JP2023508639A - データ増強基盤空間分析モデル学習装置及び方法 - Google Patents
データ増強基盤空間分析モデル学習装置及び方法 Download PDFInfo
- Publication number
- JP2023508639A JP2023508639A JP2022531442A JP2022531442A JP2023508639A JP 2023508639 A JP2023508639 A JP 2023508639A JP 2022531442 A JP2022531442 A JP 2022531442A JP 2022531442 A JP2022531442 A JP 2022531442A JP 2023508639 A JP2023508639 A JP 2023508639A
- Authority
- JP
- Japan
- Prior art keywords
- spatial
- spatial image
- data
- image
- generating
- 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
- 238000012732 spatial analysis Methods 0.000 title claims abstract description 34
- 230000003190 augmentative effect Effects 0.000 title claims description 31
- 238000000034 method Methods 0.000 title claims description 22
- 238000002372 labelling Methods 0.000 claims abstract description 25
- 238000013434 data augmentation Methods 0.000 claims abstract description 15
- 230000006870 function Effects 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 14
- 238000007635 classification algorithm Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003416 augmentation Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
- G06V20/36—Indoor scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Architecture (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
(src(I):ピクセル情報の変更前の元素値(x、y、z)、
:定数、
:定数、dst(I):ピクセル情報の変更後の元素値(x’、y’、z’))前記数1に基づいて前記第1空間イメージから前記第2空間イメージを生成する動作を含むことができる。
(R:ピクセル情報のRGB情報(x、y、z)のうちx、G:ピクセル情報のRGB情報(x、y、z)のうちy、B:ピクセル情報のRGB情報(x、y、z)のうちz、Y:ピクセル情報の変更後の元素値(x’、y’、z’))前記数2に基づいて前記第1空間イメージから前記第2空間イメージを生成する動作を含むことができる。
(src(I):ピクセル情報の変更前の元素値(x、y、z)、
:定数、
:定数、dst(I):ピクセル情報の変更後の元素値(x’、y’、z’))
(R:前記dst(I)の(x’、y’、z’)のうちx’、G:前記dst(I)の(x’、y’、z’)のうちy’、B:前記dst(I)の(x’、y’、z’)のうちz’、Y:ピクセル情報の変更後の元素値(x’’、y’’、z’’))前記数3及び4に基づいて前記第1空間イメージから前記第2空間イメージを生成する動作を含むことができる。
(src(I):ピクセル情報の変更前の元素値(x、y、z)、
:乱数、dst(I):ピクセル情報の変更後の元素値(x’、y’、z’))前記数5に基づいて前記第1空間イメージのピクセル情報にノイズ情報を付加して前記第2空間イメージを生成する動作を含むことができる。
から前記複数のピクセルのR、G、Bそれぞれの元素平均値である
を引いた値である
を求め、前記
の元素値のいずれか一つが既設定された値より小さい場合、前記第1ピクセルをブラー処理をする演算を遂行して前記第2空間イメージを生成する動作を含むことができる。
(数1)
(src(I):ピクセル情報の変更前の元素値(x、y、z)、
:定数、
:定数、dst(I):ピクセル情報の変更後の元素値(x’、y’、z’))
が1より大きな値を有するように設定する場合、第1空間イメージのピクセルの中で明るい部分をさらに明るくし、暗い部分をさらに暗くして対比を増加させることができ、
が0より大きく1より小さな値を有するように設定する場合、第1空間イメージのピクセルの中で明るい部分をあまり明るくなくし、暗い部分をあまり暗くなくして対比を減少させることができる。
により出力される元素値が255より過度に大きくならないように
を設定でき、
関数を使用して最大値が255より大きくならないように設定できる。
を設定して数1を適用した場合の第2空間イメージである。図3Aの右側第2空間イメージは、第1空間イメージに比して、明るい部分がさらに明るく変わり、暗い部分がさらに暗く変わって対比が増加した新たな学習データが生成されることを確認することができる。
を設定して数1を適用した場合の第2空間イメージである。図3Bの右側第2空間イメージは、第1空間イメージに比して、明るい部分があまり明るくなく変わり、暗い部分があまり暗くなく変わって対比が減少した新たな学習データが生成されることを確認することができる。
を設定して数1を適用した場合の第2空間イメージである。図3Cを通して一つのピクセル情報が数1によって変わる程度を確認することができる。
(数2)
(R:ピクセル情報のRGB情報(x、y、z)のうちx、G:ピクセル情報のRGB情報(x、y、z)のうちy、B:ピクセル情報のRGB情報(x、y、z)のうちz、Y:ピクセル情報の変更後の元素値(x’、y’、z’))
(数3)
(src(I):ピクセル情報の変更前の元素値(x、y、z)、
:定数、
:定数、dst(I):ピクセル情報の変更後の元素値(x’、y’、z’))
(数4)
(R:数3で求められたdst(I)の(x’、y’、z’)のうちx’、G:数3で求められたdst(I)の(x’、y’、z’)のうちy’、B:数3で求められたdst(I)の(x’、y’、z’)のうちz’、Y:ピクセル情報の変更後の元素値(x’’、y’’、z’’)
(数5)
(src(I):ピクセル情報の変更前の元素値(x、y、z)、
:乱数、dst(I):ピクセル情報の変更後の元素値(x’、y’、z’))
Claims (14)
- データ増強基盤空間分析モデル学習装置において、
所定の動作を遂行するようにする命令語を格納する一つ以上のメモリ;及び前記一つ以上のメモリと動作できるように連結されて前記命令語を実行するように設定された一つ以上のプロセッサを含み、
前記プロセッサが遂行する動作は、
複数の空間イメージを獲得して前記複数の空間イメージそれぞれに該当する空間情報を特定するクラスをラベリングするか、前記クラスがラベリングされた複数の空間イメージを獲得して学習データを生成する動作;
前記複数の空間イメージのうち第1空間イメージが含むピクセル情報の一部または全部を変更した第2空間イメージを生成して前記学習データを増強する動作;
前記第1空間イメージにラベリングされたクラスを前記第2空間イメージにラベリングする動作;及び
所定のイメージ分類アルゴリズム基盤に設計されたモデルに前記増強された学習データを入力し、前記学習データに含まれた空間イメージと前記空間イメージそれぞれにラベリングされたクラスとの相関関係を導出する前記モデルの重み付けを学習させることで、前記相関関係に基づいて空間イメージに対するクラスを判別するモデルを生成する動作を含む、
データ増強基盤空間分析モデル学習装置。 - 前記第2空間イメージを生成する動作は、
前記第1空間イメージに含まれたピクセル情報のRGB情報を構成する(x、y、z)元素値に対して、所定の基準値より大きな値を有する元素値がさらに大きな値を有するように変更し、前記基準値より小さな値を有する元素値がさらに小さな元素値を有するように変更して前記第2空間イメージを生成する動作を含む、
請求項1に記載のデータ増強基盤空間分析モデル学習装置。 - 前記第2空間イメージを生成する動作は、
前記第1空間イメージに含まれたピクセル情報の一部にノイズ情報を追加して前記第2空間イメージを生成する動作を含む、
請求項1に記載のデータ増強基盤空間分析モデル学習装置。 - 前記第2空間イメージを生成する動作は、
前記第1空間イメージが含む全てのピクセルの個数だけ、平均0及び標準偏差100の標準ガウス正規分布に従う乱数情報を生成し、前記全てのピクセルのそれぞれに前記乱数情報それぞれを合算してノイズが挿入された前記第2空間イメージを生成する動作を含む、
請求項1に記載のデータ増強基盤空間分析モデル学習装置。 - 前記モデルを生成する動作は、
ResNet(Deep Residual Learning for Image Recognition)アルゴリズムに基づいて設計された神経網の入力レイヤに前記学習データに含まれた空間イメージが入力されるように設定し、出力レイヤに前記空間イメージそれぞれにラベリングされたクラスが入力されるように設定して、前記学習データに含まれた空間イメージと前記空間イメージそれぞれにラベリングされたクラスとの相関関係を導出する神経網の重み付けを学習させる動作を含む、
請求項1に記載のデータ増強基盤空間分析モデル学習装置。 - 前記ResNetアルゴリズムに基づいて設計された神経網のハイパーパラメータのうちネットワーク階層数は、[18、34、50、101、152、200]のうち一つの値を有し、クラス個数は、居間/部屋/台所/浴室に分類される4つのクラスを含み、ミニバッチサイズは、[32、64、128、256]のうち一つの値を有し、学習回数は、10~15の値のうち一つを有し、学習率は、0.005または0.01に設定され、損失関数は、SGDまたはAdamに設定される、
請求項10に記載のデータ増強基盤スタイル分析モデル学習装置。 - 請求項1乃至11のいずれか一項に記載の装置が生成したデータ増強基盤空間分析モデルを含む装置。
- データ増強基盤空間分析モデル学習装置が遂行する方法において、
複数の空間イメージを獲得して前記複数の空間イメージそれぞれに該当する空間情報を特定するクラスをラベリングするか、前記クラスがラベリングされた複数の空間イメージを獲得して学習データを生成するステップ;
前記複数の空間イメージのうち第1空間イメージが含むピクセル情報の一部または全部を変更した第2空間イメージを生成して前記学習データを増強するステップ;
前記第1空間イメージにラベリングされたクラスを前記第2空間イメージにラベリングするステップ;及び
所定のイメージ分類アルゴリズム基盤に設計されたモデルに前記増強された学習データを入力して、前記学習データに含まれた空間イメージと前記空間イメージそれぞれにラベリングされたクラスとの相関関係を導出する前記モデルの重み付けを学習させることで、前記相関関係に基づいて空間イメージに対するクラスを判別するモデルを生成するステップを含む、
データ増強基盤空間分析モデル学習方法。 - 請求項13に記載の方法をプロセッサが遂行するようにするコンピュータ読み取り可能書き込み媒体に格納されたコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2020-0091753 | 2020-07-23 | ||
KR1020200091753A KR102208685B1 (ko) | 2020-07-23 | 2020-07-23 | 데이터 증강 기반 공간 분석 모델 학습 장치 및 방법 |
PCT/KR2020/016688 WO2022019389A1 (ko) | 2020-07-23 | 2020-11-24 | 데이터 증강 기반 공간 분석 모델 학습 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023508639A true JP2023508639A (ja) | 2023-03-03 |
JP7362924B2 JP7362924B2 (ja) | 2023-10-17 |
Family
ID=74239270
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022531442A Active JP7362924B2 (ja) | 2020-07-23 | 2020-11-24 | データ増強基盤空間分析モデル学習装置及び方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220358752A1 (ja) |
EP (1) | EP4040347A4 (ja) |
JP (1) | JP7362924B2 (ja) |
KR (2) | KR102208685B1 (ja) |
CN (1) | CN114830146A (ja) |
WO (1) | WO2022019389A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117302236B (zh) * | 2023-09-27 | 2024-03-26 | 湖北天凯风林电子有限公司 | 一种基于深度学习的车辆状态监测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160358024A1 (en) * | 2015-06-03 | 2016-12-08 | Hyperverge Inc. | Systems and methods for image processing |
US20170300783A1 (en) * | 2016-04-13 | 2017-10-19 | Xerox Corporation | Target domain characterization for data augmentation |
JP2018525734A (ja) * | 2015-07-22 | 2018-09-06 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | ニューラルネットワークにおける転移学習 |
CN108520278A (zh) * | 2018-04-10 | 2018-09-11 | 陕西师范大学 | 一种基于随机森林的路面裂缝检测方法及其评价方法 |
JP2018169672A (ja) * | 2017-03-29 | 2018-11-01 | 三菱電機インフォメーションシステムズ株式会社 | 教師画像を生成する方法、コンピュータおよびプログラム |
US10489683B1 (en) * | 2018-12-17 | 2019-11-26 | Bodygram, Inc. | Methods and systems for automatic generation of massive training data sets from 3D models for training deep learning networks |
CN110516703A (zh) * | 2019-07-18 | 2019-11-29 | 平安科技(深圳)有限公司 | 基于人工智能的车辆识别方法、装置及存储介质 |
KR20200078214A (ko) * | 2018-12-21 | 2020-07-01 | 삼성전자주식회사 | 스타일 변환을 위한 영상 처리 장치 및 방법 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3347817B2 (ja) * | 1993-06-22 | 2002-11-20 | 株式会社ビュープラス | 画像認識装置 |
KR20100102772A (ko) | 2009-03-12 | 2010-09-27 | 주식회사 퍼시스 | 실내환경 분석 시스템 및 그 방법 |
US20170256038A1 (en) * | 2015-09-24 | 2017-09-07 | Vuno Korea, Inc. | Image Generating Method and Apparatus, and Image Analyzing Method |
KR102645202B1 (ko) * | 2017-01-03 | 2024-03-07 | 한국전자통신연구원 | 기계 학습 방법 및 장치 |
-
2020
- 2020-07-23 KR KR1020200091753A patent/KR102208685B1/ko active IP Right Grant
- 2020-11-24 JP JP2022531442A patent/JP7362924B2/ja active Active
- 2020-11-24 EP EP20945867.8A patent/EP4040347A4/en not_active Withdrawn
- 2020-11-24 CN CN202080085371.8A patent/CN114830146A/zh not_active Withdrawn
- 2020-11-24 WO PCT/KR2020/016688 patent/WO2022019389A1/ko unknown
-
2021
- 2021-01-19 KR KR1020210007406A patent/KR102430742B1/ko active IP Right Grant
-
2022
- 2022-07-21 US US17/870,330 patent/US20220358752A1/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160358024A1 (en) * | 2015-06-03 | 2016-12-08 | Hyperverge Inc. | Systems and methods for image processing |
JP2018525734A (ja) * | 2015-07-22 | 2018-09-06 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | ニューラルネットワークにおける転移学習 |
US20170300783A1 (en) * | 2016-04-13 | 2017-10-19 | Xerox Corporation | Target domain characterization for data augmentation |
JP2018169672A (ja) * | 2017-03-29 | 2018-11-01 | 三菱電機インフォメーションシステムズ株式会社 | 教師画像を生成する方法、コンピュータおよびプログラム |
CN108520278A (zh) * | 2018-04-10 | 2018-09-11 | 陕西师范大学 | 一种基于随机森林的路面裂缝检测方法及其评价方法 |
US10489683B1 (en) * | 2018-12-17 | 2019-11-26 | Bodygram, Inc. | Methods and systems for automatic generation of massive training data sets from 3D models for training deep learning networks |
KR20200078214A (ko) * | 2018-12-21 | 2020-07-01 | 삼성전자주식회사 | 스타일 변환을 위한 영상 처리 장치 및 방법 |
CN110516703A (zh) * | 2019-07-18 | 2019-11-29 | 平安科技(深圳)有限公司 | 基于人工智能的车辆识别方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20220358752A1 (en) | 2022-11-10 |
KR20220012784A (ko) | 2022-02-04 |
EP4040347A1 (en) | 2022-08-10 |
JP7362924B2 (ja) | 2023-10-17 |
EP4040347A4 (en) | 2023-08-23 |
KR102208685B9 (ko) | 2022-03-11 |
CN114830146A (zh) | 2022-07-29 |
KR102430742B1 (ko) | 2022-08-11 |
KR102208685B1 (ko) | 2021-01-28 |
WO2022019389A1 (ko) | 2022-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102192899B1 (ko) | 이미지에 보케 효과를 적용하는 방법 및 기록매체 | |
US11475246B2 (en) | System and method for generating training data for computer vision systems based on image segmentation | |
Schwartz et al. | Deepisp: Toward learning an end-to-end image processing pipeline | |
JP7140848B2 (ja) | 毛髪被覆率分析のためのシステム及び方法 | |
Kao et al. | Visual aesthetic quality assessment with a regression model | |
US8692830B2 (en) | Automatic avatar creation | |
JP2020526809A (ja) | 仮想顔化粧の除去、高速顔検出およびランドマーク追跡 | |
KR20200004841A (ko) | 셀피를 촬영하도록 사용자를 안내하기 위한 시스템 및 방법 | |
JP6728487B2 (ja) | 電子装置及びその制御方法 | |
JP2023537268A (ja) | イメージデータベース分析基盤商品推薦装置及び方法 | |
Lin et al. | Deep multi-class adversarial specularity removal | |
US20220358411A1 (en) | Apparatus and method for developing object analysis model based on data augmentation | |
WO2022156621A1 (zh) | 基于人工智能的图像上色方法、装置、电子设备、计算机可读存储介质及计算机程序产品 | |
CN108292359A (zh) | 眼睛特征识别 | |
US11468571B2 (en) | Apparatus and method for generating image | |
CN108647696B (zh) | 图片颜值确定方法及装置、电子设备、存储介质 | |
JP7325637B2 (ja) | データ増強基盤スタイル分析モデル学習装置及び方法 | |
JP7362924B2 (ja) | データ増強基盤空間分析モデル学習装置及び方法 | |
Hepburn et al. | Enforcing perceptual consistency on generative adversarial networks by using the normalised laplacian pyramid distance | |
CN115457015A (zh) | 一种基于视觉交互感知双流网络的图像无参考质量评估方法及装置 | |
Jiji et al. | Extended depth of focus imaging using optics and image processing | |
Deshpande et al. | Fusion of handcrafted edge and residual learning features for image colorization | |
Mahajan | A comprehensive Analysis on Image Colorization using Generative Adversarial Networks (GANs) | |
Lebron Rivera | Underwater Image Enhancement: A Pipeline for Underwater Computer Visions | |
Nine | Data Augmentation GUI Tool for Machine Learning Models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220526 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230328 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230619 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230803 |
|
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: 20230905 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231004 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7362924 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |