JP5226119B2 - ハイブリッドラベルに基づいてオブジェクトを分割する方法とシステム - Google Patents
ハイブリッドラベルに基づいてオブジェクトを分割する方法とシステム Download PDFInfo
- Publication number
- JP5226119B2 JP5226119B2 JP2011244206A JP2011244206A JP5226119B2 JP 5226119 B2 JP5226119 B2 JP 5226119B2 JP 2011244206 A JP2011244206 A JP 2011244206A JP 2011244206 A JP2011244206 A JP 2011244206A JP 5226119 B2 JP5226119 B2 JP 5226119B2
- Authority
- JP
- Japan
- Prior art keywords
- foreground
- background
- pixels
- pixel
- stroke
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Description
ユーザは、対象に関するある情報をコンピュータ・プログラム提供する必要がある。その後、コンピュータ・プログラムが、そのような情報に基づいて対象を自動的に分割する。結果が最終目標を達成しなければ、ユーザはいくつかの追加情報を提供し、コンピュータ・プログラムが再び計算を実行する。この反復の対話分割方法においては、一歩一歩良好な分割結果に近づく。一般に、ユーザが対象情報を提供するのに2つの方法がある。第1の方法は対象のエッジをラベル付けすることである。一旦対象の完全なエッジがラベル付けされれば、対象分割のタスクが完遂する。第2の方法は対象のシードピクセル(seed pixel)の一部をラベル付けすることである。コンピュータ・プログラムは、シードピクセルによって提供される情報に基づいて対象を自動的に分割する。例えば、第2の方法においては、ユーザが、マウスを用いて、いくつかの決定した対象ピクセルと背景ピクセルをラベル付けし、コンピュータ・プログラムが目標対象を分割する。
他方、対象のエッジが非常に簡単な場合、対話型の対象分割技術は高精度な分割を達成することが可能である。複雑な状態においては、分割結果は、それほど正確でない傾向がある。例えば、髪の毛などのような対象のエッジは非常に複雑なエッジを有し、対象のエッジをラベル付けすることはユーザにとって非常に困難である。したがって、エッジピクセルについて分割誤差がある場合、あるいはラベル付けについて情報が不十分な場合、ユーザによるラベル付け操作は、ラベル付けが不十分であるため、一般に悪い結果を導くことになる。それ故、そのような複雑なエッジを処理することは既存の分割アルゴリズムにとって困難である。
図1に示すように、本発明の実施の形態によるシステムは、ユーザによって入力された入力画像に対するラベル付け処理の結果に基づいて異なるタイプのラベル付けストローク(例えば、前景、背景、そして不確定の、3つのタイプのラベル付けストロークがある)から前景モデルと背景モデルを構築し、かつラベル付けストロークに基づいて自動画像分割を実行するよう構成された分割ユニット110と、画像分割の結果を表示するように構成された表示ユニット120とを備えている。
その後、ユーザは、分割結果を観察し、分割目標に基づいて現在の分割結果が要求を満足するかどうかを判定する。要求が満足されなければ、ユーザは、マウスまたはスタイラスペンなどのような入力装置で分割結果に基づいた対話をさらに実行することも可能である。
本発明の実施の形態によれば、分割ユニット110は、不確定なストロークによってラベル付けされないピクセルを前景ピクセルあるいは背景ピクセルに分類するために、前景ストロークと背景ストロークに基づいて前景モデルと背景モデルを確立し、分類された前景ピクセルと背景ピクセルに基づいて、不確定なストロークに対応する1つ以上のピクセルが前景ピクセルである確率を計算し、下限値より低い確率を有するピクセルを背景ピクセルと決定し、上限値より高い確率を有するピクセルを前景ピクセルと決定するよう構成されている。
このシステムは、入力装置を介してユーザによって入力されるラベル付けストロークを受信するように構成された受信ユニット150を備えている。その後、記憶ユニット140は、ユーザと一度対話された全てのストロークを格納する。
これらのストロークは、前景、背景および不確定なエッジ(境界)のように、異なるタイプのラベルにそれぞれ対応している。記憶ユニット140は、ストロークについて、ストロークによってカバーされるピクセルの位置集合を格納する。各ストロークは、3種類のラベル(前景、背景および不確定なエッジ)の1つに対応する。
図2に示すように、入力画像は子供の背部を含む画像である。この画像は、子供、フットボール、芝生、木および数人のフットボール選手などの多くのオブジェクトを含んでいる。ここでは、子供の髪の毛を目標対象として定義し、その他の対象を背景と見なす。目標対象は背景と相対する前景である。
本発明の実施の形態において用いられる対話ツールは、コンピュータ・マウスである。ユーザは、マウスを用いてコンピュータのスクリーン上にラベルを付する。マウスによって付された各ラベルの軌跡はストロークと称される。
各ストロークは、前景、背景あるいは不確定なラベルなどのようなラベルタイプを有する。各ストロークは、ピクセル位置の集合であり、それらの位置のピクセルが前景、背景あるいは不確定なタイプのラベルを含むことを示している。ユーザは、目標対象の定義に基づいて前景と背景のラベルを付する。ラベルを付するのが容易でないピクセルには、不確定なタイプとしてラベル付けする。
一般的は、不確定なピクセルは、対象のエッジに主に生成される。
対象のエッジが複雑である場合、多くの対話が前景ピクセルを判定するために必要となる。
図2に示す髪の毛のエッジを具体例として挙げると、前景のエッジが時には数ピクセル或いはただ1ピクセルだけの幅を有するような、とても多くの細い髪の毛が存在する。したがって、高い品質の対話作業を実行することはユーザにとって困難である。
この問題に対する解決法として、不確定なピクセルとしてラベル付けすることが可能である。この場合、ユーザは、コンピュータ・プログラムが自動的にそれらのピクセルを処理することができるように、区別するのが容易でないピクセルに不確定なタイプとして直接ラベルを付ける必要があるだけである。
異なるラベルタイプのピクセルは、表示のための3つの集合にそれぞれ格納される。
これらの3つの集合は、それぞれ、ユーザによってラベル付けされたピクセルの位置集合を格納する。
その後、その処理はステップS11に戻る。
本発明の一実施例によれば、ここで用いられる分割アルゴリズムは、対応する前景と背景情報に基づいて、前景モデルと背景モデルを構築する。
その後、前景モデルと背景モデルを用いて、画像内のピクセルを分類することにより、対象の分割結果が取得される。
このモデルは、前景ピクセルの数値特性について記述する。
ここで、この方法において用いられる前景モデルは、例えば、非特許文献1(Wang, D., Shan, S.G., Zeng, W., Zhang,
H.M., Chen, X.L.: A novel two-tier Bayesian based method for hair segmentation.
International Conference on Image Processing, (2009) 2401-2404)に記述されるような混合ガウスモデルである。
ここで、この方法において用いられる背景モデルは、例えば、非特許文献1に記述されるような混合ガウスモデルである。
この方法は、グラフカット理論(graph-cut theory)を利用し、ピクセル中の空間的位置関係と組み合わせて、ピクセルについて前景と背景モデルを組込み、非特許文献1に記述されるように、前景と背景のピクセルを分類するために最大/最小フローアルゴリズム(maximum/minimum flow algorithm)を用いる。
Manuel M. Oliveira, Shared Sampling for Real-Time Alpha Matting, Computer
Graphics Forum, Volume 29 (2010), Number 2, Proceedings of Eurographics 2010,
pp. 575-584)に記述されるようなMattingアルゴリズムは用いることが可能である。それはピクセルのAlpha値を計算する方法である。この方法は、判定した前景と背景ピクセルに基づいて前景または背景に分類されていないピクセルのアルファ値を計算する。
Mattingアルゴリズムを用いることにより、不確定なピクセルのAlpha値が計算される。
ここで、Alpha値は、ピクセルが前景ピクセルであるための確率を表わす0と1の間の実数である。
Alpha値の1は、ピクセルが100%前景ピクセルであることを示し、Alpha値の0は、ピクセルが100%背景ピクセルであることを示している。
従って、Alpha値に従って、低い閾値(下限)より低いAlpha値を有するピクセルは、背景ピクセルと判定され、一方、高い閾値(上限)より高いAlpha値を有するピクセルは、前景ピクセルと判定される。
(1)ユーザとの対話のない初期段階では、分割アルゴリズムは、以下の2つの方策の任意の1つを使用することが可能である。
1.1)非特許文献に記述されるような他の自動対象分割方法を用いて、初期の分割結果を取得する。
1.2)全ての画像ピクセルを背景ピクセルに直接分類する。
(2)分割結果は評価のためにユーザに提示される。
(3)ユーザが分割結果に満足ならば、アルゴリズムは終了する。
(4)ユーザが分割結果に満足しなければ、対話が必要となる。
ラベルは、対話ツール(例えば、マウス)で画像上に付される。
いくつかのピクセルが前景ピクセルであるとユーザが考えれば、ユーザは、対話ツールを用いてスクリーン上でこれらのピクセルにラベルを付する。同様にして、背景ピクセルにもラベルが付される。
前回の分割結果において分割誤差(例えば、前景ピクセルが背景に間違って分割され、あるいは、背景ピクセルが前景に間違って分割される)があれば、ユーザは、そのような間違って分割されたピクセルを正しいラベルで再度ラベル付けする。
他方、ユーザは、ユーザが正確にラベル付けすることができないと考えるピクセルに、不確定なラベル(本発明の実施の形態に特有のラベル)を用いてラベル付けする。
ここで、各ラベルはストロークと称される。各ストロークは3つのタイプのラベル(前景、背景、不確定)の1つに対応する。
1つのストロークは、ユーザがスクリーン上で対話ツールを移動させる軌跡内のピクセルの位置集合である。
(5)ユーザによってラベル付けされたストロークを元に、ユーザ指定の前景ピクセル、前回の分割結果と一緒の背景ピクセルに基づいて更新後の前景と背景モデルが構築される。
ここで、新たな前景と背景モデルの構築中に、ユーザによってラベル付けされた前景と背景のピクセルは、大きな重みを持って割り当てられる。
構築された前景と背景モデルに基づいて、分割プログラムは、不確定なタイプとしてラベル付けされない画像内の各ピクセルを、グラフカットによって前景または背景のピクセルに分類する。
ユーザによって指定された各不確定なピクセルについて、そのAlpha値がMattingアルゴリズムを用いて決定される。
ここで、Alpha値は、ピクセルが前景ピクセルであるための確率を表わす0と1の間の実数である。
Alpha値の1は、ピクセルが100%前景ピクセルであることを示し、Alpha値の0は、ピクセルが100%背景ピクセルであることを示している。
従って、Alpha値に従って、低い閾値(下限)より低いAlpha値を有するピクセルは、背景ピクセルと判定され、一方、高い閾値(上限)より高いAlpha値を有するピクセルは、前景ピクセルと判定される。
他のAlpha値を有するピクセルは、次の前景/背景更新計算に含まれない不確定なピクセルと判定される。
(6)ステップ(5)で取得された結果は、ユーザに提示される。
ユーザが現在の分割結果に満足しなければ、処理はステップ(4)に戻る。そうでなければ、処理は次のステップに進む。
(7)全ての不確定なピクセルは、0.5前後の閾値に基づいて、前景または背景のピクセルに再分類される。
(a)対話の回数、すなわち、所定回数の対話が実行されれば、アルゴリズムが終了する;(b)グラフカットアルゴリズムにおけるエネルギー関数などによる分割結果評価度、すなわち、しきい値より小さなエネルギー関数は、分割が特定の要求を満足することを示す;(c)主観的な評価、すなわち、ユーザが、分割結果について主観的な評価をし、全処理を終了する指示を入力する。
この方法によって、分割中の前景と背景の間のエッジにおけるピクセルの影響を回避することができ、複雑なエッジについての処理がより容易になり、分割精度が向上する。
目標対象を含む画像内のピクセルについてラベル付けストロークを受信するステップと、
不確定ストロークによってラベル付けがなされないピクセルを前景ピクセルあるいは背景ピクセルに分類するために、前景ストロークと背景ストロークに基づいて前景モデルと背景モデルを構築するステップと、
分類された前景ピクセルと背景ピクセルに基づいて、不確定なストロークに対応する1つ以上のピクセルが前景ピクセルである確率を計算し、下限値より低い確率を有するピクセルを背景ピクセルと決定し、上限値より高い確率を有するピクセルを前景ピクセルと決定するステップとを含み、
前記ラベル付けストロークは、目標対象をラベル付けするための前景ストローク、背景をラベル付けするための背景ストローク、目標対象と背景以外のピクセルをラベル付けするための不確定ストロークを含む
ことを特徴とするハイブリッドラベルに基づいて対象を分割する方法。
下限値より高く、上限値より低い確率を有するピクセルを、不確定ピクセルと決定するステップをさらに含むことを特徴とする付記1に記載のハイブリッドラベルに基づいて対象を分割する方法。
所定の閾値を用いて、前記不確定ピクセルを、前景ピクセルあるいは背景ピクセルとして決定するステップをさらに含むことを特徴とする付記2に記載のハイブリッドラベルに基づいて対象を分割する方法。
不確定なストロークに対応する1つ以上のピクセルが前景ピクセルである確率を計算するステップは、Mattingアルゴリズムに基づくことを特徴とする付記1に記載のハイブリッドラベルに基づいて対象を分割する方法。
前記前景モデルと背景モデルは、混合ガウスモデルに基づくことを特徴とする付記1に記載のハイブリッドラベルに基づいて対象を分割する方法。
目標対象を含む画像内のピクセルについてラベル付けストロークを受信するように構成される受信手段と、
不確定ストロークによってラベル付けがなされないピクセルを前景ピクセルあるいは背景ピクセルに分類するために、前景ストロークと背景ストロークに基づいて前景モデルと背景モデルを構築し、分類された前景ピクセルと背景ピクセルに基づいて、不確定なストロークに対応する1つ以上のピクセルが前景ピクセルである確率を計算し、下限値より低い確率を有するピクセルを背景ピクセルと決定し、上限値より高い確率を有するピクセルを前景ピクセルと決定する分割手段とを備え、
前記ラベル付けストロークは、目標対象をラベル付けするための前景ストローク、背景をラベル付けするための背景ストローク、目標対象と背景以外のピクセルをラベル付けするための不確定ストロークを含む
ことを特徴とするハイブリッドラベルに基づいて対象を分割するシステム。
前記受信手段によって受信されたラベル付けストロークを格納するように構成された記憶手段と、
受信したラベル付けストロークが、前景ストローク、背景ストロークあるいは不確定ストロークかを分析し、分析結果を前記分割手段に提供するように構成される分析手段をさらに備えることを特徴とする付記1に記載のハイブリッドラベルに基づいて対象を分割するシステム。
前記分割手段は、下限値より高く、上限値より低い確率を有するピクセルを、不確定ピクセルと決定するように構成されることを特徴とする付記6に記載のハイブリッドラベルに基づいて対象を分割するシステム。
前記分割手段は、所定の閾値を用いて、前記不確定ピクセルを、前景ピクセルあるいは背景ピクセルとして決定するように構成されることを特徴とする付記8に記載のハイブリッドラベルに基づいて対象を分割するシステム。
前記分割手段は、不確定なストロークに対応する1つ以上のピクセルが前景ピクセルである確率を、Mattingアルゴリズムに基づいて計算するように構成されることを特徴とする付記6に記載のハイブリッドラベルに基づいて対象を分割するシステム。
前記分割手段は、混合ガウスモデルに基づいて、前記前景モデルと背景モデルを構築するように構成されることを特徴とする付記6に記載のハイブリッドラベルに基づいて対象を分割するシステム。
120:表示ユニット
130:分析ユニット
140:記憶ユニット
150:受信ユニット
Claims (10)
- 目標対象を含む画像内のピクセルについてラベル付けストロークを受信するステップと、
不確定ストロークによってラベル付けがなされないピクセルを前景ピクセルあるいは背景ピクセルに分類するために、前景ストロークと背景ストロークに基づいて前景モデルと背景モデルを構築するステップと、
分類された前景ピクセルと背景ピクセルに基づいて、不確定なストロークに対応する1つ以上のピクセルが前景ピクセルである確率を計算し、下限値より低い確率を有するピクセルを背景ピクセルと決定し、上限値より高い確率を有するピクセルを前景ピクセルと決定するステップとを含み、
前記ラベル付けストロークは、目標対象をラベル付けするための前景ストローク、背景をラベル付けするための背景ストローク、目標対象と背景以外のピクセルをラベル付けするための不確定ストロークを含む
ことを特徴とするハイブリッドラベルに基づいて対象を分割する方法。 - 下限値より高く、上限値より低い確率を有するピクセルを、不確定ピクセルと決定するステップをさらに含むことを特徴とする請求項1に記載のハイブリッドラベルに基づいて対象を分割する方法。
- 所定の閾値を用いて、前記不確定ピクセルを、前景ピクセルあるいは背景ピクセルとして決定するステップをさらに含むことを特徴とする請求項2に記載のハイブリッドラベルに基づいて対象を分割する方法。
- 不確定なストロークに対応する1つ以上のピクセルが前景ピクセルである確率を計算するステップは、Mattingアルゴリズムに基づくことを特徴とする請求項1に記載のハイブリッドラベルに基づいて対象を分割する方法。
- 前記前景モデルと背景モデルは、混合ガウスモデルに基づくことを特徴とする請求項1に記載のハイブリッドラベルに基づいて対象を分割する方法。
- 目標対象を含む画像内のピクセルについてラベル付けストロークを受信するように構成される受信手段と、
不確定ストロークによってラベル付けがなされないピクセルを前景ピクセルあるいは背景ピクセルに分類するために、前景ストロークと背景ストロークに基づいて前景モデルと背景モデルを構築し、分類された前景ピクセルと背景ピクセルに基づいて、不確定なストロークに対応する1つ以上のピクセルが前景ピクセルである確率を計算し、下限値より低い確率を有するピクセルを背景ピクセルと決定し、上限値より高い確率を有するピクセルを前景ピクセルと決定する分割手段とを備え、
前記ラベル付けストロークは、目標対象をラベル付けするための前景ストローク、背景をラベル付けするための背景ストローク、目標対象と背景以外のピクセルをラベル付けするための不確定ストロークを含む
ことを特徴とするハイブリッドラベルに基づいて対象を分割するシステム。 - 前記受信手段によって受信されたラベル付けストロークを格納するように構成された記憶手段と、
受信したラベル付けストロークが、前景ストローク、背景ストロークあるいは不確定ストロークかを分析し、分析結果を前記分割手段に提供するように構成される分析手段をさらに備えることを特徴とする請求項6に記載のハイブリッドラベルに基づいて対象を分割するシステム。 - 前記分割手段は、下限値より高く、上限値より低い確率を有するピクセルを、不確定ピクセルと決定するように構成されることを特徴とする請求項6に記載のハイブリッドラベルに基づいて対象を分割するシステム。
- 前記分割手段は、所定の閾値を用いて、前記不確定ピクセルを、前景ピクセルあるいは背景ピクセルとして決定するように構成されることを特徴とする請求項8に記載のハイブリッドラベルに基づいて対象を分割するシステム。
- 前記分割手段は、不確定なストロークに対応する1つ以上のピクセルが前景ピクセルである確率を、Mattingアルゴリズムに基づいて計算するように構成されることを特徴とする請求項6に記載のハイブリッドラベルに基づいて対象を分割するシステム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011100852949A CN102707864A (zh) | 2011-03-28 | 2011-03-28 | 基于混合标记的对象分割方法和系统 |
CN201110085294.9 | 2011-03-28 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012208913A JP2012208913A (ja) | 2012-10-25 |
JP5226119B2 true JP5226119B2 (ja) | 2013-07-03 |
Family
ID=46900721
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011244206A Expired - Fee Related JP5226119B2 (ja) | 2011-03-28 | 2011-11-08 | ハイブリッドラベルに基づいてオブジェクトを分割する方法とシステム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP5226119B2 (ja) |
CN (1) | CN102707864A (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013196308A (ja) * | 2012-03-19 | 2013-09-30 | Ricoh Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
CN103914822A (zh) * | 2012-12-31 | 2014-07-09 | 清华大学 | 基于超像素分割的交互式视频前景对象提取方法 |
CN103473780B (zh) * | 2013-09-22 | 2016-05-25 | 广州市幸福网络技术有限公司 | 一种人像背景抠图的方法 |
US10073543B2 (en) * | 2014-03-07 | 2018-09-11 | Htc Corporation | Image segmentation device and image segmentation method |
KR101546635B1 (ko) | 2014-11-28 | 2015-08-21 | 연세대학교 산학협력단 | 영상 편집 방법 및 장치 |
CN105139415A (zh) * | 2015-09-29 | 2015-12-09 | 小米科技有限责任公司 | 图像前后景分割方法、装置及终端 |
CN107230211B (zh) * | 2017-05-05 | 2021-07-16 | 上海联影医疗科技股份有限公司 | 一种图像分割方法及系统 |
CN111837143A (zh) | 2018-03-16 | 2020-10-27 | 三菱电机株式会社 | 学习装置及学习方法 |
CN111105440B (zh) * | 2019-11-29 | 2023-07-07 | 北京金山云网络技术有限公司 | 视频中目标物体的跟踪方法、装置、设备及存储介质 |
CN111784712B (zh) * | 2020-07-17 | 2023-03-14 | 北京字节跳动网络技术有限公司 | 图像处理方法、装置、设备和计算机可读介质 |
US11514695B2 (en) * | 2020-12-10 | 2022-11-29 | Microsoft Technology Licensing, Llc | Parsing an ink document using object-level and stroke-level processing |
CN113506302B (zh) * | 2021-07-27 | 2023-12-12 | 四川九洲电器集团有限责任公司 | 一种交互式对象更新方法、装置及处理系统 |
CN113628221B (zh) * | 2021-08-03 | 2024-06-21 | Oppo广东移动通信有限公司 | 图像处理方法、图像分割模型训练方法及相关装置 |
CN116228745A (zh) * | 2023-04-24 | 2023-06-06 | 徐州医科大学 | 一种用于肺结节良恶性分类的深度卷积网络构建方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060029275A1 (en) * | 2004-08-06 | 2006-02-09 | Microsoft Corporation | Systems and methods for image data separation |
CN101512598A (zh) * | 2006-07-21 | 2009-08-19 | 奥多比公司 | 实时的一致图像选择 |
CN101567088B (zh) * | 2008-04-22 | 2012-01-04 | 华为技术有限公司 | 一种运动物体检测的方法和装置 |
KR101471199B1 (ko) * | 2008-04-23 | 2014-12-09 | 주식회사 케이티 | 영상을 전경과 배경으로 분리하는 방법 및 장치, 영상을전경과 배경으로 분리하여 배경을 대체하는 방법 및 장치 |
JP5045619B2 (ja) * | 2008-09-08 | 2012-10-10 | ソニー株式会社 | 画像処理装置および方法、並びにプログラム |
EP2199981A1 (en) * | 2008-12-09 | 2010-06-23 | Koninklijke Philips Electronics N.V. | Image segmentation |
-
2011
- 2011-03-28 CN CN2011100852949A patent/CN102707864A/zh active Pending
- 2011-11-08 JP JP2011244206A patent/JP5226119B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2012208913A (ja) | 2012-10-25 |
CN102707864A (zh) | 2012-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5226119B2 (ja) | ハイブリッドラベルに基づいてオブジェクトを分割する方法とシステム | |
JP6843086B2 (ja) | 画像処理システム、画像においてマルチラベル意味エッジ検出を行う方法、および、非一時的コンピューター可読記憶媒体 | |
CN113924597A (zh) | 利用卷积神经网络跟踪多个目标的图像处理 | |
CN108229504B (zh) | 图像解析方法及装置 | |
US11586863B2 (en) | Image classification method and device | |
JP6458394B2 (ja) | 対象追跡方法及び対象追跡装置 | |
EP1934941B1 (en) | Bi-directional tracking using trajectory segment analysis | |
US20210224598A1 (en) | Method for training deep learning model, electronic equipment, and storage medium | |
EP2980755B1 (en) | Method for partitioning area, and inspection device | |
US20220215548A1 (en) | Method and device for identifying abnormal cell in to-be-detected sample, and storage medium | |
CN106934337B (zh) | 用于操作图像检测装置的方法和计算机可读存储介质 | |
US20170109879A1 (en) | Computer-implemented methods, computer-readable media, and systems for tracking a plurality of spermatozoa | |
US9734435B2 (en) | Recognition of hand poses by classification using discrete values | |
CN110298844A (zh) | X光造影图像血管分割与识别方法及装置 | |
CN112102929A (zh) | 医学图像标注方法、装置、存储介质及电子设备 | |
Lee et al. | Interactive multi-class tiny-object detection | |
CN110580499B (zh) | 基于众包重复标签的深度学习目标检测方法及系统 | |
WO2022034522A1 (en) | Heatmap visualization of object detections | |
CN110648762A (zh) | 病灶区识别模型生成方法、装置及病灶区识别方法、装置 | |
Pei et al. | Salient instance segmentation via subitizing and clustering | |
CN111444819A (zh) | 切割帧确定方法、网络训练方法、装置、设备及存储介质 | |
CN113160199B (zh) | 影像识别方法、装置、计算机设备和存储介质 | |
CN113096079B (zh) | 图像分析系统及其构建方法 | |
Mao et al. | W-net: A two-stage convolutional network for nucleus detection in histopathology image | |
CN105678321B (zh) | 一种基于融合模型的人体姿态估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130215 |
|
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: 20130228 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130313 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160322 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |