JP7113657B2 - 情報処理装置、情報処理方法、及びプログラム - Google Patents
情報処理装置、情報処理方法、及びプログラム Download PDFInfo
- Publication number
- JP7113657B2 JP7113657B2 JP2018088863A JP2018088863A JP7113657B2 JP 7113657 B2 JP7113657 B2 JP 7113657B2 JP 2018088863 A JP2018088863 A JP 2018088863A JP 2018088863 A JP2018088863 A JP 2018088863A JP 7113657 B2 JP7113657 B2 JP 7113657B2
- Authority
- JP
- Japan
- Prior art keywords
- deformed portion
- crack
- information processing
- attribute
- input image
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30184—Infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Processing (AREA)
Description
構造物を撮影することによって得た入力画像から抽出された局所特徴に基づき検出された線成分の分岐を判定する判定手段と、
前記判定手段による判定結果に基づいて、前記構造物に生じたひび割れである変状部の範囲を特定する特定手段と、
前記変状部の範囲の特定結果に基づいて前記入力画像から前記変状部の部分画像に関する特徴を抽出する抽出手段と、
前記変状部の部分画像に関する特徴を用いて、前記変状部の属性を判定する属性判定手段と、
を備えることを特徴とする。
実施形態1では、入力画像から変状部を検出し、さらに検出された変状部の属性情報を判定する情報処理装置及び情報処理方法について説明する。以下の実施形態では、変状部が検出された後に、変状部を含む入力画像の部分画像に関する特徴量を用いて変状部の属性が判定される。このような方法によれば、局所領域の画像情報のみを用いて変状部の属性を判定する場合と比較して、精度良く属性を判定することができる。例えば、ひび割れ幅を判定する場合であれば、ひび割れに沿った領域の画像情報から総合的にひび割れ幅を求めることにより、従来よりも精度良く最大ひび割れ幅を算出することができる。
c=F(v)
この結果、例えばc=2と判定された場合には、ひび割れ幅はクラス2のひび割れ幅「0.5mm以上1.0mm未満」と判定される。この判定結果が、情報処理装置100が出力する変状部の属性情報103となる。
V={v1,v2,…,vm,…,vn}
C={c1,c2,…,cm,…,cn}
ここで、nはデータの入力者によって位置が入力された全てのひび割れ画像中のひび割れの総数であり、vmはm番目のひび割れの画像特徴量、cmはm番目のひび割れについてひび割れ幅を示すクラスラベルである。このように、画像特徴量と、ひび割れ幅を示すクラスラベルと、のセットがn個含まれるデータが準備される。
以下では、実施形態1の変形例について説明する。もっとも、以下の変形例は、実施形態2~4に適用してもよい。
実施形態2では、変状部の大きさに応じて、異なる変状特徴量の抽出方法を用いる。すなわち、検出された変状部の大きさに応じて選択された方法に従って、変状部の部分画像から特徴量が抽出される。そして、抽出された特徴量を用いて、変状部の属性が判定される。以下では実施形態1と同様に、画像からひび割れを検出してひび割れの最大ひび割れ幅を判定する例について説明する。本実施形態では、ひび割れの長さに応じて、異なる変状特徴量の抽出方法が用いられる。例えば、長いひび割れの属性を判定する場合には、短いひび割れの属性を判定する場合と比べてより広い領域から特徴量が抽出されるが、この際に表現能力が高い特徴量を用いることにより判定制度を向上させることができる。
実施形態1,2では、変状特徴量は入力画像から抽出された部分画像のヒストグラムに基づいて抽出された。このように、変状特徴量は入力画像から直接抽出することができる。しかしながら変状特徴量は入力画像の部分領域から抽出されたものに限定されず、部分領域に関する特徴量であればよい。実施形態3では、変状特徴量がCNN(Convolutional Neural Network)を用いて作成した特徴マップから抽出される。なお、実施形態3でも、実施形態1,2と同様に、ひび割れを変状部として検出し、ひび割れ幅を変状部の属性情報として判定する場合の例について説明する。
si,j=σ(w・vi,j)
ここで、i,jは画素の画像座標を示し、si,jは座標(i,j)の画素が変状部に対応する可能性を示すスコアを表す。また、σ( )はシグモイド関数を示し、w・vi,jはベクトルwとベクトルvi,jとの内積を表す。vi,jは検出特徴マップにおける座標(i,j)のn次元特徴ベクトルであり、wはvi,jに対する重みベクトルである。この計算を各画素に対して実行することで、変状判定部112はスコアマップを作成することができる。
実施形態4は、ROIの設定に用いられるパラメータを調整する実施形態について説明する。実施形態1では図6で示したように、予め設定されたパラメータxに従い、変状部(ひび割れ)を中心としたx画素の範囲をROIとした。このように変状特徴量の抽出に用いられるROIの範囲はパラメータxによって変化するため、パラメータxを適切に設定することにより、変状部の属性情報(ひび割れ幅)を精度良く求めることができる。以下、属性判定部116が用いる識別器の学習時と、属性判定部116による属性情報の判定時のそれぞれについて、パラメータxを調整する方法について説明する。以下の方法は、例えば図12に示すコンピュータ1200のような情報処理装置によって実現できる。また、実施形態1では、各ひび割れについてROIの範囲を表示装置に表示する場合について説明した。この表示により、ユーザは、ひび割れ幅の判定のために用いられたか画像の範囲を理解することができる。実施形態4では、表示装置に表示する情報についての拡張例及び変形例についてあわせて説明する。
実施形態1~4では、例えば図6に示されるように、変状部(ひび割れ)を中心とした所定距離内の領域がROIとして設定された。実施形態5では、検出された変状部の位置に複数のパッチ領域(局所領域)を設定することで、ROIの範囲が設定される。本実施形態の構成及び処理は、ステップS205及びS206の処理が異なることを除き実施形態1~4と同様であるから、重複する説明は省略する。
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
Claims (25)
- 構造物を撮影することによって得た入力画像から抽出された局所特徴に基づき検出された線成分の分岐を判定する判定手段と、
前記判定手段による判定結果に基づいて、前記構造物に生じたひび割れである変状部の範囲を特定する特定手段と、
前記変状部の範囲の特定結果に基づいて前記入力画像から前記変状部の部分画像に関する特徴を抽出する抽出手段と、
前記変状部の部分画像に関する特徴を用いて、前記変状部の属性を判定する属性判定手段と、
を備えることを特徴とする情報処理装置。 - 前記抽出手段は、前記変状部の部分画像に関する特徴として前記変状部の部分画像から特徴を抽出することを特徴とする、請求項1に記載の情報処理装置。
- 前記抽出手段は、前記変状部の部分画像に関する特徴として前記変状部の部分画像からヒストグラム特徴を抽出することを特徴とする、請求項1又は2に記載の情報処理装置。
- 前記属性判定手段は、多クラス識別を用いて、前記変状部の属性が複数のクラスのいずれに属するかを判定することを特徴とする、請求項1から3のいずれか1項に記載の情報処理装置。
- 前記複数のクラスは、前記変状部が誤特定されていることを示すクラスを含むことを特徴とする、請求項4に記載の情報処理装置。
- 前記属性判定手段は、学習された識別器を用いて前記変状部の属性を判定することを特徴とする、請求項1から5のいずれか1項に記載の情報処理装置。
- 前記特定手段は、前記入力画像が入力されたCNN(Convolutional Neural Network)の中間層からの出力を用いて得られた前記入力画像の各画素の第1の特徴に従って、前記変状部を特定し、
前記抽出手段は、前記CNNの中間層からの出力を用いて得られた前記変状部の部分画像の各画素の第2の特徴に従って、前記変状部の部分画像の特徴を算出する
ことを特徴とする、請求項1から6のいずれか1項に記載の情報処理装置。 - 入力画像が入力されたCNN(Convolutional Neural Network)の中間層からの出力を用いて得られた前記入力画像の各画素の第1の特徴に従って、前記入力画像における被写体の変状部を特定する特定手段と、
前記変状部の特定結果に基づいて、前記CNNの中間層からの出力を用いて得られた前記変状部の部分画像の各画素の第2の特徴に従って、前記変状部の前記部分画像に関する特徴を抽出する抽出手段と、
前記変状部の部分画像に関する特徴を用いて、前記変状部の属性を判定する属性判定手段と、
を備えることを特徴とする情報処理装置。 - 前記抽出手段は、特定された前記変状部の大きさに応じて選択された方法に従って前記変状部の部分画像から特徴を抽出することを特徴とする、請求項1から8のいずれか1項に記載の情報処理装置。
- 前記特定手段は、前記変状部の位置を特定し、
前記情報処理装置は、前記変状部の位置に従って前記入力画像から抽出される前記変状部の部分画像の領域を設定する設定手段をさらに備えることを特徴とする、請求項1から9のいずれか1項に記載の情報処理装置。 - 前記設定手段は、1つの変状部に対して、前記部分画像の領域を複数設定し、
前記属性判定手段は、複数設定された前記部分画像の領域のそれぞれを用いて、前記変状部の属性を複数回判定することを特徴とする、請求項10に記載の情報処理装置。 - 前記特定手段は、前記入力画像に写っている複数の変状部を個別に特定し、
前記属性判定手段は、前記複数の変状部のそれぞれについて前記属性を判定することを特徴とする、請求項1から11のいずれか1項に記載の情報処理装置。 - 前記被写体は構造物であり、前記変状部は前記構造物に生じたひび割れであることを特徴とする、請求項8に記載の情報処理装置。
- 前記特定手段は、
前記入力画像の各位置から抽出された局所特徴を用いてひび割れ領域を特定し、
前記ひび割れ領域を細線化することにより前記ひび割れの位置を示す線を導出し、
前記線の方向変化に応じて前記線を分割することにより、個別のひび割れの位置を示す線を導出する
ことにより、前記入力画像に含まれる複数のひび割れを個別に特定することを特徴とする、請求項1から6および13のいずれか1項に記載の情報処理装置。 - 入力画像の各位置から抽出された局所特徴を用いてひび割れ領域を検出する手段と、
前記ひび割れ領域を細線化することにより前記ひび割れの位置を示す線を導出する手段と、
前記線の方向変化に応じて前記線を分割することにより、個別のひび割れの位置を示す線を導出することにより、前記入力画像に含まれる複数のひび割れを個別に変状部として特定する特定手段と、
前記変状部の特定結果に基づいて前記入力画像から前記変状部の部分画像に関する特徴を抽出する抽出手段と、
前記変状部の部分画像に関する特徴を用いて、前記変状部の属性を判定する属性判定手段と、
を備えることを特徴とする情報処理装置。 - 前記変状部の位置を表示装置に表示させる表示手段をさらに備えることを特徴とする、請求項1から15のいずれか1項に記載の情報処理装置。
- 前記表示手段は、前記変状部の位置とともに当該変状部の属性を前記表示装置に表示させることを特徴とする、請求項16に記載の情報処理装置。
- 前記属性の信頼度を算出する算出手段をさらに備え、
前記表示手段は、前記変状部の属性とともに当該属性の信頼度を前記表示装置に表示させることを特徴とする、請求項17に記載の情報処理装置。 - 前記表示手段は、前記変状部の属性の信頼度に基づいて、前記変状部の表示態様を変化させることを特徴とする、請求項18に記載の情報処理装置。
- 前記属性判定手段は、前記属性として、前記変状部の幅を判定することを特徴とする、請求項1から19のいずれか1項に記載の情報処理装置。
- 前記属性判定手段は、前記属性として、前記変状部の危険度又は前記変状部の発生の原因を判定することを特徴とする、請求項1から20のいずれか1項に記載の情報処理装置。
- 情報処理装置が行う情報処理方法であって、
構造物を撮影することによって得た入力画像から抽出された局所特徴に基づき検出された線成分の分岐を判定し、
前記判定の結果に基づいて、前記構造物に生じたひび割れである変状部の範囲を特定し、
前記変状部の範囲の特定結果に基づいて前記入力画像から前記変状部の部分画像に関する特徴を抽出し、
前記変状部の部分画像に関する特徴を用いて、前記変状部の属性を判定する
ことを特徴とする情報処理方法。 - 情報処理装置が行う情報処理方法であって、
入力画像が入力されたCNN(Convolutional Neural Network)の中間層からの出力を用いて得られた前記入力画像の各画素の第1の特徴に従って、前記入力画像における被写体の変状部を特定し、
前記変状部の特定結果に基づいて、前記CNNの中間層からの出力を用いて得られた前記変状部の部分画像の各画素の第2の特徴に従って、前記変状部の前記部分画像に関する特徴を抽出し、
前記変状部の部分画像に関する特徴を用いて、前記変状部の属性を判定する
ことを特徴とする情報処理方法。 - 情報処理装置が行う情報処理方法であって、
入力画像の各位置から抽出された局所特徴を用いてひび割れ領域を検出し、
前記ひび割れ領域を細線化することにより前記ひび割れの位置を示す線を導出し、
前記線の方向変化に応じて前記線を分割することにより、個別のひび割れの位置を示す線を導出することにより、前記入力画像に含まれる複数のひび割れを個別に変状部として特定し、
前記変状部の特定結果に基づいて前記入力画像から前記変状部の部分画像に関する特徴を抽出し、
前記変状部の部分画像に関する特徴を用いて、前記変状部の属性を判定する
ことを特徴とする情報処理方法。 - コンピュータを、請求項1乃至21の何れか1項に記載の情報処理装置の各手段として機能させるためのプログラム。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18805451.4A EP3633605A4 (en) | 2017-05-22 | 2018-05-18 | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING PROCESS, AND PROGRAM |
PCT/JP2018/019370 WO2018216629A1 (ja) | 2017-05-22 | 2018-05-18 | 情報処理装置、情報処理方法、及びプログラム |
CN201880034034.9A CN110678901B (zh) | 2017-05-22 | 2018-05-18 | 信息处理设备、信息处理方法和计算机可读存储介质 |
US16/682,460 US11282185B2 (en) | 2017-05-22 | 2019-11-13 | Information processing device, information processing method, and storage medium |
US17/667,567 US11922615B2 (en) | 2017-05-22 | 2022-02-09 | Information processing device, information processing method, and storage medium |
US18/423,389 US20240161265A1 (en) | 2017-05-22 | 2024-01-26 | Information processing device, information processing method, and storage medium |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017101142 | 2017-05-22 | ||
JP2017101142 | 2017-05-22 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018198053A JP2018198053A (ja) | 2018-12-13 |
JP2018198053A5 JP2018198053A5 (ja) | 2021-07-26 |
JP7113657B2 true JP7113657B2 (ja) | 2022-08-05 |
Family
ID=64662546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018088863A Active JP7113657B2 (ja) | 2017-05-22 | 2018-05-02 | 情報処理装置、情報処理方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3633605A4 (ja) |
JP (1) | JP7113657B2 (ja) |
CN (1) | CN110678901B (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7412983B2 (ja) | 2019-02-04 | 2024-01-15 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
JP7261026B2 (ja) * | 2019-02-05 | 2023-04-19 | 西日本旅客鉄道株式会社 | 劣化レベル判定装置、劣化レベル判定方法、およびプログラム |
EP3931768A1 (en) * | 2019-02-28 | 2022-01-05 | Skidmore, Owings & Merrill LLP | Machine learning tool for structures |
JP7356292B2 (ja) * | 2019-03-15 | 2023-10-04 | 日鉄テックスエンジ株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
US11587299B2 (en) | 2019-05-07 | 2023-02-21 | The Joan And Irwin Jacobs | Systems and methods for detection of anomalies in civil infrastructure using context aware semantic computer vision techniques |
CN111656359A (zh) * | 2019-05-22 | 2020-09-11 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、终端、系统以及计算机可读存储介质 |
JP7336268B2 (ja) * | 2019-06-11 | 2023-08-31 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
WO2021028714A1 (en) * | 2019-08-13 | 2021-02-18 | Omron Corporation | Method, apparatuses, computer program and medium including computer instructions for performing inspection of an item |
JP2021039426A (ja) * | 2019-08-30 | 2021-03-11 | 株式会社東芝 | 推定装置、推定方法及びプログラム |
CN114424242A (zh) * | 2019-09-17 | 2022-04-29 | 星徳科技术株式会社 | 学习处理装置及检查装置 |
JP7400950B2 (ja) * | 2020-03-31 | 2023-12-19 | 日本電気株式会社 | 検出装置、ラベル付与方法、及びプログラム |
JP2021165888A (ja) | 2020-04-06 | 2021-10-14 | キヤノン株式会社 | 情報処理装置、情報処理装置の情報処理方法およびプログラム |
CN111815594A (zh) * | 2020-06-29 | 2020-10-23 | 浙江大华技术股份有限公司 | 钢筋检测方法以及相关设备、装置 |
CN111860250B (zh) * | 2020-07-14 | 2024-04-26 | 中南民族大学 | 基于人物细粒度特征的图像识别方法及装置 |
JP7485356B2 (ja) | 2020-09-28 | 2024-05-16 | 株式会社Pal構造 | ひび割れ検出方法、ひび割れ検出装置及びプログラム |
WO2022071255A1 (ja) * | 2020-09-29 | 2022-04-07 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
JPWO2022070731A1 (ja) | 2020-10-02 | 2022-04-07 | ||
CN112633327B (zh) * | 2020-12-02 | 2023-06-30 | 西安电子科技大学 | 分阶段金属表面缺陷检测方法、系统、介质、设备及应用 |
JP7023425B1 (ja) * | 2021-03-29 | 2022-02-21 | 三菱電機株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
JP7407787B2 (ja) * | 2021-12-03 | 2024-01-04 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
CN114511727A (zh) * | 2021-12-14 | 2022-05-17 | 广东省建筑科学研究院集团股份有限公司 | 基于多尺度输入神经网络的建筑风场地面粗糙度识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006162477A (ja) | 2004-12-08 | 2006-06-22 | Ohbayashi Corp | 構造物表面のひび割れ検出方法 |
JP2009133085A (ja) | 2007-11-29 | 2009-06-18 | Central Japan Railway Co | トンネル覆工のひび割れ検査装置 |
JP2012002531A (ja) | 2010-06-14 | 2012-01-05 | Taisei Corp | ひび割れ検出方法 |
JP2013250058A (ja) | 2012-05-30 | 2013-12-12 | Railway Technical Research Institute | コンクリート表面の線状変状検出方法 |
JP2017072517A (ja) | 2015-10-08 | 2017-04-13 | 西日本高速道路エンジニアリング四国株式会社 | コンクリートの表面ひび割れの検出方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5424584B2 (ja) * | 2008-06-17 | 2014-02-26 | オリンパス株式会社 | 画像処理装置、画像処理プログラムおよび画像処理装置の作動方法 |
WO2011024287A1 (ja) * | 2009-08-28 | 2011-03-03 | キヤノン株式会社 | 情報処理装置、情報処理システム、情報処理方法及び情報処理方法を実行するためのコンピュータプログラム |
JP5534756B2 (ja) * | 2009-09-16 | 2014-07-02 | キヤノン株式会社 | 画像処理装置、画像処理方法、画像処理システム及びプログラム |
JP5926937B2 (ja) * | 2011-11-30 | 2016-05-25 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
WO2015037141A1 (ja) * | 2013-09-13 | 2015-03-19 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
-
2018
- 2018-05-02 JP JP2018088863A patent/JP7113657B2/ja active Active
- 2018-05-18 EP EP18805451.4A patent/EP3633605A4/en active Pending
- 2018-05-18 CN CN201880034034.9A patent/CN110678901B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006162477A (ja) | 2004-12-08 | 2006-06-22 | Ohbayashi Corp | 構造物表面のひび割れ検出方法 |
JP2009133085A (ja) | 2007-11-29 | 2009-06-18 | Central Japan Railway Co | トンネル覆工のひび割れ検査装置 |
JP2012002531A (ja) | 2010-06-14 | 2012-01-05 | Taisei Corp | ひび割れ検出方法 |
JP2013250058A (ja) | 2012-05-30 | 2013-12-12 | Railway Technical Research Institute | コンクリート表面の線状変状検出方法 |
JP2017072517A (ja) | 2015-10-08 | 2017-04-13 | 西日本高速道路エンジニアリング四国株式会社 | コンクリートの表面ひび割れの検出方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2018198053A (ja) | 2018-12-13 |
EP3633605A4 (en) | 2021-02-17 |
EP3633605A1 (en) | 2020-04-08 |
CN110678901B (zh) | 2023-11-10 |
CN110678901A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7113657B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
US11922615B2 (en) | Information processing device, information processing method, and storage medium | |
CN110348319B (zh) | 一种基于人脸深度信息和边缘图像融合的人脸防伪方法 | |
CN105740780B (zh) | 人脸活体检测的方法和装置 | |
US20180349716A1 (en) | Apparatus and method for recognizing traffic signs | |
CN110751154B (zh) | 一种基于像素级分割的复杂环境多形状文本检测方法 | |
CN110268420B (zh) | 在图像中检测背景物上的外来物的计算机实现的方法、在图像中检测背景物上的外来物的设备以及计算机程序产品 | |
CN107610114A (zh) | 基于支持向量机的光学卫星遥感影像云雪雾检测方法 | |
JP2011053953A (ja) | 画像処理装置及びプログラム | |
CN111553310B (zh) | 基于毫米波雷达的安检图像获取方法、系统及安检设备 | |
CN112784712B (zh) | 一种基于实时监控的失踪儿童预警实现方法、装置 | |
CN112329756A (zh) | 一种印章提取及文字识别的方法及装置 | |
JP2009163682A (ja) | 画像識別装置及びプログラム | |
Ahmed et al. | Traffic sign detection and recognition model using support vector machine and histogram of oriented gradient | |
CN113989604A (zh) | 基于端到端深度学习的轮胎dot信息识别方法 | |
CN110288040B (zh) | 一种基于拓扑验证的图像相似评判方法及设备 | |
JP2007025902A (ja) | 画像処理装置、画像処理方法 | |
CN116563591A (zh) | 一种基于特征提取的海天背景下的光学烟雾检测方法 | |
JP5201184B2 (ja) | 画像処理装置及びプログラム | |
CN108985294B (zh) | 一种轮胎模具图片的定位方法、装置、设备及存储介质 | |
JP2007026308A (ja) | 画像処理方法、画像処理装置 | |
CN117152625A (zh) | 一种基于CoordConv和YOLOv5的遥感小目标识别方法、系统、设备及介质 | |
CN106909936B (zh) | 一种基于双车辆可变形部件模型的车辆检测方法 | |
CN115393589A (zh) | 一种通用dcs工艺流程图识别转换方法、系统以及介质 | |
CN116563659A (zh) | 一种结合先验知识和特征分类的光学烟雾检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20210103 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210113 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210430 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210430 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220411 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220610 |
|
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: 20220627 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220726 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7113657 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |