JP6669741B2 - 商品画像のセグメンテーション方法および装置 - Google Patents
商品画像のセグメンテーション方法および装置 Download PDFInfo
- Publication number
- JP6669741B2 JP6669741B2 JP2017522490A JP2017522490A JP6669741B2 JP 6669741 B2 JP6669741 B2 JP 6669741B2 JP 2017522490 A JP2017522490 A JP 2017522490A JP 2017522490 A JP2017522490 A JP 2017522490A JP 6669741 B2 JP6669741 B2 JP 6669741B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- product
- body position
- product image
- weight distribution
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 65
- 238000003709 image segmentation Methods 0.000 title claims description 40
- 238000012549 training Methods 0.000 claims description 32
- 230000011218 segmentation Effects 0.000 claims description 24
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/162—Segmentation; Edge detection involving graph-based methods
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Description
本発明は、画像処理の分野に関し、特に商品画像のセグメンテーション技術に関する。
商品検索および商品選択等の事業サービスで利用する技術の急速な発展に伴い、多くの場合、商品本体を商品画像からセグメンテーションすることが必要となる。現在、例えば重要領域検出に基づくセグメンテーション技術、顔検出に基づくセグメンテーション技術、画像接続性に基づくセグメンテーション技術等、いくつかの画像セグメンテーション技術が既に提案されている。しかし、これらのセグメンテーション技術のいずれも衣服画像のセグメンテーションに適用できない。重要領域検出に基づくセグメンテーション技術が良好なセグメンテーション効果を示すのは、画像が明瞭な背景および単純なレイアウトを有している場合のみであるが、大多数の商品画像は複雑な背景または複雑なレイアウトを有している。顔検出に基づくセグメンテーション技術は、ファッションモデルがおり、そのファッションモデルの顔が明瞭で単純な姿勢をとっている状況に適しているが、多くの商品画像では、ファッションモデルが写っていないか、またはファッションモデルが複雑な姿勢をとっている。画像接続性に基づくセグメンテーション技術は、画像が明瞭な背景および単純なレイアウトを有し、かつ衣服が殆どテクスチャを有していない状況に適しているが、大多数の商品画像は複雑な背景または複雑なレイアウトを有している。従って、これらのセグメンテーション方法では画像セグメンテーションの満足すべき効果が実現困難であることが分かる。
本発明の目的は、商品画像から商品本体を正確にセグメンテーションすることができる商品画像のセグメンテーション方法および装置を提案することである。
商品画像内の本***置に応じて、入力された商品画像に対して画像分類を実行するステップと、
画像分類の結果に応じて、異なるクラスの商品画像に対してそれぞれの本***置テンプレートを選択するステップであって、本***置テンプレートの各々の所定の位置パラメータが互いに異なり、本***置テンプレートの各々が所定の位置パラメータに応じた重み分布場(weight distribution field)を有して構成され、重み分布場が、商品画像内の各画素が前景または背景に属する確率を表す、ステップと、
商品画像から商品本体をセグメンテーションするために、選択された本***置テンプレートの重み分布場に応じて画像セグメンテーションを実行するステップと
を含む。
商品画像内の本***置に応じて、入力された商品画像に対して画像分類を実行する分類装置と、
分類装置からの画像分類の結果に応じて、異なるクラスの商品画像に対してそれぞれの本***置テンプレートを選択する重み構成装置であって、本***置テンプレートの各々の所定の位置パラメータが互いに異なり、本***置テンプレートの各々が所定の位置パラメータに応じた重み分布場を有して構成され、重み分布場が、商品画像内の各画素が前景または背景に属する確率を表す、重み構成装置と、
商品画像から商品本体をセグメンテーションするために、選択された本***置テンプレートの重み分布場に応じて画像セグメンテーションを実行するセグメンテーション装置と
を含む、商品画像のセグメンテーション装置を開示する。
以下の説明において、本出願に対する読者の理解を深めるために多くの技術的詳細が提示される。しかし、当業者は、本出願に添付される請求項に記載された技術的解決策がこれらの技術的詳細なしに実施可能であり、各種の変更形態および変形形態が以下の実施形態に基づくことを理解するであろう。
ステップS101において、商品画像内の本***置に応じて、入力された商品画像に対して画像分類を実行する。
ステップS201において商品画像を取得する。
単体標準画像の場合、a=0.3、b=0.8に構成され、
単体標準画像よりも狭い画像の場合、a=0.2、b=0.79に構成され、
単体標準画像よりも広い画像の場合、a=0.4、b=0.81に構成され、および
二体画像の場合、最初に画像の左半分が撮像され、次いで単体標準画像として処理される。
商品画像内の本***置に応じて、入力された商品画像に対して画像分類を実行する分類装置101と、
分類装置からの画像分類の結果に応じて、異なるクラスの商品画像に対するそれぞれの本***置テンプレートを選択する重み構成装置102であって、本***置テンプレートの各々の所定の位置パラメータが互いに異なり、本***置テンプレートの各々が所定の位置パラメータに応じた重み分布場を有して構成され、重み分布場が、商品画像内の各画素が前景または背景に属する確率を表す、重み構成装置102と、
商品画像から商品本体をセグメンテーションするために、選択された本***置テンプレートの重み分布場に応じて画像セグメンテーションを実行するセグメンテーション装置103と
を含む。
Claims (12)
- 商品画像のセグメンテーション方法であって、
商品画像内の本***置に応じて設定される本***置クラスを出力する画像分類器を用いて、入力された商品画像に対して画像分類を実行するステップと、
前記画像分類器が出力する本***置クラスに応じて、異なる本***置クラスの商品画像に対してそれぞれの本***置テンプレートを選択するステップであって、前記本***置テンプレートの各々の所定の位置パラメータが互いに異なり、前記本***置テンプレートの各々が前記所定の位置パラメータに応じた重み分布場を有して構成され、前記重み分布場が、前記商品画像内の各画素が前景または背景に属する確率を表す、ステップと、
前記商品画像から商品本体をセグメンテーションするために、前記選択された本***置テンプレートの前記重み分布場に応じて画像セグメンテーションを実行するステップと
を含むことを特徴とする、方法。 - 前記商品画像が衣服商品画像であることを特徴とする、請求項1に記載の商品画像のセグメンテーション方法。
- 前記画像分類器が深層学習法により得られ、前記深層学習法が、画像分類器としての役割を果たすように畳み込みニューラルネットワークをトレーニングするステップを含むことを特徴とする、請求項2に記載の商品画像のセグメンテーション方法。
- 前記畳み込みニューラルネットワークが少なくとも5つの畳み込み層、2つの完全接続層、および1つのソフトマックス層を含むことを特徴とする、請求項3に記載の商品画像のセグメンテーション方法。
- 前記畳み込みニューラルネットワークがトレーニング集合に基づいてトレーニングされることを特徴とする、請求項3に記載の商品画像のセグメンテーション方法。
- 前記トレーニング集合が、
商品画像を取得するステップと、
前記取得された商品画像からの複数の特徴の抽出を実行するステップと、
前記抽出された複数の特徴に応じて、前記取得された商品画像をクラスタリングするステップであって、クラスタの数がAである、ステップと、
前記A個のクラスタの前記商品画像を確認するステップであって、前記商品画像内の前記本***置に応じて、前記クラスタのいくつかにおける全ての前記画像が同じ本***置クラスに分類され、および他のクラスタにおける画像が各種の異なる本***置クラスに分類され、前記本***置クラスの数がBである、ステップと
に従って構築され、AおよびBが両方とも整数であり、かつA>B≧2であることを特徴とする、請求項5に記載の商品画像のセグメンテーション方法。 - 前記複数の特徴が、少なくとも有向勾配特徴のヒストグラムおよびサイズ特徴を含むことを特徴とする、請求項6に記載の商品画像のセグメンテーション方法。
- 前記本***置クラスが、少なくとも以下のクラス:複雑な多体画像、二体画像、単体標準画像、単体標準画像よりも狭い画像、および単体標準画像よりも広い画像のうちの1つまたはその組合せを含むことを特徴とする、請求項6に記載の商品画像のセグメンテーション方法。
- 前記商品画像の中心に近いほど、商品本体である重みが大きくなり、前記商品画像の前記中心から遠いほど、商品本体である前記重みが小さくなるように、前記重み分布場を構成するステップを更に含むことを特徴とする、請求項1に記載の商品画像のセグメンテーション方法。
- 商品画像内の本***置に応じて設定される本***置クラスを出力する画像分類器を用いて、入力された商品画像に対して画像分類を実行する分類装置と、
前記分類装置が出力する本***置クラスに応じて、異なる本***置クラスの商品画像に対してそれぞれの本***置テンプレートを選択する重み構成装置であって、前記本***置テンプレートの各々の所定の位置パラメータが互いに異なり、前記本***置テンプレートの各々が前記所定の位置パラメータに応じた重み分布場を有して構成され、前記重み分布場が、前記商品画像内の各画素が前景または背景に属する確率を表す、重み構成装置と、
前記商品画像から商品本体をセグメンテーションするために、前記選択された本***置テンプレートの前記重み分布場に応じて画像セグメンテーションを実行するセグメンテーション装置と
を含む、商品画像のセグメンテーション装置。 - トレーニング集合を構築するトレーニング集合構築装置を更に含み、
前記トレーニング集合構築装置により構築された前記トレーニング集合が、前記分類装置をトレーニングするために使用されることを特徴とする、請求項10に記載の商品画像のセグメンテーション装置。 - 前記商品画像の中心に近いほど、商品本体である重みが大きくなり、前記商品画像の前記中心から遠いほど、商品本体である前記重みが小さくなるように、前記重み分布場を構成する重み分布場構成装置を更に含むことを特徴とする、請求項10に記載の商品画像のセグメンテーション装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410597626.5 | 2014-10-29 | ||
CN201410597626.5A CN105608459B (zh) | 2014-10-29 | 2014-10-29 | 商品图片的分割方法及其装置 |
PCT/CN2015/092509 WO2016066042A1 (zh) | 2014-10-29 | 2015-10-22 | 商品图片的分割方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017538196A JP2017538196A (ja) | 2017-12-21 |
