JP7101267B2 - 対象検出方法、装置、機器及びコンピュータ可読記憶媒体 - Google Patents
対象検出方法、装置、機器及びコンピュータ可読記憶媒体 Download PDFInfo
- Publication number
- JP7101267B2 JP7101267B2 JP2020567517A JP2020567517A JP7101267B2 JP 7101267 B2 JP7101267 B2 JP 7101267B2 JP 2020567517 A JP2020567517 A JP 2020567517A JP 2020567517 A JP2020567517 A JP 2020567517A JP 7101267 B2 JP7101267 B2 JP 7101267B2
- Authority
- JP
- Japan
- Prior art keywords
- image sample
- image
- sample set
- neural network
- target detection
- 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
- 238000001514 detection method Methods 0.000 title claims description 219
- 238000003860 storage Methods 0.000 title claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 236
- 238000000034 method Methods 0.000 claims description 44
- 238000012545 processing Methods 0.000 claims description 37
- 230000015654 memory Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 239000000523 sample Substances 0.000 description 407
- 238000012549 training Methods 0.000 description 65
- 230000009977 dual effect Effects 0.000 description 13
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000000306 recurrent effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003292 diminished effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
- 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
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- 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
-
- 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
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining 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
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1916—Validation; Performance evaluation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19167—Active pattern learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
- G06V30/194—References adjustable by an adaptive method, e.g. learning
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
第一ドメインに用いられるニューラルネットワークを利用して第二ドメインの画像に対して対象検出を実行して、検出結果を獲得することと、ニューラルネットワークは第一画像サンプルセットでトレーニングされる、ことと、
検出結果の信頼性が第一閾値よりも低い画像を第二画像サンプルセットの画像サンプルとすることと、
第一画像サンプルセットから少なくとも1つの画像サンプルを選択し、且つ第二画像サンプルセットから少なくとも1つの画像サンプルを選択することと、
ニューラルネットワークを使用して選択された各画像サンプルに対して対象検出を実行して、予測結果を出力することと、
出力された予測結果及び選択された各画像サンプルの実際値(ground truth)に基づいて、ニューラルネットワークのネットワークパラメータの値を調整することと、
を含む。
ネットワークパラメータが更新されたニューラルネットワークを利用して第二ドメインの画像に対して対象検出を実行することをさらに含む。
第二画像サンプルセットと第一画像サンプルセットを合併して、新しい第一画像サンプルセットを獲得することをさらに含む。
ネットワークパラメータが更新されたニューラルネットワークによって新しい第一画像サンプルセットの各画像サンプルを処理して得られる処理結果及び新しい第一画像サンプルセットの各画像サンプルの実際値に基づいて、新しい第一画像サンプルセットの画像サンプルを選別することをさらに含む。
新しい第一画像サンプルセットの各画像サンプルをネットワークパラメータが更新されたニューラルネットワークに入力して、各画像サンプルの処理結果を獲得することと、
各画像サンプルの処理結果及びその実際値に基づいて、ネットワークパラメータが更新されたニューラルネットワークによって各画像サンプルを処理するときに生成された画像サンプルの損失値を確定することと、
新しい第一画像サンプルセットにおける損失値が第二閾値より小さい画像サンプルを捨てることと、
を含む。
Claims (12)
- 対象検出方法であって、
第一ドメインに用いられるニューラルネットワークを利用して第二ドメインの画像に対して対象検出を実行して、検出結果を獲得することであって、前記ニューラルネットワークは第一画像サンプルセットでトレーニングされる、ことと、
前記検出結果の信頼性が第一閾値よりも低い画像を第二画像サンプルセットの画像サンプルとすることと、
前記第一画像サンプルセットから少なくとも1つの画像サンプルを選択し、且つ前記第二画像サンプルセットから少なくとも1つの画像サンプルを選択することと、
前記ニューラルネットワークを使用して選択された各画像サンプルに対して対象検出を実行して、予測結果を出力することと、
出力された予測結果及び選択された各画像サンプルの実際値に基づいて、前記ニューラルネットワークのネットワークパラメータの値を調整することと、
を含む、
ことを特徴とする対象検出方法。 - 前記方法は、
ネットワークパラメータが更新されたニューラルネットワークを利用して前記第二ドメインの画像に対して対象検出を実行することをさらに含む、
ことを特徴とする請求項1に記載の対象検出方法。 - 前記第二ドメインは1つであり、前記第二画像サンプルセットは1つであり、前記第一画像サンプルセットの画像サンプルの数量は前記第二画像サンプルセットの画像サンプルの数量より多く、前記第一画像サンプルセットから選択された画像サンプルの数量と前記第二画像サンプルセットから選択された画像サンプルの数量との間の比率は第一比率範囲内にある、
ことを特徴とする請求項2に記載の対象検出方法。 - 前記第二ドメインはk個であり、前記第二画像サンプルセットはk個であり、前記第一画像サンプルセットの画像サンプルの数量は各々の第二画像サンプルセットの画像サンプルの数量より多く、前記第一画像サンプルセットから選択された画像サンプルの数量と各々の第二画像サンプルセットから選択された画像サンプルの数量との間の比率は第二比率範囲内にあり、kは1より大きい整数である、
ことを特徴とする請求項2に記載の対象検出方法。 - ネットワークパラメータが更新されたニューラルネットワークを獲得した後、前記方法は、
前記第二画像サンプルセットと前記第一画像サンプルセットを合併して、新しい第一画像サンプルセットを獲得することをさらに含む、
ことを特徴とする請求項1~4のいずれか一項に記載の対象検出方法。 - 前記新しい第一画像サンプルセットを獲得した後、前記方法は、
前記ネットワークパラメータが更新されたニューラルネットワークによって前記新しい第一画像サンプルセットの各画像サンプルを処理して得られる処理結果及び前記新しい第一画像サンプルセットの各画像サンプルの実際値に基づいて、前記新しい第一画像サンプルセットの画像サンプルを選別することをさらに含む、
ことを特徴とする請求項5に記載の対象検出方法。 - 前記ネットワークパラメータが更新されたニューラルネットワークによって前記新しい第一画像サンプルセットの各画像サンプルを処理して得られる処理結果及び前記新しい第一画像サンプルセットの各画像サンプルの実際値に基づいて、前記新しい第一画像サンプルセットの画像サンプルを選別することは、
前記新しい第一画像サンプルセットの各画像サンプルを前記ネットワークパラメータが更新されたニューラルネットワークに入力して、各画像サンプルの処理結果を獲得することと、
各画像サンプルの処理結果及びその実際値に基づいて、前記ネットワークパラメータが更新されたニューラルネットワークによって各画像サンプルを処理するときに生成された画像サンプルの損失値を確定することと、
前記新しい第一画像サンプルセットにおける損失値が第二閾値より小さい画像サンプルを捨てることと、
を含む。
ことを特徴とする請求項6に記載の対象検出方法。 - 検出結果の信頼性を確定することは、
前記検出結果と前記検出結果に対応する画像の実際値を比較して、前記検出結果の信頼性を獲得することを含む、
ことを特徴とする請求項7に記載の対象検出方法。 - 対象検出装置であって、
検出モジュールと、サンプル収集モジュールと、サンプル選択モジュールと、パラメータ調整モジュールと、を含み、
前記検出モジュールは、第一ドメインに用いられるニューラルネットワークを利用して第二ドメインの画像に対して対象検出を実行して検出結果を獲得するために用いられ、前記ニューラルネットワークは第一画像サンプルセットでトレーニングされ、
前記サンプル収集モジュールは、前記検出結果の信頼性が第一閾値よりも低い画像を第二画像サンプルセットの画像サンプルとするために用いられ、
前記サンプル選択モジュールは、前記第一画像サンプルセットから少なくとも1つの画像サンプルを選択し、且つ前記第二画像サンプルセットから少なくとも1つの画像サンプルを選択するために用いられ、
前記検出モジュールは、さらに前記ニューラルネットワークを使用して選択された各画像サンプルに対して対象検出を実行して、予測結果を出力するために用いられ、
前記パラメータ調整モジュールは、出力された予測結果及び選択された各画像サンプルの実際値に基づいて、前記ニューラルネットワークのネットワークパラメータを調整するために用いられる、
ことを特徴とする対象検出装置。 - 対象検出機器であって、
メモリ及びプロセッサを含み、前記メモリにはコンピュータ実行可能命令が格納されており、前記メモリに格納されたコンピュータ実行可能命令が前記プロセッサによって実行されると、請求項1~8のいずれか一項に記載の対象検出方法を実行する、
ことを特徴とする対象検出機器。 - コンピュータプログラムが格納されたコンピュータ可読記憶媒体であって、
前記コンピュータプログラムがプロセッサによって実行されると、請求項1~8のいずれか一項に記載の対象検出方法を実行する、
ことを特徴とするコンピュータ可読記憶媒体。 - コンピュータ実行可能命令を含むコンピュータプログラムであって、
前記コンピュータ実行可能命令が実行されるとき、請求項1~8のいずれか一項に記載の対象検出方法を実行する、
ことを特徴とするコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910449107.7A CN112001211B (zh) | 2019-05-27 | 2019-05-27 | 对象检测方法、装置、设备及计算机可读存储介质 |
CN201910449107.7 | 2019-05-27 | ||
PCT/CN2019/121300 WO2020238101A1 (zh) | 2019-05-27 | 2019-11-27 | 对象检测方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021530015A JP2021530015A (ja) | 2021-11-04 |
JP7101267B2 true JP7101267B2 (ja) | 2022-07-14 |
Family
ID=73461428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020567517A Active JP7101267B2 (ja) | 2019-05-27 | 2019-11-27 | 対象検出方法、装置、機器及びコンピュータ可読記憶媒体 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210117725A1 (ja) |
JP (1) | JP7101267B2 (ja) |
KR (1) | KR102455745B1 (ja) |
CN (1) | CN112001211B (ja) |
SG (1) | SG11202012295UA (ja) |
WO (1) | WO2020238101A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20210067442A (ko) * | 2019-11-29 | 2021-06-08 | 엘지전자 주식회사 | 객체 인식을 위한 자동 레이블링 장치 및 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012243180A (ja) | 2011-05-23 | 2012-12-10 | Sony Corp | 学習装置および方法、並びにプログラム |
CN106096538A (zh) | 2016-06-08 | 2016-11-09 | 中国科学院自动化研究所 | 基于定序神经网络模型的人脸识别方法及装置 |
US20180075594A1 (en) | 2016-09-14 | 2018-03-15 | Kla-Tencor Corporation | Convolutional Neural Network-based Mode Selection and Defect Classification for Image Fusion |
CN108229591A (zh) | 2018-03-15 | 2018-06-29 | 北京市商汤科技开发有限公司 | 神经网络自适应训练方法和装置、设备、程序和存储介质 |
CN109242096A (zh) | 2017-07-01 | 2019-01-18 | 英特尔公司 | 用于训练深度神经网络的技术 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015017796A2 (en) * | 2013-08-02 | 2015-02-05 | Digimarc Corporation | Learning systems and methods |
CN108229267B (zh) * | 2016-12-29 | 2020-10-16 | 北京市商汤科技开发有限公司 | 对象属性检测、神经网络训练、区域检测方法和装置 |
CN108229455B (zh) * | 2017-02-23 | 2020-10-16 | 北京市商汤科技开发有限公司 | 物体检测方法、神经网络的训练方法、装置和电子设备 |
US10318889B2 (en) * | 2017-06-26 | 2019-06-11 | Konica Minolta Laboratory U.S.A., Inc. | Targeted data augmentation using neural style transfer |
CN108171256A (zh) * | 2017-11-27 | 2018-06-15 | 深圳市深网视界科技有限公司 | 人脸图像质评模型构建、筛选、识别方法及设备和介质 |
CN108376235A (zh) * | 2018-01-15 | 2018-08-07 | 深圳市易成自动驾驶技术有限公司 | 图像检测方法、装置及计算机可读存储介质 |
CN108898218A (zh) * | 2018-05-24 | 2018-11-27 | 阿里巴巴集团控股有限公司 | 一种神经网络模型的训练方法、装置、及计算机设备 |
CN109299716B (zh) * | 2018-08-07 | 2021-07-06 | 北京市商汤科技开发有限公司 | 神经网络的训练方法、图像分割方法、装置、设备及介质 |
-
2019
- 2019-05-27 CN CN201910449107.7A patent/CN112001211B/zh active Active
- 2019-11-27 KR KR1020207035012A patent/KR102455745B1/ko active IP Right Grant
- 2019-11-27 JP JP2020567517A patent/JP7101267B2/ja active Active
- 2019-11-27 WO PCT/CN2019/121300 patent/WO2020238101A1/zh active Application Filing
- 2019-11-27 SG SG11202012295UA patent/SG11202012295UA/en unknown
-
2020
- 2020-12-07 US US17/113,721 patent/US20210117725A1/en not_active Abandoned
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012243180A (ja) | 2011-05-23 | 2012-12-10 | Sony Corp | 学習装置および方法、並びにプログラム |
CN106096538A (zh) | 2016-06-08 | 2016-11-09 | 中国科学院自动化研究所 | 基于定序神经网络模型的人脸识别方法及装置 |
US20180075594A1 (en) | 2016-09-14 | 2018-03-15 | Kla-Tencor Corporation | Convolutional Neural Network-based Mode Selection and Defect Classification for Image Fusion |
CN109242096A (zh) | 2017-07-01 | 2019-01-18 | 英特尔公司 | 用于训练深度神经网络的技术 |
CN108229591A (zh) | 2018-03-15 | 2018-06-29 | 北京市商汤科技开发有限公司 | 神经网络自适应训练方法和装置、设备、程序和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
SG11202012295UA (en) | 2021-01-28 |
JP2021530015A (ja) | 2021-11-04 |
US20210117725A1 (en) | 2021-04-22 |
WO2020238101A1 (zh) | 2020-12-03 |
KR102455745B1 (ko) | 2022-10-17 |
KR20210006429A (ko) | 2021-01-18 |
CN112001211A (zh) | 2020-11-27 |
CN112001211B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111696094B (zh) | 免疫组化pd-l1膜染色病理切片图像处理方法、装置和设备 | |
KR102378859B1 (ko) | 맵 궤적 매칭 데이터의 품질을 결정하는 방법, 장치, 서버 및 매체 | |
US20190279088A1 (en) | Training method, apparatus, chip, and system for neural network model | |
CN111476302B (zh) | 基于深度强化学习的Faster-RCNN目标物体检测方法 | |
US20210302585A1 (en) | Smart navigation method and system based on topological map | |
CN109117883B (zh) | 基于长短时记忆网络的sar影像海冰分类方法及系统 | |
CN109492706B (zh) | 一种基于循环神经网络的染色体分类预测装置 | |
CN111860259B (zh) | 驾驶检测模型的训练、使用方法、装置、设备及介质 | |
CN114925238B (zh) | 一种基于联邦学习的视频片段检索方法及系统 | |
JP7101267B2 (ja) | 対象検出方法、装置、機器及びコンピュータ可読記憶媒体 | |
CN112101114A (zh) | 一种视频目标检测方法、装置、设备以及存储介质 | |
CN116861262B (zh) | 一种感知模型训练方法、装置及电子设备和存储介质 | |
CN114170269A (zh) | 一种基于时空相关性的多目标跟踪方法、设备及存储介质 | |
CN110796129A (zh) | 一种文本行区域检测方法及装置 | |
CN117671597A (zh) | 一种老鼠检测模型的构建方法和老鼠检测方法及装置 | |
CN116188834B (zh) | 基于自适应训练模型的全切片图像分类方法及装置 | |
CN116543153A (zh) | 一种基于选点主动学习的半监督点云语义分割方法 | |
CN115019269A (zh) | 一种环境识别模型训练方法、驾驶控制方法及相关装置 | |
US20230084761A1 (en) | Automated identification of training data candidates for perception systems | |
CN114973152A (zh) | 基于神经网络的小分子可循环压裂液储存罐的监控方法、装置、介质 | |
CN114419018A (zh) | 图像采样方法、系统、设备及介质 | |
CN115294176A (zh) | 一种双光多模型长时间目标跟踪方法、系统及存储介质 | |
CN111177015B (zh) | 应用程序质量识别方法、装置、计算机设备和存储介质 | |
CN113920311A (zh) | 一种基于边缘辅助信息的遥感图像分割方法及系统 | |
CN111626373A (zh) | 多尺度加宽残差网络、小目标识别检测网络及其优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220128 |
|
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: 20220607 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220704 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7101267 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |