JP7124957B2 - 画像処理システム、推定装置、処理方法及びプログラム - Google Patents
画像処理システム、推定装置、処理方法及びプログラム Download PDFInfo
- Publication number
- JP7124957B2 JP7124957B2 JP2021511070A JP2021511070A JP7124957B2 JP 7124957 B2 JP7124957 B2 JP 7124957B2 JP 2021511070 A JP2021511070 A JP 2021511070A JP 2021511070 A JP2021511070 A JP 2021511070A JP 7124957 B2 JP7124957 B2 JP 7124957B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- lens
- content
- estimation
- 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
- 238000012545 processing Methods 0.000 title claims description 77
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000013526 transfer learning Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 19
- 238000010801 machine learning Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- 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
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- 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
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/243—Aligning, centring, orientation detection or correction of the image by compensating for image skew or non-uniform image deformations
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
- G06V10/7747—Organisation of the process, e.g. bagging or boosting
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Vascular Medicine (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Description
第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成するサンプル画像生成手段と、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成する推定手段と、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定するタスク実行手段と、
前記相対的位置関係の推定結果が正しいか判定する判定手段と、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する修正手段と、
を有する処理システムが提供される。
魚眼レンズを用いた撮影で生成された魚眼レンズ画像と前記魚眼レンズ画像の内容を示すラベルとを含む学習データを用いた転移学習により、前記魚眼レンズ画像を平面展開したパノラマ画像の内容を推定する推定モデルを、前記魚眼レンズ画像の内容を推定する領域に適用させる転移学習手段を有する処理システム。
第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成するサンプル画像生成手段と、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成する推定手段と、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定するタスク実行手段と、
前記相対的位置関係の推定結果が正しいか判定する判定手段と、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する修正手段と、を有する処理システムによりパラメタの値を調整された前記推定モデルを用いて、前記第1のレンズを用いた撮影で生成された推定対象の画像、又は、前記推定対象の画像を平面展開した画像の内容を推定する推定装置が提供される。
コンピュータが、
第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成し、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成し、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定し、
前記相対的位置関係の推定結果が正しいか判定し、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する処理方法が提供される。
コンピュータを、
第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成するサンプル画像生成手段、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成する推定手段、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定するタスク実行手段、
前記相対的位置関係の推定結果が正しいか判定する判定手段、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する修正手段、
として機能させるプログラムが提供される。
まず、本実施形態の処理システムの概要を説明する。処理システムは、標準レンズ(例えば画角40°前後~60°前後)を用いた撮影で生成された通常画像の内容を精度よく推定できるように調整された推定モデルのパラメタの値を、魚眼レンズ(例えば画角180°前後)を用いた撮影で生成された魚眼レンズ画像を平面展開したパノラマ画像と当該推定モデルとを用いた所定のタスクの結果に基づき修正することで、魚眼レンズ画像を平面展開したパノラマ画像の内容を精度よく推定できるように当該推定モデルのパラメタの値を調整する。
本実施形態の処理システム10は、転移学習用の魚眼レンズ画像と転移学習用の魚眼レンズ画像の内容を示すラベルとを含む学習データを用いた転移学習により、魚眼レンズ画像を平面展開したパノラマ画像の内容を精度よく推定できるようにパラメタの値を調整された推定モデルを、魚眼レンズ画像の内容を推定する領域に適用させる。
本実施形態の推定装置20は、図8に示すように、第1又は第2の実施形態の処理システム10が生成した推定モデルに、推定対象の魚眼レンズ画像又は推定対象のパノラマ画像(魚眼レンズ画像を平面展開した画像)を入力することで、推定対象の魚眼レンズ画像又は推定対象のパノラマ画像の内容を推定する。推定装置20のハードウエア構成の一例は、処理システム10と同様図2で示される。
ここで、変形例を説明する。第1乃至第3の実施形態では、「第1のレンズが魚眼レンズ」であり、「第2のレンズが標準レンズ」であり、処理システム10は、「標準レンズを用いた撮影で生成された通常画像の内容を精度よく推定できるように調整された推定モデルのパラメタの値を、魚眼レンズを用いた撮影で生成された魚眼レンズ画像の内容を精度よく推定できるように調整する」例を説明した。
1. 第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成するサンプル画像生成手段と、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成する推定手段と、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定するタスク実行手段と、
前記相対的位置関係の推定結果が正しいか判定する判定手段と、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する修正手段と、
を有する処理システム。
2. 1に記載の処理システムにおいて、
前記修正手段は確率的勾配降下法に基づき、前記推定モデルのパラメタの値を修正する処理システム。
3. 1又は2に記載の処理システムにおいて、
前記相対的位置関係の推定結果が終了条件を満たすまで、前記サンプル画像生成手段、前記推定手段、前記タスク実行手段、前記判定手段及び前記修正手段による処理を繰り返し実行させる繰り返し制御手段をさらに有する処理システム。
4. 1から3のいずれかに記載の処理システムにおいて、
前記第1のレンズは魚眼レンズであり、前記第2のレンズは魚眼レンズと異なるレンズである処理システム。
5. 4に記載の処理システムにおいて、
前記サンプル画像生成手段は、魚眼レンズを用いた撮影で生成された前記学習用の第1の画像を平面展開した学習用のパノラマ画像内の一部領域を、前記サンプル画像として抽出する処理システム。
6. 5に記載の処理システムにおいて、
魚眼レンズを用いた撮影で生成された転移学習用の魚眼レンズ画像と前記転移学習用の魚眼レンズ画像の内容を示すラベルとを含む学習データを用いた転移学習により、前記パノラマ画像の内容を推定する前記推定モデルを、前記魚眼レンズ画像の内容を推定する領域に適用させる転移学習手段を有する処理システム。
7. 魚眼レンズを用いた撮影で生成された魚眼レンズ画像と前記魚眼レンズ画像の内容を示すラベルとを含む学習データを用いた転移学習により、前記魚眼レンズ画像を平面展開したパノラマ画像の内容を推定する推定モデルを、前記魚眼レンズ画像の内容を推定する領域に適用させる転移学習手段を有する処理システム。
8. 第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成するサンプル画像生成手段と、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成する推定手段と、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定するタスク実行手段と、
前記相対的位置関係の推定結果が正しいか判定する判定手段と、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する修正手段と、を有する処理システムによりパラメタの値を調整された前記推定モデルを用いて、前記第1のレンズを用いた撮影で生成された推定対象の画像、又は、前記推定対象の画像を平面展開した画像の内容を推定する推定装置。
9. コンピュータが、
第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成し、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成し、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定し、
前記相対的位置関係の推定結果が正しいか判定し、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する処理方法。
10. コンピュータを、
第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成するサンプル画像生成手段、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成する推定手段、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定するタスク実行手段、
前記相対的位置関係の推定結果が正しいか判定する判定手段、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する修正手段、
として機能させるプログラム。
Claims (9)
- 第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成するサンプル画像生成手段と、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成する推定手段と、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定するタスク実行手段と、
前記相対的位置関係の推定結果が正しいか判定する判定手段と、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する修正手段と、
を有する処理システム。 - 請求項1に記載の処理システムにおいて、
前記修正手段は確率的勾配降下法に基づき、前記推定モデルのパラメタの値を修正する処理システム。 - 請求項1又は2に記載の処理システムにおいて、
前記相対的位置関係の推定結果が終了条件を満たすまで、前記サンプル画像生成手段、前記推定手段、前記タスク実行手段、前記判定手段及び前記修正手段による処理を繰り返し実行させる繰り返し制御手段をさらに有する処理システム。 - 請求項1から3のいずれか1項に記載の処理システムにおいて、
前記第1のレンズは魚眼レンズであり、前記第2のレンズは魚眼レンズと異なるレンズである処理システム。 - 請求項4に記載の処理システムにおいて、
前記サンプル画像生成手段は、魚眼レンズを用いた撮影で生成された前記学習用の第1の画像を平面展開した学習用のパノラマ画像内の一部領域を、前記サンプル画像として抽出する処理システム。 - 請求項5に記載の処理システムにおいて、
魚眼レンズを用いた撮影で生成された転移学習用の魚眼レンズ画像と前記転移学習用の魚眼レンズ画像の内容を示すラベルとを含む学習データを用いた転移学習により、前記パノラマ画像の内容を推定する前記推定モデルを、前記魚眼レンズ画像の内容を推定する領域に適用させる転移学習手段を有する処理システム。 - 第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成するサンプル画像生成手段と、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成する推定手段と、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定するタスク実行手段と、
前記相対的位置関係の推定結果が正しいか判定する判定手段と、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する修正手段と、を有する処理システムによりパラメタの値を調整された前記推定モデルを用いて、前記第1のレンズを用いた撮影で生成された推定対象の画像、又は、前記推定対象の画像を平面展開した画像の内容を推定する推定装置。 - コンピュータが、
第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成し、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成し、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定し、
前記相対的位置関係の推定結果が正しいか判定し、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する処理方法。 - コンピュータを、
第1のレンズを用いた撮影で生成された学習用の第1の画像から、各々が前記学習用の第1の画像の一部領域に対応した複数のサンプル画像を生成するサンプル画像生成手段、
特性が前記第1のレンズと異なる第2のレンズを用いた撮影で生成された第2の画像と、前記第2の画像の内容を示すラベルとを含む学習データを用いた機械学習で生成された推定モデルに前記サンプル画像を入力し、前記サンプル画像毎に内容を示す画像内容推定結果を生成する推定手段、
前記サンプル画像各々の前記画像内容推定結果に基づき、前記学習用の第1の画像内での複数の前記サンプル画像の相対的位置関係を推定するタスク実行手段、
前記相対的位置関係の推定結果が正しいか判定する判定手段、
前記相対的位置関係の推定結果が誤っていると判定された場合、前記推定モデルのパラメタの値を修正する修正手段、
として機能させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/015210 WO2020202572A1 (ja) | 2019-04-05 | 2019-04-05 | 画像処理システム、推定装置、処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020202572A1 JPWO2020202572A1 (ja) | 2020-10-08 |
JP7124957B2 true JP7124957B2 (ja) | 2022-08-24 |
Family
ID=72666439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021511070A Active JP7124957B2 (ja) | 2019-04-05 | 2019-04-05 | 画像処理システム、推定装置、処理方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US12039772B2 (ja) |
JP (1) | JP7124957B2 (ja) |
WO (1) | WO2020202572A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022096379A (ja) * | 2020-12-17 | 2022-06-29 | 富士通株式会社 | 画像出力プログラム,画像出力方法および画像出力装置 |
US20230186590A1 (en) * | 2021-12-13 | 2023-06-15 | Robert Bosch Gmbh | Method for omnidirectional dense regression for machine perception tasks via distortion-free cnn and spherical self-attention |
CN115661728B (zh) * | 2022-12-29 | 2023-03-31 | 北京正大创新医药有限公司 | 基于图像识别的病毒采样到位判断方法及病毒采样*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000048187A (ja) | 1998-07-29 | 2000-02-18 | Fuji Photo Film Co Ltd | 画像変換方法 |
JP2017224156A (ja) | 2016-06-15 | 2017-12-21 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP2018005405A (ja) | 2016-06-29 | 2018-01-11 | 株式会社東芝 | 情報処理装置および情報処理方法 |
JP2018005357A (ja) | 2016-06-29 | 2018-01-11 | 株式会社東芝 | 情報処理装置および情報処理方法 |
JP2019500687A (ja) | 2016-04-21 | 2019-01-10 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | 顔認証方法、装置及びコンピュータ記憶媒体 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9594984B2 (en) | 2015-08-07 | 2017-03-14 | Google Inc. | Business discovery from imagery |
-
2019
- 2019-04-05 WO PCT/JP2019/015210 patent/WO2020202572A1/ja active Application Filing
- 2019-04-05 US US17/600,711 patent/US12039772B2/en active Active
- 2019-04-05 JP JP2021511070A patent/JP7124957B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000048187A (ja) | 1998-07-29 | 2000-02-18 | Fuji Photo Film Co Ltd | 画像変換方法 |
JP2019500687A (ja) | 2016-04-21 | 2019-01-10 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | 顔認証方法、装置及びコンピュータ記憶媒体 |
JP2017224156A (ja) | 2016-06-15 | 2017-12-21 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP2018005405A (ja) | 2016-06-29 | 2018-01-11 | 株式会社東芝 | 情報処理装置および情報処理方法 |
JP2018005357A (ja) | 2016-06-29 | 2018-01-11 | 株式会社東芝 | 情報処理装置および情報処理方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020202572A1 (ja) | 2020-10-08 |
US12039772B2 (en) | 2024-07-16 |
JPWO2020202572A1 (ja) | 2020-10-08 |
US20220189151A1 (en) | 2022-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102476294B1 (ko) | Ar/vr 디지털 콘텐츠를 생성하기 위한 디지털 이미지 적합성 결정 | |
CN112767489B (zh) | 一种三维位姿确定方法、装置、电子设备及存储介质 | |
US8755630B2 (en) | Object pose recognition apparatus and object pose recognition method using the same | |
JP7124957B2 (ja) | 画像処理システム、推定装置、処理方法及びプログラム | |
US9928439B2 (en) | Facilitating text identification and editing in images | |
EP3168756B1 (en) | Techniques for distributed optical character recognition and distributed machine language translation | |
CN111788572A (zh) | 用于面部识别的方法和*** | |
US20150302587A1 (en) | Image processing device, image processing method, program, and information recording medium | |
CN109063776B (zh) | 图像再识别网络训练方法、装置和图像再识别方法及装置 | |
JP6300792B2 (ja) | キャプチャされたデータの強化 | |
CN111429354B (zh) | 图像拼接及全景图拼接方法和装置、存储介质、电子设备 | |
CN108737694B (zh) | 照相机***及图像提供方法 | |
EP2960859B1 (en) | Constructing a 3d structure | |
EP3783503A1 (en) | Information processing method, related device, and computer storage medium | |
CN111652054A (zh) | 关节点检测方法、姿态识别方法及装置 | |
CN111986265B (zh) | 用于标定相机方法、装置、电子设备和介质 | |
WO2021083110A1 (zh) | 载体对象处理和水印嵌入方法、装置及电子设备 | |
CN113592935A (zh) | 深度图像生成方法和装置 | |
CN105631850B (zh) | 对齐多视图扫描 | |
CN113298098B (zh) | 基础矩阵估计方法及相关产品 | |
WO2012127639A1 (ja) | 画像処理装置及び画像処理方法 | |
CN110660091A (zh) | 一种图像配准处理方法、装置和拍照批改作业*** | |
KR101943097B1 (ko) | 가상 특징점을 이용한 이미지 정합 방법 및 그 시스템 | |
KR20200064221A (ko) | 가중치 특징점을 이용한 이미지 정합 방법 및 그 시스템 | |
JP2016218849A (ja) | 平面変換パラメータ推定装置、方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210929 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220531 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220708 |
|
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: 20220712 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220725 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7124957 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |