JP2020530925A - 画像の多様化及び認識のためのニューラルスタイル変換 - Google Patents
画像の多様化及び認識のためのニューラルスタイル変換 Download PDFInfo
- Publication number
- JP2020530925A JP2020530925A JP2020504352A JP2020504352A JP2020530925A JP 2020530925 A JP2020530925 A JP 2020530925A JP 2020504352 A JP2020504352 A JP 2020504352A JP 2020504352 A JP2020504352 A JP 2020504352A JP 2020530925 A JP2020530925 A JP 2020530925A
- Authority
- JP
- Japan
- Prior art keywords
- style
- image
- neural network
- images
- trained
- 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.)
- Pending
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
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- 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
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
-
- 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
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
- Image Generation (AREA)
Abstract
Description
例示的実施形態を以下に列挙する。実施形態1〜27及び28〜35はいずれも組み合わせることができることを理解されたい。
プロセッサに、複数のデジタル画像を提供することであって、デジタル画像の各々は、認識されるオブジェクトと、オブジェクトの画像が取得された実世界条件を反映するテクスチャ又はスタイル特徴とを含む、提供することと、
前記プロセッサを介して、複数のデジタル画像を、画像のテクスチャ又はスタイル特徴に応じて異なるグループにクラスタ化することであって、グループの各々は、類似のテクスチャ又はスタイル特徴を有するデジタル画像のうちの1つ以上を含む、クラスタ化することと、
プロセッサを介して、画像のグループの各々から1つ以上の代表スタイル画像を選択することと、
プロセッサを介して、スタイル変換ニューラルネットワークを、代表スタイル画像のうちの少なくとも1つに対して訓練して、1つ以上の訓練済みスタイル変換ニューラルネットワークを取得することと、
訓練済みスタイル変換ニューラルネットワークを介して、テクスチャ又はスタイル特徴を代表画像の各々からターゲット画像に変換して、スタイル変換された画像を生成することと、
スタイル変換された画像を使用して画像認識機械学習モデルを訓練することと、を含む。
プロセッサを備え、プロセッサは、
複数のデジタル画像を受信して、デジタル画像の各々が、認識されるオブジェクトと、オブジェクトの画像が取得された実世界条件を反映するテクスチャ又はスタイル特徴とを含み、
複数のデジタル画像を、画像のテクスチャ又はスタイル特徴に応じて異なるグループにクラスタ化して、グループの各々が類似のテクスチャ又はスタイル特徴を有するデジタル画像のうちの1つ以上を含み、
画像の各グループから1つ以上の代表スタイル画像を選択し、
スタイル変換ニューラルネットワークを、代表スタイル画像のうちの少なくとも1つに対して訓練して、1つ以上の訓練済みスタイル変換ニューラルネットワークを取得する、ように構成されている、画像認識システムである。
Claims (30)
- コンピュータにより実施される方法であって、前記方法は、
プロセッサに、複数のデジタル画像を提供することであって、前記デジタル画像の各々は、認識されるオブジェクトと、前記オブジェクトの前記画像が取得された実世界条件を反映するテクスチャ又はスタイル特徴とを含む、提供することと、
前記プロセッサを介して、前記複数のデジタル画像を、前記画像の前記テクスチャ又はスタイル特徴に応じて異なるグループにクラスタ化することであって、前記グループの各々は、類似のテクスチャ又はスタイル特徴を有する前記デジタル画像のうちの1つ以上を含む、クラスタ化することと、
前記プロセッサを介して、画像の前記グループの各々から1つ以上の代表スタイル画像を選択することと、
前記プロセッサを介して、スタイル変換ニューラルネットワークを、前記代表スタイル画像のうちの少なくとも1つに対して訓練して、1つ以上の訓練済みスタイル変換ニューラルネットワークを取得することと、
前記訓練済みスタイル変換ニューラルネットワークを介して、前記テクスチャ又はスタイル特徴を前記代表画像の各々からターゲット画像に変換して、スタイル変換された画像を生成することと、
前記スタイル変換された画像を使用して画像認識機械学習モデルを訓練することと、
を含む、方法。 - 前記スタイル変換ニューラルネットワークは、事前に訓練され、前記訓練済みスタイル変換ニューラルネットワークは、格納され、呼び出されて使用される、請求項1に記載の方法。
- 格納された前記スタイル変換ニューラルネットワークのうちの少なくとも1つが、リアルタイムアプリケーションによって呼び出されて使用される、請求項2に記載の方法。
- 前記訓練済みスタイル変換ニューラルネットワークは、各々が、代表的なテクスチャ又はスタイル特徴に対応する、請求項1に記載の方法。
- デジタル画像の対応する前記グループの統計値に基づいて、1つの訓練済みスタイル変換ニューラルネットワークを選択することを更に含む、請求項1に記載の方法。
- 前記グループのサイズに応じて、マルチプレクサを介して、前記訓練済みスタイル変換ニューラルネットワークから1つの訓練済みスタイル変換ニューラルネットワークを選択することを更に含む、請求項5に記載の方法。
- 前記画像の所定の確率分布に応じて、マルチプレクサを介して、前記訓練済みスタイル変換ニューラルネットワークから1つの訓練済みスタイル変換ニューラルネットワークを選択することを更に含む、請求項5に記載の方法。
- 前記複数のデジタル画像をクラスタ化することは、前記デジタル画像を多層ニューラルネットワークに入力することを含む、請求項1に記載の方法。
- 前記多層ニューラルネットワークを介して、前記画像の各々の前記テクスチャ又はスタイル特徴をグラム行列に分解することを更に含む、請求項8に記載の方法。
- 前記多層ニューラルネットワークが、Visual Geometry Group(VGG)ネットワークを含む、請求項8に記載の方法。
- 前記グラム行列の各々が、前記多層ニューラルネットワークの1つの層に対応し、前記層の各々内の、前記画像の各々の特徴マップ間の相関行列を表す、請求項9に記載の方法。
- K平均クラスタリング法を介して、前記グラム行列内で見出された類似度に基づいて、前記画像が、前記グループにクラスタ化される、請求項9に記載の方法。
- 前記グラム行列間の距離を計算することを更に含む、請求項9に記載の方法。
- 前記距離が、余弦角度を距離尺度として用いて計算される、請求項13に記載の方法。
- 前記代表スタイル画像を選択することが、前記グループの各々のクラスタ中心において、前記画像を選択することを含む、請求項1に記載の方法。
- 多様体学習法を介して、前記グループの次元を2Dクラスタに削減することを更に含む、請求項1に記載の方法。
- 画像の前記2Dクラスタを視覚化することを更に含む、請求項16に記載の方法。
- 自然環境を反映する自然テクスチャを含む、1つ以上の自然スタイル画像を提供することと、前記自然スタイル画像の各々に対して前記スタイル変換ニューラルネットワークを訓練して、対応する前記訓練済みスタイル変換ニューラルネットワークを取得することと、を更に含む、請求項1に記載の方法。
- 前記画像認識機械学習モデルの性能を評価することを更に含む、請求項1に記載の方法。
- 前記評価に基づいて、前記訓練済みスタイル変換ニューラルネットワークを選択することを更に含む、請求項19に記載の方法。
- 前記認識されるオブジェクトは、レター、ナンバー、サイン、シンボル、及び、キャラクタのうちの1つ以上を含む、請求項1に記載の方法。
- 前記画像認識機械学習モデルの前記訓練を評価することを更に含む、請求項1に記載の方法。
- 前記スタイル変換された画像をサブグループに分割することを更に含む、請求項22に記載の方法。
- 検証セットを使用することによって、前記サブグループの各々に対して、前記画像認識機械学習モデルを訓練することを更に含む、請求項23に記載の方法。
- 特徴選択アルゴリズムを用いて、前記訓練からの結果に基づいて、前記サブグループから1つ以上の代表サブグループを選択することを更に含む、請求項24に記載の方法。
- 画像認識システムであって、前記システムは、プロセッサを備え、
前記プロセッサは、
複数のデジタル画像を受信して、前記デジタル画像の各々が、認識されるオブジェクトと、前記オブジェクトの前記画像が取得された実世界条件を反映するテクスチャ又はスタイル特徴とを含み、
前記複数のデジタル画像を、前記画像の前記テクスチャ又はスタイル特徴に応じて異なるグループにクラスタ化して、前記グループの各々が類似のテクスチャ又はスタイル特徴を有する前記デジタル画像のうちの少なくともいくつかを含み、
画像の前記グループの各々から1つ以上の代表スタイル画像を選択し、
スタイル変換ニューラルネットワークを、前記代表スタイル画像のうちの少なくとも1つに対して訓練して、1つ以上の訓練済みスタイル変換ニューラルネットワークを取得する、
ように構成されている、画像認識システム。 - 前記訓練済みスタイル変換ニューラルネットワークを格納するメモリを更に備える、請求項26に記載のシステム。
- 前記スタイル変換ニューラルネットワークは、前記プロセッサによって事前に訓練され、前記訓練済みスタイル変換ニューラルネットワークは、メモリ内に格納され、呼び出されて使用される、請求項26に記載のシステム。
- 前記プロセッサは、前記訓練済みスタイル変換ニューラルネットワークを介して、前記テクスチャ又はスタイル特徴を、前記代表画像の各々からターゲット画像に変換して、スタイル変換された画像を生成するように更に構成されている、請求項26に記載のシステム。
- 前記プロセッサは、前記スタイル変換された画像を使用して画像認識機械学習モデルを訓練するように更に構成されている、請求項26に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762539772P | 2017-08-01 | 2017-08-01 | |
US62/539,772 | 2017-08-01 | ||
PCT/IB2018/055570 WO2019025909A1 (en) | 2017-08-01 | 2018-07-25 | NEURONAL STYLE TRANSFER FOR VARIETY AND IMAGE RECOGNITION |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020530925A true JP2020530925A (ja) | 2020-10-29 |
JP2020530925A5 JP2020530925A5 (ja) | 2021-09-09 |
Family
ID=65232502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020504352A Pending JP2020530925A (ja) | 2017-08-01 | 2018-07-25 | 画像の多様化及び認識のためのニューラルスタイル変換 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11631186B2 (ja) |
EP (1) | EP3662412A4 (ja) |
JP (1) | JP2020530925A (ja) |
CN (1) | CN110914834B (ja) |
WO (1) | WO2019025909A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023016752A (ja) * | 2021-07-21 | 2023-02-02 | エフ ホフマン-ラ ロッシュ アクチェン ゲゼルシャフト | 重なった粒子を含む画像の処理 |
WO2024090802A1 (ko) * | 2022-10-25 | 2024-05-02 | 삼성전자주식회사 | 렌더링 스타일이 변경된 이미지를 획득하기 위한 전자 장치 및 방법 |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11537262B1 (en) | 2015-07-21 | 2022-12-27 | Monotype Imaging Inc. | Using attributes for font recommendations |
CN109426858B (zh) * | 2017-08-29 | 2021-04-06 | 京东方科技集团股份有限公司 | 神经网络、训练方法、图像处理方法及图像处理装置 |
US11334750B2 (en) * | 2017-09-07 | 2022-05-17 | Monotype Imaging Inc. | Using attributes for predicting imagery performance |
US11657602B2 (en) | 2017-10-30 | 2023-05-23 | Monotype Imaging Inc. | Font identification from imagery |
CN112823379A (zh) * | 2018-10-10 | 2021-05-18 | Oppo广东移动通信有限公司 | 用于训练机器学习模型的方法和装置、用于视频风格转移的装置 |
US10878298B2 (en) | 2019-03-06 | 2020-12-29 | Adobe Inc. | Tag-based font recognition by utilizing an implicit font classification attention neural network |
CN110033054B (zh) * | 2019-03-14 | 2021-05-25 | 上海交通大学 | 基于协同笔画优化的个性化手写体迁移方法和系统 |
WO2020190781A1 (en) * | 2019-03-16 | 2020-09-24 | Nvidia Corporation | Leveraging multidimensional sensor data for computationally efficient object detection |
US11068785B2 (en) * | 2019-03-26 | 2021-07-20 | Aivitae LLC | Methods and systems for operating applications through user interfaces |
CN110033034B (zh) * | 2019-04-01 | 2023-09-12 | 深圳大学 | 一种非均匀纹理的图片处理方法、装置和计算机设备 |
US11501161B2 (en) * | 2019-04-04 | 2022-11-15 | Adobe Inc. | Method to explain factors influencing AI predictions with deep neural networks |
CN110084741B (zh) * | 2019-04-26 | 2024-06-14 | 衡阳师范学院 | 基于显著性检测和深度卷积神经网络的图像风络迁移方法 |
KR102034827B1 (ko) * | 2019-05-14 | 2019-11-18 | 주식회사 뷰노 | 훈련된 심층 신경망 모델의 재현 성능을 개선하는 방법 및 이를 이용한 장치 |
CN110135349A (zh) * | 2019-05-16 | 2019-08-16 | 北京小米智能科技有限公司 | 识别方法、装置、设备及存储介质 |
WO2020235862A1 (en) * | 2019-05-17 | 2020-11-26 | Samsung Electronics Co., Ltd. | Image manipulation |
CN112464924A (zh) * | 2019-09-06 | 2021-03-09 | 华为技术有限公司 | 一种构建训练集的方法及装置 |
US11030793B2 (en) * | 2019-09-29 | 2021-06-08 | Snap Inc. | Stylized image painting |
JP7335545B2 (ja) * | 2019-09-30 | 2023-08-30 | ブラザー工業株式会社 | 学習画像データの生成方法、予測モデル |
CN110910303A (zh) * | 2019-10-26 | 2020-03-24 | 湖北讯獒信息工程有限公司 | 一种图像风格迁移方法 |
US11270448B2 (en) * | 2019-11-26 | 2022-03-08 | Microsoft Technology Licensing, Llc | Using machine learning to selectively overlay image content |
CN110913263B (zh) * | 2019-11-29 | 2021-05-18 | 联想(北京)有限公司 | 视频处理方法、装置及电子设备 |
DE102020206433A1 (de) | 2020-05-25 | 2021-11-25 | Hitachi Astemo, Ltd. | Computerprogrammprodukt und Trainingssteuervorrichtung für künstliche Intelligenz |
CN111798371B (zh) * | 2020-07-07 | 2023-11-10 | 泰康保险集团股份有限公司 | 一种视频风格迁移的方法及设备 |
CN112102269B (zh) * | 2020-09-01 | 2024-01-05 | 浙江大学 | 计算风格迁移质量相似度的方法、装置、计算机设备和存储介质 |
CN112307714B (zh) * | 2020-11-03 | 2024-03-08 | 武汉理工大学 | 一种基于双阶段深度网络的文字风格迁移方法 |
US11423206B2 (en) | 2020-11-05 | 2022-08-23 | Adobe Inc. | Text style and emphasis suggestions |
CN112419435A (zh) * | 2020-11-10 | 2021-02-26 | 贵州大学 | 一种用于挑花和蜡染组合图案设计的方法 |
CN112506510B (zh) * | 2020-12-15 | 2024-06-04 | 科大讯飞股份有限公司 | 系统皮肤生成方法、装置、设备及存储介质 |
DE112020007845T5 (de) * | 2020-12-15 | 2023-10-05 | Robert Bosch Gesellschaft mit beschränkter Haftung | Verfahren und Einrichtung zur Bildverarbeitung |
CN112686135B (zh) * | 2020-12-29 | 2022-10-14 | 中南大学 | 基于分布拟合的可泛化的行人重识别方法 |
CN113095999B (zh) * | 2021-03-29 | 2023-08-25 | 北京雷石天地电子技术有限公司 | 一种视频风格转置方法和系统 |
AU2021204608A1 (en) * | 2021-06-21 | 2023-01-19 | Sensetime International Pte. Ltd. | Image data generation method and apparatus, electronic device, and storage medium |
CN113436125B (zh) * | 2021-07-09 | 2022-11-04 | 河南大学 | 基于风格迁移的侧扫声呐仿真图像生成方法、装置及设备 |
US11989916B2 (en) * | 2021-10-11 | 2024-05-21 | Kyocera Document Solutions Inc. | Retro-to-modern grayscale image translation for preprocessing and data preparation of colorization |
GB2612775A (en) * | 2021-11-10 | 2023-05-17 | Sony Interactive Entertainment Inc | System and method for generating assets |
US20230177662A1 (en) * | 2021-12-02 | 2023-06-08 | Robert Bosch Gmbh | System and Method for Augmenting Vision Transformers |
CN114332086B (zh) * | 2022-03-14 | 2022-05-13 | 启东市固德防水布有限公司 | 基于风格迁移和人工智能的纺织品缺陷检测方法及系统 |
CN114398313B (zh) * | 2022-03-22 | 2022-06-14 | 北京数腾软件科技有限公司 | 一种文件级数据的智能迁移操作方法及系统 |
CN114663428B (zh) * | 2022-05-16 | 2022-09-02 | 网思科技股份有限公司 | 基于人工智能的物体表面异常检测方法、装置及相关设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05266226A (ja) * | 1992-03-19 | 1993-10-15 | Fujitsu Ltd | ニューラルネットによる図形変換方式 |
JP2005215988A (ja) * | 2004-01-29 | 2005-08-11 | Canon Inc | パターン認識用学習方法、パターン認識用学習装置、画像入力装置、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI467498B (zh) * | 2011-12-19 | 2015-01-01 | Ind Tech Res Inst | 影像識別方法及系統 |
CN104239855B (zh) * | 2014-09-03 | 2017-05-10 | 南京大学 | 一种基于笔画合成的图像风格迁移合成方法 |
DE102015009981A1 (de) | 2015-07-31 | 2017-02-02 | Eberhard Karls Universität Tübingen | Verfahren und Vorrichtung zur Bildsynthese |
CN106548127B (zh) * | 2015-09-18 | 2022-11-04 | 松下电器(美国)知识产权公司 | 图像识别方法 |
US10789525B2 (en) * | 2015-10-02 | 2020-09-29 | Adobe Inc. | Modifying at least one attribute of an image with at least one attribute extracted from another image |
CN106778928B (zh) * | 2016-12-21 | 2020-08-04 | 广州华多网络科技有限公司 | 图像处理方法及装置 |
-
2018
- 2018-07-25 JP JP2020504352A patent/JP2020530925A/ja active Pending
- 2018-07-25 EP EP18840651.6A patent/EP3662412A4/en not_active Withdrawn
- 2018-07-25 CN CN201880047534.6A patent/CN110914834B/zh active Active
- 2018-07-25 US US16/634,845 patent/US11631186B2/en active Active
- 2018-07-25 WO PCT/IB2018/055570 patent/WO2019025909A1/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05266226A (ja) * | 1992-03-19 | 1993-10-15 | Fujitsu Ltd | ニューラルネットによる図形変換方式 |
JP2005215988A (ja) * | 2004-01-29 | 2005-08-11 | Canon Inc | パターン認識用学習方法、パターン認識用学習装置、画像入力装置、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 |
Non-Patent Citations (1)
Title |
---|
AMIN MOHAMMADIAN ET AL.: "Video-based facial expression recognition by removing the style variations", IET IMAGE PROCESSING, vol. 9, no. 7, JPN6022028176, 2015, pages 596 - 603, XP006052751, ISSN: 0004823827, DOI: 10.1049/iet-ipr.2013.0697 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023016752A (ja) * | 2021-07-21 | 2023-02-02 | エフ ホフマン-ラ ロッシュ アクチェン ゲゼルシャフト | 重なった粒子を含む画像の処理 |
WO2024090802A1 (ko) * | 2022-10-25 | 2024-05-02 | 삼성전자주식회사 | 렌더링 스타일이 변경된 이미지를 획득하기 위한 전자 장치 및 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN110914834A (zh) | 2020-03-24 |
CN110914834B (zh) | 2024-04-16 |
EP3662412A4 (en) | 2021-04-21 |
WO2019025909A1 (en) | 2019-02-07 |
US20200219274A1 (en) | 2020-07-09 |
US11631186B2 (en) | 2023-04-18 |
EP3662412A1 (en) | 2020-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020530925A (ja) | 画像の多様化及び認識のためのニューラルスタイル変換 | |
US10650042B2 (en) | Image retrieval with deep local feature descriptors and attention-based keypoint descriptors | |
EP3853764A1 (en) | Training neural networks for vehicle re-identification | |
CN112789626A (zh) | 可扩展和压缩的神经网络数据储存系统 | |
Tommasi et al. | Beyond dataset bias: Multi-task unaligned shared knowledge transfer | |
US20210216874A1 (en) | Radioactive data generation | |
Patel et al. | An improved dense CNN architecture for deepfake image detection | |
KR102479671B1 (ko) | 차량 부품 정보를 제공하기 위한 방법 | |
Nayan et al. | Real time multi-class object detection and recognition using vision augmentation algorithm | |
WO2020099902A1 (en) | Methods and apparatus to perform image analyses in a computing environment | |
WO2022248676A1 (en) | Continual learning neural network system training for classification type tasks | |
Mei et al. | Unsupervised Object Pose Classification from Short Video Sequences. | |
CN111680722B (zh) | 内容识别方法、装置、设备及可读存储介质 | |
Cheng | Machine Learning in the Open World | |
Kang et al. | Variational Multi-Prototype Encoder for Object Recognition Using Multiple Prototype Images | |
US20210383226A1 (en) | Cross-transformer neural network system for few-shot similarity determination and classification | |
KR102479672B1 (ko) | 차량의 파손 영역을 검출하기 위한 방법 | |
Kong et al. | A Mountain Summit Recognition Method Based on Improved Faster R‐CNN | |
Baumhauer et al. | Bounded logit attention: Learning to explain image classifiers | |
Paul et al. | An improved deepfake detection using deep learning | |
Minh Dang et al. | Tampered and Computer-Generated Face Images Identification Based on Deep Learning. | |
Tang et al. | Advancing Pre-trained Teacher: Towards Robust Feature Discrepancy for Anomaly Detection | |
Mitsuhashi | Classification of handwritten drawing shape in 3D Direct Drawing System using Machine Learning | |
Zhang et al. | Multi-view and multi-scale behavior recognition algorithm based on attention mechanism | |
Berrabah et al. | Improve Image Classification Using Data Optimization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210721 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210721 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220712 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20220719 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220909 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230315 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230315 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230328 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230404 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230421 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20230425 |