JP7046786B2 - 機械学習システム、ドメイン変換装置、及び機械学習方法 - Google Patents
機械学習システム、ドメイン変換装置、及び機械学習方法 Download PDFInfo
- Publication number
- JP7046786B2 JP7046786B2 JP2018231333A JP2018231333A JP7046786B2 JP 7046786 B2 JP7046786 B2 JP 7046786B2 JP 2018231333 A JP2018231333 A JP 2018231333A JP 2018231333 A JP2018231333 A JP 2018231333A JP 7046786 B2 JP7046786 B2 JP 7046786B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- domain
- information
- model
- pseudo
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning 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
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
Description
よりシミュレーション環境の画像に似せた画像に変換(ドメイン変換)する方法があるが、この場合は生成モデルの変換精度の向上が課題となる。
1ドメインにおける画像である第1ドメイン画像を、第2ドメインにおける画像である第2ドメイン画像に似せた画像である疑似第2ドメイン画像に変換する機械学習モデルである疑似画像生成モデルの学習を行う情報処理システム(機械学習システム)であり、入力される画像が前記第2ドメイン画像であるか否かを判定する第1判定モデルと、前記入力される画像から、当該画像において対象物が存在する領域を特定する情報である領域情報に基づき抽出される画像である抽出画像が前記第2ドメイン画像から当該画像において対象物が存在する領域を特定する情報である領域情報に基づき抽出される画像であるか否かを判定する第2判定モデルと、前記抽出画像を生成して前記第2判定モデルに入力する、画像抽出部と、前記疑似第2ドメイン画像及び前記第2ドメイン画像のいずれかを選択して前記第1判定モデルに入力するとともに、前記疑似第2ドメイン画像と当該疑似第2ドメイン画像についての前記領域情報である第1領域情報との第1の組合せ、及び、前記第2ドメイン画像と当該第2ドメイン画像についての前記領域情報である第2領域情報との第2の組合せ、のいずれかを選択して前記画像抽出部に入力する、選択入力部と、前記第1判定モデルによる判定の結果と当該判定についての正解情報とを含んだ第1判定結果に基づき前記第1判定モデルの学習を行い、前記第2判定モデルの判定の結果と当該判定についての正解情報とを含んだ第2判定結果に基づき前記第2判定モデルの学習を行い、前記第1判定結果と前記第2判定結果とに基づき前記疑似画像生成モデルの学習を行う、学習処理部と、を備える。
D1」と称する。)が用いられる。
1は、第1判定結果A1に基づき、疑似画像生成モデルGが生成した疑似第2ドメイン画像11gを第2ドメイン画像と間違えないように学習する。このように、疑似画像生成モデルGと第1判定モデルD1とが互いに競い合うように学習することで、疑似画像生成モデルGの疑似第2ドメイン画像11gの生成精度と第1判定モデルD1の判定精度の双方が高められていく。尚、疑似画像生成モデルGや第1判定モデルD1の学習は、機械学習システムが備える機能の一つである、図示しない学習処理部が行う。
れる、当該疑似第2ドメイン画像11gの変換元の第1ドメイン画像11についての第1領域情報12との組合せ(以下、「第1の組合せ」と称する。)が入力される。
1と、第2領域情報群221から選択される、当該第2ドメイン画像21についての第2領域情報22との組合せ(以下、「第2の組合せ」と称する。)が入力される。
た組合せにおける疑似第2ドメイン画像11gまたは第2ドメイン画像21を第1判定モデルD1に、また選択した第1の組合せまたは第2の組合せを画像抽出部Sに入力する。
1gを第1判定モデルD1に、また当該組合せの疑似第2ドメイン画像11g及び第1領域情報12を画像抽出部Sに、夫々入力する。この場合、画像抽出部Sは、入力された疑似第2ドメイン画像11gから、入力された第1領域情報12で特定される領域(対象物が存在する領域)を抽出した画像(以下、「第1抽出画像11c」と称する。)を第2判定モデルD2に入力する。
画像21を第1判定モデルD1に、また当該組合せにおける第2ドメイン画像21及び第2領域情報22を画像抽出部Sに、夫々入力する。この場合、画像抽出部Sは、入力された第2ドメイン画像21から、入力された第2領域情報22で特定される領域(対象物が存在する領域)を抽出した画像(以下、「第2抽出画像21c」と称する。)を第2判定モデルD2に入力する。
ように、第2判定モデルD2が高い精度で判定した第2判定結果A2が疑似画像生成モデルGの学習にフィードバックされ、その結果、疑似画像生成モデルGは、物体の認識に際してノイズとなるような本来期待しない疑似第2ドメイン画像11gを生成する可能性が低くなる方向に学習することになる。
イン画像11gを生成する。第2判定モデルD2は、疑似第2ドメイン画像11gが疑似第2ドメイン画像であることを正しく判定することができない。
n Volatile RAM))等である。
、ストレージシステム、ICカード、SDカードや光学式記録媒体等の記録媒体の読取/書込装置、クラウドサーバの記憶領域等である。補助記憶装置130には、記録媒体の読取装置や通信装置160を介してプログラムやデータを読み込むことができる。補助記憶装置130に記憶されているプログラムやデータは主記憶装置120に随時読み込まれる。
信手段を介した他の装置との間の通信を実現する有線方式又は無線方式の通信インタフェースであり、例えば、NIC(Network Interface Card)、無線通信モジュール、USB(Universal Serial Interface)モジュール、シリアル通信モジュール等である。
D1~D3、及び図示しない学習処理部の機能は、例えば、情報処理装置100のプロセッサ110が、主記憶装置120に格納されているプログラムを読み出して実行することにより実現される。
全ての構成を備えるものに本発明は限定されない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えてもよい。また、ある実施形態の構成に他の実施形態の構成を加えてもよい。また、各実施形態の構成の一部について、他の構成の追加、削除、又は置換をしてもよい。
ード、SDカード、DVD(Digital Versatile Disc)の記録媒体に格納することができる。
5 ドメイン変換システム
G 疑似画像生成モデル
I 選択入力部
S 画像抽出部
D1 第1判定モデル
D2 第2判定モデル
D3 第3判定モデル
111 第1ドメイン画像群
11 第1ドメイン画像
11g 疑似第2ドメイン画像
11c 第1抽出画像
121 第1領域情報群
12 第1領域情報
211 第2ドメイン画像群
21 第2ドメイン画像
21c 第2抽出画像
221 第2領域情報群
22 第2領域情報
A1 第1判定結果
A2 第2判定結果
A3 第3判定結果
Claims (14)
- 認識対象の物体である対象物を撮影した第1ドメインにおける画像である第1ドメイン画像を、第2ドメインにおける画像である第2ドメイン画像に似せた画像である疑似第2ドメイン画像に変換する機械学習モデルである疑似画像生成モデルの学習を行う情報処理システムであり、
入力される画像が前記第2ドメイン画像であるか否かを判定する第1判定モデルと、
前記入力される画像から、当該画像において対象物が存在する領域を特定する情報である領域情報に基づき抽出される画像である抽出画像が前記第2ドメイン画像から当該画像において対象物が存在する領域を特定する情報である領域情報に基づき抽出される画像であるか否かを判定する第2判定モデルと、
前記抽出画像を生成して前記第2判定モデルに入力する、画像抽出部と、
前記疑似第2ドメイン画像及び前記第2ドメイン画像のいずれかを選択して前記第1判定モデルに入力するとともに、前記疑似第2ドメイン画像と当該疑似第2ドメイン画像についての前記領域情報である第1領域情報との第1の組合せ、及び、前記第2ドメイン画像と当該第2ドメイン画像についての前記領域情報である第2領域情報との第2の組合せ、のいずれかを選択して前記画像抽出部に入力する、選択入力部と、
前記第1判定モデルによる判定の結果と当該判定についての正解情報とを含んだ第1判定結果に基づき前記第1判定モデルの学習を行い、前記第2判定モデルの判定の結果と当該判定についての正解情報とを含んだ第2判定結果に基づき前記第2判定モデルの学習を行い、前記第1判定結果と前記第2判定結果とに基づき前記疑似画像生成モデルの学習を行う、学習処理部と、
を備える、機械学習システム。 - 請求項1に記載の機械学習システムであって、
前記画像抽出部は、前記入力される画像から、前記対象物が存在する領域を抽出した画像を前記抽出画像として生成する、
機械学習システム。 - 請求項1に記載の機械学習システムであって、
前記画像抽出部は、前記入力される画像から、前記対象物が存在しない領域を抽出した画像を前記抽出画像として生成する、
機械学習システム。 - 請求項1に記載の機械学習システムであって、
前記第1ドメイン画像は被写体までの距離を示す情報を取得可能な撮影装置により撮影される画像であり、前記領域情報は、前記距離に関する情報に基づき取得される情報である、
機械学習システム。 - 請求項1に記載の機械学習システムであって、
前記領域情報は、前記第1ドメイン画像を画像処理することにより取得される情報である、機械学習システム。 - 認識対象の物体である対象物を撮影した第1ドメインにおける画像である第1ドメイン画像を、第2ドメインにおける画像である第2ドメイン画像に似せた画像である疑似第2ドメイン画像に変換する機械学習モデルである疑似画像生成モデルの学習を行う情報処理システムであり、
入力される画像が前記第2ドメイン画像であるか否かを判定する、第1判定モデルと、
前記入力される画像から、当該画像において対象物が存在する領域を特定する情報であ
る領域情報に基づき抽出される画像である第1抽出画像が前記第2ドメイン画像から当該画像において対象物が存在する領域を特定する情報である領域情報に基づき抽出される画像であるか否かを判定する第2判定モデルと、
前記入力される画像から、前記領域情報に基づき前記対象物が存在しない領域を抽出した画像である第2抽出画像が前記第2ドメイン画像から前記領域情報に基づき前記対象物が存在しない領域を抽出した画像であるか否かを判断する第3判定モデルと、
前記第1抽出画像を生成して前記第2判定モデルに入力し、前記第2抽出画像を生成して前記第3判定モデルに入力する、画像抽出部と、
前記疑似第2ドメイン画像及び前記第2ドメイン画像のいずれかを選択して前記第1判定モデルに入力するとともに、前記疑似第2ドメイン画像と当該疑似第2ドメイン画像についての前記領域情報である第1領域情報との第1の組合せ、及び、前記第2ドメイン画像と当該第2ドメイン画像についての前記領域情報である第2領域情報との第2の組合せ、のいずれかの組合せを選択して前記画像抽出部に入力する選択入力部と、
前記第1判定モデルによる判定の結果と当該判定についての正解情報とを含んだ第1判定結果に基づき前記第1判定モデルの学習を行い、前記第2判定モデルの判定の結果と当該判定についての正解情報とを含んだ第2判定結果に基づき前記第2判定モデルの学習を行い、前記第3判定モデルの判定の結果と当該判定についての正解情報とを含んだ第3判定結果に基づき前記第3判定モデルの学習を行い、前記第1判定結果、前記第2判定結果、及び前記第3判定結果に基づき前記疑似画像生成モデルの学習を行う、学習処理部と、
を備える、機械学習システム。 - 請求項6に記載の機械学習システムであって、
前記第1ドメイン画像は被写体までの距離に関する情報を取得可能な撮影装置により撮影された画像であり、前記領域情報は、前記距離に関する情報に基づき取得される情報である、機械学習システム。 - 請求項6に記載の機械学習システムであって、
前記領域情報は、前記第1ドメイン画像を画像処理することにより取得される情報である、機械学習システム。 - 請求項1に記載の前記機械学習システムにおける前記学習処理部により学習した前記疑似画像生成モデルを備えるドメイン変換装置であって、前記疑似画像生成モデルにより前記第1ドメイン画像を前記疑似第2ドメイン画像に変換する、ドメイン変換装置。
- 請求項6に記載の前記機械学習システムにおける前記学習処理部により学習した前記疑似画像生成モデルを備えるドメイン変換装置であって、前記疑似画像生成モデルにより前記第1ドメイン画像を前記疑似第2ドメイン画像に変換する、ドメイン変換装置。
- 認識対象の物体である対象物を撮影した第1ドメインにおける画像である第1ドメイン画像を、第2ドメインにおける画像である第2ドメイン画像に似せた画像である疑似第2ドメイン画像に変換する機械学習モデルである疑似画像生成モデルの学習を行う方法であって、
入力される画像が前記第2ドメイン画像であるか否かを判定する第1判定モデルと、
前記入力される画像から、当該画像において対象物が存在する領域を特定する情報である領域情報に基づき抽出される画像である抽出画像が前記第2ドメイン画像から当該画像において対象物が存在する領域を特定する情報である領域情報に基づき抽出される画像であるか否かを判定する第2判定モデルと、
前記抽出画像を生成して前記第2判定モデルに入力する、画像抽出部と、
を備える情報処理装置が、
前記疑似第2ドメイン画像及び前記第2ドメイン画像のいずれかを選択して前記第1判
定モデルに入力するとともに、前記疑似第2ドメイン画像と当該疑似第2ドメイン画像についての前記領域情報である第1領域情報との第1の組合せ、及び、前記第2ドメイン画像と当該第2ドメイン画像についての前記領域情報である第2領域情報との第2の組合せ、のいずれかを選択して前記画像抽出部に入力するステップと、
前記第1判定モデルによる判定の結果と当該判定についての正解情報とを含んだ第1判定結果に基づき前記第1判定モデルの学習を行い、前記第2判定モデルの判定の結果と当該判定についての正解情報とを含んだ第2判定結果に基づき前記第2判定モデルの学習を行い、前記第1判定結果と前記第2判定結果とに基づき前記疑似画像生成モデルの学習を行うステップと、
を実行する、機械学習方法。 - 請求項11に記載の機械学習方法であって、
前記情報処理装置が、前記入力される画像から、前記対象物が存在する領域を抽出した画像を前記抽出画像として生成するステップ、
をさらに実行する、機械学習方法。 - 請求項11に記載の機械学習方法であって、
前記情報処理装置が、前記入力される画像から、前記対象物が存在しない領域を抽出した画像を前記抽出画像として生成するステップ、
をさらに実行する、機械学習方法。 - 認識対象の物体である対象物を撮影した第1ドメインにおける画像である第1ドメイン画像を、第2ドメインにおける画像である第2ドメイン画像に似せた画像である疑似第2ドメイン画像に変換する機械学習モデルである疑似画像生成モデルの学習を行う方法であって、
入力される画像が前記第2ドメイン画像であるか否かを判定する、第1判定モデルと、
前記入力される画像から、当該画像において対象物が存在する領域を特定する情報である領域情報に基づき抽出される画像である第1抽出画像が前記第2ドメイン画像から当該画像において対象物が存在する領域を特定する情報である領域情報に基づき抽出される画像であるか否かを判定する第2判定モデルと、
前記入力される画像から、前記領域情報に基づき前記対象物が存在しない領域を抽出した画像である第2抽出画像が前記第2ドメイン画像から前記領域情報に基づき前記対象物が存在しない領域を抽出した画像であるか否かを判断する第3判定モデルと、
前記第1抽出画像を生成して前記第2判定モデルに入力し、前記第2抽出画像を生成して前記第3判定モデルに入力する、画像抽出部と、
を備える情報処理装置が、
前記疑似第2ドメイン画像及び前記第2ドメイン画像のいずれかを選択して前記第1判定モデルに入力するとともに、前記疑似第2ドメイン画像と当該疑似第2ドメイン画像についての前記領域情報である第1領域情報との第1の組合せ、及び、前記第2ドメイン画像と当該第2ドメイン画像についての前記領域情報である第2領域情報との第2の組合せ、のいずれかの組合せを選択して前記画像抽出部に入力するステップと、
前記第1判定モデルによる判定の結果と当該判定についての正解情報とを含んだ第1判定結果に基づき前記第1判定モデルの学習を行い、前記第2判定モデルの判定の結果と当該判定についての正解情報とを含んだ第2判定結果に基づき前記第2判定モデルの学習を行い、前記第3判定モデルの判定の結果と当該判定についての正解情報とを含んだ第3判定結果に基づき前記第3判定モデルの学習を行い、前記第1判定結果、前記第2判定結果、及び前記第3判定結果に基づき前記疑似画像生成モデルの学習を行うステップと、
を実行する、機械学習方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018231333A JP7046786B2 (ja) | 2018-12-11 | 2018-12-11 | 機械学習システム、ドメイン変換装置、及び機械学習方法 |
US16/707,647 US11281942B2 (en) | 2018-12-11 | 2019-12-09 | Machine learning system, domain conversion device, and machine learning method |
CN201911256368.3A CN111310912B (zh) | 2018-12-11 | 2019-12-10 | 机器学习***、域变换装置、及机器学习方法 |
EP19215006.8A EP3667566A1 (en) | 2018-12-11 | 2019-12-10 | Machine learning system, domain conversion device, and machine learning method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018231333A JP7046786B2 (ja) | 2018-12-11 | 2018-12-11 | 機械学習システム、ドメイン変換装置、及び機械学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020095364A JP2020095364A (ja) | 2020-06-18 |
JP7046786B2 true JP7046786B2 (ja) | 2022-04-04 |
Family
ID=68848150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018231333A Active JP7046786B2 (ja) | 2018-12-11 | 2018-12-11 | 機械学習システム、ドメイン変換装置、及び機械学習方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11281942B2 (ja) |
EP (1) | EP3667566A1 (ja) |
JP (1) | JP7046786B2 (ja) |
CN (1) | CN111310912B (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2022064763A1 (ja) * | 2020-09-28 | 2022-03-31 | ||
CN113128411B (zh) * | 2021-04-22 | 2024-06-28 | 深圳市格灵精睿视觉有限公司 | 跨域抓取识别方法、装置、电子设备及存储介质 |
CN113658036B (zh) * | 2021-08-23 | 2024-05-31 | 平安科技(深圳)有限公司 | 基于对抗生成网络的数据增广方法、装置、计算机及介质 |
JP2023123987A (ja) * | 2022-02-25 | 2023-09-06 | 株式会社Screenホールディングス | モデル選定方法および画像処理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009525517A (ja) | 2006-01-31 | 2009-07-09 | 富士フイルム株式会社 | 眼鏡を自動的に検出し、削除する方法、及び装置 |
JP2017199278A (ja) | 2016-04-28 | 2017-11-02 | ソニーセミコンダクタソリューションズ株式会社 | 検出装置、検出方法、およびプログラム |
JP2018192264A (ja) | 2017-05-18 | 2018-12-06 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9390203B2 (en) * | 2004-06-15 | 2016-07-12 | Abb Ab | Method and system for off-line programming of multiple interacting robots |
JP5385176B2 (ja) * | 2009-09-28 | 2014-01-08 | 富士フイルム株式会社 | 画像表示装置の作動方法および画像表示装置 |
JP2013186521A (ja) * | 2012-03-06 | 2013-09-19 | Casio Comput Co Ltd | 画像処理装置、画像処理方法及びプログラム |
US20170092000A1 (en) * | 2015-09-25 | 2017-03-30 | Moshe Schwimmer | Method and system for positioning a virtual object in a virtual simulation environment |
JP6729081B2 (ja) * | 2016-06-30 | 2020-07-22 | オムロン株式会社 | 画像処理システム、画像処理方法、および画像処理プログラム |
JP2018063504A (ja) | 2016-10-12 | 2018-04-19 | 株式会社リコー | 生成モデル学習方法、装置及びプログラム |
JP2018077757A (ja) * | 2016-11-11 | 2018-05-17 | 横河電機株式会社 | 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体 |
US10474929B2 (en) * | 2017-04-25 | 2019-11-12 | Nec Corporation | Cyclic generative adversarial network for unsupervised cross-domain image generation |
KR102403494B1 (ko) * | 2017-04-27 | 2022-05-27 | 에스케이텔레콤 주식회사 | 생성적 대립 네트워크에 기반한 도메인 간 관계를 학습하는 방법 |
CN108881707B (zh) * | 2017-11-28 | 2020-11-10 | 北京旷视科技有限公司 | 图像生成方法、装置、***和存储介质 |
US20190258953A1 (en) * | 2018-01-23 | 2019-08-22 | Ulrich Lang | Method and system for determining policies, rules, and agent characteristics, for automating agents, and protection |
DE102018206806A1 (de) * | 2018-04-23 | 2019-10-24 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Umsetzung eines Eingangsbildes einer ersten Domäne in ein Ausgangsbild einer zweiten Domäne |
WO2019210431A1 (en) * | 2018-05-03 | 2019-11-07 | The Governing Council Of The University Of Toronto | Method and system for optimizing depth imaging |
US20200380085A1 (en) * | 2019-06-03 | 2020-12-03 | Robert Bosch Gmbh | Simulations with Realistic Sensor-Fusion Detection Estimates of Objects |
US11126891B2 (en) * | 2019-09-11 | 2021-09-21 | Toyota Research Institute, Inc. | Systems and methods for simulating sensor data using a generative model |
-
2018
- 2018-12-11 JP JP2018231333A patent/JP7046786B2/ja active Active
-
2019
- 2019-12-09 US US16/707,647 patent/US11281942B2/en active Active
- 2019-12-10 CN CN201911256368.3A patent/CN111310912B/zh active Active
- 2019-12-10 EP EP19215006.8A patent/EP3667566A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009525517A (ja) | 2006-01-31 | 2009-07-09 | 富士フイルム株式会社 | 眼鏡を自動的に検出し、削除する方法、及び装置 |
JP2017199278A (ja) | 2016-04-28 | 2017-11-02 | ソニーセミコンダクタソリューションズ株式会社 | 検出装置、検出方法、およびプログラム |
JP2018192264A (ja) | 2017-05-18 | 2018-12-06 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置 |
Non-Patent Citations (3)
Title |
---|
SATOSHI IIZUKA, 外2名,"Globally and Locally Consistent Image Completion",ACM Transactions on Graphics ,第36巻, 第4号,米国,2017年07月,p.(107:1)-(107:14) |
Yu Li, 外3名,"Unsupervised Local Facial Attributes Transfer Using Dual Discriminative Adversarial Networks",2018 IEEE International Conference on Multimedia and Expo (ICME),米国,IEEE,2018年07月27日 |
谷村朋樹, 外3名,"GANonymizer:物体検出と敵対的生成を統合した映像匿名化手法",研究報告ユビキタスコンピューティングシステム(UBI),日本,情報処理学会,2018年08月24日,第2018-UBI-59巻, 第2号,p.1-6 |
Also Published As
Publication number | Publication date |
---|---|
EP3667566A1 (en) | 2020-06-17 |
JP2020095364A (ja) | 2020-06-18 |
US20200184269A1 (en) | 2020-06-11 |
US11281942B2 (en) | 2022-03-22 |
CN111310912B (zh) | 2024-07-05 |
CN111310912A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7046786B2 (ja) | 機械学習システム、ドメイン変換装置、及び機械学習方法 | |
WO2021208601A1 (zh) | 基于人工智能的图像处理方法、装置、设备及存储介质 | |
US10394579B2 (en) | Automatically fixing inaccessible widgets during mobile application execution | |
US10108763B2 (en) | Method and simulation arrangement for simulating an automated industrial plant | |
US11620530B2 (en) | Learning method, and learning apparatus, and recording medium | |
JP7031685B2 (ja) | モデル学習装置、モデル学習方法及びコンピュータプログラム | |
CN109784330B (zh) | 招牌内容识别方法、装置及设备 | |
JP2019159836A (ja) | 学習プログラム、学習方法および学習装置 | |
CN114662427A (zh) | 一种逻辑***设计的调试方法及设备 | |
US10896252B2 (en) | Composite challenge task generation and deployment | |
JP7161979B2 (ja) | 説明支援装置、および、説明支援方法 | |
CN110135583B (zh) | 标注信息的生成方法、标注信息的生成装置和电子设备 | |
US10176436B2 (en) | Extracting skill-level-based command execution patterns from CATIA command log | |
US11157829B2 (en) | Method to leverage similarity and hierarchy of documents in NN training | |
US20140172369A1 (en) | Computer-readable recording medium, abnormality cause estimating apparatus, and abnormality cause estimating method | |
US20210073580A1 (en) | Method and apparatus for obtaining product training images, and non-transitory computer-readable storage medium | |
JP7221143B2 (ja) | キーワード検出装置、及びキーワード検出方法 | |
JP7266075B2 (ja) | データ選別支援装置、データ選別支援方法及びデータ選別支援プログラム | |
US20230085797A1 (en) | Analysis device, analysis system, analysis method, and storage medium | |
JP6828812B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR102138980B1 (ko) | 디지털 컨텐츠 생성 방법 및 장치 | |
JP2022073635A (ja) | ベクトル化プログラム、ベクトル化方法および情報処理装置 | |
CN111381665A (zh) | 一种增强现实的扫描方法、装置、终端和介质 | |
JP2024057734A (ja) | 情報処理プログラム,訓練プログラム,情報処理方法,訓練方法および情報処理装置 | |
JP6331400B2 (ja) | 検証方法、検証装置および検証プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210405 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220228 |
|
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: 20220315 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220323 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7046786 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |