약간의 Massive 한 Data Training 이 필요로 하기는 합니다만,,,, 


총체라는 것에 대해서 객체라는 것이 되기에 Text/Image/Music/?Video 등등에 대해서 그것을 하나라고 일단은 본다면,,,, 


그것이,,,, <<총체객체>>이기 때문에 오히려 AI는 간단한 Trick Objects 의 <<조합적/비조합적 분류처리>> 라고 볼 수 있습니다.... ^^;


결국에 <<총체객체>> 에서 [Text/Image/Music/?Video]에 대해 <<총체 중의 부분객체들>>을,,,, 


객체에 대한 PLUS/MINUS 를 시키는 입장에서 보면 굉장하게 간단하게 보입니다...., 


[Text/Image/Music/Video]에 대해서 그것을 <<총체 중의 부분객체들>>로 나눌 수가 있는 것이 <<객체적 부분추상화>>를 통해서,,,, 


약간의 <<"Objects Detection" 의 응용확장>> 으로 취급이 가능합니다.... ^^


결국에는 <<Type Decomposition>> 의 논리확장적 데이터취급법이라고 볼 수도 있는 것이 규격규정적으로는 그러할 것같습니다.... 


^^


예를 들면,, 


최근의 화물차 수화물단속 AI 에 대해서는 <<Type Decomposition>> 을 통한 <<총체 중의 부분객체들>> 에 대해서 <<조합적 분류처리>> 를 


시행한 것으로 볼 수가 있습니다.... 


화물차의 수화물에는 <<Type Decomposition>> 을 시키기에,,,,


* 가림막 덮힘의 유형, * 수화형태, * 화물짐칸의 유형 의 세 가지로 나눌 수가 있습니다.... 


그렇다면,,, 


[Image] 에 대해서 그것이 <<총체객체>> 라고 한다면 [Image-화물차 수화물 적재칸] MINUS [ * 화물짐칸의 유형 PLUS * 가림막 덮힘의 유형 ] 라는 것이 


[* 수화형태] 라는 것에 대한 <<Type Decomposition>> 에 대한 Image 로 부터의 [Image-화물차 수화물 적재칸] 으로부터 역추산되는,,


Type 에 대해서 사실은 정도/분량이 아니라 [* 수화형태]의 Type 들을 [[Cardinal Auto Selection]] 을 통해 <<분량유형의 Type Possibility>> 를 통해서 


<<Type Uniqueness>> 를 통해서 판단하는 방법을 취하고 있다고 할 수가 있습니다.... 


그래서 결국에는 AI 기술이라는 것에 대해서는 <<Type Map>> 에 대해서 <<총체객체>> 로 부터 <<Type Decomposition>>을 통해,,,,, 


<<총체 중의 부분객체들>> 에 대한 PLUS 와 MINUS 를 통해서,, 


다시 <<총체 중의 부분객체들>> 을 찾아내는 방법이지만 여기서 하나의 조건이 무조건적으로 있어야할 것에 대해서는 <<Type Uniqueness>> 라고 


보여지게 됩니다. ^^




1234