JP6715358B2 - 人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法、装置、プログラム及びその映像学習方法 - Google Patents
人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法、装置、プログラム及びその映像学習方法 Download PDFInfo
- Publication number
- JP6715358B2 JP6715358B2 JP2019012692A JP2019012692A JP6715358B2 JP 6715358 B2 JP6715358 B2 JP 6715358B2 JP 2019012692 A JP2019012692 A JP 2019012692A JP 2019012692 A JP2019012692 A JP 2019012692A JP 6715358 B2 JP6715358 B2 JP 6715358B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- frame image
- learning target
- image
- video
- 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.)
- Active
Links
- 238000013473 artificial intelligence Methods 0.000 title claims description 62
- 238000000034 method Methods 0.000 title claims description 57
- 238000005070 sampling Methods 0.000 claims description 32
- 238000001514 detection method Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 7
- 238000002372 labelling Methods 0.000 description 8
- 238000004040 coloring Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005574 cross-species transmission Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012827 research and development Methods 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06F18/20—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Description
20 学習対象オブジェクト
30 背景
Claims (10)
- コンピュータにより実行される方法であって、
人工知能映像学習のためのオリジナル動画を受信するオリジナル動画受信段階と、
受信した前記オリジナル動画から予め定められた時間区間当たりに予め定められた数のフレームイメージを抽出するフレームイメージ抽出段階と、
オブジェクト検出アルゴリズムを用いて、それぞれの前記フレームイメージ上で予め定められた1つ以上の類型の1つ以上の学習対象オブジェクトを検出する学習対象オブジェクト検出段階と、
それぞれの前記フレームイメージ上で前記学習対象オブジェクトを除いた背景を除去する背景除去段階と、
背景が除去された第n(nは2以上の自然数)フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトの位置と、前記第nフレームイメージの直前の背景が除去された第n-1フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトの位置と、を比較し、前記第nフレームイメージ上の検出された前記1つ以上の学習対象オブジェクトそれぞれの移動量を測定するオブジェクトの移動量測定段階と、
前記第nフレームイメージ上の検出された前記1つ以上の学習対象オブジェクトそれぞれの移動量の測定結果と予め定められた基準を比較して前記第nフレームイメージを学習対象フレームイメージとして選定する学習対象フレームイメージ選定段階と、
を含む人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法。 - 前記学習対象フレームイメージ選定段階は、
検出された前記1つ以上の学習対象オブジェクトのうち予め定められた数以上の前記学習対象オブジェクトの移動量が前記予め定められた基準以上である場合には、前記第nフレームイメージを前記学習対象フレームイメージとして選定し、そうでない場合には、前記第nフレームイメージを前記学習対象フレームイメージとして選定しないことを特徴とする請求項1に記載の人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法。 - 選定された前記学習対象フレームイメージを加工処理して学習用動画セットを生成する学習用動画セット生成段階を更に含むことを特徴とする請求項1に記載の人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法。
- 前記学習用動画セット生成段階で前記学習対象フレームイメージは、
前記フレームイメージ抽出段階で前記1つ以上の学習対象オブジェクトが検出される前のフレームイメージであり、
前記学習用動画セット生成段階は、
前記学習対象フレームイメージ上で前記予め定められた1つ以上の類型の1つ以上の学習対象オブジェクトを検出するオブジェクト検出段階と、
前記学習対象フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトに対して注釈化処理を行う注釈化処理段階と、
を更に含むことを特徴とする請求項3に記載の人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法。 - 前記学習用動画セット生成段階で前記学習対象フレームイメージは、
前記学習対象オブジェクト検出段階で前記1つ以上の学習対象オブジェクトが検出されたフレームイメージであり、
前記学習用動画セット生成段階は、
前記学習対象フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトに対して注釈化処理を行う注釈化処理段階を更に含むことを特徴とする請求項3に記載の人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法。 - コンピュータにより実行される方法であって、
学習用動画セットを用いて人工知能映像学習を行う段階を含み、
前記学習用動画は、
人工知能映像学習のためのオリジナル動画を受信するオリジナル動画受信段階と、
受信した前記オリジナル動画から予め定められた時間区間当たりに予め定められた数のフレームイメージを抽出するフレームイメージ抽出段階と、
オブジェクト検出アルゴリズムを用いてそれぞれの前記フレームイメージ上で予め定められた1つ以上の類型の1つ以上の学習対象オブジェクトを検出する学習対象オブジェクト検出段階と、
それぞれの前記フレームイメージ上で前記学習対象オブジェクトを除いた背景を除去する背景除去段階と、
背景が除去された第n(nは2以上の自然数)フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトの位置と、前記第nフレームイメージの直前の背景が除去された第n-1フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトの位置と、を比較し、前記第nフレームイメージ上の検出された前記1つ以上の学習対象オブジェクトそれぞれの移動量を測定するオブジェクトの移動量測定段階と、
前記第nフレームイメージ上の検出された前記1つ以上の学習対象オブジェクトそれぞれの移動量の測定結果と予め定められた基準を比較して前記第nフレームイメージを学習対象フレームイメージとして選定する学習対象フレームイメージ選定段階と、
選定された前記学習対象フレームイメージを加工処理して学習用動画セットを生成する学習用動画セット生成段階と、
を含む人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法によって生成される人工知能映像学習方法。 - 人工知能映像学習のためのオリジナル動画を受信するオリジナル動画受信部と、
受信した前記オリジナル動画から予め定められた時間区間当たりに予め定められた数のフレームイメージを抽出するフレームイメージ抽出部と、
オブジェクト検出アルゴリズムを用いてそれぞれの前記フレームイメージ上で予め定められた1つ以上の類型の1つ以上の学習対象オブジェクトを検出する学習対象オブジェクト検出部と、
それぞれの前記フレームイメージ上で前記学習対象オブジェクトを除いた背景を除去する背景除去部と、
背景が除去された第n(nは2以上の自然数)フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトの位置と、前記第nフレームイメージの直前の背景が除去された第n-1フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトの位置と、を比較し、前記第nフレームイメージ上の検出された前記1つ以上の学習対象オブジェクトそれぞれの移動量を測定するオブジェクトの移動量測定部と、
前記第nフレームイメージ上の検出された前記1つ以上の学習対象オブジェクトそれぞれの移動量の測定結果と予め定められた基準を比較して前記第nフレームイメージを学習対象フレームイメージとして選定する学習対象フレームイメージ選定部と、
を含む人工知能映像学習のための動画の学習対象フレームイメージサンプリング装置。 - 選定された前記学習対象フレームイメージを加工処理して学習用動画セットを生成する学習用動画セット生成部を更に含むことを特徴とする請求項7に記載の人工知能映像学習のための動画の学習対象フレームイメージサンプリング装置。
- 学習用動画セットを生成する学習対象フレームイメージサンプリング装置と、
前記学習用動画セットを用いて人工知能映像学習を行う人工知能映像学習実行部を含む人工知能映像学習装置と、を備え、
前記学習対象フレームイメージサンプリング装置は、
人工知能映像学習のためのオリジナル動画を受信するオリジナル動画受信部と、
受信した前記オリジナル動画から予め定められた時間区間当たりに予め定められた数のフレームイメージを抽出するフレームイメージ抽出部と、
オブジェクト検出アルゴリズムを用いてそれぞれの前記フレームイメージ上で予め定められた1つ以上の類型の1つ以上の学習対象オブジェクトを検出する学習対象オブジェクト検出部と、
それぞれの前記フレームイメージ上で前記学習対象オブジェクトを除いた背景を除去する背景除去部と、
背景が除去された第n(nは2以上の自然数)フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトの位置と、前記第nフレームイメージの直前の背景が除去された第n-1フレームイメージ上の検出された前記1つ以上の学習対象オブジェクトの位置と、を比較し、前記第nフレームイメージ上の検出された前記1つ以上の学習対象オブジェクトそれぞれの移動量を測定するオブジェクトの移動量測定部と、
前記第nフレームイメージ上の検出された前記1つ以上の学習対象オブジェクトそれぞれの移動量の測定結果と予め定められた基準を比較して前記第nフレームイメージを学習対象フレームイメージとして選定する学習対象フレームイメージ選定部と、
選定された前記学習対象フレームイメージを加工処理して前記学習用動画セットを生成する学習用動画セット生成部と、
を含む、
人工知能映像学習システム。 - ハードウェアであるコンピュータを用いて、請求項1〜5の何れか一項に記載の方法を実行するために記録媒体に格納された人工知能映像学習のための動画の学習対象フレームイメージサンプリングプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180114986A KR102015939B1 (ko) | 2018-09-27 | 2018-09-27 | 인공지능 영상 학습을 위한 동영상의 학습 대상 프레임 이미지 샘플링 방법, 장치, 프로그램 및 그 영상 학습 방법 |
KR10-2018-0114986 | 2018-09-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020052999A JP2020052999A (ja) | 2020-04-02 |
JP6715358B2 true JP6715358B2 (ja) | 2020-07-01 |
Family
ID=67775356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019012692A Active JP6715358B2 (ja) | 2018-09-27 | 2019-01-29 | 人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法、装置、プログラム及びその映像学習方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11295169B2 (ja) |
JP (1) | JP6715358B2 (ja) |
KR (1) | KR102015939B1 (ja) |
WO (1) | WO2020067632A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111179159B (zh) * | 2019-12-31 | 2024-02-20 | 北京金山云网络技术有限公司 | 消除视频中目标影像的方法、装置、电子设备及存储介质 |
KR102405297B1 (ko) * | 2020-02-19 | 2022-06-07 | 주식회사 에이모 | 인공지능을 이용한 크라우드 아웃소싱 작업 검수 대상 샘플링 방법 및 장치 |
KR20230017628A (ko) | 2021-07-28 | 2023-02-06 | 김남식 | 인공지능 학습용 이미지 추출 및 학습 플랫폼 |
KR102510733B1 (ko) * | 2022-08-10 | 2023-03-16 | 주식회사 에이모 | 영상에서 학습 대상 이미지 프레임을 선별하는 방법 및 장치 |
KR20240061407A (ko) | 2022-10-31 | 2024-05-08 | (주)비타소프트 | 고화질 동영상으로부터 효율적으로 배경을 제거하기 위한 인공지능 기술 기반의 고해상도 배경 제거 방법 |
CN115798020A (zh) * | 2023-01-29 | 2023-03-14 | 北京林业大学 | 一种基于人工智能的中小学生学习投入度检测方法与系统 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0944681A (ja) * | 1995-08-01 | 1997-02-14 | Matsushita Electric Ind Co Ltd | 移動物体領域検出装置 |
KR101970611B1 (ko) * | 2012-08-14 | 2019-04-19 | 에스케이 텔레콤주식회사 | 프레임률에 따라 학습률을 가변하는 이동객체 검출장치 및 방법 |
JP2014085795A (ja) * | 2012-10-23 | 2014-05-12 | Toshiba Corp | 学習画像収集装置、学習装置及び対象物検出装置 |
KR101537559B1 (ko) * | 2013-12-30 | 2015-07-20 | 전자부품연구원 | 객체 검출 장치, 차량용 객체 검출 장치 및 이들의 방법 |
JP6188592B2 (ja) * | 2014-01-21 | 2017-08-30 | 三菱電機株式会社 | 物体検出装置、物体検出方法、および物体検出プログラム |
US10083378B2 (en) * | 2015-12-28 | 2018-09-25 | Qualcomm Incorporated | Automatic detection of objects in video images |
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
JP6617085B2 (ja) * | 2016-08-31 | 2019-12-04 | 株式会社デンソーアイティーラボラトリ | 物体状況推定システム、物体状況推定装置、物体状況推定方法、及び物体状況推定プログラム |
JP2018081545A (ja) * | 2016-11-17 | 2018-05-24 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 画像データ抽出装置及び画像データ抽出方法 |
KR101888647B1 (ko) | 2017-01-25 | 2018-08-14 | 서울대학교산학협력단 | 이미지 분류 장치 및 방법 |
KR101900185B1 (ko) * | 2017-02-20 | 2018-09-18 | 연세대학교 산학협력단 | 객체 인식을 위한 영상 학습 방법 및 장치 |
US10861168B2 (en) * | 2017-09-07 | 2020-12-08 | Comcast Cable Communications, Llc | Relevant motion detection in video |
US11025942B2 (en) * | 2018-02-08 | 2021-06-01 | Samsung Electronics Co., Ltd. | Progressive compressed domain computer vision and deep learning systems |
US11450009B2 (en) * | 2018-02-26 | 2022-09-20 | Intel Corporation | Object detection with modified image background |
-
2018
- 2018-09-27 KR KR1020180114986A patent/KR102015939B1/ko active IP Right Grant
-
2019
- 2019-01-29 JP JP2019012692A patent/JP6715358B2/ja active Active
- 2019-07-09 WO PCT/KR2019/008402 patent/WO2020067632A1/ko active Application Filing
-
2021
- 2021-03-25 US US17/212,771 patent/US11295169B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11295169B2 (en) | 2022-04-05 |
JP2020052999A (ja) | 2020-04-02 |
KR102015939B1 (ko) | 2019-08-28 |
WO2020067632A1 (ko) | 2020-04-02 |
US20210241031A1 (en) | 2021-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6715358B2 (ja) | 人工知能映像学習のための動画の学習対象フレームイメージサンプリング方法、装置、プログラム及びその映像学習方法 | |
CN106845374B (zh) | 基于深度学习的行人检测方法及检测装置 | |
CN106980871B (zh) | 应用到道路场景图像的低保真分类器和高保真分类器 | |
CN109190508B (zh) | 一种基于空间坐标系的多摄像头数据融合方法 | |
US20180053318A1 (en) | Image Target Tracking Method and System Thereof | |
CN112614119B (zh) | 医学图像感兴趣区域可视化方法、装置、存储介质和设备 | |
JP2018535496A (ja) | ビデオ録画方法、サーバー、システム及び記憶媒体 | |
CN110163188B (zh) | 视频处理以及在视频中嵌入目标对象的方法、装置和设备 | |
JP6700373B2 (ja) | ビデオ動画の人工知能のための学習対象イメージパッケージング装置及び方法 | |
CN110648331B (zh) | 用于医学图像分割的检测方法、医学图像分割方法及装置 | |
JP2021533506A (ja) | ビデオ異常検出のためのシステム及び方法並びに記憶媒体 | |
JP2018181273A (ja) | 画像処理装置及びその方法、プログラム | |
Manssor et al. | Real-time human detection in thermal infrared imaging at night using enhanced Tiny-yolov3 network | |
Modasshir et al. | Autonomous 3d semantic mapping of coral reefs | |
CN113780257B (zh) | 多模态融合弱监督车辆目标检测方法及系统 | |
KR102195850B1 (ko) | 딥러닝 기반 혈관 구분 방법 및 시스템 | |
Zhang et al. | TPMv2: An end-to-end tomato pose method based on 3D key points detection | |
CN109493370A (zh) | 一种基于空间偏移学习的目标跟踪方法 | |
CN111339934A (zh) | 一种融合图像预处理与深度学习目标检测的人头检测方法 | |
CN113924580A (zh) | 深度神经网络可视化 | |
CN111652080A (zh) | 基于rgb-d图像的目标跟踪方法和装置 | |
CN112906677B (zh) | 基于改进型ssd网络的行人目标检测与重识别方法 | |
Krajewski et al. | VeGAN: Using GANs for augmentation in latent space to improve the semantic segmentation of vehicles in images from an aerial perspective | |
JP2019016983A (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
Vasudevan et al. | Multi-layered Object Identification and Detection Using Deep CNN Detector |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190129 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200212 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200413 |
|
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: 20200602 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200608 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6715358 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |