JP7421889B2 - イメージ認識モデルのトレーニング装置及び方法並びにイメージ認識方法 - Google Patents
イメージ認識モデルのトレーニング装置及び方法並びにイメージ認識方法 Download PDFInfo
- Publication number
- JP7421889B2 JP7421889B2 JP2019171731A JP2019171731A JP7421889B2 JP 7421889 B2 JP7421889 B2 JP 7421889B2 JP 2019171731 A JP2019171731 A JP 2019171731A JP 2019171731 A JP2019171731 A JP 2019171731A JP 7421889 B2 JP7421889 B2 JP 7421889B2
- Authority
- JP
- Japan
- Prior art keywords
- class
- loss
- training
- image recognition
- recognition model
- 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 210
- 238000000034 method Methods 0.000 title claims description 50
- 230000001419 dependent effect Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 23
- 238000012545 processing Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 230000007704 transition Effects 0.000 description 7
- 230000033228 biological regulation Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000013589 supplement 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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based 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
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
- G06V30/194—References adjustable by an adaptive method, e.g. 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
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Description
910:プロセッサ
920:メモリ
921:イメージ認識モデル
990:トレーニングデータ
Claims (18)
- イメージ認識モデルをトレーニングさせる方法において、
イメージ認識モデルに基づいて、トレーニングデータからクラス損失及びクラスに依存的な測位損失を算出するステップと、
前記クラス損失及び前記測位損失を含む全体損失を用いて、前記イメージ認識モデルをトレーニングさせるステップと、
を含み、
前記クラス損失及びクラスに依存的な測位損失を算出するステップは、
前記イメージ認識モデルに基づいて、トレーニング入力イメージの各サブ領域ごとに臨時クラス情報及び臨時基準点情報を算出するステップと、
前記臨時クラス情報及び実際クラス情報に基づいて前記クラス損失を算出するステップと、
前記臨時基準点情報及び実際基準点情報に基づいて前記測位損失を算出するステップと、含むイメージ認識モデルをトレーニングさせる方法。 - 前記クラス損失を算出するステップは、
前記トレーニング入力イメージのサブ領域ごとに算出された臨時クラス情報と実際クラス情報との間の部分クラス損失を算出するステップと、
前記トレーニング入力イメージの前記サブ領域のそれぞれに対して算出された部分クラス損失の合計を前記クラス損失として決定するステップと、
を含む、請求項1に記載のイメージ認識モデルをトレーニングさせる方法。 - 前記クラス損失を算出するステップは、
前記トレーニング入力イメージのサブ領域のうち実際のランドマーク部分に対応するサブ領域を選択するステップと、
前記選択されたサブ領域に対して算出された臨時クラス情報と実際クラス情報との間の部分クラス損失を算出するステップと、
前記選択されたサブ領域に対して算出された部分クラス損失の合計を前記クラス損失として決定するステップと、
を含む、請求項1に記載のイメージ認識モデルをトレーニングさせる方法。 - 前記サブ領域を選択するステップは、前記トレーニング入力イメージのサブ領域のうち実際の背景部分に対応するサブ領域をさらに選択するステップを含む、請求項3に記載のイメージ認識モデルをトレーニングさせる方法。
- 前記測位損失を算出するステップは、
前記トレーニング入力イメージのサブ領域ごとに該当のサブ領域に対して算出された臨時基準点情報と実際基準点情報との間の部分測位損失を算出するステップと、
前記サブ領域のそれぞれに対して算出された部分測位損失の合計を前記測位損失として決定するステップと、
を含む、請求項1に記載のイメージ認識モデルをトレーニングさせる方法。 - 前記測位損失を算出するステップは、
前記トレーニング入力イメージのサブ領域のうち実際のランドマーク部分に対応するサブ領域を選択するステップと、
前記選択されたサブ領域に対して算出された基準点情報と実際基準点情報との間の部分測位損失を算出するステップと、
前記選択されたサブ領域に対して算出された部分測位損失の合計を前記測位損失として決定するステップと、
を含む、請求項1に記載のイメージ認識モデルをトレーニングさせる方法。 - 前記の部分測位損失を算出するステップは、前記選択されたサブ領域から実際の背景部分のサブ領域を排除するステップを含む、請求項6に記載のイメージ認識モデルをトレーニングさせる方法。
- 前記トレーニング入力イメージの各サブ領域ごとに前記臨時クラス情報及び前記臨時基準点情報を算出するステップは、前記各サブ領域に設定された複数のアンカーノードごとに前記臨時クラス情報及び前記臨時基準点情報を算出するステップを含む、請求項1に記載のイメージ認識モデルをトレーニングさせる方法。
- 前記各サブ領域に設定された複数のアンカーノードごとに前記臨時クラス情報及び前記臨時基準点情報を算出するステップは、前記複数のアンカーノードごとに算出された信頼度に基づいて、上位信頼度を有するアンカーノードに対して臨時クラス情報及び臨時基準点情報を算出するステップを含む、請求項8に記載のイメージ認識モデルをトレーニングさせる方法。
- 前記各サブ領域に設定された複数のアンカーノードごとに前記臨時クラス情報及び前記臨時基準点情報を算出するステップは、前記複数のアンカーノードのそれぞれに対して算出された信頼度の中から信頼度閾値未満の信頼度を有するアンカーノードを排除するステップを含む、請求項8に記載のイメージ認識モデルをトレーニングさせる方法。
- イメージ認識をモデルをトレーニングさせる方法において、
イメージ認識モデルに基づいて、トレーニングデータからクラス損失及びクラスに依存的な測位損失を算出するステップと、
前記クラス損失及び前記測位損失を含む全体損失を用いて前記イメージ認識モデルをトレーニングさせるステップと、
を含み、
前記クラス損失及びクラスに依存的な測位損失を算出するステップは、
臨時クラス情報に基づいてクラス基盤加重値を算出するステップと、
前記クラス基盤加重値、臨時基準点情報、及び実際基準点情報に基づいて前記クラスに依存的な測位損失を決定するステップと、
を含む、イメージ認識モデルをトレーニングさせる方法。 - 前記クラスに依存的な測位損失を決定するステップは、前記臨時基準点情報と前記実際基準点情報との間の差に前記クラス基盤加重値を適用することによって、前記クラスに依存的な測位損失を決定するステップを含む、請求項11に記載のイメージ認識モデルをトレーニングさせる方法。
- 前記トレーニングさせるステップは、前記全体損失を最小化するように前記イメージ認識モデルのパラメータをアップデートするステップを含む、請求項1-12のうちの何れか一項に記載のイメージ認識モデルをトレーニングさせる方法。
- 前記パラメータをアップデートするステップは、前記全体損失が収斂するように、前記イメージ認識モデルのパラメータのアップデートを繰り返すステップを含む、請求項13に記載のイメージ認識モデルをトレーニングさせる方法。
- イメージ認識をモデルをトレーニングさせる方法において、
イメージ認識モデルに基づいて、トレーニングデータからクラス損失及びクラスに依存的な測位損失を算出するステップと、
前記クラス損失及び前記測位損失を含む全体損失を用いて前記イメージ認識モデルをトレーニングさせるステップと、
を含み、
前記トレーニングさせるステップは、前記全体損失を最小化するように前記イメージ認識モデルのパラメータをアップデートするステップを含み、
前記パラメータをアップデートするステップは、前記クラス損失が前記測位損失よりも先に最小化されるように、前記パラメータをアップデートするステップを含む、イメージ認識モデルをトレーニングさせる方法。 - 請求項1乃至請求項15のうち何れか一項に記載の方法を装置のコンピュータに実行させるための命令語を含むコンピュータプログラム。
- トレーニング装置において、
イメージ認識モデルを格納するメモリと、
前記イメージ認識モデルに基づいて、トレーニングデータからクラス損失及びクラスに依存的な測位損失を算出し、前記クラス損失及び前記測位損失を含む全体損失を用いて前記イメージ認識モデルをトレーニングさせるプロセッサと、
を含み、
前記プロセッサは、
前記イメージ認識モデルに基づいて、トレーニング入力イメージの各サブ領域ごとに臨時クラス情報及び臨時基準点情報を算出し、
前記臨時クラス情報及び実際クラス情報に基づいて前記クラス損失を算出し、
前記臨時基準点情報及び実際基準点情報に基づいて前記測位損失を算出する、トレーニング装置。 - 請求項1に記載の方法を実行した後イメージを認識する方法において、
入力イメージを取得するステップと、
イメージ認識モデルに基づいて、前記入力イメージから前記入力イメージに示されたランドマークのクラス及び前記ランドマークの基準点を推定するステップと、
を含むイメージを認識する方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180123487A KR20200043005A (ko) | 2018-10-17 | 2018-10-17 | 이미지 인식 모델을 트레이닝시키는 장치 및 방법과 이미지 인식 장치 및 방법 |
KR10-2018-0123487 | 2018-10-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020064619A JP2020064619A (ja) | 2020-04-23 |
JP7421889B2 true JP7421889B2 (ja) | 2024-01-25 |
Family
ID=66751948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019171731A Active JP7421889B2 (ja) | 2018-10-17 | 2019-09-20 | イメージ認識モデルのトレーニング装置及び方法並びにイメージ認識方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11544507B2 (ja) |
EP (1) | EP3640846B1 (ja) |
JP (1) | JP7421889B2 (ja) |
KR (1) | KR20200043005A (ja) |
CN (1) | CN111062405A (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11354820B2 (en) * | 2018-11-17 | 2022-06-07 | Uatc, Llc | Image based localization system |
KR20210141123A (ko) * | 2020-05-15 | 2021-11-23 | 한국전자통신연구원 | 인공지능의 부분 학습 방법 및 이를 위한 장치 |
CN112987765B (zh) * | 2021-03-05 | 2022-03-15 | 北京航空航天大学 | 一种仿猛禽注意力分配的无人机/艇精准自主起降方法 |
CN113359135B (zh) * | 2021-07-07 | 2023-08-22 | 中国人民解放军空军工程大学 | 一种成像及识别模型的训练方法、应用方法、装置及介质 |
CN115690526A (zh) * | 2021-07-29 | 2023-02-03 | 三星电子株式会社 | 具有对象检测的设备和方法 |
CN117037895B (zh) * | 2023-10-09 | 2024-02-20 | 苏州元脑智能科技有限公司 | 模型训练方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017091833A1 (en) | 2015-11-29 | 2017-06-01 | Arterys Inc. | Automated cardiac volume segmentation |
JP2018060296A (ja) | 2016-10-03 | 2018-04-12 | グローリー株式会社 | 画像処理装置、画像処理システム及び画像処理方法 |
US20180268220A1 (en) | 2017-03-17 | 2018-09-20 | Magic Leap, Inc. | Room layout estimation methods and techniques |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8135209B2 (en) * | 2005-07-19 | 2012-03-13 | Nec Corporation | Articulated object position and posture estimation device, method and program |
NO327279B1 (no) * | 2007-05-22 | 2009-06-02 | Metaio Gmbh | Kamerapositurestimeringsanordning og- fremgangsmate for foroket virkelighetsavbildning |
US9488483B2 (en) * | 2013-05-17 | 2016-11-08 | Honda Motor Co., Ltd. | Localization using road markings |
KR101553898B1 (ko) | 2014-03-04 | 2015-09-17 | 국방과학연구소 | 지형지물의 위치정보를 이용한 자율이동차량의 위치추정시스템 및 방법 |
WO2015156821A1 (en) | 2014-04-11 | 2015-10-15 | Nissan North America, Inc. | Vehicle localization system |
US9235904B1 (en) * | 2014-06-20 | 2016-01-12 | Nec Laboratories America, Inc. | Object detection with Regionlets re-localization |
US20160283864A1 (en) | 2015-03-27 | 2016-09-29 | Qualcomm Incorporated | Sequential image sampling and storage of fine-tuned features |
US9916703B2 (en) | 2015-11-04 | 2018-03-13 | Zoox, Inc. | Calibration for autonomous vehicle operation |
US9881234B2 (en) | 2015-11-25 | 2018-01-30 | Baidu Usa Llc. | Systems and methods for end-to-end object detection |
KR102308871B1 (ko) * | 2016-11-02 | 2021-10-05 | 삼성전자주식회사 | 객체의 속성에 기반하여 객체를 인식 및 트레이닝하는 방법 및 장치 |
KR102463702B1 (ko) | 2016-12-15 | 2022-11-07 | 현대자동차주식회사 | 차량 정밀 위치 추정 장치, 그 방법, 그를 위한 맵 구축 장치, 및 그를 위한 맵 구축 방법 |
CN106934355A (zh) * | 2017-02-28 | 2017-07-07 | 西交利物浦大学 | 基于深度卷积神经网络的车内手检测方法 |
CN108009526A (zh) * | 2017-12-25 | 2018-05-08 | 西北工业大学 | 一种基于卷积神经网络的车辆识别与检测方法 |
CN110580487A (zh) * | 2018-06-08 | 2019-12-17 | Oppo广东移动通信有限公司 | 神经网络的训练方法、构建方法、图像处理方法和装置 |
JP7208480B2 (ja) * | 2018-10-12 | 2023-01-19 | 富士通株式会社 | 学習プログラム、検出プログラム、学習装置、検出装置、学習方法および検出方法 |
-
2018
- 2018-10-17 KR KR1020180123487A patent/KR20200043005A/ko not_active Application Discontinuation
-
2019
- 2019-03-28 US US16/367,358 patent/US11544507B2/en active Active
- 2019-06-04 EP EP19178016.2A patent/EP3640846B1/en active Active
- 2019-06-28 CN CN201910583821.5A patent/CN111062405A/zh active Pending
- 2019-09-20 JP JP2019171731A patent/JP7421889B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017091833A1 (en) | 2015-11-29 | 2017-06-01 | Arterys Inc. | Automated cardiac volume segmentation |
JP2018060296A (ja) | 2016-10-03 | 2018-04-12 | グローリー株式会社 | 画像処理装置、画像処理システム及び画像処理方法 |
US20180268220A1 (en) | 2017-03-17 | 2018-09-20 | Magic Leap, Inc. | Room layout estimation methods and techniques |
Non-Patent Citations (1)
Title |
---|
Shaoqing Ren(外3名),Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks,IEEE Transactions on Pattern Analysis and Machine Intelligence,米国,IEEE,2017年06月06日,VOL.39, NO.6,p.1137-1149 |
Also Published As
Publication number | Publication date |
---|---|
EP3640846A1 (en) | 2020-04-22 |
EP3640846B1 (en) | 2024-02-21 |
CN111062405A (zh) | 2020-04-24 |
JP2020064619A (ja) | 2020-04-23 |
US11544507B2 (en) | 2023-01-03 |
KR20200043005A (ko) | 2020-04-27 |
US20200125899A1 (en) | 2020-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7421889B2 (ja) | イメージ認識モデルのトレーニング装置及び方法並びにイメージ認識方法 | |
US11500099B2 (en) | Three-dimensional object detection | |
US11593950B2 (en) | System and method for movement detection | |
US11501105B2 (en) | Automatic creation and updating of maps | |
CN110796856B (zh) | 车辆变道意图预测方法及变道意图预测网络的训练方法 | |
US11348339B2 (en) | Association and tracking for autonomous devices | |
US11475675B2 (en) | Systems and methods for identifying unknown instances | |
KR102221695B1 (ko) | 자율주행을 위한 고정밀 지도의 업데이트 장치 및 방법 | |
US11768292B2 (en) | Three-dimensional object detection | |
EP3623761B1 (en) | Localization method and apparatus of displaying virtual object in augmented reality | |
US11686848B2 (en) | Systems and methods for training object detection models using adversarial examples | |
CN108537326A (zh) | 用于自动驾驶车辆的方法、介质和*** | |
CN112789481A (zh) | 对自上而下场景的轨迹预测 | |
CN110388931A (zh) | 将对象的二维边界框转换成自动驾驶车辆的三维位置的方法 | |
CN112740268B (zh) | 目标检测方法和装置 | |
CN110389583A (zh) | 生成自动驾驶车辆的轨迹的方法 | |
CN111860227B (zh) | 训练轨迹规划模型的方法、装置和计算机存储介质 | |
CN114072841A (zh) | 根据图像使深度精准化 | |
US10922574B1 (en) | Bounding box embedding for object identifying | |
KR20200046437A (ko) | 영상 및 맵 데이터 기반 측위 방법 및 장치 | |
US20210150410A1 (en) | Systems and Methods for Predicting Instance Geometry | |
US20230029900A1 (en) | Three-dimensional object detection based on image data | |
CN117115766A (zh) | 一种道路拓扑检测方法及相关装置 | |
EP4148599A1 (en) | Systems and methods for providing and using confidence estimations for semantic labeling | |
CN117346791B (zh) | 基于视觉图像的智能轮椅路径规划方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220621 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230525 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230922 |
|
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: 20231226 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7421889 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |