JP2018537798A - データセットの半自動ラベル付け - Google Patents
データセットの半自動ラベル付け Download PDFInfo
- Publication number
- JP2018537798A JP2018537798A JP2018536348A JP2018536348A JP2018537798A JP 2018537798 A JP2018537798 A JP 2018537798A JP 2018536348 A JP2018536348 A JP 2018536348A JP 2018536348 A JP2018536348 A JP 2018536348A JP 2018537798 A JP2018537798 A JP 2018537798A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- user
- images
- model
- labeling
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06V10/7753—Incorporation of unlabelled data, e.g. multiple instance learning [MIL]
-
- 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
- G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
-
- 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
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/046—Forward inferencing; Production systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
-
- 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
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Nonlinear Science (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Image Analysis (AREA)
Abstract
Description
1.(量およびラベルに関して)可能な限り最も類似するデータ上でモデルを事前訓練する。
2.目標データを事前訓練されたモデルを用いてモデリングする。
3.ユーザによるレビュー用に、モデリングされた目標データを作成する。
4.タグ付けされた特徴セットを閲覧および編集するためにユーザに効率的なインターフェースを提示する。
5.十分なデータおよびモデル品質が達成されるまで、検証済み/修正済みのラベル付けを用いてステップ2からサイクルを繰り返す。
6.ラベル付けされたデータセットまたは特徴セットのいくつか/すべてを使用して、十分なデータおよびモデル品質が達成されるまで最新の特徴抽出モデルを微調整する。
3.ユーザによるレビュー用に、モデリングされたフルデータを作成する。
4.ラベル付けされた特徴セットをレビューするためにユーザにクエリを提示する。
・任意の既存のラベルを最大限に活用してプロセスを初期化すること。最悪の場合、ラベルは無用であり、教師なし初期化が実施される。そうでなければ、教師ありモデルは、利用可能ないかなるラベル上でも訓練され得る。
・モデルが何をしているかをユーザが理解できるように、抽出された特徴の可視化を最適化すること。実際の特徴は、高次元空間(すなわち>1000次元)内に存在するため、それらは、できる限り多くの情報を維持しながら2次元または3次元まで低減される必要がある。この可視化をリアルタイムで実施することは、大きな利益をもたらす。
・次の訓練反復に最大の利益をもたらすように、データの一部分を再ラベル付けすること。1つの手法は、モデルが、モデル訓練中に「最も紛らわしい」と思われた画像/画像クラスタのランク付けリストをユーザに与えることである。
・新しいユーザ入力を考慮するためにモデルの再訓練を最適化すること。最も簡単な場合、ユーザが、モデルが再訓練されるべきであると考える程度を特定する。これは、再訓練がどれくらい表現的であるか、およびそれにどれくらいの時間がかかるのかに影響する。モデルに与えられる新しい情報を活用するには十分な表現性が必要とされるが、新しいデータを過剰適合するほどではない。
・各反復に対してモデルの実際の性能を評価する。通常、データの一部分は訓練に使用されないため、モデルの性能は、その部分に対して評価され得る。しかしながら、訓練のために少量の最近再ラベル付けされたデータの一部を使用しないことは、再ラベル付けサイクルの速度を大幅に遅くする場合がある。うまくこの2つの間の均衡を取らなければならない。
・事前訓練された畳み込みニューラルネットワーク
・GPUにわたって並列処理することによって特徴を抽出する
・次元縮小のための主成分分析(PCA)これは、t−distributed stochastic neighbour embedding(tSNE)では特に適しており、ベイジアンセットでは、PCAはあまり適していない場合がある。tSNEが十分に高速である場合は、次元縮小が不必要な場合さえある。
・k平均法クラスタリングアルゴリズムを用いて重心のシード値を設定するための特徴セット調査
・k平均法重心に対するt−distributed stochastic neighbour embedding(tSNE)
・クラスタが中心として重心を有する円で表され、画像数が直径によって表され、色として最も多いクラス色を有する、tSNEのクラスタプロットを用いたグラフィックユーザインターフェース(GUI)
・ラベルを検証/編集するために100までの画像のGUIグリッド
・畳み込みニューラルネットワークに適用されるベイジアンセット
・モデルのsoftmax微調整
・モデルのSiamese微調整
・モデルのtriplet loss微調整
事前訓練された畳み込みニューラルネットワークは、例えば、ImageNet集からの画像上で訓練されてもよい。
・損傷車両が全損である場合は、新しい車両
・大きな修理が必要な場合は、代車
・大きな修理が必要な場合は、都合よい能力および価格の修理店
・大きな修理が必要な場合は、都合よいサプライヤからの早期部品調達のための代替部品
・軽い損傷が発生した場合には(例えば、フロントガラスの傷の修理)、オンサイト修理
最初の損害発生通知よりも後の時点で、例えば警察官または救急隊員などの公的サービスが立ち去った後、または車両ボディ取扱店もしくは他の専門施設において、修理見積もりのために画像が供給され得る。修理見積もりの出力事後分布は、例えば、修理見積もりの95%信頼区間、または廃車の確率のよりよい見通しをつけるために生成され得る。修理見積もりプロセスは、例えば、モデルによって得られた見積もりが低い信頼性しか有しない場合、または微妙なケースの場合には、見積もりを人間のオペレータに引き渡すことによって、機械/人間によりデュアル生成され得る。保険契約者以外の関係者が、画像を撮影することができる(例えば、損傷車両の同乗者、事故に関与した相手方、警察官、救急車/救急隊員、損害査定人/評価者、保険業者代理人、ブローカ、事務弁護士、修理屋従業員)。修理見積もりのために提供された画像は、カメラまたは他の写真デバイスからのものであってよい。支払い請求の意欲を妨げるために超過値および/または予期される保険料の増額などの他の関連情報が、保険契約者に提供され得る。
・支払い請求を管理するための管理費を低減する。
・適切な保険料増額の正確な概算または少なくとも良好な概算を提供することによって、支払い請求率(損害率)を低減する。
・素早く処理すること、および高額なけがの支払い請求の機会を減少させることによって支払い請求額を低減する。
・(特定の国では)保険契約者を管理良好な修理チェーンに直接送ることによって、無過失の支払い請求額を低減する。
・稼働時間を減少させる。
・顧客維持を増大させる。
・潜在顧客に保険業者を切り替える動機を与える。
・画像の不正および他の不正を防止および検出するための特徴
・誰の過失であるかを決定する特徴、および/または
・保険業者による処理のため、相手方の自動車の画像および/または衝突に関与した所有物を撮影および分析するための特徴
本発明は、単に例としてのみ上に説明されており、詳細事項の変更が本発明の範囲内で行われ得るということを理解されたい。
Claims (33)
- 分類または回帰のための機械学習モデルを用いて、ラベル付けされていないかまたは部分的にラベル付けされた目標データセットをモデリングする方法であって、
前記目標データセットを前記機械学習モデルによって処理することと、
ラベル付けまたはラベル検証のためのユーザに対する提示用に前記目標データセットのサブグループを作成することと、
前記サブグループのラベル検証またはユーザ再ラベル付けまたはユーザラベル付けを受信することと、
更新された目標データセットを前記機械学習モデルによって再処理することと、
を含む、方法。 - 前記機械学習アルゴリズムが、畳み込みニューラルネットワーク、サポートベクタマシン、ランダムフォレスト、またはニューラルネットワークである、請求項1に記載の方法。
- 前記目標データセットの目標とされるサブグループを、その目標とされるサブグループのラベル付けおよびラベル検証のためのユーザに対する目標を定めた提示用に、決定することをさらに含む、請求項1または2に記載の方法。
- 前記作成することが、複数の代表データインスタンスを決定することと、それらの代表データインスタンスのみのクラスタプロットを作成して、そのクラスタプロットを提示することと、を含む、請求項1から3のいずれかに記載の方法。
- 前記複数の代表データインスタンスが、特徴空間内で決定される、請求項4に記載の方法。
- 前記複数の代表データインスタンスが、入力空間内で決定される、請求項4に記載の方法。
- 前記複数の代表データインスタンスがサンプリングによって決定される、請求項4から6のいずれかに記載の方法。
- 前記作成することが、前記複数の代表データインスタンスの2次元または3次元への次元縮小を含む、請求項4から7のいずれかに記載の方法。
- 前記次元縮小が、t−SNE(t−distributed stochastic neighbour embedding)によるものである、請求項8に記載の方法。
- 前記作成することが、グリッド内に複数の画像を作成して、そのグリッドを提示することを含む、請求項1から9のいずれかに記載の方法。
- 前記作成することが、1つまたは複数の選択されたデータインスタンスに類似するデータインスタンスをベイジアンセット法により特定して、それらの類似するデータインスタンスを提示することを含む、請求項1から10のいずれかに記載の方法。
- 機械学習モデルを用いて車両損傷修理を見積もるための計算モデルを生成する方法であって、
ラベル付けされていない複数の車両画像を受信することと、
前記車両画像を前記機械学習モデルによって処理することと、
ラベル付けまたはラベル検証のためのユーザに対する提示用に前記車両画像のサブグループを作成することと、
前記サブグループのラベル検証またはユーザ再ラベル付けまたはユーザラベル付けを受信することと、
前記複数の車両画像を前記機械学習モデルによって再処理することと、
を含む、方法。 - 前記車両画像の目標とされるサブグループをその目標とされるサブグループのラベル付けおよびラベル検証のためのユーザに対する目標を定めた提示用に、決定することをさらに含む、請求項12に記載の方法。
- 前記作成することが、請求項4から11のいずれかに記載のステップのうちのいずれかを含む、請求項12または13に記載の方法。
- 前記ラベル付けされていない複数の車両画像とともに複数の非車両画像を受信することと、
前記車両画像とともに前記非車両画像を前記機械学習モデルによって処理することと、
検証のためのユーザに対する提示用に前記非車両画像を作成することと、
前記非車両画像の検証を受信することと、
前記非車両画像を削除して、ラベル付けされていない複数の車両画像を生成することとをさらに含む、請求項12から14のいずれかに記載の方法。 - 前記車両画像のサブグループがすべて、特定の車両部分を示す、請求項12から15のいずれかに記載の方法。
- 前記車両画像のサブグループがすべて、損傷状態にある特定の車両部分を示す、請求項12から16のいずれかに記載の方法。
- 前記車両画像のサブグループがすべて、修理が可能である損傷状態にある特定の車両部分を示す、請求項12から17のいずれかに記載の方法。
- 前記車両画像のサブグループがすべて、交換が適している損傷状態にある特定の車両部分を示す、請求項12から17のいずれかに記載の方法。
- 請求項12から19のいずれかに記載の方法によって生成された、車両損傷修理を見積もるための計算モデル。
- 画像から1つまたは複数の損傷部分を特定し、
前記損傷部分は、修理が可能であるのか、または交換が適しているのかを特定し、
前記車両損傷に対する修理費見積もりを計算することによって、修理費見積もりを計算するように適合されている、請求項20に記載の計算モデル。 - 前記修理費見積もりの確実性を計算するようにさらに適合されている、請求項21に記載の計算モデル。
- 廃車の推奨を決定するようにさらに適合されている、請求項21または22に記載の計算モデル。
- 損傷車両の複数の画像を条件とするその出力を計算して、車両損傷修理を見積もるようにさらに適合されている、請求項21から23のいずれかに記載の計算モデル。
- 内部損傷の見積もりを計算するようにさらに適合されている、請求項21から24のいずれかに記載の計算モデル。
- 1つまたは複数のさらなる画像をユーザから要求するようにさらに適合されている、請求項21から25のいずれかに記載の計算モデル。
- 請求項20から26のいずれかに記載の計算モデルを生成するように適合されているソフトウェア。
- 請求項20から26のいずれかに記載の計算モデルを生成するように適合されているプロセッサ。
- 実質的に、本明細書に説明されるような、および/または添付の図面を参照して例証されるような、データをモデリングする方法。
- 実質的に、本明細書に説明されるような、および/または添付の図面を参照して例証されるような、車両損傷修理を見積もるための計算モデルを生成する方法。
- 実質的に、本明細書に説明されるような、および/または添付の図面を参照して例証されるような、計算モデル。
- 実質的に、本明細書に説明されるような、および/または添付の図面を参照して例証されるような、データをモデリングするためのソフトウェア。
- 実質的に、本明細書に説明されるような、および/または添付の図面を参照して例証されるような、データをモデリングするためのシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022048334A JP2022091875A (ja) | 2015-10-02 | 2022-03-24 | データセットの半自動ラベル付け |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1517462.6 | 2015-10-02 | ||
GBGB1517462.6A GB201517462D0 (en) | 2015-10-02 | 2015-10-02 | Semi-automatic labelling of datasets |
PCT/GB2016/053071 WO2017055878A1 (en) | 2015-10-02 | 2016-10-03 | Semi-automatic labelling of datasets |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022048334A Division JP2022091875A (ja) | 2015-10-02 | 2022-03-24 | データセットの半自動ラベル付け |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018537798A true JP2018537798A (ja) | 2018-12-20 |
JP2018537798A5 JP2018537798A5 (ja) | 2019-11-07 |
JP7048499B2 JP7048499B2 (ja) | 2022-04-05 |
Family
ID=54606017
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018536348A Active JP7048499B2 (ja) | 2015-10-02 | 2016-10-03 | データセットの半自動ラベル付け |
JP2022048334A Pending JP2022091875A (ja) | 2015-10-02 | 2022-03-24 | データセットの半自動ラベル付け |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022048334A Pending JP2022091875A (ja) | 2015-10-02 | 2022-03-24 | データセットの半自動ラベル付け |
Country Status (8)
Country | Link |
---|---|
US (1) | US20180300576A1 (ja) |
EP (1) | EP3357002A1 (ja) |
JP (2) | JP7048499B2 (ja) |
KR (1) | KR20180118596A (ja) |
CN (1) | CN108885700A (ja) |
AU (2) | AU2016332947B2 (ja) |
GB (1) | GB201517462D0 (ja) |
WO (1) | WO2017055878A1 (ja) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019197167A (ja) * | 2018-05-10 | 2019-11-14 | 日本放送協会 | 音声特性処理装置、音声認識装置およびプログラム |
JP2020504856A (ja) * | 2017-04-11 | 2020-02-13 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | 画像に基づく車両損傷判定方法、装置および電子デバイス |
JP2020517015A (ja) * | 2017-04-11 | 2020-06-11 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | ピクチャベースの車両損害査定の方法および装置、ならびに電子デバイス |
WO2020183979A1 (ja) * | 2019-03-11 | 2020-09-17 | Necソリューションイノベータ株式会社 | 学習装置、学習方法及び非一時的なコンピュータ可読媒体 |
WO2020194961A1 (ja) * | 2019-03-28 | 2020-10-01 | パナソニックIpマネジメント株式会社 | 識別情報付与装置、識別情報付与方法、及びプログラム |
JP2020187749A (ja) * | 2019-05-10 | 2020-11-19 | コントロールエキスパート ゲーエムベーハーControlExpert GmbH | 自動車の損傷度を査定する方法 |
JP2021056591A (ja) * | 2019-09-27 | 2021-04-08 | 楽天株式会社 | 教師データ生成システム、教師データ生成方法、及びプログラム |
US11049334B2 (en) | 2017-04-11 | 2021-06-29 | Advanced New Technologies Co., Ltd. | Picture-based vehicle loss assessment |
JP2022516518A (ja) * | 2019-05-21 | 2022-02-28 | 北京市商▲湯▼科技▲開▼▲発▼有限公司 | ニューラルネットワークをトレーニングする方法及び装置、画像を処理する方法及び装置 |
WO2022158026A1 (ja) * | 2021-01-19 | 2022-07-28 | Soinn株式会社 | 情報処理装置、情報処理方法及び非一時的なコンピュータ可読媒体 |
JP2022537858A (ja) * | 2018-12-31 | 2022-08-31 | アジャイルソーダ インコーポレイテッド | ディープラーニングに基づいた自動車部位別の破損程度の自動判定のためのモデル学習方法およびシステム |
JP2022539559A (ja) * | 2019-07-03 | 2022-09-12 | オカド・イノベーション・リミテッド | 損傷検出装置及び方法 |
JP2022545030A (ja) * | 2019-11-14 | 2022-10-24 | エヌイーシー ラボラトリーズ アメリカ インク | 複数のデータセットからの訓練による物体検出 |
WO2022249518A1 (ja) * | 2021-05-28 | 2022-12-01 | 株式会社ブリヂストン | 情報処理装置、情報処理方法、情報処理プログラム、及び学習モデル生成装置 |
US20220383420A1 (en) * | 2021-05-27 | 2022-12-01 | GM Global Technology Operations LLC | System for determining vehicle damage and drivability and for connecting to remote services |
US11544914B2 (en) | 2021-02-18 | 2023-01-03 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
WO2023008171A1 (ja) * | 2021-07-30 | 2023-02-02 | 富士フイルム株式会社 | データ作成装置、データ作成方法、プログラムおよび記録媒体 |
US11971953B2 (en) | 2021-02-02 | 2024-04-30 | Inait Sa | Machine annotation of photographic images |
US11983836B2 (en) | 2021-02-18 | 2024-05-14 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
Families Citing this family (125)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10565225B2 (en) * | 2016-03-04 | 2020-02-18 | International Business Machines Corporation | Exploration and navigation of a content collection |
US11961341B2 (en) | 2016-04-19 | 2024-04-16 | Mitchell International, Inc. | Systems and methods for determining likelihood of incident relatedness for diagnostic trouble codes |
US10152836B2 (en) | 2016-04-19 | 2018-12-11 | Mitchell International, Inc. | Systems and methods for use of diagnostic scan tool in automotive collision repair |
US10825097B1 (en) * | 2016-12-23 | 2020-11-03 | State Farm Mutual Automobile Insurance Company | Systems and methods for utilizing machine-assisted vehicle inspection to identify insurance buildup or fraud |
US10970605B2 (en) * | 2017-01-03 | 2021-04-06 | Samsung Electronics Co., Ltd. | Electronic apparatus and method of operating the same |
US10657707B1 (en) * | 2017-01-09 | 2020-05-19 | State Farm Mutual Automobile Insurance Company | Photo deformation techniques for vehicle repair analysis |
US10510142B1 (en) * | 2017-01-13 | 2019-12-17 | United Services Automobile Association (Usaa) | Estimation using image analysis |
EP3385884A1 (en) * | 2017-04-04 | 2018-10-10 | Siemens Aktiengesellschaft | Method for recognising an oject of a mobile unit |
CN111914692B (zh) | 2017-04-28 | 2023-07-14 | 创新先进技术有限公司 | 车辆定损图像获取方法及装置 |
CN107180413B (zh) | 2017-05-05 | 2019-03-15 | 平安科技(深圳)有限公司 | 车损图片角度纠正方法、电子装置及可读存储介质 |
CN106971556B (zh) * | 2017-05-16 | 2019-08-02 | 中山大学 | 基于双网络结构的卡口车辆重识别方法 |
US11468286B2 (en) * | 2017-05-30 | 2022-10-11 | Leica Microsystems Cms Gmbh | Prediction guided sequential data learning method |
JP6695502B2 (ja) * | 2017-05-31 | 2020-05-20 | Eizo株式会社 | 手術器具検出システムおよびコンピュータプログラム |
US11250515B1 (en) * | 2017-06-09 | 2022-02-15 | Liberty Mutual Insurance Company | Self-service claim automation using artificial intelligence |
US10762385B1 (en) * | 2017-06-29 | 2020-09-01 | State Farm Mutual Automobile Insurance Company | Deep learning image processing method for determining vehicle damage |
CN107610091A (zh) * | 2017-07-31 | 2018-01-19 | 阿里巴巴集团控股有限公司 | 车险图像处理方法、装置、服务器及系统 |
US11120480B2 (en) * | 2017-09-14 | 2021-09-14 | Amadeus S.A.S. | Systems and methods for real-time online traveler segmentation using machine learning |
US11783422B1 (en) | 2017-09-27 | 2023-10-10 | State Farm Mutual Automobile Insurance Company | Implementing machine learning for life and health insurance claims handling |
CA3081643A1 (en) * | 2017-11-06 | 2019-05-09 | University Health Network | Platform, device and process for annotation and classification of tissue specimens using convolutional neural network |
CN111328401B (zh) * | 2017-11-08 | 2023-10-10 | 西门子股份公司 | 用于在计算单元中进行机器学习的方法和设备 |
CN108021931A (zh) | 2017-11-20 | 2018-05-11 | 阿里巴巴集团控股有限公司 | 一种数据样本标签处理方法及装置 |
CN108268619B (zh) | 2018-01-08 | 2020-06-30 | 阿里巴巴集团控股有限公司 | 内容推荐方法及装置 |
CN108446817B (zh) | 2018-02-01 | 2020-10-02 | 阿里巴巴集团控股有限公司 | 确定业务对应的决策策略的方法、装置和电子设备 |
US10984503B1 (en) | 2018-03-02 | 2021-04-20 | Autodata Solutions, Inc. | Method and system for vehicle image repositioning using machine learning |
US11270168B1 (en) * | 2018-03-02 | 2022-03-08 | Autodata Solutions, Inc. | Method and system for vehicle image classification |
WO2019171120A1 (en) * | 2018-03-05 | 2019-09-12 | Omron Corporation | Method for controlling driving vehicle and method and device for inferring mislabeled data |
WO2019203924A1 (en) * | 2018-04-16 | 2019-10-24 | Exxonmobil Research And Engineering Company | Automation of visual machine part ratings |
US10754324B2 (en) * | 2018-05-09 | 2020-08-25 | Sikorsky Aircraft Corporation | Composite repair design system |
US11669724B2 (en) * | 2018-05-17 | 2023-06-06 | Raytheon Company | Machine learning using informed pseudolabels |
US10713769B2 (en) * | 2018-06-05 | 2020-07-14 | Kla-Tencor Corp. | Active learning for defect classifier training |
US20210125004A1 (en) * | 2018-06-07 | 2021-04-29 | Element Ai Inc. | Automated labeling of data with user validation |
CN108764372B (zh) * | 2018-06-08 | 2019-07-16 | Oppo广东移动通信有限公司 | 数据集的构建方法和装置、移动终端、可读存储介质 |
DE102018114231A1 (de) * | 2018-06-14 | 2019-12-19 | Connaught Electronics Ltd. | Verfahren und System zum Erfassen von Objekten unter Verwendung mindestens eines Bildes eines Bereichs von Interesse (ROI) |
US11120574B1 (en) | 2018-06-15 | 2021-09-14 | State Farm Mutual Automobile Insurance Company | Methods and systems for obtaining image data of a vehicle for automatic damage assessment |
US10832065B1 (en) | 2018-06-15 | 2020-11-10 | State Farm Mutual Automobile Insurance Company | Methods and systems for automatically predicting the repair costs of a damaged vehicle from images |
US11238506B1 (en) | 2018-06-15 | 2022-02-01 | State Farm Mutual Automobile Insurance Company | Methods and systems for automatic processing of images of a damaged vehicle and estimating a repair cost |
CN109002843A (zh) * | 2018-06-28 | 2018-12-14 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
KR102631031B1 (ko) * | 2018-07-27 | 2024-01-29 | 삼성전자주식회사 | 반도체 장치의 불량 검출 방법 |
CN110569856B (zh) | 2018-08-24 | 2020-07-21 | 阿里巴巴集团控股有限公司 | 样本标注方法及装置、损伤类别的识别方法及装置 |
CN109272023B (zh) * | 2018-08-27 | 2021-04-27 | 中国科学院计算技术研究所 | 一种物联网迁移学习方法和系统 |
CN110570316A (zh) | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 训练损伤识别模型的方法及装置 |
CN110569696A (zh) | 2018-08-31 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 用于车辆部件识别的神经网络系统、方法和装置 |
CN110569864A (zh) | 2018-09-04 | 2019-12-13 | 阿里巴巴集团控股有限公司 | 基于gan网络的车损图像生成方法和装置 |
CN110569699B (zh) * | 2018-09-07 | 2020-12-29 | 创新先进技术有限公司 | 对图片进行目标采样的方法及装置 |
US11816641B2 (en) * | 2018-09-21 | 2023-11-14 | Ttx Company | Systems and methods for task distribution and tracking |
CA3115061A1 (en) * | 2018-10-03 | 2020-04-09 | Pascal STUCKI | Apparatus and method for combined visual intelligence |
WO2020071559A1 (ja) * | 2018-10-05 | 2020-04-09 | Arithmer株式会社 | 車両状態判定装置、その判定プログラムおよびその判定方法 |
JP7022674B2 (ja) * | 2018-10-12 | 2022-02-18 | 一般財団法人日本自動車研究所 | 衝突傷害予測モデル作成方法、衝突傷害予測方法、衝突傷害予測システム及び先進事故自動通報システム |
US11475248B2 (en) | 2018-10-30 | 2022-10-18 | Toyota Research Institute, Inc. | Auto-labeling of driving logs using analysis-by-synthesis and unsupervised domain adaptation |
US11100364B2 (en) * | 2018-11-19 | 2021-08-24 | Cisco Technology, Inc. | Active learning for interactive labeling of new device types based on limited feedback |
KR20200068043A (ko) * | 2018-11-26 | 2020-06-15 | 전자부품연구원 | 영상 기계학습을 위한 객체 gt 정보 생성 방법 및 시스템 |
US11748393B2 (en) * | 2018-11-28 | 2023-09-05 | International Business Machines Corporation | Creating compact example sets for intent classification |
CN111339396B (zh) * | 2018-12-18 | 2024-04-16 | 富士通株式会社 | 提取网页内容的方法、装置和计算机存储介质 |
CN109711319B (zh) * | 2018-12-24 | 2023-04-07 | 安徽高哲信息技术有限公司 | 一种粮食不完善粒图像识别样本库建立的方法及系统 |
KR102223687B1 (ko) * | 2018-12-28 | 2021-03-04 | 사단법인 한국인지과학산업협회 | 기계 학습 데이터 선택 방법 및 장치 |
KR102097120B1 (ko) * | 2018-12-31 | 2020-04-09 | 주식회사 애자일소다 | 딥러닝 기반의 자동차 부위별 파손정도 자동 판정 시스템 및 방법 |
US11481578B2 (en) * | 2019-02-22 | 2022-10-25 | Neuropace, Inc. | Systems and methods for labeling large datasets of physiological records based on unsupervised machine learning |
CN109902765A (zh) * | 2019-03-22 | 2019-06-18 | 北京滴普科技有限公司 | 一种支持人工智能的智能云标记方法 |
US11475187B2 (en) * | 2019-03-22 | 2022-10-18 | Optimal Plus Ltd. | Augmented reliability models for design and manufacturing |
US11100917B2 (en) * | 2019-03-27 | 2021-08-24 | Adobe Inc. | Generating ground truth annotations corresponding to digital image editing dialogues for training state tracking models |
DE102019108722A1 (de) * | 2019-04-03 | 2020-10-08 | Bayerische Motoren Werke Aktiengesellschaft | Videoverarbeitung für maschinelles Lernen |
CN110135263A (zh) * | 2019-04-16 | 2019-08-16 | 深圳壹账通智能科技有限公司 | 人像属性模型构建方法、装置、计算机设备和存储介质 |
US11531875B2 (en) * | 2019-05-14 | 2022-12-20 | Nasdaq, Inc. | Systems and methods for generating datasets for model retraining |
US11170264B2 (en) * | 2019-05-31 | 2021-11-09 | Raytheon Company | Labeling using interactive assisted segmentation |
CA3141144A1 (en) | 2019-06-06 | 2020-12-10 | Home Depot International, Inc. | Optimizing training data for image classification |
US10997466B2 (en) | 2019-06-21 | 2021-05-04 | Straxciro Pty. Ltd. | Method and system for image segmentation and identification |
US11100368B2 (en) * | 2019-06-25 | 2021-08-24 | GumGum, Inc. | Accelerated training of an image classifier |
CN110321952B (zh) * | 2019-07-02 | 2024-02-09 | 腾讯医疗健康(深圳)有限公司 | 一种图像分类模型的训练方法及相关设备 |
US11644595B2 (en) * | 2019-07-16 | 2023-05-09 | Schlumberger Technology Corporation | Geologic formation operations framework |
US11281728B2 (en) * | 2019-08-06 | 2022-03-22 | International Business Machines Corporation | Data generalization for predictive models |
US11829871B2 (en) * | 2019-08-20 | 2023-11-28 | Lg Electronics Inc. | Validating performance of a neural network trained using labeled training data |
US20210073669A1 (en) * | 2019-09-06 | 2021-03-11 | American Express Travel Related Services Company | Generating training data for machine-learning models |
US11410287B2 (en) * | 2019-09-09 | 2022-08-09 | Genpact Luxembourg S.à r.l. II | System and method for artificial intelligence based determination of damage to physical structures |
CA3150868A1 (en) * | 2019-09-18 | 2021-03-25 | Bryan Richard Davidson | Using machine learning algorithms to prepare training datasets |
EP4036931A4 (en) * | 2019-09-26 | 2023-09-20 | Lunit Inc. | TRAINING METHOD FOR SPECIALIZING AN ARTIFICIAL INTELLIGENCE MODEL IN AN INSTITUTION FOR USE AND DEVICE FOR TRAINING ARTIFICIAL INTELLIGENCE MODELS |
US11182646B2 (en) | 2019-09-27 | 2021-11-23 | Landing AI | User-generated visual guide for the classification of images |
US11797952B2 (en) | 2019-09-30 | 2023-10-24 | Mitchell International, Inc. | Automated vehicle repair estimation by adaptive ensembling of multiple artificial intelligence functions |
US11640587B2 (en) | 2019-09-30 | 2023-05-02 | Mitchell International, Inc. | Vehicle repair workflow automation with OEM repair procedure verification |
US11886514B2 (en) | 2019-10-11 | 2024-01-30 | Kinaxis Inc. | Machine learning segmentation methods and systems |
US20210110298A1 (en) * | 2019-10-15 | 2021-04-15 | Kinaxis Inc. | Interactive machine learning |
US11526899B2 (en) | 2019-10-11 | 2022-12-13 | Kinaxis Inc. | Systems and methods for dynamic demand sensing |
US20230341577A1 (en) * | 2019-10-14 | 2023-10-26 | Schlumberger Technology Corporation | Feature detection in seismic data |
KR20210048896A (ko) * | 2019-10-24 | 2021-05-04 | 엘지전자 주식회사 | 전자 장치의 용도에 부적합한 물품의 검출 |
DE102019129968A1 (de) * | 2019-11-06 | 2021-05-06 | Controlexpert Gmbh | Verfahren zur einfachen Annotation komplexer Schäden auf Bildmaterial |
WO2021093946A1 (en) | 2019-11-13 | 2021-05-20 | Car.Software Estonia As | A computer assisted method for determining training images for an image recognition algorithm from a video sequence |
US11295242B2 (en) | 2019-11-13 | 2022-04-05 | International Business Machines Corporation | Automated data and label creation for supervised machine learning regression testing |
US11710068B2 (en) | 2019-11-24 | 2023-07-25 | International Business Machines Corporation | Labeling a dataset |
US11790411B1 (en) | 2019-11-29 | 2023-10-17 | Wells Fargo Bank, N.A. | Complaint classification in customer communications using machine learning models |
KR102235588B1 (ko) * | 2019-12-09 | 2021-04-02 | 한국로봇융합연구원 | 다중 계층을 포함하는 인공지능 모델의 계층별 추론 분류 성능 평가 방법 및 평가 장치 |
EP4085400A1 (en) | 2020-01-03 | 2022-11-09 | Tractable Ltd | Method of determining damage to parts of a vehicle |
GB202017464D0 (en) * | 2020-10-30 | 2020-12-16 | Tractable Ltd | Remote vehicle damage assessment |
US11256967B2 (en) * | 2020-01-27 | 2022-02-22 | Kla Corporation | Characterization system and method with guided defect discovery |
US11537886B2 (en) | 2020-01-31 | 2022-12-27 | Servicenow Canada Inc. | Method and server for optimizing hyperparameter tuples for training production-grade artificial intelligence (AI) |
US11727285B2 (en) | 2020-01-31 | 2023-08-15 | Servicenow Canada Inc. | Method and server for managing a dataset in the context of artificial intelligence |
US11631165B2 (en) * | 2020-01-31 | 2023-04-18 | Sachcontrol Gmbh | Repair estimation based on images |
WO2021158917A1 (en) * | 2020-02-05 | 2021-08-12 | Origin Labs, Inc. | Systems and methods for ground truth dataset curation |
WO2021158952A1 (en) | 2020-02-05 | 2021-08-12 | Origin Labs, Inc. | Systems configured for area-based histopathological learning and prediction and methods thereof |
US10846322B1 (en) * | 2020-02-10 | 2020-11-24 | Capital One Services, Llc | Automatic annotation for vehicle damage |
CN111368977B (zh) * | 2020-02-28 | 2023-05-02 | 交叉信息核心技术研究院(西安)有限公司 | 一种提高卷积神经网络精确性和鲁棒性的增强数据增强方法 |
US11501165B2 (en) | 2020-03-04 | 2022-11-15 | International Business Machines Corporation | Contrastive neural network training in an active learning environment |
CN111369373B (zh) * | 2020-03-06 | 2023-05-05 | 德联易控科技(北京)有限公司 | 车辆内部损坏确定方法及装置 |
US11636338B2 (en) | 2020-03-20 | 2023-04-25 | International Business Machines Corporation | Data augmentation by dynamic word replacement |
US11423333B2 (en) | 2020-03-25 | 2022-08-23 | International Business Machines Corporation | Mechanisms for continuous improvement of automated machine learning |
KR102148884B1 (ko) * | 2020-04-02 | 2020-08-27 | 주식회사 애자일소다 | 차량의 손상 분석 시스템 및 방법 |
US11501551B2 (en) * | 2020-06-08 | 2022-11-15 | Optum Services (Ireland) Limited | Document processing optimization |
US11663486B2 (en) | 2020-06-23 | 2023-05-30 | International Business Machines Corporation | Intelligent learning system with noisy label data |
US11669590B2 (en) | 2020-07-15 | 2023-06-06 | Mitchell International, Inc. | Managing predictions for vehicle repair estimates |
US11487047B2 (en) * | 2020-07-15 | 2022-11-01 | International Business Machines Corporation | Forecasting environmental occlusion events |
US11544256B2 (en) | 2020-07-30 | 2023-01-03 | Mitchell International, Inc. | Systems and methods for automating mapping of repair procedures to repair information |
CN114092632A (zh) | 2020-08-06 | 2022-02-25 | 财团法人工业技术研究院 | 标注方法、应用其的装置、系统、方法及计算机程序产品 |
US11488117B2 (en) | 2020-08-27 | 2022-11-01 | Mitchell International, Inc. | Systems and methods for managing associations between damaged parts and non-reusable parts in a collision repair estimate |
US11727089B2 (en) | 2020-09-08 | 2023-08-15 | Nasdaq, Inc. | Modular machine learning systems and methods |
US20220147896A1 (en) * | 2020-11-06 | 2022-05-12 | International Business Machines Corporation | Strategic planning using deep learning |
CN112487973B (zh) * | 2020-11-30 | 2023-09-12 | 阿波罗智联(北京)科技有限公司 | 用户图像识别模型的更新方法和装置 |
US11645449B1 (en) | 2020-12-04 | 2023-05-09 | Wells Fargo Bank, N.A. | Computing system for data annotation |
US20220351503A1 (en) * | 2021-04-30 | 2022-11-03 | Micron Technology, Inc. | Interactive Tools to Identify and Label Objects in Video Frames |
CN113706448B (zh) * | 2021-05-11 | 2022-07-12 | 腾讯医疗健康(深圳)有限公司 | 确定图像的方法、装置、设备及存储介质 |
KR102405168B1 (ko) * | 2021-06-17 | 2022-06-07 | 국방과학연구소 | 데이터 셋 생성 방법 및 장치, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램 |
US11809375B2 (en) | 2021-07-06 | 2023-11-07 | International Business Machines Corporation | Multi-dimensional data labeling |
KR102340998B1 (ko) * | 2021-07-06 | 2021-12-20 | (주) 웨다 | 오토 레이블링 방법 및 시스템 |
US20230100179A1 (en) * | 2021-09-28 | 2023-03-30 | Varian Medical Systems, Inc. | Automated, collaborative process for ai model production |
US12002192B2 (en) | 2021-11-16 | 2024-06-04 | Solera Holdings, Llc | Transfer of damage markers from images to 3D vehicle models for damage assessment |
KR102394024B1 (ko) * | 2021-11-19 | 2022-05-06 | 서울대학교산학협력단 | 자율 주행 차량에서 객체 검출을 위한 준지도 학습 방법 및 이러한 방법을 수행하는 장치 |
US20240112043A1 (en) * | 2022-09-28 | 2024-04-04 | Bentley Systems, Incorporated | Techniques for labeling elements of an infrastructure model with classes |
CN115880565B (zh) * | 2022-12-06 | 2023-09-05 | 江苏凤火数字科技有限公司 | 一种基于神经网络的报废车辆识别方法和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013161295A (ja) * | 2012-02-06 | 2013-08-19 | Canon Inc | ラベル付加装置、ラベル付加方法及びプログラム |
WO2014103061A1 (ja) * | 2012-12-28 | 2014-07-03 | 株式会社日立製作所 | ボリュームデータ解析システム及びその方法 |
US20150254532A1 (en) * | 2014-03-07 | 2015-09-10 | Qualcomm Incorporated | Photo management |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4780889B2 (ja) * | 2000-02-15 | 2011-09-28 | 株式会社イー・エー・シー | 事故車の損傷部認識システム及びプログラム |
US20050135667A1 (en) * | 2003-12-22 | 2005-06-23 | Abb Oy. | Method and apparatus for labeling images and creating training material |
US7809587B2 (en) * | 2004-05-07 | 2010-10-05 | International Business Machines Corporation | Rapid business support of insured property using image analysis |
IT1337796B1 (it) * | 2004-05-11 | 2007-02-20 | Fausto Siri | Procedimento per il riconoscimento, l'analisi e la valutazione delle deformazioni in particolare in automezzi |
US8239220B2 (en) * | 2006-06-08 | 2012-08-07 | Injury Sciences Llc | Method and apparatus for obtaining photogrammetric data to estimate impact severity |
US7792353B2 (en) * | 2006-10-31 | 2010-09-07 | Hewlett-Packard Development Company, L.P. | Retraining a machine-learning classifier using re-labeled training samples |
US7823841B2 (en) * | 2007-06-01 | 2010-11-02 | General Electric Company | System and method for broken rail and train detection |
US8626682B2 (en) * | 2011-02-22 | 2014-01-07 | Thomson Reuters Global Resources | Automatic data cleaning for machine learning classifiers |
JP2014511530A (ja) * | 2011-02-24 | 2014-05-15 | スリーエム イノベイティブ プロパティズ カンパニー | ウェブベース材料内の不均一性の検出システム |
US8774515B2 (en) * | 2011-04-20 | 2014-07-08 | Xerox Corporation | Learning structured prediction models for interactive image labeling |
US8510196B1 (en) * | 2012-08-16 | 2013-08-13 | Allstate Insurance Company | Feedback loop in mobile damage assessment and claims processing |
CN103310223A (zh) * | 2013-03-13 | 2013-09-18 | 四川天翼网络服务有限公司 | 一种基于图像识别的车辆定损系统及方法 |
CN103258433B (zh) * | 2013-04-22 | 2015-03-25 | 中国石油大学(华东) | 一种交通视频监控中智能车牌清晰显示方法 |
CN103295027B (zh) * | 2013-05-17 | 2016-06-08 | 北京康拓红外技术股份有限公司 | 一种基于支持向量机的铁路货车挡键丢失故障识别方法 |
US9582490B2 (en) * | 2013-07-12 | 2017-02-28 | Microsoft Technolog Licensing, LLC | Active labeling for computer-human interactive learning |
CN103390171A (zh) * | 2013-07-24 | 2013-11-13 | 南京大学 | 一种安全的半监督学习方法 |
US11157550B2 (en) * | 2013-10-02 | 2021-10-26 | Hitachi, Ltd. | Image search based on feature values |
CN104517117A (zh) * | 2013-10-06 | 2015-04-15 | 青岛联合创新技术服务平台有限公司 | 智能汽车定损装置 |
CN103839078B (zh) * | 2014-02-26 | 2017-10-27 | 西安电子科技大学 | 一种基于主动学习的高光谱图像分类方法 |
CN103955462B (zh) * | 2014-03-21 | 2017-03-15 | 南京邮电大学 | 一种基于多视图和半监督学习机制的图像标注方法 |
CN104268783B (zh) * | 2014-05-30 | 2018-10-26 | 翱特信息系统(中国)有限公司 | 车辆定损估价的方法、装置和终端设备 |
CN104166706B (zh) * | 2014-08-08 | 2017-11-03 | 苏州大学 | 基于代价敏感主动学习的多标签分类器构建方法 |
CN104156438A (zh) * | 2014-08-12 | 2014-11-19 | 德州学院 | 一种基于置信度和聚类的未标记样本选择的方法 |
CN104408469A (zh) * | 2014-11-28 | 2015-03-11 | 武汉大学 | 基于图像深度学习的烟火识别方法及系统 |
CN104598813B (zh) * | 2014-12-09 | 2017-05-17 | 西安电子科技大学 | 一种基于集成学习和半监督svm的计算机入侵检测方法 |
CN104408477A (zh) * | 2014-12-18 | 2015-03-11 | 成都铁安科技有限责任公司 | 一种关键部位的故障检测方法及装置 |
CN104484682A (zh) * | 2014-12-31 | 2015-04-01 | 中国科学院遥感与数字地球研究所 | 一种基于主动深度学习的遥感图像分类方法 |
-
2015
- 2015-10-02 GB GBGB1517462.6A patent/GB201517462D0/en not_active Ceased
-
2016
- 2016-10-03 EP EP16795403.1A patent/EP3357002A1/en active Pending
- 2016-10-03 CN CN201680070416.8A patent/CN108885700A/zh active Pending
- 2016-10-03 AU AU2016332947A patent/AU2016332947B2/en active Active
- 2016-10-03 US US15/765,275 patent/US20180300576A1/en active Pending
- 2016-10-03 KR KR1020187012377A patent/KR20180118596A/ko not_active Application Discontinuation
- 2016-10-03 JP JP2018536348A patent/JP7048499B2/ja active Active
- 2016-10-03 WO PCT/GB2016/053071 patent/WO2017055878A1/en active Application Filing
-
2022
- 2022-03-24 JP JP2022048334A patent/JP2022091875A/ja active Pending
- 2022-04-05 AU AU2022202268A patent/AU2022202268A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013161295A (ja) * | 2012-02-06 | 2013-08-19 | Canon Inc | ラベル付加装置、ラベル付加方法及びプログラム |
WO2014103061A1 (ja) * | 2012-12-28 | 2014-07-03 | 株式会社日立製作所 | ボリュームデータ解析システム及びその方法 |
US20150254532A1 (en) * | 2014-03-07 | 2015-09-10 | Qualcomm Incorporated | Photo management |
WO2015134328A1 (en) * | 2014-03-07 | 2015-09-11 | Qualcomm Incorporated | Photo management |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11049334B2 (en) | 2017-04-11 | 2021-06-29 | Advanced New Technologies Co., Ltd. | Picture-based vehicle loss assessment |
JP2020517015A (ja) * | 2017-04-11 | 2020-06-11 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | ピクチャベースの車両損害査定の方法および装置、ならびに電子デバイス |
JP2020504856A (ja) * | 2017-04-11 | 2020-02-13 | アリババ・グループ・ホールディング・リミテッドAlibaba Group Holding Limited | 画像に基づく車両損傷判定方法、装置および電子デバイス |
US10817956B2 (en) | 2017-04-11 | 2020-10-27 | Alibaba Group Holding Limited | Image-based vehicle damage determining method and apparatus, and electronic device |
JP2019197167A (ja) * | 2018-05-10 | 2019-11-14 | 日本放送協会 | 音声特性処理装置、音声認識装置およびプログラム |
JP7175101B2 (ja) | 2018-05-10 | 2022-11-18 | 日本放送協会 | 音声特性処理装置、音声認識装置およびプログラム |
JP7300765B2 (ja) | 2018-12-31 | 2023-06-30 | アジャイルソーダ インコーポレイテッド | ディープラーニングに基づいた自動車部位別の破損程度の自動判定のためのモデル学習方法およびシステム |
JP2022537858A (ja) * | 2018-12-31 | 2022-08-31 | アジャイルソーダ インコーポレイテッド | ディープラーニングに基づいた自動車部位別の破損程度の自動判定のためのモデル学習方法およびシステム |
WO2020183979A1 (ja) * | 2019-03-11 | 2020-09-17 | Necソリューションイノベータ株式会社 | 学習装置、学習方法及び非一時的なコンピュータ可読媒体 |
JP7111429B2 (ja) | 2019-03-11 | 2022-08-02 | Necソリューションイノベータ株式会社 | 学習装置、学習方法及びプログラム |
JPWO2020183979A1 (ja) * | 2019-03-11 | 2021-11-25 | Necソリューションイノベータ株式会社 | 学習装置、学習方法及びプログラム |
WO2020194961A1 (ja) * | 2019-03-28 | 2020-10-01 | パナソニックIpマネジメント株式会社 | 識別情報付与装置、識別情報付与方法、及びプログラム |
EP3951616A4 (en) * | 2019-03-28 | 2022-05-11 | Panasonic Intellectual Property Management Co., Ltd. | IDENTIFICATION INFORMATION ADDING DEVICE, IDENTIFICATION INFORMATION ADDING METHOD, AND PROGRAM |
JP7390628B2 (ja) | 2019-03-28 | 2023-12-04 | パナソニックIpマネジメント株式会社 | 識別情報付与装置、識別情報付与方法、及びプログラム |
JPWO2020194961A1 (ja) * | 2019-03-28 | 2020-10-01 | ||
JP2020187749A (ja) * | 2019-05-10 | 2020-11-19 | コントロールエキスパート ゲーエムベーハーControlExpert GmbH | 自動車の損傷度を査定する方法 |
JP2022516518A (ja) * | 2019-05-21 | 2022-02-28 | 北京市商▲湯▼科技▲開▼▲発▼有限公司 | ニューラルネットワークをトレーニングする方法及び装置、画像を処理する方法及び装置 |
JP2022539559A (ja) * | 2019-07-03 | 2022-09-12 | オカド・イノベーション・リミテッド | 損傷検出装置及び方法 |
JP7362792B2 (ja) | 2019-07-03 | 2023-10-17 | オカド・イノベーション・リミテッド | 損傷検出装置及び方法 |
JP2021056591A (ja) * | 2019-09-27 | 2021-04-08 | 楽天株式会社 | 教師データ生成システム、教師データ生成方法、及びプログラム |
JP2022545030A (ja) * | 2019-11-14 | 2022-10-24 | エヌイーシー ラボラトリーズ アメリカ インク | 複数のデータセットからの訓練による物体検出 |
JP7257587B2 (ja) | 2019-11-14 | 2023-04-13 | エヌイーシー ラボラトリーズ アメリカ インク | 複数のデータセットからの訓練による物体検出 |
WO2022158026A1 (ja) * | 2021-01-19 | 2022-07-28 | Soinn株式会社 | 情報処理装置、情報処理方法及び非一時的なコンピュータ可読媒体 |
US11971953B2 (en) | 2021-02-02 | 2024-04-30 | Inait Sa | Machine annotation of photographic images |
US11544914B2 (en) | 2021-02-18 | 2023-01-03 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
US11983836B2 (en) | 2021-02-18 | 2024-05-14 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
US20220383420A1 (en) * | 2021-05-27 | 2022-12-01 | GM Global Technology Operations LLC | System for determining vehicle damage and drivability and for connecting to remote services |
WO2022249518A1 (ja) * | 2021-05-28 | 2022-12-01 | 株式会社ブリヂストン | 情報処理装置、情報処理方法、情報処理プログラム、及び学習モデル生成装置 |
WO2023008171A1 (ja) * | 2021-07-30 | 2023-02-02 | 富士フイルム株式会社 | データ作成装置、データ作成方法、プログラムおよび記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
CN108885700A (zh) | 2018-11-23 |
JP7048499B2 (ja) | 2022-04-05 |
GB201517462D0 (en) | 2015-11-18 |
AU2022202268A1 (en) | 2022-04-21 |
AU2016332947B2 (en) | 2022-01-06 |
AU2016332947A1 (en) | 2018-05-17 |
EP3357002A1 (en) | 2018-08-08 |
WO2017055878A1 (en) | 2017-04-06 |
KR20180118596A (ko) | 2018-10-31 |
US20180300576A1 (en) | 2018-10-18 |
JP2022091875A (ja) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7048499B2 (ja) | データセットの半自動ラベル付け | |
US20240087102A1 (en) | Automatic Image Based Object Damage Assessment | |
US10373262B1 (en) | Image processing system for vehicle damage | |
CN103294592B (zh) | 利用用户工具交互来自动分析其服务交付中的缺陷的方法与系统 | |
US10380696B1 (en) | Image processing system for vehicle damage | |
Shi et al. | A detection and classification approach for underwater dam cracks | |
CN112070231A (zh) | 用于机器学习性能测试和改进的数据分片 | |
CN110264444B (zh) | 基于弱分割的损伤检测方法及装置 | |
CN112613569B (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
Zipfel et al. | Anomaly detection for industrial quality assurance: A comparative evaluation of unsupervised deep learning models | |
US20190318304A1 (en) | Cognitive fashion-ability score driven fashion merchandising acquisition | |
CN110738527A (zh) | 一种特征重要性排序方法、装置、设备和存储介质 | |
US20230289887A1 (en) | Optical Fraud Detector for Automated Detection Of Fraud In Digital Imaginary-Based Automobile Claims, Automated Damage Recognition, and Method Thereof | |
Ousmane et al. | Automatic recognition system of emotions expressed through the face using machine learning: Application to police interrogation simulation | |
US20210397905A1 (en) | Classification system | |
Woolf | Deep convolutional neural networks for remote sensing investigation of looting of the archeological site of Al-Lisht, Egypt | |
CN113408546B (zh) | 基于相互全局上下文注意力机制的单样本目标检测方法 | |
CN118176515A (zh) | 车辆损坏情况评估系统和方便车辆维修或维护服务的平台 | |
Zakeri et al. | Automation and Computational Intelligence for Road Maintenance and Management: Advances and Applications | |
Sattarzadeh | Visual post-hoc Explanation of Convolutional Neural Networks via Attribution-Based Perturbation | |
US12020217B2 (en) | Systems and methods for using machine learning for vehicle damage detection and repair cost estimation | |
US20220148050A1 (en) | Systems and methods for using machine learning for vehicle damage detection and repair cost estimation | |
Egele et al. | AI Competitions and Benchmarks: Dataset Development | |
Scholz | Garbage in, Garbage out: How does ambiguity in data affect state-of-the-art pedestrian detection? | |
Raap | Vehicle Damage Detection using Semi-Supervised Object Detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190925 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190925 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201006 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210401 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211209 |
|
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: 20220201 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220301 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220324 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7048499 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |