JP7331947B2 - 物体識別装置、物体識別方法、学習装置、学習方法、及び、プログラム - Google Patents
物体識別装置、物体識別方法、学習装置、学習方法、及び、プログラム Download PDFInfo
- