JP2022526473A - 情報を取得するための方法および装置、電子機器、記憶媒体並びにコンピュータプログラム - Google Patents
情報を取得するための方法および装置、電子機器、記憶媒体並びにコンピュータプログラム Download PDFInfo
- Publication number
- JP2022526473A JP2022526473A JP2021541617A JP2021541617A JP2022526473A JP 2022526473 A JP2022526473 A JP 2022526473A JP 2021541617 A JP2021541617 A JP 2021541617A JP 2021541617 A JP2021541617 A JP 2021541617A JP 2022526473 A JP2022526473 A JP 2022526473A
- Authority
- JP
- Japan
- Prior art keywords
- image
- sample
- defect
- feature
- detection model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000004590 computer program Methods 0.000 title claims description 19
- 230000007547 defect Effects 0.000 claims abstract description 256
- 238000001514 detection method Methods 0.000 claims abstract description 245
- 238000012549 training Methods 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000013136 deep learning model Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- 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
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
Description
第5の態様において、本出願の実施形態は、プロセッサによって実行されるときに、前記プロセッサに前記第1の態様に記載の情報を取得するための方法が実装されるコンピュータプログラムを提供する。
なお、出願当初の特許請求の範囲の記載は以下の通りである。
請求項1:
検出対象画像から少なくとも一つの画像特徴を取得するステップであって、前記検出対象画像は検出対象物体の画像を含み、前記画像特徴は前記検出対象物体の表面特徴情報を表すために用いられる、ステップと、
前記検出対象画像と前記少なくとも一つの画像特徴を予め訓練された欠陥検出モデルに導入し、前記検出対象物体に対応する欠陥情報を取得するステップであって、前記欠陥検出モデルはサンプル画像、サンプル画像特徴およびサンプル欠陥情報によって訓練されてなり、前記検出対象画像と少なくとも一つの画像特徴との対応関係を表すために用いられる、ステップと
を含む情報を取得するための方法。
請求項2:
前記の、検出対象画像から少なくとも一つの画像特徴を取得するステップは、
前記検出対象物体の、色特徴、構造特徴および平面特徴のうちの少なくとも一つを含む基準特徴を取得することと、
前記基準特徴に基づいて、カラーコントラスト強調、フィルタリング、テクスチャ採集のうちの少なくとも一つを含む設定方式により前記検出対象画像を画像処理し、対応する画像特徴を得ることと
を含む請求項1に記載の方法。
請求項3:
前記の、前記検出対象画像と前記少なくとも一つの画像特徴を予め訓練された欠陥検出モデルに導入し、前記検出対象物体に対応する欠陥情報を取得するステップは、
前記検出対象画像と前記少なくとも一つの画像特徴を前記欠陥検出モデルの対応する入力チャネルに導入し、前記検出対象物体に対応する欠陥情報を得ることを含む、請求項1に記載の方法。
請求項4:
前記欠陥検出モデルは、
それぞれサンプル画像およびサンプル画像に対応する少なくとも一つのサンプル画像特徴を含む複数のサンプル情報セットと、前記複数のサンプル情報セットのそれぞれに対応するサンプル欠陥情報とを取得するステップと、
前記複数のサンプル情報セットのそれぞれを入力とし、前記複数のサンプル情報セットのそれぞれに対応する前記サンプル欠陥情報を出力として、欠陥検出モデルを訓練して得るステップと
によって訓練されて得られる、請求項1に記載の方法。
請求項5:
前記複数のサンプル情報セットのそれぞれを入力とし、前記複数のサンプル情報セットのそれぞれに対応する前記サンプル欠陥情報を出力として、欠陥検出モデルを訓練して得るステップは、
前記複数のサンプル情報セットのそれぞれを初期化欠陥検出モデルに順次入力し、前記複数のサンプル情報セットのそれぞれに対応する予測欠陥情報を得、前記複数のサンプル情報セットのそれぞれに対応する予測欠陥情報と該サンプル情報セットに対応する前記サンプル欠陥情報とを比較し、前記初期化欠陥検出モデルの予測精度を得、予め設定された精度閾値よりも大きいか否かを判定し、前記予め設定された精度閾値を超える場合、前記初期化欠陥検出モデルを訓練済み欠陥検出モデルとする訓練ステップを実行することを含む、請求項4に記載の方法。
請求項6:
前記の、前記複数のサンプル情報セットのそれぞれを入力とし、前記複数のサンプル情報セットのそれぞれに対応する前記サンプル欠陥情報を出力として、欠陥検出モデルを訓練して得るステップは、
前記予め設定された精度閾値以下である場合、前記初期化欠陥検出モデルのパラメータを調整し、前記訓練ステップを引き続き実行することを含む、請求項5に記載の方法。
請求項7:
検出対象画像から少なくとも一つの画像特徴を取得するように構成される特徴取得ユニットであって、前記検出対象画像は検出対象物体の画像を含み、前記画像特徴は前記検出対象物体の表面特徴情報を表すために用いられる特徴取得ユニットと、
前記検出対象画像と前記少なくとも一つの画像特徴を予め訓練された欠陥検出モデルに導入し、前記検出対象物体に対応する欠陥情報を取得するように構成される欠陥情報取得ユニットであって、前記欠陥検出モデルはサンプル画像、サンプル画像特徴およびサンプル欠陥情報によって訓練されてなり、前記検出対象画像と少なくとも一つの画像特徴との対応関係を表すために用いられる欠陥情報取得ユニットと
を含む情報を取得するための装置。
請求項8:
前記特徴取得ユニットは、
前記検出対象物体の、色特徴、構造特徴および平面特徴のうちの少なくとも一つを含む基準特徴を取得するように構成される基準特徴取得サブユニットと、
前記基準特徴に基づいて、カラーコントラスト強調、フィルタリング、テクスチャ採集のうちの少なくとも一つを含む設定方式により前記検出対象画像を画像処理し、対応する画像特徴を得るように構成される画像特徴取得サブユニットと
を含む、請求項7に記載の装置。
請求項9:
前記欠陥情報取得ユニットは、
前記検出対象画像と前記少なくとも一つの画像特徴を前記欠陥検出モデルの対応する入力チャネルに導入し、前記検出対象物体に対応する欠陥情報を得るように構成される情報入力サブユニットを含む、請求項7に記載の装置。
請求項10:
前記装置は欠陥検出モデルを訓練するための欠陥検出モデル訓練ユニットを含み、前記欠陥検出モデル訓練ユニットは、
それぞれサンプル画像およびサンプル画像に対応する少なくとも一つのサンプル画像特徴を含む複数のサンプル情報セットと、前記複数のサンプル情報セットのそれぞれに対応するサンプル欠陥情報とを取得するように構成されるサンプル取得サブユニットと、
前記複数のサンプル情報セットのそれぞれを入力とし、前記複数のサンプル情報セットのそれぞれに対応する前記サンプル欠陥情報を出力として、欠陥検出モデルを訓練して得るように構成されるモデル訓練サブユニットと
を含む請求項7に記載の装置。
請求項11:
前記モデル訓練サブユニットは、
前記複数のサンプル情報セットのそれぞれを初期化欠陥検出モデルに順次入力し、前記複数のサンプル情報セットのそれぞれに対応する予測欠陥情報を得、前記複数のサンプル情報セットのそれぞれに対応する予測欠陥情報と該サンプル情報セットに対応する前記サンプル欠陥情報とを比較し、前記初期化欠陥検出モデルの予測精度を得、予め設定された精度閾値よりも大きいか否かを判定し、前記予め設定された精度閾値を超える場合、前記初期化欠陥検出モデルを訓練済み欠陥検出モデルとするように構成されるモデル訓練モジュールを含む、請求項10に記載の装置。
請求項12:
前記モデル訓練サブユニットは、
前記予め設定された精度閾値以下である場合、前記初期化欠陥検出モデルのパラメータを調整し、前記モデル訓練モジュールに返送するように構成されるパラメータ調整モジュールを含む、請求項11に記載の装置。
請求項13:
1つまたは複数のプロセッサと、1つまたは複数のプログラムが格納されている記憶装置とを備える電子機器であって、
前記1つまたは複数のプログラムが前記1つまたは複数のプロセッサによって実行されるときに、前記1つまたは複数のプロセッサに請求項1~6のいずれか1項に記載の方法が実装される、電子機器。
請求項14:
コンピュータプログラムが格納されているコンピュータ可読媒体であって、
該プログラムがプロセッサによって実行されると、請求項1~6のいずれか1項に記載の方法が実装される、コンピュータ可読媒体。
Claims (14)
- 検出対象画像から少なくとも一つの画像特徴を取得するステップであって、前記検出対象画像は検出対象物体の画像を含み、前記画像特徴は前記検出対象物体の表面特徴情報を表すために用いられる、ステップと、
前記検出対象画像と前記少なくとも一つの画像特徴を予め訓練された欠陥検出モデルに導入し、前記検出対象物体に対応する欠陥情報を取得するステップであって、前記欠陥検出モデルはサンプル画像、サンプル画像特徴およびサンプル欠陥情報によって訓練されてなり、前記検出対象画像と少なくとも一つの画像特徴との対応関係を表すために用いられる、ステップと
を含む情報を取得するための方法。 - 前記の、検出対象画像から少なくとも一つの画像特徴を取得するステップは、
前記検出対象物体の、色特徴、構造特徴および平面特徴のうちの少なくとも一つを含む基準特徴を取得することと、
前記基準特徴に基づいて、カラーコントラスト強調、フィルタリング、テクスチャ採集のうちの少なくとも一つを含む設定方式により前記検出対象画像を画像処理し、対応する画像特徴を得ることと
を含む請求項1に記載の方法。 - 前記の、前記検出対象画像と前記少なくとも一つの画像特徴を予め訓練された欠陥検出モデルに導入し、前記検出対象物体に対応する欠陥情報を取得するステップは、
前記検出対象画像と前記少なくとも一つの画像特徴を前記欠陥検出モデルの対応する入力チャネルに導入し、前記検出対象物体に対応する欠陥情報を得ることを含む、請求項1に記載の方法。 - 前記欠陥検出モデルは、
それぞれサンプル画像およびサンプル画像に対応する少なくとも一つのサンプル画像特徴を含む複数のサンプル情報セットと、前記複数のサンプル情報セットのそれぞれに対応するサンプル欠陥情報とを取得するステップと、
前記複数のサンプル情報セットのそれぞれを入力とし、前記複数のサンプル情報セットのそれぞれに対応する前記サンプル欠陥情報を出力として、欠陥検出モデルを訓練して得るステップと
によって訓練されて得られる、請求項1に記載の方法。 - 前記複数のサンプル情報セットのそれぞれを入力とし、前記複数のサンプル情報セットのそれぞれに対応する前記サンプル欠陥情報を出力として、欠陥検出モデルを訓練して得るステップは、
前記複数のサンプル情報セットのそれぞれを初期化欠陥検出モデルに順次入力し、前記複数のサンプル情報セットのそれぞれに対応する予測欠陥情報を得、前記複数のサンプル情報セットのそれぞれに対応する予測欠陥情報と該サンプル情報セットに対応する前記サンプル欠陥情報とを比較し、前記初期化欠陥検出モデルの予測精度を得、予め設定された精度閾値よりも大きいか否かを判定し、前記予め設定された精度閾値を超える場合、前記初期化欠陥検出モデルを訓練済み欠陥検出モデルとする訓練ステップを実行することを含む、請求項4に記載の方法。 - 前記の、前記複数のサンプル情報セットのそれぞれを入力とし、前記複数のサンプル情報セットのそれぞれに対応する前記サンプル欠陥情報を出力として、欠陥検出モデルを訓練して得るステップは、
前記予め設定された精度閾値以下である場合、前記初期化欠陥検出モデルのパラメータを調整し、前記訓練ステップを引き続き実行することを含む、請求項5に記載の方法。 - 検出対象画像から少なくとも一つの画像特徴を取得するように構成される特徴取得ユニットであって、前記検出対象画像は検出対象物体の画像を含み、前記画像特徴は前記検出対象物体の表面特徴情報を表すために用いられる特徴取得ユニットと、
前記検出対象画像と前記少なくとも一つの画像特徴を予め訓練された欠陥検出モデルに導入し、前記検出対象物体に対応する欠陥情報を取得するように構成される欠陥情報取得ユニットであって、前記欠陥検出モデルはサンプル画像、サンプル画像特徴およびサンプル欠陥情報によって訓練されてなり、前記検出対象画像と少なくとも一つの画像特徴との対応関係を表すために用いられる欠陥情報取得ユニットと
を含む情報を取得するための装置。 - 前記特徴取得ユニットは、
前記検出対象物体の、色特徴、構造特徴および平面特徴のうちの少なくとも一つを含む基準特徴を取得するように構成される基準特徴取得サブユニットと、
前記基準特徴に基づいて、カラーコントラスト強調、フィルタリング、テクスチャ採集のうちの少なくとも一つを含む設定方式により前記検出対象画像を画像処理し、対応する画像特徴を得るように構成される画像特徴取得サブユニットと
を含む、請求項7に記載の装置。 - 前記欠陥情報取得ユニットは、
前記検出対象画像と前記少なくとも一つの画像特徴を前記欠陥検出モデルの対応する入力チャネルに導入し、前記検出対象物体に対応する欠陥情報を得るように構成される情報入力サブユニットを含む、請求項7に記載の装置。 - 前記装置は欠陥検出モデルを訓練するための欠陥検出モデル訓練ユニットを含み、前記欠陥検出モデル訓練ユニットは、
それぞれサンプル画像およびサンプル画像に対応する少なくとも一つのサンプル画像特徴を含む複数のサンプル情報セットと、前記複数のサンプル情報セットのそれぞれに対応するサンプル欠陥情報とを取得するように構成されるサンプル取得サブユニットと、
前記複数のサンプル情報セットのそれぞれを入力とし、前記複数のサンプル情報セットのそれぞれに対応する前記サンプル欠陥情報を出力として、欠陥検出モデルを訓練して得るように構成されるモデル訓練サブユニットと
を含む請求項7に記載の装置。 - 前記モデル訓練サブユニットは、
前記複数のサンプル情報セットのそれぞれを初期化欠陥検出モデルに順次入力し、前記複数のサンプル情報セットのそれぞれに対応する予測欠陥情報を得、前記複数のサンプル情報セットのそれぞれに対応する予測欠陥情報と該サンプル情報セットに対応する前記サンプル欠陥情報とを比較し、前記初期化欠陥検出モデルの予測精度を得、予め設定された精度閾値よりも大きいか否かを判定し、前記予め設定された精度閾値を超える場合、前記初期化欠陥検出モデルを訓練済み欠陥検出モデルとするように構成されるモデル訓練モジュールを含む、請求項10に記載の装置。 - 前記モデル訓練サブユニットは、
前記予め設定された精度閾値以下である場合、前記初期化欠陥検出モデルのパラメータを調整し、前記モデル訓練モジュールに返送するように構成されるパラメータ調整モジュールを含む、請求項11に記載の装置。 - 1つまたは複数のプロセッサと、1つまたは複数のプログラムが格納されている記憶装置とを備える電子機器であって、
前記1つまたは複数のプログラムが前記1つまたは複数のプロセッサによって実行されるときに、前記1つまたは複数のプロセッサに請求項1~6のいずれか1項に記載の方法が実装される、電子機器。 - コンピュータプログラムが格納されているコンピュータ可読媒体であって、
該プログラムがプロセッサによって実行されると、請求項1~6のいずれか1項に記載の方法が実装される、コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010165825.4A CN111402220B (zh) | 2020-03-11 | 2020-03-11 | 用于获取信息的方法及装置 |
CN202010165825.4 | 2020-03-11 | ||
PCT/CN2020/116527 WO2021179565A1 (zh) | 2020-03-11 | 2020-09-21 | 用于获取信息的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022526473A true JP2022526473A (ja) | 2022-05-25 |
JPWO2021179565A5 JPWO2021179565A5 (ja) | 2022-10-11 |
Family
ID=77494926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021541617A Pending JP2022526473A (ja) | 2020-03-11 | 2020-09-21 | 情報を取得するための方法および装置、電子機器、記憶媒体並びにコンピュータプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220270228A1 (ja) |
JP (1) | JP2022526473A (ja) |
KR (1) | KR20210102458A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116990450B (zh) * | 2023-07-18 | 2024-04-26 | 欧几里德(苏州)医疗科技有限公司 | 一种角膜塑形镜的缺陷检测方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009010890A (ja) * | 2007-06-29 | 2009-01-15 | Canon Inc | 撮像装置および方法 |
JP2012103957A (ja) * | 2010-11-11 | 2012-05-31 | Kanto Auto Works Ltd | 部品検索システム |
JP2016109495A (ja) * | 2014-12-03 | 2016-06-20 | タカノ株式会社 | 分類器生成装置、外観検査装置、分類器生成方法、及びプログラム |
JP2018508052A (ja) * | 2014-12-31 | 2018-03-22 | パク、サンレ | 画像分析方法、装置、及びコンピュータで読み取り可能なデバイス |
WO2019003384A1 (ja) * | 2017-06-29 | 2019-01-03 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置、情報処理システム、および材質特定方法 |
WO2019059011A1 (ja) * | 2017-09-19 | 2019-03-28 | 富士フイルム株式会社 | 教師データ作成方法及び装置並びに欠陥検査方法及び装置 |
CN110009614A (zh) * | 2019-03-29 | 2019-07-12 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
JP2019212073A (ja) * | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
WO2020008538A1 (ja) * | 2018-07-03 | 2020-01-09 | 三菱電機株式会社 | 材質推定装置及びロボット |
CN110751177A (zh) * | 2019-09-17 | 2020-02-04 | 阿里巴巴集团控股有限公司 | 分类模型的训练方法、预测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210010953A1 (en) * | 2019-07-12 | 2021-01-14 | SVXR, Inc. | Methods and Systems for Defects Detection and Classification Using X-rays |
-
2020
- 2020-09-21 JP JP2021541617A patent/JP2022526473A/ja active Pending
- 2020-09-21 KR KR1020217024357A patent/KR20210102458A/ko not_active Application Discontinuation
-
2021
- 2021-07-19 US US17/443,013 patent/US20220270228A1/en active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009010890A (ja) * | 2007-06-29 | 2009-01-15 | Canon Inc | 撮像装置および方法 |
JP2012103957A (ja) * | 2010-11-11 | 2012-05-31 | Kanto Auto Works Ltd | 部品検索システム |
JP2016109495A (ja) * | 2014-12-03 | 2016-06-20 | タカノ株式会社 | 分類器生成装置、外観検査装置、分類器生成方法、及びプログラム |
JP2018508052A (ja) * | 2014-12-31 | 2018-03-22 | パク、サンレ | 画像分析方法、装置、及びコンピュータで読み取り可能なデバイス |
WO2019003384A1 (ja) * | 2017-06-29 | 2019-01-03 | 株式会社ソニー・インタラクティブエンタテインメント | 情報処理装置、情報処理システム、および材質特定方法 |
WO2019059011A1 (ja) * | 2017-09-19 | 2019-03-28 | 富士フイルム株式会社 | 教師データ作成方法及び装置並びに欠陥検査方法及び装置 |
JP2019212073A (ja) * | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
WO2020008538A1 (ja) * | 2018-07-03 | 2020-01-09 | 三菱電機株式会社 | 材質推定装置及びロボット |
CN110009614A (zh) * | 2019-03-29 | 2019-07-12 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN110751177A (zh) * | 2019-09-17 | 2020-02-04 | 阿里巴巴集团控股有限公司 | 分类模型的训练方法、预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
KR20210102458A (ko) | 2021-08-19 |
US20220270228A1 (en) | 2022-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816589B (zh) | 用于生成漫画风格转换模型的方法和装置 | |
CN109858445B (zh) | 用于生成模型的方法和装置 | |
CN107729929B (zh) | 用于获取信息的方法及装置 | |
CN111476871B (zh) | 用于生成视频的方法和装置 | |
WO2019237657A1 (zh) | 用于生成模型的方法和装置 | |
CN110021052B (zh) | 用于生成眼底图像生成模型的方法和装置 | |
JP6800351B2 (ja) | 電極シートのバリを検出するための方法および装置 | |
JP2023547917A (ja) | 画像分割方法、装置、機器および記憶媒体 | |
CN110084317B (zh) | 用于识别图像的方法和装置 | |
CN109981787B (zh) | 用于展示信息的方法和装置 | |
EP3907697A1 (en) | Method and apparatus for acquiring information | |
CN110516678B (zh) | 图像处理方法和装置 | |
CN113487608A (zh) | 内窥镜图像检测方法、装置、存储介质及电子设备 | |
WO2023030427A1 (zh) | 生成模型的训练方法、息肉识别方法、装置、介质及设备 | |
KR20210058768A (ko) | 객체 라벨링 방법 및 장치 | |
CN113592033B (zh) | 油罐图像识别模型训练方法、油罐图像识别方法和装置 | |
JP2022526473A (ja) | 情報を取得するための方法および装置、電子機器、記憶媒体並びにコンピュータプログラム | |
KR20210008075A (ko) | 시각 검색 방법, 장치, 컴퓨터 기기 및 저장 매체 (video search method and apparatus, computer device, and storage medium) | |
CN112037305B (zh) | 对图像中的树状组织进行重建的方法、设备及存储介质 | |
CN111862081B (zh) | 图像评分方法、分数预测网络的训练方法、装置 | |
CN111062914B (zh) | 用于采集脸部图像的方法、装置、电子设备和计算机可读介质 | |
CN111310595B (zh) | 用于生成信息的方法和装置 | |
WO2024001961A1 (zh) | 一种扫描图像渲染方法、装置、电子设备及存储介质 | |
CN110335237B (zh) | 用于生成模型的方法、装置和用于识别图像的方法、装置 | |
CN109816791B (zh) | 用于生成信息的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210811 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210811 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220701 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20220930 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230127 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230818 |