンバープレートの他の部分と区別される前記実際のナンバープレートの少なくとも一部に含まれるピクセルをサンプリングして、前記色情報を取得するように構成することができる。前記プロセッサは、前記色情報を用いて、前記仮想ナンバープレートの前記テキストオブジェクトを含む前記仮想ナンバープレートの他の部分と区別される前記仮想ナンバープレートの少なくとも一部の色を変更するように構成することができる。前記プロセッサは、少なくとも一部の色が変更された前記仮想ナンバープレートに含まれるピクセルを表すパラメータを変更することに基づいて、前記仮想ナンバープレートのノイズを生成するように構成することができる。

【0155】

例えば、前記プロセッサは、前記仮想ナンバープレートの背景を表す背景テンプレートと、指定されたフォント（ｆｏｎｔ）に基づく前記テキストオブジェクトを表すテキストテンプレートとを含む前記テンプレートを用いて、数字を表すテキストオブジェクト及び文字を表すテキストオブジェクトを含む前記テキストオブジェクトのうち少なくとも１つを、前記背景テンプレートの指定された位置に結合して、前記仮想ナンバープレートを含む前記第１の画像を取得するように構成することができる。

【0156】

例えば、前記プロセッサは、前記位置情報を用いて、前記実際のナンバープレートの頂点のそれぞれに、前記仮想ナンバープレートの頂点のそれぞれをマッピングするためのマトリックスを使用して、前記第２の画像内の前記仮想ナンバープレートを、前記実際のナンバープレート上に投影するように構成することができる。

【0157】

例えば、前記プロセッサは、前記実際のナンバープレートの色に対応するＲＧＢ値を表す色情報を用いて、前記第１の画像の色に対応するＲＧＢ値のそれぞれを変更することに基づいて、前記第１の画像のピクセルのうち少なくとも１つの色を変更するように構成することができる。

【0158】

例えば、前記プロセッサは、前記第２の画像に含まれるピクセルを用いて、前記車両に取り付けられた前記実際のナンバープレートに対応するピクセルを識別することに基づいて、前記第２の画像において、前記実際のナンバープレートに対応するピクセルを含む領域を使用して、前記実際のナンバープレートの前記位置情報を識別するように構成することができる。

【0159】

例えば、前記プロセッサは、前記テンプレートを使用して、指定されたサイズを有する前記テキストオブジェクトを組み合わせて、前記組み合わせられたテキストオブジェクトを含む前記仮想ナンバープレートを含む前記第１の画像を取得するように構成することができる。

【0160】

前述の一実施形態による電子装置によって実行される方法において、この方法は、ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得する動作を含むことができる。前記方法は、車両に対応する第２の画像において、前記車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、前記実際のナンバープレートの位置情報及び前記実際のナンバープレートの少なくとも一部の色情報を取得する動作を含むことができる。前記方法は、前記色情報を用いて、前記第１の画像に含まれるピクセルのうち少なくとも１つの色を変更する動作を含むことができる。前記方法は、前記位置情報に基づいて、前記少なくとも１つの色が変更された少なくとも１つのピクセルを含む前記第１の画像と前記第２の画像とを結合して、前記仮想ナンバープレートが合成された前記車両を含む第３の画像を取得する動作を含むことができる。前記方法は、前記第３の画像、前記テキストオブジェクト、及び前記第１の画像が結合された前記第３の画像内の位置を示す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報として格納する動作を含むことができる。

【0161】

例えば、前記方法は、前記実際のナンバープレートの頂点（ｖｅｒｔｉｃｅｓ）を表す前記位置情報を用いて、前記車両に取り付けられた前記実際のナンバープレート上に、前記第１の画像に含まれる前記仮想ナンバープレートを投影する動作を含むことができる。前記方法は、前記ラベリング情報を用いて、前記第３の画像と区別される第４の画像において、前記実際のナンバープレートと区別される他の実際のナンバープレートを識別するための前記ニューラルネットワークを学習させる動作を含むことができる。

【0162】

例えば、前記方法は、前記テキストオブジェクトとは区別される他のテキストオブジェクトを含む前記実際のナンバープレートの他の部分とは区別される前記実際のナンバープレートの少なくとも一部に含まれるピクセルをサンプリングして、前記色情報を取得する動作を含むことができる。前記方法は、前記色情報を用いて、前記仮想ナンバープレートの前記テキストオブジェクトを含む前記仮想ナンバープレートの他の部分と区別される前記仮想ナンバープレートの少なくとも一部の色を変更する動作を含むことができる。前記方法は、前記少なくとも一部の色が変更された前記仮想ナンバープレートに含まれるピクセルを表すパラメータを変更することに基づいて、前記仮想ナンバープレートのノイズを生成する動作を含むことができる。

【0163】

例えば、前記方法は、前記仮想ナンバープレートの背景を表す背景テンプレートと、指定されたフォント（ｆｏｎｔ）に基づく前記テキストオブジェクトを表すテキストテンプレートとを含む前記テンプレートを用いて、数字を表すテキストオブジェクトと文字を表すテキストオブジェクトとを含む前記テキストオブジェクトのうち少なくとも１つを、前記背景テンプレートの指定された位置に結合して、前記仮想ナンバープレートを含む前記第１の画像を取得する動作を含むことができる。

【0164】

例えば、前記方法は、前記位置情報を用いて、前記実際のナンバープレートの頂点のそれぞれに、前記仮想ナンバープレートの頂点のそれぞれをマッピングするためのマトリックスを用いて、前記第２の画像内の前記仮想ナンバープレートを、前記実際のナンバープレート上に投影する動作を含むことができる。

【0165】

例えば、前記方法は、前記実際のナンバープレートの色に対応するＲＧＢ値を表す前記色情報を用いて、前記第１の画像の色に対応するＲＧＢ値のそれぞれを変更することに基づいて、前記第１の画像のピクセルのうち少なくとも１つの色を変更する動作を含むことができる。

【0166】

例えば、前記方法は、前記第２の画像に含まれるピクセルを用いて、前記車両に取り付けられた前記実際のナンバープレートに対応するピクセルを識別することに基づいて、前記第２の画像における前記実際のナンバープレートに対応する前記ピクセルを含む領域を用いて、前記実際のナンバープレートの前記位置情報を識別する動作を含むことができる。

【0167】

前述の一実施形態による１つ以上のプログラムが格納されたコンピュータ読み取り可能な記憶媒体において、前記１つ以上のプログラムは、電子装置の少なくとも１つのプロセッサによって実行される場合、ナンバープレートの種類を表すテンプレートを用いて、テキストオブジェクトを含む仮想ナンバープレート（ｖｉｒｔｕａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を含む第１の画像を取得するように、前記電子装置を引き起こす命令を含むように構成できる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、車両に対応する第２の画像において、前記車両に取り付けられた実際のナンバープレート（ｒｅａｌ ｌｉｃｅｎｓｅ ｐｌａｔｅ）を識別することに基づいて、前記実際のナンバープレートの位置情報と、前記実際のナンバープレートの少なくとも一部の色情報とを取得するように、前記電子装置を引き起こす命令を含むように構成できる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、前記色情報を用いて、前記第１の画像に含まれるピクセルのうち少なくとも１つの色を変更するように、前記電子装置を引き起こす命令を含むように構成できる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、前記位置情報に基づいて、前記少なくとも１つの色が変更された少なくとも１つのピクセルを含む前記第１の画像と前記第２の画像とを結合して、前記仮想ナンバープレートが合成された前記車両を含む第３の画像を取得するように、前記電子装置を引き起こす命令を含むように構成できる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、前記第３の画像、前記テキストオブジェクト、及び前記第１の画像が結合された前記第３の画像内の位置を表す位置情報のペアを、ニューラルネットワークのトレーニングのためのラベリング情報として格納するように、前記電子装置を引き起こす命令を含むように構成できる。

【0168】

例えば、前記１つ以上のプログラムは、前記電子装置の前記プロセッサによって実行される場合、前記実際のナンバープレートの頂点（ｖｅｒｔｉｃｅｓ）を表す前記位置情報を用いて、前記車両に取り付けられた前記実際のナンバープレート上に、前記第１の画像に含まれる前記仮想ナンバープレートを投影するように、前記電子装置を引き起こす命令を含むように構成できる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、前記ラベリング情報を用いて、前記第３の画像と区別される第４の画像において、前記実際のナンバープレートと区別される他の実際のナンバープレートを識別するための前記ニューラルネットワークを学習させるように、前記電子装置を引き起こす命令を含むように構成できる。

【0169】

例えば、前記１つ以上のプログラムは、前記電子装置の前記プロセッサによって実行される場合、前記テキストオブジェクトとは区別される他のテキストオブジェクトを含む前記実際のナンバープレートの他の部分とは区別される前記実際のナンバープレートの少なくとも一部に含まれるピクセルをサンプリングして、前記色情報を取得するように、前記電子装置を引き起こす命令を含むように構成できる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、前記色情報を用いて、前記仮想ナンバープレートの前記テキストオブジェクトを含む前記仮想ナンバープレートの他の部分と区別される前記仮想ナンバープレートの少なくとも一部の色を変更するように、前記電子装置を引き起こす命令を含むように構成できる。前記１つ以上のプログラムは、電子装置のプロセッサによって実行される場合、前記少なくとも一部の色が変更された前記仮想ナンバープレートに含まれるピクセルを表すパラメータを変更することに基づいて、前記仮想ナンバープレートのノイズを生成するように、前記電子装置を引き起こす命令を含むように構成できる。

【0170】

例えば、前記１つ以上のプログラムは、前記電子装置の前記プロセッサによって実行される場合、前記仮想ナンバープレートの背景を表す背景テンプレートと、指定されたフォント（ｆｏｎｔ）に基づく前記テキストオブジェクトを表すテキストテンプレートとを含む前記テンプレートを用いて、数字を表すテキストオブジェクトと文字を表すテキストオブジェクトとを含む前記テキストオブジェクトのうち少なくとも１つを、前記背景テンプレートの指定された位置に結合して、前記仮想ナンバープレートを含む前記第１の画像を取得するように、前記電子装置を引き起こす命令を含むように構成できる。

【0171】

例えば、前記１つ以上のプログラムは、前記電子装置の前記プロセッサによって実行される場合、前記位置情報を用いて、前記実際のナンバープレートの頂点のそれぞれに、前記仮想ナンバープレートの頂点のそれぞれをマッピングするためのマトリックスを用いて、前記第２の画像内の前記仮想ナンバープレートを、前記実際のナンバープレートに投影するように、前記電子装置を引き起こす命令を含むように構成できる。

【0172】

前述の装置は、ハードウェア構成要素、ソフトウェア構成要素、及び／又はハードウェア構成要素及びソフトウェア構成要素の組み合わせで実施することができる。例えば、実施形態で説明した装置及び構成要素は、プロセッサ、コントローラ、ＡＬＵ（ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ）、デジタル信号プロセッサ（ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）、マイクロコンピュータ、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＰＬＵ（ｐｒｏｇｒａｍｍａｂｌｅ ｌｏｇｉｃ ｕｎｉｔ）、マイクロプロセッサ、又は命令（ｉｎｓｔｒｕｃｔｉｏｎ）を実行及び応答することができる他の任意の装置など、１つ以上の汎用コンピュータ又は特殊目的コンピュータを使用して実装することができる。処理装置は、オペレーティングシステム（ＯＳ）及び前記オペレーティングシステム上で実行される１つ以上のソフトウェアアプリケーションを実行することができる。さらに、処理装置は、ソフトウェアの実行に応答して、データをアクセス、保存、操作、処理及び生成することもできる。理解の便宜のために、処理装置は、１つが使用されるものとして説明されている場合もあるが、当該技術分野で通常の知識を有する者は、処理装置が複数の処理要素（ｐｒｏｃｅｓｓｉｎｇ ｅｌｅｍｅｎｔ）及び／又は複数タイプの処理要素を含んでもよいことが分かり得る。例えば、処理装置は、複数のプロセッサ又は１つのプロセッサ及び１つのコントローラを含むことができる。さらに、パラレルプロセッサ（ｐａｒａｌｌｅｌ ｐｒｏｃｅｓｓｏｒ）などの他の処理構成（ｐｒｏｃｅｓｓｉｎｇ ｃｏｎｆｉｇｕｒａｔｉｏｎ）も可能である。

【0173】

ソフトウェアは、コンピュータプログラム（ｃｏｍｐｕｔｅｒ ｐｒｏｇｒａｍ）、コード（ｃｏｄｅ）、命令（ｉｎｓｔｒｕｃｔｉｏｎ）、又はこれらの１つ以上の組み合わせを含むことができ、所望のように動作するように処理装置を構成するか、独立して又は組み合わせて（ｃｏｌｌｅｃｔｉｖｅｌｙ）処理装置に命令することができる。ソフトウェア及び／又はデータは、処理装置によって解釈されるか、又は処理装置に命令又はデータを提供するために、任意のタイプの機械、構成要素（ｃｏｍｐｏｎｅｎｔ）、物理装置、コンピュータ記憶媒体又は装置に具体化（ｅｍｂｏｄｙ）されてもよい。ソフトウェアは、ネットワークに接続されたコンピュータシステム上に分散され、分散された方法で保存又は実行されてもよい。ソフトウェア及びデータは、１つ以上のコンピュータ読み取り可能な記録媒体に格納することができる。

【0174】

実施形態による方法は、様々なコンピュータ手段を介して実行され得るプログラム命令の形態で実施され、コンピュータ読み取り可能な媒体に記録され得る。この場合、媒体は、コンピュータで実行可能なプログラムを保存し続けるか、実行又はダウンロードのために一時的に保存することができる。さらに、媒体は、単一又は複数のハードウェアが結合された形態の様々な記録手段又は記憶手段であってもよく、任意のコンピュータシステムに直接接続される媒体に限定されず、ネットワーク上に分散して存在するものであってもよい。媒体の例としては、ハードディスク、フロッピーディスク、磁気テープなどの磁気媒体、ＣＤ－ＲＯＭ、ＤＶＤなどの光記録媒体、フロプティカルディスク（ｆｌｏｐｔｉｃａｌ ｄｉｓｋ）などの磁気光学媒体（ｍａｇｎｅｔｏ－ｏｐｔｉｃａｌ ｍｅｄｉｕｍ）、ＲＯＭ、ＲＡＭ、フラッシュメモリなどを含む、プログラム命令が格納されるように構成されたものであり得る。また、別の媒体の例として、アプリケーションを流通するアプリケーションストアや他の様々なソフトウェアを供給又は流通するサイト、サーバなどで管理する記録媒体や記憶媒体も挙げられる。

【0175】

以上のように実施形態が限定された実施形態と図面によって説明されたが、当該技術分野で通常の知識を有する者であれば、前記の記載から様々な修正及び変形が可能である。例えば、記載された技術は、記載された方法とは異なる順序で実行され、及び／又は記載されたシステム、構造、装置、回路などの構成要素は、記載された方法とは異なる形態で結合されるか又は組み合わせられても、又は他の構成要素又は均等物によって代替又は置換されても、適切な結果が達成され得る。

【0176】

したがって、他の態様、他の実施形態、及び特許請求の範囲と均等のものも、後述する特許請求の範囲の範囲内に属する。

【符号の説明】

【0177】

１０１ 電子装置
１２０ プロセッサ
１３０ メモリ
１５０ テンプレート
１５１ 背景テンプレート
１５３ テキストテンプレート
１６０ 第１の画像
１６１ 第２の画像
１６２ 第３の画像
１６５ ラベリング情報
１８１０ プロセッサ
１８２０ メモリ
１８３０ ニューラルネットワーク
１８４０ 学習データセット
１８５０ カメラ
１８６０ 通信回路

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8a】

【図8b】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】