JP6669741B2 true JP6669741B2 (ja) | 2020-03-18 |
Family
ID=55856594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017522490A Active JP6669741B2 (ja) | 2014-10-29 | 2015-10-22 | 商品画像のセグメンテーション方法および装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10297029B2 (ja) |
JP (1) | JP6669741B2 (ja) |
CN (1) | CN105608459B (ja) |
WO (1) | WO2016066042A1 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608459B (zh) | 2014-10-29 | 2018-09-14 | 阿里巴巴集团控股有限公司 | 商品图片的分割方法及其装置 |
CN107545271B (zh) * | 2016-06-29 | 2021-04-09 | 阿里巴巴集团控股有限公司 | 图像识别方法、装置和*** |
US10453200B2 (en) | 2016-11-02 | 2019-10-22 | General Electric Company | Automated segmentation using deep learned priors |
CN107463945B (zh) * | 2017-07-12 | 2020-07-10 | 浙江大学 | 一种基于深度匹配网络的商品种类识别方法 |
CN108447064B (zh) * | 2018-02-28 | 2022-12-13 | 苏宁易购集团股份有限公司 | 一种图片处理方法及装置 |
US10922585B2 (en) * | 2018-03-13 | 2021-02-16 | Recogni Inc. | Deterministic labeled data generation and artificial intelligence training pipeline |
CN109977983B (zh) * | 2018-05-07 | 2021-06-08 | 广州逗号智能零售有限公司 | 获得训练图像的方法及装置 |
US10878570B2 (en) * | 2018-07-17 | 2020-12-29 | International Business Machines Corporation | Knockout autoencoder for detecting anomalies in biomedical images |
CN109146885B (zh) * | 2018-08-17 | 2021-08-17 | 深圳蓝胖子机器智能有限公司 | 图像分割方法、设备和计算机可读存储介质 |
CN109767397B (zh) | 2019-01-09 | 2022-07-12 | 三星电子(中国)研发中心 | 一种基于人工智能的图像优化方法和*** |
RU2698157C1 (ru) * | 2019-02-12 | 2019-08-22 | Акционерное общество Научно-производственный центр "Электронные вычислительно-информационные системы" (АО НПЦ "ЭЛВИС") | Система поиска нарушений в порядке расположения объектов |
CN112466035B (zh) * | 2019-09-06 | 2022-08-12 | 图灵通诺(北京)科技有限公司 | 基于视觉和重力感应的商品识别方法、装置和*** |
KR102429534B1 (ko) * | 2020-11-02 | 2022-08-04 | 주식회사 루닛 | 대상 이미지에 대한 추론 작업을 수행하는 방법 및 시스템 |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6728404B1 (en) * | 1991-09-12 | 2004-04-27 | Fuji Photo Film Co., Ltd. | Method for recognizing object images and learning method for neural networks |
US5619593A (en) * | 1991-09-12 | 1997-04-08 | Fuji Photo Film Co., Ltd. | Method for extracting object images and method for detecting movements thereof |
DE60045162D1 (de) | 1999-06-11 | 2010-12-09 | Altera Corp | Verfahren und Vorrichtung zur Segmentierung numerischer Bilder |
US6778698B1 (en) | 1999-06-11 | 2004-08-17 | Pts Corporation | Method and apparatus for digital image segmentation |
US6973213B2 (en) | 2001-10-12 | 2005-12-06 | Xerox Corporation | Background-based image segmentation |
US6922485B2 (en) | 2001-12-06 | 2005-07-26 | Nec Corporation | Method of image segmentation for object-based image retrieval |
JP2006506726A (ja) | 2002-11-19 | 2006-02-23 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | テンプレート予測を用いた画像のセグメント化 |
US7606417B2 (en) | 2004-08-16 | 2009-10-20 | Fotonation Vision Limited | Foreground/background segmentation in digital images with differential exposure calculations |
US7376272B2 (en) * | 2004-06-14 | 2008-05-20 | Xerox Corporation | Method for image segmentation to identify regions with constant foreground color |
KR20060007901A (ko) * | 2004-07-22 | 2006-01-26 | 삼성전자주식회사 | 영상으로부터의 중요 객체 추출 장치 및 방법 |
US8913830B2 (en) | 2005-01-18 | 2014-12-16 | Siemens Aktiengesellschaft | Multilevel image segmentation |
US20090129671A1 (en) | 2005-03-31 | 2009-05-21 | Agency For Science, Technology And Research | Method and apparatus for image segmentation |
US7660468B2 (en) * | 2005-05-09 | 2010-02-09 | Like.Com | System and method for enabling image searching using manual enrichment, classification, and/or segmentation |
US7676081B2 (en) | 2005-06-17 | 2010-03-09 | Microsoft Corporation | Image segmentation of foreground from background layers |
US7379593B2 (en) | 2005-12-21 | 2008-05-27 | Xerox Corporation | Method for image segmentation from proved detection of background and text image portions |
US8417033B2 (en) | 2007-04-27 | 2013-04-09 | Hewlett-Packard Development Company, L.P. | Gradient based background segmentation and enhancement of images |
CA2734143C (en) * | 2008-08-15 | 2021-08-31 | Brown University | Method and apparatus for estimating body shape |
US8515171B2 (en) | 2009-01-09 | 2013-08-20 | Rochester Institute Of Technology | Methods for adaptive and progressive gradient-based multi-resolution color image segmentation and systems thereof |
WO2010138121A1 (en) * | 2009-05-28 | 2010-12-02 | Hewlett-Packard Development Company, L.P. | Image processing |
GB2473503B (en) * | 2009-09-15 | 2015-02-11 | Metail Ltd | System and method for image processing |
CN101847264B (zh) * | 2010-05-28 | 2012-07-25 | 北京大学 | 基于互补显著度图的图像兴趣物体自动提取方法及*** |
US9317783B2 (en) * | 2010-06-01 | 2016-04-19 | Hewlett-Packard Development Company, L.P. | Clustering images |
WO2011152843A1 (en) * | 2010-06-01 | 2011-12-08 | Hewlett-Packard Development Company, L.P. | Clothing-based image clustering based on cluster ensemble sets |
CN101950400B (zh) * | 2010-10-09 | 2014-04-16 | 姚建 | 网络购物导航方法领域的图片检索方法 |
US20130259374A1 (en) * | 2012-03-29 | 2013-10-03 | Lulu He | Image segmentation |
CN102779270B (zh) * | 2012-06-21 | 2015-03-25 | 西南交通大学 | 一种针对购物图像搜索的目标衣物图像提取方法 |
CN102842135A (zh) * | 2012-07-17 | 2012-12-26 | 杭州淘淘搜科技有限公司 | 一种商品图像主体区域检测方法 |
CN103577475B (zh) * | 2012-08-03 | 2018-01-30 | 阿里巴巴集团控股有限公司 | 一种图片自动化分类方法、图片处理方法及其装置 |
CN103578098B (zh) * | 2012-08-07 | 2017-05-10 | 阿里巴巴集团控股有限公司 | 在商品图片中提取商品主体的方法和装置 |
CN103679164A (zh) * | 2012-09-21 | 2014-03-26 | 阿里巴巴集团控股有限公司 | 一种基于移动终端的标志识别处理方法和*** |
CN105608459B (zh) | 2014-10-29 | 2018-09-14 | 阿里巴巴集团控股有限公司 | 商品图片的分割方法及其装置 |
-
2014
- 2014-10-29 CN CN201410597626.5A patent/CN105608459B/zh active Active
-
2015
- 2015-10-22 JP JP2017522490A patent/JP6669741B2/ja active Active
- 2015-10-22 WO PCT/CN2015/092509 patent/WO2016066042A1/zh active Application Filing
-
2017
- 2017-04-28 US US15/582,186 patent/US10297029B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US10297029B2 (en) | 2019-05-21 |
WO2016066042A1 (zh) | 2016-05-06 |
CN105608459A (zh) | 2016-05-25 |
US20170236292A1 (en) | 2017-08-17 |
CN105608459B (zh) | 2018-09-14 |
JP2017538196A (ja) | 2017-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6669741B2 (ja) | 商品画像のセグメンテーション方法および装置 | |
Wei et al. | Toward automatic building footprint delineation from aerial images using CNN and regularization | |
Zhang et al. | Self-produced guidance for weakly-supervised object localization | |
CN112232293B (zh) | 图像处理模型训练、图像处理方法及相关设备 | |
KR101640998B1 (ko) | 화상 처리 장치 및 화상 처리 방법 | |
JP6050223B2 (ja) | 画像認識装置、画像認識方法、及び集積回路 | |
US10769473B2 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
US12002259B2 (en) | Image processing apparatus, training apparatus, image processing method, training method, and storage medium | |
CN111340195A (zh) | 网络模型的训练方法及装置、图像处理方法及存储介质 | |
CN110517262B (zh) | 目标检测方法、装置、设备及存储介质 | |
CN107424166B (zh) | 点云分割方法及装置 | |
CN111783779B (zh) | 图像处理方法、装置和计算机可读存储介质 | |
WO2019026104A1 (ja) | 情報処理装置、情報処理プログラム及び情報処理方法 | |
Wang et al. | Interactive multilabel image segmentation via robust multilayer graph constraints | |
JP6107531B2 (ja) | 特徴抽出プログラム及び情報処理装置 | |
EP3973507B1 (en) | Segmentation for holographic images | |
JP2016099980A (ja) | 画像セグメンテーション方法、装置、及びプログラム | |
CN111597845A (zh) | 一种二维码检测方法、装置、设备及可读存储介质 | |
JP5896661B2 (ja) | 情報処理装置、情報処理装置の制御方法、およびプログラム | |
CN112766481B (zh) | 神经网络模型的训练方法、装置及图像检测的方法 | |
Liu et al. | Salient object detection via high-to-low hierarchical context aggregation | |
CN113139540A (zh) | 背板检测方法及设备 | |
CN111797737A (zh) | 遥感目标检测方法及装置 | |
KR102131243B1 (ko) | 딥러닝 및 연결성 그래프에 기초한 식물 영역 추출 시스템 및 방법 | |
WO2024024048A1 (ja) | 物体検出装置、物体検出方法、及び物体検出プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181019 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190905 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190910 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191209 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200227 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6669741 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |