JP6767966B2 - 微視的差異からの機械学習を使用する物体の真贋鑑定 - Google Patents
微視的差異からの機械学習を使用する物体の真贋鑑定 Download PDFInfo
- Publication number
- JP6767966B2 JP6767966B2 JP2017504609A JP2017504609A JP6767966B2 JP 6767966 B2 JP6767966 B2 JP 6767966B2 JP 2017504609 A JP2017504609 A JP 2017504609A JP 2017504609 A JP2017504609 A JP 2017504609A JP 6767966 B2 JP6767966 B2 JP 6767966B2
- Authority
- JP
- Japan
- Prior art keywords
- layer
- layers
- image
- neural network
- convolutional
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- 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
- 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
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
Description
本願は、2014年4月9日に出願された米国仮特許出願第61/977,423号明細書に基づき、この仮特許出願の内容全体は参照により本明細書に援用される。
本開示の例示的な実施形態によるシステムは、物品の顕微鏡画像を分類して、真正を確認するに当たり、5段階プロセスを含み得る:(i)パッチ、コーナー、又はブロブベースの画像記述子を使用して特徴を抽出し、(ii)最近傍が、ビジュアルワードを形成する同じ又は付近の領域(バッグ)に入るように、記述子を量子化し、これがビジュアルワードを形成し、(iii)顕微鏡画像候補内のビジュアルワードをヒストグラム化し、(iv)カーネルマップ及び線形SVMを使用して、真正として画像をトレーニング(又は画像を真正としてラベリング)し、(v)テストフェーズ中、同じ手順を使用して新しい顕微鏡画像を分類して、物品の画像、ひいては物品が真正であるか否かを検証し得る。量子化のレベル、特徴抽出パラメータ、及びビジュアルワード数は、微視的差異を探し、顕微鏡レベルで物品の画像を分類する場合、重要であり得る。
物品の画像が、顕微鏡撮像ハードウェアを使用して捕捉されると、画像は、処理のためにより小さな画像チャンクに分割し得る。画像をより小さなチャンクに分割することは、(i)顕微鏡撮像ハードウェアの視野が約12mm×10mmと広い(他のオフセルフ顕微鏡撮像ハードウェアと比較して)ことを含め、複数の利点を提供し得る。幾つかの例示的な実施形態によれば、微視的差異は、10μm範囲で解析し得、したがって、好ましくは、画像は、これらの差異の処理を支援するために、より小さな画像に分割し得る。(ii)画像をより小さなチャンクに分割することは、ビジュアルボキャブラリを構築し、微小な差異を説明するのに役立ち得る。
記述子は、ビジュアルワードの数に基づいて、k平均クラスタリングを使用してクラスタ化し得る。基本的にクラスタの数であるビジュアルワード数を使用して、ビジュアルボキャブラリの形成において必要とされる粒度を制御し得る。例えば、階層画像分類では、物体間分類を用いる高レベルほど、ボキャブラリは小さくすることができ、一方、本発明のような微細粒度画像分類では、ボキャブラリは、異なる微視的差異に対応するために、大きいサイズのものである必要がある。したがって、幾つかの実施形態では、微視的差異の多様性を捕捉し得るように、固定数のビジュアルワードが使用されず、代わりに範囲を使用し得る。例えば、k平均クラスタリングは、固定サイズのクラスタの代わりにある範囲のクラスタに対して実行し得る。k平均クラスタ中心はここで、参照画像が、真正(又は非真正)として分類するのに十分なワードとして否かを見つけることにおいて使用されるビジュアルボキャブラリ又はコードブックを形成する。
アルゴリズムでの次のステップは、画像チャンク内のビジュアルワードのヒストグラムを計算することを含み得る。キーポイント記述子は、クラスタ中心(又はビジュアルワード)にマッピングし得、ヒストグラムは、ビジュアルワードの頻度に基づいて形成し得る。ビジュアルワードのヒストグラムが与えられると、ある物品の画像のビジュアルワードをここで、別の物品の画像と照合しようとし得る。真正又は非真正として分類する必要がある物品の画像候補のビジュアルワードをベースライン又はトレーニング画像(それ自体のビジュアルワードセットを有する)と比較して、画像候補を分類することができる。プロセスは自動化し得、したがって、幾つかの例示的な実施形態では、SVMベースの分類器を使用し得る。
1つ又は複数のトレーニング画像のビジュアルワードが得られると、サポートベクターマシン(SVM)を使用して、システムをトレーニングし得る。幾つかの例示的な実施形態によれば、(i)線形SVM、(ii)非線形放射基底関数カーネルSVM、及び(iii)2線形x2SVMを含む3つのタイプのSVMを使用し得る。線形SVMは、トレーニングがより高速であるが、非線形及び2線形x2SVMは、多数のカテゴリを分類する場合、優れた分類結果を提供し得る。幾つかの実施形態では、システムは、一対多分類を使用して、画像を用いてトレーニングし得るが、この手法は、トレーニングセットが増大する(例えば、カテゴリの数が増大する)につれて、拡張できなくなり得る。他の実施形態では、カテゴリ対が分類される一対一手法等の別の手法。幾つかの例示的な実施形態では、両手法を利用し得、両方とも、異なる状況下で妥当な性能を提供する。
例示的な畳み込みニューラルネットワークは、教師が殆どいない状態で、画像カテゴリ、ビデオサンプル、及び他の複雑なタスクを分類することにおいて成功し得る。技術的現況の機械認識システムは、何らかの形態の畳み込みニューラルネットワークを使用し、技法は、Caltech−101、CIFAR、及びImageNet等の標準的なビジョンデータベースに適用される場合、今までで最良の結果を達成している。
バッグオブビジュアルワード法を使用しての物体認識タスクでの特徴抽出は、特徴の識別区別を含み得る。スケール不変性特徴変換(SIFT)、スピードアップロバスト特徴(SURF)、及び他の技法を使用したハンドクラフト特徴抽出を使用し得る。画像統計が既に分かっている場合、ハンドクラフト特徴が特によく適し得る。しかし、画像統計が未知の場合、ハンドクラフト特徴は問題であり得、その理由は、何が示差的特徴セット−−画像の分類に役立つ特徴セット−−であるかが不明確であるためである。この問題を回避するために、複数の畳み込みを画像候補に対して実行して、異なるタイプの特徴を抽出又は捕捉し得る。幾つかの実施形態では、96タイプの畳み込みカーネルを画像候補に対して使用して、畳み込み層の一部として、サイズ96の特徴マップを生成し得る。これらの畳み込みは、顕微鏡画像で生じ得る多様な歪みを捕捉する。画像は物体表面の画像捕捉及び改竄からの変動及び歪みを受けるため、畳み込みを画像に適用して、そのような歪みに対してネットワークをロバストにし得る。また、これらの組のフィルタはトレーニング可能であり、したがって、畳み込み層内のフィルタは、顕微鏡画像に基づいてトレーニングし得る。トレーニング可能なフィルタは、分類アルゴリズムが一定の組のフィルタ/畳み込みに依存しないようにするために必須である。フィルタをトレーニング可能にするために、トレーニング可能なスカラー項は、i番目の特徴マップがmi=gitanh(fi *xi)であるような非線形関数と共に使用し得、式中、giはスカラー項であり、tanhは非線形関数であり、fiはフィルタであり、xiは画像である。
畳み込みが画像に対して実行されると、出力は、1組の特徴マップを含み得る。各特徴マップは次に、最大プーリングされ、コントラスト正規化されて、サイズが低減された特徴マップを生成し得る。これは、サブサンプリングプロセスであり、大きなずれへのロバスト性の改善と共に、特徴マップの次元を低減するために行われ得る。畳み込みは歪みへのロバスト性を提供するが、サブサンプリングは、シフト、並進移動、及び微小な歪みよりも大きな変動に関してのロバスト性を提供する。ステップが4である4×4〜16×16ピクセルのサイズ範囲のスライド窓を使用して、これらの窓パッチの最大プールを計算して、サブサンプリング特徴マップを形成し得る。特徴マップは次に、ガウス窓を使用してコントラスト正規化されて、疑似特徴の影響を低減する。窓サイズ(及びステップサイズ)を変更すると、テスト誤差率が大幅に変化する。窓サイズが増大するにつれて、テスト誤差率は増大する。これは部分的に、小さなエリアとは対照的に大きなエリアから最大プーリングされる場合、より高レベルの特徴が失われるためである。また、局所コントラスト正規化により実行される「平均処理」は、区別可能な特徴がないフラットな特徴を増大生じさせる。したがって、好ましい実施形態では、窓サイズは、サブサンプリング層において特定の限度(例えば、4×4、8×8、又は16×16)内に保たれる。
入力画像は、様々なサイズのスライド窓を使用して、より小さなチャンクに分割し得る。特徴抽出は各チャンクに対して実行し得る:キーポイントを検出するガウスのラプラシアン及びキーポイントから示差的な記述子を生成する勾配方向ヒストグラム。
物体を真贋鑑定する全体システムは、複数の学習技法の組合せを使用する。幾つかの実施形態では、ステップは以下を含み得る。
Claims (51)
- 顕微鏡画像を分類する方法であって、
物体から抽出された少なくとも1つの顕微鏡画像を含むトレーニングデータセットと、前記物体に対応する製品仕様に基づく、前記少なくとも1つの顕微鏡画像の関連クラス定義とを受信することと、
前記トレーニングデータセットに基づいて、前記少なくとも1つの顕微鏡画像を1つ又は複数のクラスに分類するモデルを構築するように、複数の機械学習分類器をトレーニングすることと、
前記製品仕様に基づいて、前記構築されたモデルを使用して前記少なくとも1つの顕微鏡画像を1つ又は複数のクラスに分類するために、前記少なくとも1つの顕微鏡画像を受信することと、
受信した前記顕微鏡画像を複数のチャンクに分割することと、
前記複数の機械学習分類器へのテスト入力として前記複数のチャンクを使用することと、
前記複数の機械学習分類器に基づく投票処理を使用して、前記チャンクを1つ又は複数のクラスに分類することと、
を含み、
前記製品仕様は、ブランド名、製品ライン、又は前記物体のラベル上の他の詳細を含む、方法。 - 前記クラス定義は、前記物体がオリジナルであるか、それとも偽造品であるかについての情報を含む、請求項1に記載の方法。
- 前記クラス定義は、前記物体の品質についての情報を含む、請求項1に記載の方法。
- 前記物体の製造プロセスは、投入原料及び製造パラメータについての情報を含む、請求項1に記載の方法。
- 前記顕微鏡画像は、ハンドヘルドコンピュータデバイス又は顕微鏡を有する携帯電話を含む装置を使用して抽出される、請求項1に記載の方法。
- 前記顕微鏡画像は、前記物体の識別情報の一部である曲線、ブロブ、又は特徴を含む、請求項1に記載の方法。
- 前記機械学習分類器は、特徴抽出、勾配方向ヒストグラムによるキーポイント記述子生成、及びバッグオブビジュアルワードベースの分類器で構成されるサポートベクターマシンベースの分類器を含む、請求項1に記載の方法。
- 前記バッグオブビジュアルワード分類器は、k平均クラスタリング技法、画像記述子をk中心としてインデックス付けること、及び空間ヒストグラム生成を含む、請求項7に記載の方法。
- 最終分類器は、ベクターマシン又はk最近傍ベースの分類器をサポートする、請求項8に記載の方法。
- 前記機械学習分類器は、クラスタの密度推定に基づいて前記物体を分類する異常検出システムを含む、請求項1に記載の方法。
- 前記機械学習分類器は、サポートベクターマシンと、ニューラルネットワークと、異常検出技法との組合せを含む、請求項1に記載の方法。
- 前記機械学習分類器は、n層畳み込みニューラルネットワークベースの分類器であり、
低、中、及び高レベル微視的差異及び特徴を捕捉する畳み込み層、サブサンプリング層、最大プーリング層、平均プーリング層、活性化関数を生成することと、
逆伝搬技法を使用する確率的共役勾配降下を使用して、前記ネットワークをトレーニングすることと、
畳み込みネットワークでの最終層の1つとして、ソフトマックス関数を使用して、クラス確率を生成することと、
前記畳み込みニューラルネットワークでのあらゆる層の出力として、トレーニング特徴を生成することと
を含む、請求項1に記載の方法。 - 前記機械学習分類器は、並進移動、回転、剪断、反転、鏡像、異なる領域にわたるクロッピング又は様々なカーネルを用いての膨張、及び他のラベル保存歪みにより、前記トレーニングセットを拡張するデータを含む、請求項1に記載の方法。
- 前記機械学習分類器は、低、中、高、及び微細粒度特徴を識別するマルチスケールの畳み込み、フィルタ、及びストライドを含む、請求項1に記載の方法。
- 前記機械学習分類器は、前記n層の深度に基づいて示差的特徴を学習するn層畳み込みニューラルネットワークを含む、請求項1に記載の方法。
- 前記機械学習分類器は、画像内の特定の領域候補を識別し、少なくとも1つのn層畳み込みニューラルネットワークを使用して前記画像候補を分類する領域ベースの畳み込みニューラルネットワークを含む、請求項1に記載の方法。
- 前記機械学習分類器は、n層畳み込みニューラルネットワークを組み立て、前記n層畳み込みネットワークのそれぞれの出力確率の組合せとして前記画像を分類することを含む、請求項1に記載の方法。
- 前記分類は前記物体の真贋を判断し、前記物体は、ハンドバッグ、靴、アパレル、ベルト、時計、ワインボトル、包装、ラベル、アクセサリー、ジャージ、スポーツアパレル、ゴルフクラブ、化粧品、医薬品、薬剤、電子チップ、回路、電話、電池、自動車部品、航空機部品、エアバッグ、紙幣、紙文書、玩具、及び食品のうちの1つ又は複数を含む、請求項1に記載の方法。
- 前記顕微鏡画像は、紙、プラスチック、金属、合金、皮、ガラス、木、磁器、及び粘土のうちの1つ又は複数の顕微鏡画像を含む、請求項1に記載の方法。
- 前記n層畳み込みニューラルネットワークは、8層、12層、16層、20層、又は24層ネットワークである、請求項12に記載の方法。
- 前記8層畳み込みニューラルネットワークは、3つの最大プーリング層及びReLU(正規化線形関数)と共に3つの畳み込み層、その後に続く、2つの独立畳み込み層(最大プーリング層を有さない)及び最終セクションでの3つの全結合層、その後に続く、全てのクラスにわたるスコア又は確率を与えるソフトマックス関数を含む、請求項20に記載の方法。
- 前記12層畳み込みニューラルネットワークは、最大プーリング層及びReLU(正規化線形関数)と共に畳み込み層からなる2つの層、その後に続く、4つの独立畳み込み層(最大プーリング層を有さない)、その後に続く、最終セクションでの3組の畳み込み層、最大プーリング層、及びReLU層並びに2つの全結合層を含む、請求項20に記載の方法。
- 前記16層畳み込みニューラルネットワークは、第1の組の畳み込み層後に2つの畳み込み層が追加され、前記畳み込みネットワークの後部において、2つの追加の畳み込み層を追加した、8層の畳み込みニューラルネットワークを含む、請求項20に記載の方法。
- 前記20層畳み込みニューラルネットワークは、8層のCNN、畳み込み層、最大プーリング層、及びReLU層からなる別の組の8層、その後に続く4つの全結合層及びソフトマックス関数を含む、請求項20に記載の方法。
- 前記24層畳み込みニューラルネットワークは、1つの最後の全結合層と組み合わせられた3組の8層ネットワークを含む、請求項20に記載の方法。
- 顕微鏡画像を分類するシステムであって、
物体から抽出された少なくとも1つの顕微鏡画像を含むトレーニングデータセットと、製品仕様又は製造プロセス仕様に基づく関連クラス定義とを記憶するトレーニングデータセットユニットと、
前記トレーニングデータセットを使用して物体のクラスを認識するように複数の機械学習分類器をトレーニングし、前記少なくとも1つの顕微鏡画像を受信し、受信した前記顕微鏡画像を複数のチャンクに分割し、前記複数の機械学習分類器へのテスト入力として前記複数のチャンクを使用し、前記複数の機械学習分類器に基づく投票処理を使用して前記チャンクを分類して前記物体のクラスを特定するように構成される計算デバイスと
を備える、システム。 - 前記製品仕様は、ブランド名、製品ライン、又は前記物体のラベルに含まれる詳細を含む、請求項26に記載のシステム。
- 前記クラス定義は、前記物体がオリジナルであるか、それとも偽造品であるかについての情報を含む、請求項26に記載のシステム。
- 前記クラス定義は、前記物体の品質についての情報を含む、請求項26に記載のシステム。
- 前記製造プロセスは、投入原料及び前記物体を製造するパラメータについての情報を含む、請求項26に記載のシステム。
- 前記計算デバイスは、ハンドヘルド計算デバイス又は携帯電話と顕微鏡との装置を含む、請求項26に記載のシステム。
- 前記顕微鏡画像は、前記物体の識別情報の一部である曲線、ブロブ、又は特徴を含む、請求項26に記載のシステム。
- 前記機械学習分類器は、特徴抽出、勾配方向ヒストグラムによるキーポイント記述子生成、及びバッグオブビジュアルワードベースの分類器で構成されるサポートベクターマシンベースの分類器を含む、請求項26に記載のシステム。
- 前記バッグオブビジュアルワード分類器は、k平均クラスタリング技法、画像記述子をk中心としてインデックス付けること、及び空間ヒストグラム生成を含む、請求項26に記載のシステム。
- 最終分類器は、サポートベクターマシン又はk最近傍ベースの分類器である、請求項33に記載のシステム。
- 前記機械学習分類器は、クラスタの密度推定に基づいて前記物体を分類する異常検出システムを含む、請求項26に記載のシステム。
- 前記機械学習分類器は、サポートベクターマシンと、ニューラルネットワークと、異常検出技法との組合せを含む、請求項26に記載のシステム。
- 前記機械学習分類器は、n層畳み込みニューラルネットワークベースの分類器を含み、
低、中、及び高レベル微視的差異及び特徴を捕捉する1つ又は複数の畳み込み層、サブサンプリング層、最大プーリング層、平均プーリング層、活性化関数と、
逆伝搬技法を使用する確率的共役勾配降下を使用して、前記ネットワークをトレーニングするように構成される計算デバイスと、
1組の最終層の1つとして、クラス確率を生成するソフトマックス関数と、
前記畳み込みネットワークでのあらゆる層の出力としてのトレーニング特徴と
を備える、請求項26に記載のシステム。 - 前記機械学習分類器は、並進移動、回転、剪断、反転、鏡像、異なる領域にわたるクロッピング又は様々なカーネルを用いての膨張、及び他のラベル保存歪みにより、前記トレーニングセットを拡張するデータを含む、請求項26に記載のシステム。
- 前記機械学習分類器は、低、中、高、及び微細粒度特徴を識別するマルチスケールの畳み込み、フィルタ、及びストライドを含む、請求項26に記載のシステム。
- 前記機械学習分類器は、前記n層の深度に基づいて示差的特徴を学習するn層畳み込みニューラルネットワークを含む、請求項26に記載のシステム。
- 前記機械学習分類器は、画像内の特定の領域候補を識別し、少なくとも1つのn層畳み込みニューラルネットワークを使用して前記画像候補を分類する領域ベースの畳み込みニューラルネットワークを含む、請求項26に記載のシステム。
- 前記機械学習分類器は、n層畳み込みニューラルネットワークの組み立てを含み、前記画像の前記分類は、前記n層畳み込みネットワークのそれぞれの出力確率の組合せである、請求項26に記載のシステム。
- 前記分類は、ハンドバッグ、靴、アパレル、ベルト、時計、ワインボトル、包装、ラベル、アクセサリー、ジャージ、スポーツアパレル、ゴルフクラブ、化粧品、医薬品、薬剤、電子チップ、回路、電話、電池、自動車部品、航空機部品、エアバッグ、紙幣、紙文書、玩具、及び食品等の前記物体の真贋を判断する、請求項26に記載のシステム。
- 前記顕微鏡画像は、紙、プラスチック、金属、合金、皮、ガラス、木、磁器、及び粘土の顕微鏡画像を含む、請求項26に記載のシステム。
- 前記n層畳み込みニューラルネットワークは、8層、12層、16層、20層、又は24層ネットワークである、請求項38に記載のシステム。
- 前記8層畳み込みニューラルネットワークは、3つの最大プーリング層及びReLU(正規化線形関数)と共に3つの畳み込み層、その後に続く、2つの独立畳み込み層(最大プーリング層を有さない)及び最終セクションでの3つの全結合層、その後に続く、全てのクラスにわたるスコア又は確率を与えるソフトマックス関数を含む、請求項46に記載のシステム。
- 前記12層畳み込みニューラルネットワークは、最大プーリング層及びReLU(正規化線形関数)と共に畳み込み層からなる2つの層、その後に続く、4つの独立畳み込み層(最大プーリング層を有さない)、その後に続く、最終セクションでの3組の畳み込み層、最大プーリング層、及びReLU層並びに2つの全結合層を含む、請求項46に記載のシステム。
- 前記16層畳み込みニューラルネットワークは、第1の組の畳み込み層後に2つの畳み込み層が追加され、前記畳み込みネットワークの後部において、2つの追加の畳み込み層を追加した、8層の畳み込みニューラルネットワークを含む、請求項46に記載のシステム。
- 前記20層畳み込みニューラルネットワークは、8層のCNN、畳み込み層、最大プーリング層、及びReLU層からなる別の組の8層、その後に続く4つの全結合層及びソフトマックス関数を含む、請求項46に記載のシステム。
- 前記24層畳み込みニューラルネットワークは、1つの最後の全結合層と組み合わせられた3組の8層ネットワークを含む、請求項46に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461977423P | 2014-04-09 | 2014-04-09 | |
US61/977,423 | 2014-04-09 | ||
PCT/US2015/025131 WO2015157526A1 (en) | 2014-04-09 | 2015-04-09 | Authenticating physical objects using machine learning from microscopic variations |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017520864A JP2017520864A (ja) | 2017-07-27 |
JP6767966B2 true JP6767966B2 (ja) | 2020-10-14 |
Family
ID=54288403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017504609A Active JP6767966B2 (ja) | 2014-04-09 | 2015-04-09 | 微視的差異からの機械学習を使用する物体の真贋鑑定 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20170032285A1 (ja) |
EP (1) | EP3129896B1 (ja) |
JP (1) | JP6767966B2 (ja) |
CN (1) | CN106462549B (ja) |
WO (1) | WO2015157526A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115100210A (zh) * | 2022-08-29 | 2022-09-23 | 山东艾克赛尔机械制造有限公司 | 一种基于汽车零部件防伪识别方法 |
WO2022239671A1 (ja) * | 2021-05-11 | 2022-11-17 | ブラザー工業株式会社 | 画像処理方法、コンピュータプログラム、画像処理装置、および、訓練方法 |
Families Citing this family (129)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8774455B2 (en) | 2011-03-02 | 2014-07-08 | Raf Technology, Inc. | Document fingerprinting |
US9443298B2 (en) | 2012-03-02 | 2016-09-13 | Authentect, Inc. | Digital fingerprinting object authentication and anti-counterfeiting system |
US9542626B2 (en) * | 2013-09-06 | 2017-01-10 | Toyota Jidosha Kabushiki Kaisha | Augmenting layer-based object detection with deep convolutional neural networks |
US10036881B2 (en) * | 2014-05-23 | 2018-07-31 | Pathonomic | Digital microscope system for a mobile device |
WO2015176305A1 (zh) * | 2014-05-23 | 2015-11-26 | 中国科学院自动化研究所 | 人形图像分割方法 |
US9892344B1 (en) * | 2015-11-30 | 2018-02-13 | A9.Com, Inc. | Activation layers for deep learning networks |
RU2694021C1 (ru) * | 2015-12-14 | 2019-07-08 | Моушен Метрикс Интернешэнл Корп. | Способ и устройство идентификации частей фрагментированного материала в пределах изображения |
US10402699B1 (en) * | 2015-12-16 | 2019-09-03 | Hrl Laboratories, Llc | Automated classification of images using deep learning—back end |
US10572883B2 (en) | 2016-02-19 | 2020-02-25 | Alitheon, Inc. | Preserving a level of confidence of authenticity of an object |
US10095957B2 (en) | 2016-03-15 | 2018-10-09 | Tata Consultancy Services Limited | Method and system for unsupervised word image clustering |
CN105847968B (zh) * | 2016-03-21 | 2018-12-21 | 京东方科技集团股份有限公司 | 基于深度学习的解像方法和系统 |
US10867301B2 (en) * | 2016-04-18 | 2020-12-15 | Alitheon, Inc. | Authentication-triggered processes |
US10740767B2 (en) | 2016-06-28 | 2020-08-11 | Alitheon, Inc. | Centralized databases storing digital fingerprints of objects for collaborative authentication |
US10915612B2 (en) | 2016-07-05 | 2021-02-09 | Alitheon, Inc. | Authenticated production |
US10706348B2 (en) * | 2016-07-13 | 2020-07-07 | Google Llc | Superpixel methods for convolutional neural networks |
US10083347B2 (en) * | 2016-07-29 | 2018-09-25 | NTech lab LLC | Face identification using artificial neural network |
US10706327B2 (en) * | 2016-08-03 | 2020-07-07 | Canon Kabushiki Kaisha | Information processing apparatus, information processing method, and storage medium |
US10902540B2 (en) | 2016-08-12 | 2021-01-26 | Alitheon, Inc. | Event-driven authentication of physical objects |
US10839528B2 (en) | 2016-08-19 | 2020-11-17 | Alitheon, Inc. | Authentication-based tracking |
US11055735B2 (en) | 2016-09-07 | 2021-07-06 | Adobe Inc. | Creating meta-descriptors of marketing messages to facilitate in delivery performance analysis, delivery performance prediction and offer selection |
US10621747B2 (en) | 2016-11-15 | 2020-04-14 | Magic Leap, Inc. | Deep learning system for cuboid detection |
CN108229509B (zh) | 2016-12-16 | 2021-02-26 | 北京市商汤科技开发有限公司 | 用于识别物体类别的方法及装置、电子设备 |
CN110574041B (zh) * | 2017-02-23 | 2023-06-20 | 诺基亚技术有限公司 | 针对深度学习领域的协同激活 |
US10372600B2 (en) * | 2017-03-01 | 2019-08-06 | Salesforce.Com, Inc. | Systems and methods for automated web performance testing for cloud apps in use-case scenarios |
US11216927B2 (en) * | 2017-03-16 | 2022-01-04 | Siemens Aktiengesellschaft | Visual localization in images using weakly supervised neural network |
CN110770711B (zh) * | 2017-03-31 | 2023-12-22 | 3M创新有限公司 | 基于图像的伪造品检测 |
US10365606B2 (en) * | 2017-04-07 | 2019-07-30 | Thanh Nguyen | Apparatus, optical system, and method for digital holographic microscopy |
CN110573883B (zh) * | 2017-04-13 | 2023-05-30 | 美国西门子医学诊断股份有限公司 | 用于在样本表征期间确定标签计数的方法和装置 |
KR102160184B1 (ko) * | 2017-06-02 | 2020-09-28 | 동국대학교 산학협력단 | Cnn 기반 지정맥 인식 장치 및 인식 방법 |
US10705017B2 (en) | 2017-06-09 | 2020-07-07 | Verivin Ltd. | Characterization of liquids in sealed containers |
JP6744633B2 (ja) * | 2017-06-26 | 2020-08-19 | 株式会社Rutilea | 物品判定装置、システム、学習方法及びプログラム |
GB201710560D0 (en) * | 2017-06-30 | 2017-08-16 | Norwegian Univ Of Science And Tech (Ntnu) | Detection of manipulated images |
EP3649933A4 (en) * | 2017-07-07 | 2021-07-14 | Osaka University | PAIN DETERMINATION USING TREND ANALYSIS, MEDICAL DEVICE WITH MACHINE LEARNING, ECONOMIC DISCRIMINATION MODEL AND IOT, TAILORED MACHINE LEARNING AND NOVEL BRAIN WAVE CHARACTERISTICS DETERMINATION OF PAIN |
JP6710853B2 (ja) * | 2017-07-07 | 2020-06-17 | 浩一 古川 | プローブ型共焦点レーザー顕微内視鏡画像診断支援装置 |
CN107392147A (zh) * | 2017-07-20 | 2017-11-24 | 北京工商大学 | 一种基于改进的生成式对抗网络的图像语句转换方法 |
EP3435287A3 (en) | 2017-07-25 | 2019-05-01 | Alitheon, Inc. | Model-based digital fingerprinting |
KR101991028B1 (ko) * | 2017-08-04 | 2019-10-01 | 동국대학교 산학협력단 | 지정맥 인식 장치 및 방법 |
CN107463965B (zh) * | 2017-08-16 | 2024-03-26 | 湖州易有科技有限公司 | 基于深度学习的面料属性图片采集和识别方法及识别系统 |
US11106976B2 (en) | 2017-08-19 | 2021-08-31 | Wave Computing, Inc. | Neural network output layer for machine learning |
US10949328B2 (en) | 2017-08-19 | 2021-03-16 | Wave Computing, Inc. | Data flow graph computation using exceptions |
US10769491B2 (en) * | 2017-09-01 | 2020-09-08 | Sri International | Machine learning system for generating classification data and part localization data for objects depicted in images |
JP6951913B2 (ja) * | 2017-09-06 | 2021-10-20 | 日本放送協会 | 分類モデル生成装置、画像データ分類装置およびそれらのプログラム |
CN107844980A (zh) * | 2017-09-30 | 2018-03-27 | 广东工业大学 | 商品真假鉴别方法及装置、计算机存储介质及设备 |
EP3462373A1 (en) * | 2017-10-02 | 2019-04-03 | Promaton Holding B.V. | Automated classification and taxonomy of 3d teeth data using deep learning methods |
WO2019089553A1 (en) * | 2017-10-31 | 2019-05-09 | Wave Computing, Inc. | Tensor radix point calculation in a neural network |
EP3714397A4 (en) * | 2017-11-24 | 2021-01-13 | Truemed Oy | METHOD AND SYSTEM FOR IDENTIFYING THE AUTHENTICITY OF AN OBJECT |
CN108009574B (zh) * | 2017-11-27 | 2022-04-29 | 成都明崛科技有限公司 | 一种轨道扣件检测方法 |
US11847661B2 (en) * | 2017-11-30 | 2023-12-19 | 3M Innovative Properties Company | Image based counterfeit detection |
EP3499459A1 (en) * | 2017-12-18 | 2019-06-19 | FEI Company | Method, device and system for remote deep learning for microscopic image reconstruction and segmentation |
CN111480167A (zh) * | 2017-12-20 | 2020-07-31 | 艾普维真股份有限公司 | 多数字表示的认证机器学习 |
CN109949264A (zh) * | 2017-12-20 | 2019-06-28 | 深圳先进技术研究院 | 一种图像质量评价方法、设备及存储设备 |
US11087013B2 (en) | 2018-01-22 | 2021-08-10 | Alitheon, Inc. | Secure digital fingerprint key object database |
CN108334835B (zh) * | 2018-01-29 | 2021-11-19 | 华东师范大学 | 基于卷积神经网络的阴道分泌物显微图像有形成分检测方法 |
WO2019167007A1 (en) * | 2018-03-01 | 2019-09-06 | Infotoo International Limited | Methods and apparatus for determining authenticity of an information bearing device |
CN108520285B (zh) * | 2018-04-16 | 2021-02-09 | 图灵人工智能研究院(南京)有限公司 | 物品鉴别方法、系统、设备及存储介质 |
CN108804563B (zh) * | 2018-05-22 | 2021-11-19 | 创新先进技术有限公司 | 一种数据标注方法、装置以及设备 |
CN111819580A (zh) * | 2018-05-29 | 2020-10-23 | 谷歌有限责任公司 | 用于密集图像预测任务的神经架构搜索 |
US11561195B2 (en) * | 2018-06-08 | 2023-01-24 | Massachusetts Institute Of Technology | Monolithic 3D integrated circuit for gas sensing and method of making and system using |
US11074592B2 (en) * | 2018-06-21 | 2021-07-27 | The Procter & Gamble Company | Method of determining authenticity of a consumer good |
CN112313718A (zh) * | 2018-06-28 | 2021-02-02 | 3M创新有限公司 | 材料样品的基于图像的新颖性检测 |
CN109063713A (zh) * | 2018-07-20 | 2018-12-21 | 中国林业科学研究院木材工业研究所 | 一种基于构造特征图像深度学习的木材鉴别方法和系统 |
US11645178B2 (en) | 2018-07-27 | 2023-05-09 | MIPS Tech, LLC | Fail-safe semi-autonomous or autonomous vehicle processor array redundancy which permits an agent to perform a function based on comparing valid output from sets of redundant processors |
US11054370B2 (en) | 2018-08-07 | 2021-07-06 | Britescan, Llc | Scanning devices for ascertaining attributes of tangible objects |
US10402691B1 (en) | 2018-10-04 | 2019-09-03 | Capital One Services, Llc | Adjusting training set combination based on classification accuracy |
US11934944B2 (en) | 2018-10-04 | 2024-03-19 | International Business Machines Corporation | Neural networks using intra-loop data augmentation during network training |
US11397804B2 (en) | 2018-10-12 | 2022-07-26 | Cynthia Fascenelli Kirkeby | System and methods for authenticating tangible products |
US11977621B2 (en) | 2018-10-12 | 2024-05-07 | Cynthia Fascenelli Kirkeby | System and methods for authenticating tangible products |
KR102140340B1 (ko) | 2018-10-18 | 2020-07-31 | 엔에이치엔 주식회사 | 컨볼루션 뉴럴 네트워크를 통해 이미지 위변조를 탐지하는 시스템 및 이를 이용하여 무보정 탐지 서비스를 제공하는 방법 |
US11443165B2 (en) * | 2018-10-18 | 2022-09-13 | Deepnorth Inc. | Foreground attentive feature learning for person re-identification |
KR102157375B1 (ko) * | 2018-10-18 | 2020-09-17 | 엔에이치엔 주식회사 | 딥러닝 기반 이미지 보정 탐지 시스템 및 이를 이용하여 무보정 탐지 서비스를 제공하는 방법 |
DE102018217901A1 (de) * | 2018-10-18 | 2020-04-23 | Leica Microsystems Cms Gmbh | Optimierung von Arbeitsabläufen von Mikroskopen |
EP3867919A4 (en) * | 2018-10-19 | 2022-08-31 | F. Hoffmann-La Roche AG | DEFECT DETECTION IN LYOPHILIZED MEDICINAL PRODUCTS USING NEURAL CONVOLUTIONAL NETWORKS |
CN109448007B (zh) * | 2018-11-02 | 2020-10-09 | 北京迈格威科技有限公司 | 图像处理方法、图像处理装置及存储介质 |
KR20230172608A (ko) * | 2018-11-07 | 2023-12-22 | 트러스티즈 오브 터프츠 칼리지 | 표면 식별을 위한 원자힘 현미경 |
CN109253985B (zh) * | 2018-11-28 | 2022-01-11 | 东北林业大学 | 基于神经网络的近红外光谱识别古筝面板用木材等级的方法 |
KR102178444B1 (ko) * | 2018-12-19 | 2020-11-13 | 주식회사 포스코 | 미세 조직 분석 장치 |
US10372573B1 (en) * | 2019-01-28 | 2019-08-06 | StradVision, Inc. | Method and device for generating test patterns and selecting optimized test patterns among the test patterns in order to verify integrity of convolution operations to enhance fault tolerance and fluctuation robustness in extreme situations |
CN109829501B (zh) * | 2019-02-01 | 2021-02-19 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
US10963670B2 (en) | 2019-02-06 | 2021-03-30 | Alitheon, Inc. | Object change detection and measurement using digital fingerprints |
JP2020129439A (ja) | 2019-02-07 | 2020-08-27 | 株式会社日立製作所 | 情報処理システムおよび情報処理方法 |
US11046519B2 (en) * | 2019-02-25 | 2021-06-29 | Rehrig Pacific Company | Delivery system |
CN109871906B (zh) * | 2019-03-15 | 2023-03-28 | 西安获德图像技术有限公司 | 一种基于深度卷积神经网络的管纱外观缺陷的分类方法 |
US11067501B2 (en) * | 2019-03-29 | 2021-07-20 | Inspectorio, Inc. | Fabric validation using spectral measurement |
US11227030B2 (en) | 2019-04-01 | 2022-01-18 | Wave Computing, Inc. | Matrix multiplication engine using pipelining |
US11481472B2 (en) | 2019-04-01 | 2022-10-25 | Wave Computing, Inc. | Integer matrix multiplication engine using pipelining |
EP3948628B1 (en) * | 2019-04-02 | 2024-04-24 | Cybord Ltd. | System and method for detection of counterfeit and cyber electronic components |
EP3734506A1 (en) | 2019-05-02 | 2020-11-04 | Alitheon, Inc. | Automated authentication region localization and capture |
EP3736717A1 (en) | 2019-05-10 | 2020-11-11 | Alitheon, Inc. | Loop chain digital fingerprint method and system |
EP3981008A1 (en) * | 2019-06-07 | 2022-04-13 | Leica Microsystems CMS GmbH | A system and method for processing biology-related data, a system and method for controlling a microscope and a microscope |
US10698704B1 (en) | 2019-06-10 | 2020-06-30 | Captial One Services, Llc | User interface common components and scalable integrable reusable isolated user interface |
US11392800B2 (en) | 2019-07-02 | 2022-07-19 | Insurance Services Office, Inc. | Computer vision systems and methods for blind localization of image forgery |
EP3997506A4 (en) * | 2019-07-11 | 2023-08-16 | Sensibility Pty Ltd | MACHINE LEARNING-BASED TELEPHONE IMAGING SYSTEM AND ANALYSIS METHOD |
CN110442800B (zh) * | 2019-07-22 | 2022-05-20 | 哈尔滨工程大学 | 一种融合节点属性和图结构的半监督社区发现方法 |
CN112446888A (zh) * | 2019-09-02 | 2021-03-05 | 华为技术有限公司 | 图像分割模型的处理方法和处理装置 |
US11961294B2 (en) * | 2019-09-09 | 2024-04-16 | Techinvest Company Limited | Augmented, virtual and mixed-reality content selection and display |
US11205099B2 (en) * | 2019-10-01 | 2021-12-21 | Google Llc | Training neural networks using data augmentation policies |
US11238146B2 (en) | 2019-10-17 | 2022-02-01 | Alitheon, Inc. | Securing composite objects using digital fingerprints |
US11151583B2 (en) * | 2019-10-21 | 2021-10-19 | Entrupy Inc. | Shoe authentication device and authentication process |
US11200659B2 (en) | 2019-11-18 | 2021-12-14 | Stmicroelectronics (Rousset) Sas | Neural network training device, system and method |
US11501424B2 (en) | 2019-11-18 | 2022-11-15 | Stmicroelectronics (Rousset) Sas | Neural network training device, system and method |
US10846436B1 (en) | 2019-11-19 | 2020-11-24 | Capital One Services, Llc | Swappable double layer barcode |
GB2591178B (en) * | 2019-12-20 | 2022-07-27 | Procter & Gamble | Machine learning based imaging method of determining authenticity of a consumer good |
EP3859603A1 (en) | 2020-01-28 | 2021-08-04 | Alitheon, Inc. | Depth-based digital fingerprinting |
EP3885982A3 (en) | 2020-03-23 | 2021-12-22 | Alitheon, Inc. | Hand biometrics system and method using digital fingerprints |
EP3885984A1 (en) | 2020-03-23 | 2021-09-29 | Alitheon, Inc. | Facial biometrics system and method of using digital fingerprints |
WO2021191908A1 (en) * | 2020-03-25 | 2021-09-30 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Deep learning-based anomaly detection in images |
US11948377B2 (en) | 2020-04-06 | 2024-04-02 | Alitheon, Inc. | Local encoding of intrinsic authentication data |
US20230129202A1 (en) * | 2020-04-10 | 2023-04-27 | Cybord Ltd. | System and method for assessing quality of electronic components |
US11562371B2 (en) | 2020-04-15 | 2023-01-24 | Merative Us L.P. | Counterfeit pharmaceutical and biologic product detection using progressive data analysis and machine learning |
CN111541632B (zh) * | 2020-04-20 | 2020-11-03 | 四川农业大学 | 一种基于主成分分析和残差网络的物理层认证方法 |
US11663849B1 (en) | 2020-04-23 | 2023-05-30 | Alitheon, Inc. | Transform pyramiding for fingerprint matching system and method |
CN111751133B (zh) * | 2020-06-08 | 2021-07-27 | 南京航空航天大学 | 一种基于非局部均值嵌入的深度卷积神经网络模型的智能故障诊断方法 |
FR3111218A1 (fr) | 2020-06-08 | 2021-12-10 | Cypheme | Procédé d’identification et dispositif de détection de la contrefaçon par traitement totalement automatisé des caractéristiques des produits photographiés par un appareil muni d’une caméra digitale |
WO2021250679A1 (en) * | 2020-06-13 | 2021-12-16 | Cybord Ltd | System and method for tracing components of electronic assembly |
EP3926496A1 (en) | 2020-06-17 | 2021-12-22 | Alitheon, Inc. | Asset-backed digital security tokens |
CN111783338B (zh) * | 2020-06-30 | 2023-04-21 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的微观组织金属强度分布预测方法及装置 |
CN111860672B (zh) * | 2020-07-28 | 2021-03-16 | 北京邮电大学 | 一种基于分块卷积神经网络的细粒度图像分类方法 |
IT202000020218A1 (it) * | 2020-08-17 | 2022-02-17 | Certilogo S P A | Metodo automatico per determinare l’autenticità di un prodotto |
US20220092609A1 (en) * | 2020-09-22 | 2022-03-24 | Lawrence Livermore National Security, Llc | Automated evaluation of anti-counterfeiting measures |
US20220100714A1 (en) * | 2020-09-29 | 2022-03-31 | Adobe Inc. | Lifelong schema matching |
CN112634999B (zh) * | 2020-11-30 | 2024-03-26 | 厦门大学 | 一种机器学习辅助优化梯度二氧化钛纳米管微图案的方法 |
CN112509641B (zh) * | 2020-12-04 | 2022-04-08 | 河北环境工程学院 | 一种基于深度学习监测抗生素与金属联合产物的智能方法 |
KR102588739B1 (ko) * | 2020-12-31 | 2023-10-17 | (주)넷코아테크 | 위조품 판별 서비스를 제공하는 사용자 단말, 방법 및 서버 |
EP4356316A2 (en) * | 2021-06-16 | 2024-04-24 | Microtrace, LLC | Classification using artificial intelligence strategies that reconstruct data using compression and decompression transformations |
US20230196539A1 (en) * | 2021-12-18 | 2023-06-22 | Imageprovision Technology Private Limited | Artificial intelligence based method for detection and analysis of image quality and particles viewed through a microscope |
EP4242950A1 (en) | 2022-03-10 | 2023-09-13 | Nicholas Ives | A system and a computer-implemented method for detecting counterfeit items or items which have been produced illicitly |
WO2023205526A1 (en) * | 2022-04-22 | 2023-10-26 | Outlander Capital LLC | Blockchain powered art authentication |
WO2023230130A1 (en) * | 2022-05-25 | 2023-11-30 | Oino Llc | Systems and methods for reliable authentication of jewelry and/or gemstones |
EP4328879A1 (en) | 2022-08-26 | 2024-02-28 | Alpvision SA | Systems and methods for predicting the authentication detectability of counterfeited items |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005042725A2 (en) * | 2003-11-03 | 2005-05-12 | Genenews, Inc. | Liver cancer biomarkers |
CN1295643C (zh) * | 2004-08-06 | 2007-01-17 | 上海大学 | 皮肤显微图像症状自动识别方法 |
US7958063B2 (en) * | 2004-11-11 | 2011-06-07 | Trustees Of Columbia University In The City Of New York | Methods and systems for identifying and localizing objects based on features of the objects that are mapped to a vector |
EP1846869B1 (en) * | 2005-01-27 | 2011-10-05 | Cambridge Research & Instrumentation, Inc. | Classifying image features |
US7630559B2 (en) * | 2005-11-21 | 2009-12-08 | Fuji Xerox Co., Ltd. | Confirmation system for authenticity of article and confirmation method |
US8290275B2 (en) * | 2006-01-20 | 2012-10-16 | Kansai Paint Co., Ltd. | Effective pigment identification method, identification system, identification program, and recording medium therefor |
US9799098B2 (en) * | 2007-04-24 | 2017-10-24 | Massachusetts Institute Of Technology | Method and apparatus for image processing |
US9195898B2 (en) * | 2009-04-14 | 2015-11-24 | Qualcomm Incorporated | Systems and methods for image recognition using mobile devices |
US20120253792A1 (en) * | 2011-03-30 | 2012-10-04 | Nec Laboratories America, Inc. | Sentiment Classification Based on Supervised Latent N-Gram Analysis |
EP2724332B1 (en) * | 2011-06-23 | 2018-04-18 | Covectra, Inc. | Systems for tracking and authenticating goods |
US9290010B2 (en) * | 2011-10-06 | 2016-03-22 | AI Cure Technologies, Inc. | Method and apparatus for fractal identification |
US8893973B2 (en) * | 2012-04-06 | 2014-11-25 | Wayne Shaffer | Coded articles and systems and methods of identification of the same |
CN103679185B (zh) * | 2012-08-31 | 2017-06-16 | 富士通株式会社 | 卷积神经网络分类器系统、其训练方法、分类方法和用途 |
CN103077399B (zh) * | 2012-11-29 | 2016-02-17 | 西交利物浦大学 | 基于集成级联架构的生物显微图像分类方法 |
US20140279613A1 (en) * | 2013-03-14 | 2014-09-18 | Verizon Patent And Licensing, Inc. | Detecting counterfeit items |
CN103632154B (zh) * | 2013-12-16 | 2018-02-02 | 福建师范大学 | 基于二次谐波图像纹理分析的皮肤瘢痕图像判断方法 |
-
2015
- 2015-04-09 US US15/302,866 patent/US20170032285A1/en not_active Abandoned
- 2015-04-09 JP JP2017504609A patent/JP6767966B2/ja active Active
- 2015-04-09 EP EP15777101.5A patent/EP3129896B1/en active Active
- 2015-04-09 CN CN201580031079.7A patent/CN106462549B/zh active Active
- 2015-04-09 WO PCT/US2015/025131 patent/WO2015157526A1/en active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022239671A1 (ja) * | 2021-05-11 | 2022-11-17 | ブラザー工業株式会社 | 画像処理方法、コンピュータプログラム、画像処理装置、および、訓練方法 |
CN115100210A (zh) * | 2022-08-29 | 2022-09-23 | 山东艾克赛尔机械制造有限公司 | 一种基于汽车零部件防伪识别方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2015157526A1 (en) | 2015-10-15 |
US20170032285A1 (en) | 2017-02-02 |
CN106462549A (zh) | 2017-02-22 |
EP3129896B1 (en) | 2024-02-14 |
JP2017520864A (ja) | 2017-07-27 |
CN106462549B (zh) | 2020-02-21 |
EP3129896C0 (en) | 2024-02-14 |
EP3129896A4 (en) | 2017-11-29 |
EP3129896A1 (en) | 2017-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6767966B2 (ja) | 微視的差異からの機械学習を使用する物体の真贋鑑定 | |
Satpathy et al. | LBP-based edge-texture features for object recognition | |
US20200117886A1 (en) | Fast, embedded, hybrid video face recognition system | |
Jin et al. | Tracking with deep neural networks | |
Zawbaa et al. | Automatic fruit image recognition system based on shape and color features | |
Lin et al. | Image retrieval and classification using adaptive local binary patterns based on texture features | |
Alonso‐Fernandez et al. | Facial masks and soft‐biometrics: Leveraging face recognition CNNs for age and gender prediction on mobile ocular images | |
Wei et al. | Visual descriptors for scene categorization: experimental evaluation | |
Hussain et al. | A comprehensive study of the effect of spatial resolution and color of digital images on vehicle classification | |
Fidler et al. | Learning a hierarchical compositional shape vocabulary for multi-class object representation | |
Thubsaeng et al. | Vehicle logo detection using convolutional neural network and pyramid of histogram of oriented gradients | |
Hotta | Local co-occurrence features in subspace obtained by KPCA of local blob visual words for scene classification | |
Zhao et al. | Combining multiple SVM classifiers for adult image recognition | |
Li et al. | Learning cascaded shared-boost classifiers for part-based object detection | |
Kuang et al. | MutualCascade method for pedestrian detection | |
Han et al. | Biomedical imaging modality classification using combined visual features and textual terms | |
Winarno et al. | Analysis of color features performance using support vector machine with multi-kernel for batik classification. | |
Vashisth et al. | Histogram of Oriented Gradients based reduced feature for traffic sign recognition | |
CN113642540B (zh) | 一种基于胶囊网络的人脸表情识别方法及装置 | |
Zhang et al. | RO-SVM: Support Vector Machine with Reject Option for Image Categorization. | |
Dalara et al. | Entity Recognition in Indian Sculpture using CLAHE and machine learning | |
Bianco et al. | CURL: Image classification using co-training and unsupervised representation learning | |
Hosny et al. | Fast and accurate face recognition system using MORSCMs-LBP on embedded circuits | |
Eragi et al. | Human identity recognition based on facial images: Via supervised autoencoder features representation | |
El-Naggar et al. | Image Quality Assessment for Effective Ear Recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180119 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190204 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190419 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20190917 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200115 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20200115 |
|
C11 | Written invitation by the commissioner to file amendments |
Free format text: JAPANESE INTERMEDIATE CODE: C11 Effective date: 20200128 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20200305 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20200310 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20200327 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20200331 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20200526 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20200804 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20200901 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20200901 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200918 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6767966 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |