JP7357033B2 - トレーニングイメージの自動生成システム及びその方法 - Google Patents
トレーニングイメージの自動生成システム及びその方法 Download PDFInfo
- Publication number
- JP7357033B2 JP7357033B2 JP2021155566A JP2021155566A JP7357033B2 JP 7357033 B2 JP7357033 B2 JP 7357033B2 JP 2021155566 A JP2021155566 A JP 2021155566A JP 2021155566 A JP2021155566 A JP 2021155566A JP 7357033 B2 JP7357033 B2 JP 7357033B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- target
- training
- probability
- container
- 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
- 238000012549 training Methods 0.000 title claims description 134
- 238000000034 method Methods 0.000 title claims description 52
- 230000008569 process Effects 0.000 claims description 27
- 230000009466 transformation Effects 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- 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
- 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
- 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
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/05—Recognition of patterns representing particular kinds of hidden objects, e.g. weapons, explosives, drugs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
10 制御モジュール
11 コンテナイメージソース
110 コンテナイメージ
12 ターゲットイメージライブラリ
120 ターゲットイメージ
13 出力モジュール
20 変形データベース
200 関数
21 入力モジュール
30 イメージキャプチャ装置
31 コンベヤーベルトモジュール
32 表示モジュール
33 トレーニングイメージライブラリ
330 トレーニングイメージ
331 ターゲットデータ
40 記憶モジュール
400 コンピュータソフトウェア
401 物体検出モデル
402 生成条件
403 位置選択ルール
404 イメージ変換ルール
405 臨界値条件
41 ネットワーク伝送インターフェース
42 ネットワーク
43 サーバ
50 ターゲット追加モジュール
500 第1物体検出モジュール
501 ターゲット位置選択モジュール
502 ターゲット選択モジュール
503 イメージ変換選択モジュール
504 ターゲット位置決めモジュール
505 イメージ生成モジュール
506 第2物体検出モジュール
51 ターゲット記録モジュール
52 コンベヤーベルト情報取得モジュール
53 統合表示制御モジュール
54 信頼度計算モジュール
60~62 コンテナイメージ
61’ トレーニングイメージ
610~614 イメージ
70、71 オリジナル物体
72 ターゲット位置
73 ターゲットイメージ
74 ターゲットデータ
75、76 変換後ターゲットイメージ
80 入力イメージ
800~802 イメージブロック
90~91 範囲
92~94 イメージ
CBI コンベヤーベルト情報
P 設定パラメータ
TI トレーニングイメージ
S10~S13 ターゲット追加及び記録ステップ
S20~S24 ターゲット追加ステップ
S30~S34 ターゲットイメージ処理ステップ
S40~S42 信頼度計算ステップ
S50~S56 ターゲット追加、記録及び表示ステップ
Claims (10)
- トレーニングイメージの自動生成方法であって、
複数のコンテナイメージを取得し、生成条件に応じて該コンテナイメージを1つ選択してターゲット追加処理を実行するステップ(a)と、
該トレーニングイメージ及びターゲットイメージのターゲットカテゴリとターゲット位置のうち少なくとも1つを含むターゲットデータを記録し、該トレーニングイメージ内のターゲット位置に該ターゲットイメージを対応付けて表示するステップ(b)と、
を含み、
該ターゲット追加処理は、
該ターゲットイメージを取得するステップ(a1)と、
候補イメージとするように、該ターゲットイメージを選択された該コンテナイメージに追加するステップ(a2)と、
ターゲットカテゴリに対応して正確に認識される確率とターゲット位置に対応して正確に認識される確率とに基づいて、該候補イメージの信頼度を計算するステップ(a3)と、
該トレーニングイメージを生成するように、該候補イメージの該信頼度が臨界値条件を満足しない場合に、該臨界値条件を満足するまで、これらのステップ(a1)~ステップ(a3)を繰り返して実行するステップ(a4)と、
を含み、
該ステップ(a3)の該候補イメージの該信頼度の計算は、
第2物体認識処理を実行することによって該候補イメージにおける該ターゲットイメージの、該ターゲットカテゴリに対応して正確に認識された確率であるカテゴリ認識スコアと、該ターゲット位置に対応して正確に認識された確率である完全度認識スコアとを取得するステップ(a31)と、
該ターゲットイメージの該カテゴリ認識スコアと該完全度認識スコアに基づいて、該候補イメージの該信頼度を計算するステップ(a32)と、
を含み、
該候補イメージが複数の該ターゲットイメージを含む場合、該ステップ(a4)は、該候補イメージの各該ターゲットイメージの該信頼度が該臨界値条件を満足するまで、これらのステップ(a1)~(a3)を繰り返して実行するステップを含み、
該ステップ(a31)の該第2物体認識処理は、
該ターゲットイメージのイメージブロックの各該ターゲットカテゴリに対応する第1確率を取得し、最高の該第1確率を有する該ターゲットカテゴリを決定し、最高の該第1確率に基づいて該カテゴリ認識スコアを計算するステップ(a311)と、
範囲が該ターゲットイメージを完全にカバーする第2確率を取得し、最高の該第2確率の該範囲に基づいて該ターゲットイメージの該ターゲット位置を決定し、最高の該第2確率に基づいて該完全度認識スコアを計算するステップ(a312)と、
を含み、
さらに、
該ステップ(a4)における該信頼度が該臨界値条件を満足する場合は、
選択された該コンテナイメージを該トレーニングイメージに置き換えるステップ(d1)と、
表示画面において、該複数のコンテナイメージと該トレーニングイメージをスクロール表示速度で順番にスクロール表示し、スクロール表示速度はコンベヤーベルトモジュールのコンベヤーベルト情報に基づいて決定される、ステップ(d2)と、
検証操作を受信する場合、該トレーニングイメージにおける該ターゲットデータを該表示画面に表示するステップ(d3)と、
を含む、ことを特徴とするトレーニングイメージの自動生成方法。 - 該ステップ(a1)は、さらに、ターゲットイメージライブラリから該ターゲットイメージを選択することを含み、
該ステップ(a2)は、さらに、
該コンテナイメージにおけるオリジナル物体の物***置を検出するように、第1物体認識処理を実行するステップ(a21)と、
位置選択ルールに基づいて、該コンテナイメージにおいて該ターゲット位置を設定するステップ(a22)と、
イメージ変換ルールに基づいて、外形、輝度、カラー、姿勢及び配列順序のうち少なくとも1つを介して該ターゲットイメージを変換するように、イメージ変換処理を実行するステップ(a23)と、
変換後の該ターゲットイメージを該コンテナイメージの該ターゲット位置に追加するステップ(a24)と、
を含むことを特徴とする請求項1に記載のトレーニングイメージの自動生成方法。 - 該第1物体認識処理は機械学習により生成された物体検出モデルに基づいて該オリジナル物体を認識することを含み、
該位置選択ルールは、該ターゲット位置と該物***置が少なくとも一部重なり合うことと、該ターゲット位置が該ターゲットイメージのサイズ以上であることと、該ターゲット位置が該オリジナル物体のサイズより大きいことと、のうち少なくとも1つを含み、
該イメージ変換ルールは、該ターゲットイメージの該ターゲットカテゴリに基づいて少なくとも1つの関数を選択することと、該コンテナイメージと該ターゲットイメージとの間の差異に基づいて該少なくとも1つの関数を選択することと、該ターゲット位置と該物***置に基づいて該少なくとも1つの関数を選択することと、のうち少なくとも1つを含む、
ことを特徴とする請求項2に記載のトレーニングイメージの自動生成方法。 - 該ステップ(a)は、複数のコンテナを撮影することによって該複数のコンテナイメージを順番に取得し、生成条件に基づいて、該コンテナイメージを選択することを含み、該自動生成方法は、さらに、
該表示画面において、該コンベヤーベルト情報の該スクロール表示速度で該複数のコンテナイメージと該トレーニングイメージを順番にスクロール表示するステップ(e1)と、
該コンベヤーベルト情報が中止に設定された場合、該表示画面のスクロールを中止させるステップ(e2)と、
該コンベヤーベルト情報が作動に設定された場合、該表示画面を継続的にスクロールさせるステップ(e3)と、
該検証操作を受信する場合、表示された該トレーニングイメージの該ターゲットデータを表示するステップ(e4)と、
を含み、
該トレーニングイメージのスクロールは、該ターゲットイメージを選択された該コンテナイメージと共に同期移動させるように、該コンベヤーベルト情報、選択された該コンテナイメージ及び該ターゲット位置に基づいて、該ターゲットイメージの表示位置を継続的に計算することを含むことを特徴とする請求項1に記載のトレーニングイメージの自動生成方法。 - さらに、
該トレーニングイメージと該ターゲットデータをトレーニングイメージライブラリに記録するステップ(f)と、
認識難易度が調整された場合、該臨界値条件、該トレーニングイメージの該生成条件、
該ターゲット位置の位置選択ルールと該ターゲットイメージのイメージ変換ルールのうち少なくとも1つを調整するステップ(g)と、のいずれか1つのステップを含むことを特徴とする請求項1に記載のトレーニングイメージの自動生成方法。 - トレーニングイメージの自動生成システムであって、
複数のコンテナイメージを有するコンテナイメージソースと、
複数のターゲットイメージを有するターゲットイメージライブラリと、
トレーニングイメージを格納するように構成されたトレーニングイメージライブラリと、
該コンテナイメージソースと該ターゲットイメージライブラリと該トレーニングイメージライブラリとに電気的に接続された制御モジュールと、
を含み、
該制御モジュールは、
生成条件に従って該コンテナイメージを1つ選択してターゲット追加処理を実行して該トレーニングイメージを生成するように構成され、該ターゲット追加処理は、該ターゲットイメージを、選択された該コンテナイメージに候補イメージとして追加することを含む、ターゲット追加モジュールと、
該トレーニングイメージ及びターゲットデータを記録し、各該トレーニングイメージと対応する該ターゲットデータとを該トレーニングイメージライブラリに記録するように配置され、該ターゲットデータは、該ターゲットイメージのターゲットカテゴリとターゲット位置のうち少なくとも1つを含む、ターゲット記録モジュールと、
ターゲットカテゴリに対応して正確に認識される確率とターゲット位置に対応して正確に認識される確率とに基づいて、該候補イメージの信頼度を計算するように配置される信頼度計算モジュールと、
コンベヤーベルトモジュールのコンベヤーベルト情報を取得するように配置されるコンベヤーベルト情報取得モジュールと、
選択された該コンテナイメージを該トレーニングイメージに置き換え、表示モジュールの表示画面において、複数の該コンテナイメージと該トレーニングイメージをスクロール表示速度で順番にスクロールして表示するように配置され、入力モジュールを介して検証操作を受信する場合、該トレーニングイメージにおける該ターゲットデータを該表示画面に表示するように配置され、該スクロール表示速度は、該コンベヤーベルト情報に基づいて決定される統合表示制御モジュールと、
を含み、
該制御モジュールは、該トレーニングイメージを生成するように、生成された該候補イメージの該信頼度が臨界値条件を満足しない場合に、該臨界値条件を満足するまで、該ターゲット追加モジュールを介して該ターゲット追加処理を繰り返して実行するように配置され、該信頼度は該ターゲットイメージの該候補イメージにおける認識難易度に対応し、
該制御モジュールは、第2物体認識処理を実行することによって該候補イメージの該ターゲットイメージの、該ターゲットカテゴリに対応して正確に認識された確率であるカテゴリ認識スコアと、該ターゲット位置に対応して正確に認識された確率である完全度認識スコアを取得するように配置される第2物体検出モジュール、を含み、
該信頼度計算モジュールは、該カテゴリ認識スコアと該完全度認識スコアに基づいて、該候補イメージの該信頼度を計算するように配置され、
該制御モジュールは、該候補イメージが複数の該ターゲットイメージを含む場合、該候補イメージの各該ターゲットイメージの該信頼度を該臨界値条件に満足させるまで、該ターゲット追加処理を繰り返して実行するように配置され、
該第2物体検出モジュールは、該ターゲットイメージのイメージブロックの各該ターゲットカテゴリに対応する第1確率を取得し、最高の該第1確率を有する該ターゲットカテゴリを決定し、最高の該第1確率に基づいて該カテゴリ認識スコアを計算するように配置され、
該第2物体検出モジュールは、範囲が該ターゲットイメージを完全にカバーする第2確率を取得し、最高の該第2確率の該範囲に基づいて該ターゲットイメージの該ターゲット位置を決定し、最高の該第2確率に基づいて該完全度認識スコアを計算するように配置される、ことを特徴とするトレーニングイメージの自動生成システム。 - 該制御モジュールは、さらに、
該コンテナイメージのオリジナル物体の物***置を検出するように、物体検出モデルに基づいて、第1物体認識処理を実行するように配置される第1物体検出モジュールと、
該ターゲットイメージライブラリから該ターゲットイメージを選択するように配置されるターゲット選択モジュールと、
位置選択ルールに基づいて、該コンテナイメージにおいて該ターゲット位置を設定するように配置されるターゲット位置選択モジュールと、
イメージ変換ルールに基づいて、外形、輝度、カラー、姿勢及び配列順序のうち少なくとも1つを介して該ターゲットイメージを変換するように、イメージ変換処理を実行するイメージ変換選択モジュールと、
変換後の該ターゲットイメージを該コンテナイメージの該ターゲット位置に追加するイメージ生成モジュールと、
を含み、
該制御モジュールは、さらに、記憶モジュールから該位置選択ルール、該イメージ変換ルール、該臨界値条件及び機械学習により生成された該物体検出モデルを読み取るように配置され、
該位置選択ルールは、該ターゲット位置と該物***置が少なくとも一部重なり合うことと、該ターゲット位置が該ターゲットイメージのサイズ以上であることと、該ターゲット位置が該オリジナル物体のサイズより大きいことと、のうち少なくとも1つを含み、
該イメージ変換ルールは、該ターゲットイメージの該ターゲットカテゴリに基づいて少なくとも1つの関数を選択することと、該コンテナイメージと該ターゲットイメージとの間の差異に基づいて該少なくとも1つの関数を選択することと、該ターゲット位置と各該物***置に基づいて該少なくとも1つの関数を選択することと、のうち少なくとも1つを含むことを特徴とする請求項6に記載のトレーニングイメージの自動生成システム。 - 該制御モジュールは、さらに、イメージキャプチャ装置を介して、複数のコンテナを順番に撮影して該複数のコンテナイメージを取得し、記憶モジュールから該生成条件を読み取り、該生成条件に基づいて、該コンテナイメージを選択するように配置され、
該制御モジュールは、さらに、
該コンベヤーベルト情報が中止に設定された場合、該表示画面のスクロールを中止させ、該コンベヤーベルト情報が作動に設定された場合、該表示画面を継続的にスクロールさせるように配置される統合表示制御モジュールを含み、
該コンベヤーベルト情報、選択された該コンテナイメージ及び該ターゲット位置に基づいて、該ターゲットイメージの表示位置を継続的に計算し、該ターゲットイメージを選択された該コンテナイメージと共に移動させることを特徴とする請求項6に記載のトレーニングイメージの自動生成システム。 - 該制御モジュールは、さらに、該認識難易度が調整された場合、該臨界値条件、該トレーニングイメージの該生成条件、該ターゲット位置の位置選択ルールと該ターゲットイメージのイメージ変換ルールのうち少なくとも1つを調整するように配置されることを特徴とする請求項6に記載のトレーニングイメージの自動生成システム。
- トレーニングイメージの自動生成方法であって、
コンテナイメージを取得するステップ(a)と、
ターゲットイメージを取得するステップ(b)と、
候補イメージとするように、該ターゲットイメージを該コンテナイメージに追加するステップ(c)と、
該ターゲットイメージ上のイメージブロックに対応するターゲットカテゴリの第1確率に基づいて、最高の該第1確率を有するターゲットカテゴリを決定し、最高の該第1確率に基づいてカテゴリ認識スコアを計算し、範囲が該ターゲットイメージを完全にカバーする第2確率に基づいて、最高の該第2確率を有する該範囲を決定し、最高の該第2確率を有する該範囲に基づいて該ターゲットイメージのターゲット位置を決定し、最高の該第2確率に基づいて完全性認識スコアを計算し、該ターゲットイメージのカテゴリ認識スコアおよび完全性認識スコアに基づいて、候補イメージの信頼度を計算し、該信頼度は、該候補イメージにおける該ターゲットイメージの認識難易度に対応するステップ(d)と、
該信頼度が臨界値条件を満足しない場合、トレーニングイメージを生成するように、該候補イメージの該信頼度が該臨界値条件を満足するまで、これらのステップ(b)~ステップ(d)を繰り返して実行するステップ(e)と、
該信頼度が該臨界値条件を満たす場合、選択された該コンテナイメージを該トレーニングイメージに置き換え、複数の該コンテナイメージおよび該トレーニングイメージをスクロール表示速度で表示画面上に順次スクロールして表示し、該スクロール表示速度は、コンベヤーベルト情報に基づいて決定され、検証操作を受け付けると、該表示画面に該トレーニングイメージ内のターゲットデータが表示されるステップ(f)と、
を含む、ことを特徴とするトレーニングイメージの自動生成方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202063091857P | 2020-10-14 | 2020-10-14 | |
US63/091,857 | 2020-10-14 | ||
CN202011389588.6 | 2020-12-01 | ||
CN202011389588.6A CN114429569A (zh) | 2020-10-14 | 2020-12-01 | 训练影像的自动生成***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022064850A JP2022064850A (ja) | 2022-04-26 |
JP7357033B2 true JP7357033B2 (ja) | 2023-10-05 |
Family
ID=77774750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021155566A Active JP7357033B2 (ja) | 2020-10-14 | 2021-09-24 | トレーニングイメージの自動生成システム及びその方法 |
Country Status (3)
Country | Link |
---|---|
US (2) | US11709913B2 (ja) |
EP (1) | EP3985619A1 (ja) |
JP (1) | JP7357033B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11900516B2 (en) * | 2021-04-02 | 2024-02-13 | Carnegie Mellon University | System and method for pose tolerant feature extraction using generated pose-altered images |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020149086A (ja) | 2019-03-11 | 2020-09-17 | オムロン株式会社 | 学習用データ生成装置、学習用データ生成方法、および学習用データ生成プログラム |
WO2020195015A1 (ja) | 2019-03-27 | 2020-10-01 | 日本電気株式会社 | 画像処理装置、画像処理方法及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7505557B2 (en) * | 2006-01-30 | 2009-03-17 | Rapiscan Security Products, Inc. | Method and system for certifying operators of x-ray inspection systems |
US7899232B2 (en) | 2006-05-11 | 2011-03-01 | Optosecurity Inc. | Method and apparatus for providing threat image projection (TIP) in a luggage screening system, and luggage screening system implementing same |
EP2016532A4 (en) | 2006-05-11 | 2011-11-16 | Optosecurity Inc | APPARATUS, METHOD AND SYSTEM FOR EXAMINING CONTAINERS AND PEOPLE, HAVING IMAGE DISTORTION CORRECTION FUNCTIONALITY |
CN114577812A (zh) | 2018-08-15 | 2022-06-03 | 心鉴智控(深圳)科技有限公司 | 基于超小样本训练高效质检模型的方法及*** |
US11670036B2 (en) * | 2020-07-14 | 2023-06-06 | Lawrence Livermore National Security, Llc | System and method for identifying objects of interest in images based on likelihood map decluttering |
-
2021
- 2021-09-13 US US17/472,951 patent/US11709913B2/en active Active
- 2021-09-15 EP EP21196786.4A patent/EP3985619A1/en active Pending
- 2021-09-24 JP JP2021155566A patent/JP7357033B2/ja active Active
-
2023
- 2023-06-02 US US18/205,490 patent/US11989264B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020149086A (ja) | 2019-03-11 | 2020-09-17 | オムロン株式会社 | 学習用データ生成装置、学習用データ生成方法、および学習用データ生成プログラム |
WO2020195015A1 (ja) | 2019-03-27 | 2020-10-01 | 日本電気株式会社 | 画像処理装置、画像処理方法及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Also Published As
Publication number | Publication date |
---|---|
US11989264B2 (en) | 2024-05-21 |
US20220114392A1 (en) | 2022-04-14 |
US11709913B2 (en) | 2023-07-25 |
US20230306080A1 (en) | 2023-09-28 |
JP2022064850A (ja) | 2022-04-26 |
EP3985619A1 (en) | 2022-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11595737B2 (en) | Method for embedding advertisement in video and computer device | |
CN109508681B (zh) | 生成人体关键点检测模型的方法和装置 | |
US10740647B2 (en) | Detecting objects using a weakly supervised model | |
US10440276B2 (en) | Generating image previews based on capture information | |
RU2680765C1 (ru) | Автоматизированное определение и обрезка неоднозначного контура документа на изображении | |
US9330334B2 (en) | Iterative saliency map estimation | |
US10019823B2 (en) | Combined composition and change-based models for image cropping | |
US11386625B2 (en) | 3D graphic interaction based on scan | |
WO2020056903A1 (zh) | 用于生成信息的方法和装置 | |
US11704357B2 (en) | Shape-based graphics search | |
Ip et al. | Saliency-assisted navigation of very large landscape images | |
US11620829B2 (en) | Visual matching with a messaging application | |
US20220101609A1 (en) | Online transaction based on currency scan | |
US20200279355A1 (en) | Previewing a content-aware fill | |
JP7357033B2 (ja) | トレーニングイメージの自動生成システム及びその方法 | |
US10936177B2 (en) | Visual example-based user interface for adjusting photos along two dimensions | |
JP2004362443A (ja) | パラメータ決定方式 | |
CN112150347B (zh) | 从有限的修改后图像集合中学习的图像修改样式 | |
TWI770699B (zh) | 訓練影像的自動生成系統及其方法 | |
US20140215320A1 (en) | Marker placement support apparatus, marker placement support method, and non-transitory computer readable medium | |
US11948248B2 (en) | Three-dimensional (3D) model generation from two-dimensional (2D) images | |
CN117372607A (zh) | 一种三维模型的生成方法、装置及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210924 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220906 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221130 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20230614 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230703 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230822 |
|
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: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230925 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7357033 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |