JP2022544349A - デバイスのネットワーク全体での人物認識可能性を使用するシステムおよび方法 - Google Patents
デバイスのネットワーク全体での人物認識可能性を使用するシステムおよび方法 Download PDFInfo
- Publication number
- JP2022544349A JP2022544349A JP2021576386A JP2021576386A JP2022544349A JP 2022544349 A JP2022544349 A JP 2022544349A JP 2021576386 A JP2021576386 A JP 2021576386A JP 2021576386 A JP2021576386 A JP 2021576386A JP 2022544349 A JP2022544349 A JP 2022544349A
- Authority
- JP
- Japan
- Prior art keywords
- devices
- recognizability
- computer
- computing devices
- 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 85
- 238000010801 machine learning Methods 0.000 claims abstract description 55
- 230000008569 process Effects 0.000 claims abstract description 34
- 230000001815 facial effect Effects 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims description 45
- 238000012549 training Methods 0.000 claims description 35
- 238000004821 distillation Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000004891 communication Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims 2
- 230000015654 memory Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 230000008901 benefit Effects 0.000 description 11
- 239000008186 active pharmaceutical agent Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
Description
一般に、本開示は、デバイスのネットワークを介して認識を実行するためのコンピュータ実装システムおよび方法を対象とする。特に、上記のように、ユーザがデバイスの彼女のネットワークに新しいデバイスを追加するとき、登録プロセスを再度実行する必要なしに、彼女のアイデンティティを認識する機能をそのような新しいデバイスに単に拡張したい場合がある。本開示の態様は、1つまたは複数の第1のデバイス(たとえば、スマートフォンおよび/またはサーバコンピューティングシステムなどのユーザのデバイス)においてユーザの参照ファイル(たとえば、参照画像のギャラリ)をキャプチャおよび記憶することによって、そのようなプロセスを可能にする。その後、ユーザがアイデンティティ認識を第2のデバイス(たとえば、新しいホームアシスタントデバイス)に拡張したいとき、ユーザは、参照ファイルを第2のデバイスと共有するように第1のデバイスに単に指示することができる。そのような方法で、ユーザは、参照ファイルが収集される登録プロセスを再度実行する必要なしに、新しいデバイスを迅速かつ容易に登録することができる(たとえば、新しいデバイスが彼女を認識するための認識プロセスを実行できるようにする)。さらに、本開示の追加の態様は、登録および認識プロセスを容易にするための機械学習モデルの使用を対象とする。具体的には、本開示の態様は、ユーザに関する生体認証または他の個人を特定できる情報を計算することなしに、高品質の参照ファイルのキュレーションを可能にする、機械学習認識可能性モデルの使用(たとえば、ユーザデバイスおよび/またはサーバデバイスなどの第1のデバイスにおいて、またはそれによって)を含むことができる。
図1Aは、本開示の例示的な実施形態による、デバイスのネットワークへの登録を実行することができる例示的なコンピューティングシステム100のブロック図を示している。システム100は、ネットワーク180を介して通信可能に結合されたユーザコンピューティングデバイス102、サーバコンピューティングシステム130、トレーニングコンピューティングシステム150、およびセカンダリコンピューティングデバイス170を含む。
図2は、本開示の例示的な実施形態によるデバイスの例示的なネットワークの図を示す図である。図に示されるように、デバイスのネットワークは、モバイルコンピューティングデバイス202、クラウドまたはサーバコンピューティングデバイス203、およびコンピュータアシスタントデバイスなどの補助またはセカンダリデバイス205などの、少なくとも3つのデバイスを含むことができる。セカンダリデバイス205はまた、情報(たとえば、新しい画像などの新しいファイル)を取得するためのカメラまたはマイクロフォンなどのセンサ206を含むことができる。例示的な実装形態では、デバイスのネットワークへの登録を実行する人物201は、人物201を表す1つまたは複数のファイルを含むデータセットを取得するために、モバイルコンピューティングデバイス202を使用し得る。たとえば、これらのファイルは、画像、サウンド、またはその他の識別情報を含むことができる。モバイルコンピューティングデバイス202またはクラウドコンピューティングデバイス203において、クラウドコンピューティングデバイス203上の参照ファイルとして記憶するために、もしあれば、通信ネットワーク204を介してどのファイルを転送するべきかを決定するために、認識可能性モデルが使用され得る。登録後、人物201が、コンピュータアシスタントデバイス205などのネットワークに含まれる別のデバイスの登録を要求すると、コンピュータアシスタントデバイス205は、生体認証分析を実行するために(たとえば、機械学習認識モデルを使用して)、モバイルコンピューティングデバイス202および/またはクラウドコンピューティングデバイス203から参照ファイルにアクセスまたは受信し得る。
図4は、本開示の例示的な実施形態に従って実行するための例示的な方法のフローチャート図を示している。図4は、例示および説明の目的で特定の順序で実行されるステップを示しているが、本開示の方法は、特に図示された順序または配置に限定されない。方法400の様々なステップは、本開示の範囲から逸脱することなく、様々な方法で省略、再配置、結合、および/または適合させることができる。
本明細書で説明する技術は、サーバ、データベース、ソフトウェアアプリケーション、および他のコンピュータベースのシステム、ならびにそのようなシステムで取られるアクション、およびそのようなシステムとの間で送受信される情報を参照する。コンピュータベースのシステムに固有の柔軟性により、コンポーネント間のタスクと機能の様々な可能な構成、組合せ、および分割が可能になる。たとえば、本明細書で説明するプロセスは、単一のデバイスまたはコンポーネント、あるいは複数のデバイスまたはコンポーネントを組合せて使用して実装することができる。データベースとアプリケーションは、単一のシステムに実装することも、複数のシステムに分散させることもできる。分散されたコンポーネントは、順次または並列に動作することができる。
50 コンピューティングデバイス
100 コンピューティングシステム
102 ユーザコンピューティングデバイス
112 プロセッサ
114 メモリ
116 データ
118 命令
120 認識可能性モデル
122 ユーザ入力コンポーネント
124 認識モデル
130 サーバコンピューティングシステム
132 プロセッサ
134 メモリ
136 データ
138 命令
140 認識可能性モデル
144 認識モデル
150 トレーニングコンピューティングシステム
152 プロセッサ
154 メモリ
156 データ
158 命令
160 モデルトレーナ
162 トレーニングデータ
170 セカンダリコンピューティングデバイス
172 プロセッサ
174 メモリ
180 ネットワーク
182 認識モデル
184 ユーザ入力コンポーネント
201 人物
202 モバイルコンピューティングデバイス
203 クラウドまたはサーバコンピューティングデバイス
204 通信ネットワーク
205 補助またはセカンダリデバイス
205 コンピュータアシスタントデバイス
206 センサ
300 モバイルコンピューティングデバイス
301 画像キャプチャデバイス
302 画像
303 画像プロセッサ
304 検出された人物
305 人物認識可能性アナライザ
306 人物画像セレクタ
310 コンピュータアシスタントデバイス
311 画像キャプチャデバイス
312 画像
313 画像プロセッサ
314 人物
315 人物生体認証アナライザ
316 生体認証情報
317 人物の外観の生体認証
320 クラウドコンピューティングデバイス
321 ユーザの画像のギャラリ
322 参照画像
400 方法
500 認識可能性モデル
502 入力
504 入力
506 認識モデル
508 隠れ層
510 出力
512 メトリック
514 メトリック
Claims (29)
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、登録デバイスが、
登録プロセスを受けているユーザを描いた複数の画像を取得することと、
機械学習認識可能性モデルの出力として各画像のそれぞれの認識可能性スコアを決定するために、前記機械学習認識可能性モデルを使用して前記複数の画像の各々を処理することであって、各画像の前記認識可能性スコアが、前記画像によって示されるような前記ユーザの認識可能性を示し、前記ユーザに関連付けられる生体情報を除外する、ことと、
前記複数の画像の前記それぞれの認識可能性スコアに少なくとも部分的に基づいて、前記ユーザに関連付けられる画像ギャラリに含めるために前記複数の画像のうちの少なくとも1つを選択することと、
1つまたは複数のセカンダリコンピューティングデバイスによる前記ユーザの認識に使用するために、前記画像ギャラリを前記1つまたは複数のセカンダリコンピューティングデバイスに直接的または間接的に送信することと
を行うように構成する命令を集合的に記憶する1つまたは複数の非一時的コンピュータ可読媒体と
を備える登録デバイスとを備える、コンピューティングシステム。
人物を描いた追加の画像を取得することと、
前記追加の画像に描かれている前記人物が前記ユーザであるかどうかを決定するために、前記追加の画像を前記画像ギャラリと比較することと
を行うように構成された、前記1つまたは複数のセカンダリコンピューティングデバイスをさらに備える、請求項1に記載のコンピューティングシステム。
前記登録デバイスから前記画像ギャラリを受信することと、
前記ユーザに関連付けられるユーザアカウントで1つまたは複数の追加デバイスを登録するために、前記ユーザからの要求に応じて、前記画像ギャラリを前記1つまたは複数の追加デバイスに選択的に転送することと
を行うように構成されたサーバコンピューティングデバイスを備える、請求項1から4のいずれか一項に記載のコンピューティングシステム。
1つまたは複数のコンピューティングデバイスによって、第1のデバイス上の人物を表す1つまたは複数のファイルを備えるデータセットを取得するステップと、
前記1つまたは複数のコンピューティングデバイスによって、機械学習された蒸留モデルに各ファイルを提供することによって、前記1つまたは複数のファイルの各々の認識可能性スコアを決定するステップであって、前記蒸留モデルが、ニューラルネットワークの1つまたは複数の隠れ層から計算されたメトリックを使用してトレーニングされている、ステップと、
前記1つまたは複数のコンピューティングデバイスによって、および前記認識可能性スコアに少なくとも部分的に基づいて、前記人物の1つまたは複数の参照ファイルとして記憶するために前記データセットの一部を選択するステップと、
を備える、方法。
前記1つまたは複数のコンピューティングデバイスによって、前記1つまたは複数のファイルの各々の前記認識可能性スコアとしきい値とを比較するステップと、
前記認識可能性スコアのいずれも前記しきい値を満たさない場合、
前記1つまたは複数のコンピューティングデバイスによって、前記人物が追加のファイルを生成することを要求するプロンプトを前記第1のデバイスに提供するステップと、
前記データセットに含まれる1つまたは複数のファイルの前記認識可能性スコアが前記しきい値を満たす場合、
前記1つまたは複数のコンピューティングデバイスによって、1つまたは複数の前記ファイルを第2のデバイスに送信するステップと
を備える、請求項10に記載のコンピュータ実装方法。
前記1つまたは複数のコンピューティングデバイスによって、前記人物を表す情報を備える信号を取得するステップと、
前記1つまたは複数のコンピューティングデバイスによって、1つまたは複数の前記参照ファイルにアクセスするステップと、
前記1つまたは複数のコンピューティングデバイスによって、1つまたは複数の前記参照ファイルを前記信号と比較するステップと、
前記1つまたは複数のコンピューティングデバイスによって、および前記参照ファイルを前記信号と比較するステップに少なくとも部分的に基づいて、前記アクセスしようとすることを許可または拒否する応答を提供するステップと
を備える生体認証分析を実行するステップを含む、ステップをさらに備える、請求項10から12のいずれか一項に記載のコンピュータ実装方法。
前記1つまたは複数のコンピューティングデバイスによって、機械学習モデルに1つまたは複数の前記参照ファイルを提供することによって、生体情報のセットを決定するステップを備える、請求項13から15のいずれか一項に記載のコンピュータ実装方法。
前記1つまたは複数のコンピューティングデバイスによって、入力を受信すると一連の隠れ層を計算するようにトレーニングされた認識ニューラルネットワークを取得するステップと、
前記1つまたは複数のコンピューティングデバイスによって、前記認識ニューラルネットワークに複数の入力を提供することによって複数の出力を決定するステップであって、前記複数の出力の各出力が、それぞれの入力に関連付けられており、各出力が、前記一連の隠れ層の少なくとも1つの隠れ層からの少なくとも1つの中間出力を備える、ステップと、
出力ごとの前記1つまたは複数のコンピューティングデバイスによって、前記一連の隠れ層の前記少なくとも1つの隠れ層からの前記少なくとも1つの中間出力のメトリックを計算するステップと、
前記1つまたは複数のコンピューティングデバイスによって、前記メトリックを計算するための前記少なくとも1つの中間出力を決定するために使用される前記入力を受信することに少なくとも部分的に基づいて前記メトリックを予測するために前記蒸留モデルをトレーニングするステップと
を備えるトレーニング方法を使用してトレーニングされた、請求項10から22のいずれか一項に記載のコンピュータ実装方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2019/046452 WO2021029881A1 (en) | 2019-08-14 | 2019-08-14 | Systems and methods using person recognizability across a network of devices |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022544349A true JP2022544349A (ja) | 2022-10-18 |
Family
ID=67766431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021576386A Pending JP2022544349A (ja) | 2019-08-14 | 2019-08-14 | デバイスのネットワーク全体での人物認識可能性を使用するシステムおよび方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220254190A1 (ja) |
EP (1) | EP3973441A1 (ja) |
JP (1) | JP2022544349A (ja) |
KR (1) | KR20220016217A (ja) |
CN (1) | CN114127801A (ja) |
WO (1) | WO2021029881A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10366291B2 (en) * | 2017-09-09 | 2019-07-30 | Google Llc | Systems, methods, and apparatus for providing image shortcuts for an assistant application |
CN113011440B (zh) * | 2021-03-19 | 2023-11-28 | 中联煤层气有限责任公司 | 一种煤层气井井场监控重识别技术 |
WO2022240832A1 (en) * | 2021-05-10 | 2022-11-17 | Kinectify, Inc. | Methods and system for authorizing a transaction related to a selected person |
KR102672425B1 (ko) * | 2021-07-19 | 2024-06-04 | 엘지전자 주식회사 | 가전 장치 및 상기 가전 장치를 제어하는 방법 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10240691A (ja) * | 1997-02-26 | 1998-09-11 | Oki Electric Ind Co Ltd | ネットワークセキュリティシステム |
JP2007521577A (ja) * | 2003-12-16 | 2007-08-02 | モトローラ・インコーポレイテッド | 生体認証画像を登録および認証する方法および装置 |
JP2008171094A (ja) * | 2007-01-09 | 2008-07-24 | Silex Technology Inc | 生体認証装置及び生体認証プログラム |
CN106897748A (zh) * | 2017-03-02 | 2017-06-27 | 上海极链网络科技有限公司 | 基于深层卷积神经网络的人脸质量评估方法和系统 |
WO2018036389A1 (zh) * | 2016-08-24 | 2018-03-01 | 阿里巴巴集团控股有限公司 | 用户核身方法、装置及系统 |
US20180373924A1 (en) * | 2017-06-26 | 2018-12-27 | Samsung Electronics Co., Ltd. | Facial verification method and apparatus |
CN109360183A (zh) * | 2018-08-20 | 2019-02-19 | 中国电子进出口有限公司 | 一种基于卷积神经网络的人脸图像质量评估方法和系统 |
-
2019
- 2019-08-14 JP JP2021576386A patent/JP2022544349A/ja active Pending
- 2019-08-14 EP EP19759266.0A patent/EP3973441A1/en active Pending
- 2019-08-14 US US17/622,460 patent/US20220254190A1/en active Pending
- 2019-08-14 KR KR1020217043277A patent/KR20220016217A/ko unknown
- 2019-08-14 CN CN201980098069.3A patent/CN114127801A/zh active Pending
- 2019-08-14 WO PCT/US2019/046452 patent/WO2021029881A1/en unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10240691A (ja) * | 1997-02-26 | 1998-09-11 | Oki Electric Ind Co Ltd | ネットワークセキュリティシステム |
JP2007521577A (ja) * | 2003-12-16 | 2007-08-02 | モトローラ・インコーポレイテッド | 生体認証画像を登録および認証する方法および装置 |
JP2008171094A (ja) * | 2007-01-09 | 2008-07-24 | Silex Technology Inc | 生体認証装置及び生体認証プログラム |
WO2018036389A1 (zh) * | 2016-08-24 | 2018-03-01 | 阿里巴巴集团控股有限公司 | 用户核身方法、装置及系统 |
CN106897748A (zh) * | 2017-03-02 | 2017-06-27 | 上海极链网络科技有限公司 | 基于深层卷积神经网络的人脸质量评估方法和系统 |
US20180373924A1 (en) * | 2017-06-26 | 2018-12-27 | Samsung Electronics Co., Ltd. | Facial verification method and apparatus |
CN109360183A (zh) * | 2018-08-20 | 2019-02-19 | 中国电子进出口有限公司 | 一种基于卷积神经网络的人脸图像质量评估方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
US20220254190A1 (en) | 2022-08-11 |
CN114127801A (zh) | 2022-03-01 |
KR20220016217A (ko) | 2022-02-08 |
WO2021029881A1 (en) | 2021-02-18 |
EP3973441A1 (en) | 2022-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11275819B2 (en) | Generative adversarial network training and feature extraction for biometric authentication | |
JP2022544349A (ja) | デバイスのネットワーク全体での人物認識可能性を使用するシステムおよび方法 | |
Ali et al. | Edge-centric multimodal authentication system using encrypted biometric templates | |
US9323912B2 (en) | Method and system for multi-factor biometric authentication | |
US9100825B2 (en) | Method and system for multi-factor biometric authentication based on different device capture modalities | |
EP2863339B1 (en) | Methods and systems for determing user liveness | |
US20150261944A1 (en) | Unobtrusive verification of user identity | |
US20190272361A1 (en) | System and method for continuous and competitive authentication | |
KR20160124834A (ko) | 모바일 디바이스에서의 연속 인증 | |
KR20200001961A (ko) | 생체 검출 방법, 장치, 시스템 및 비일시적 기록 매체 | |
WO2018082011A1 (zh) | 活体指纹识别方法及装置 | |
EP3357210B1 (en) | System and method for person reidentification | |
EP4082007B1 (en) | Electronic apparatus and controlling method thereof | |
US10037419B2 (en) | System, method, and apparatus for personal identification | |
US20220277064A1 (en) | System and methods for implementing private identity | |
US10216914B2 (en) | System, method, and apparatus for personal identification | |
EP4156601A1 (en) | Automated code analysis and tagging (methods and systems) | |
KR102077887B1 (ko) | 비디오 회의 강화 | |
US11711215B2 (en) | Methods, systems, and media for secure authentication of users based on a biometric identifier and knowledge-based secondary information | |
US20210248219A1 (en) | Integrated Quality Assessment for a Passive Authentication System | |
Nappi et al. | Context awareness in biometric systems and methods: State of the art and future scenarios | |
US11611881B2 (en) | Integrated systems and methods for passive authentication | |
Chaitanya et al. | Verification of pattern unlock and gait behavioural authentication through a machine learning approach | |
US20190158496A1 (en) | System, Method, and Apparatus for Personal Identification | |
EP4080388A1 (en) | Multimodal, dynamic, privacy preserving age and attribute estimation and learning methods and systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220218 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230320 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230620 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230919 |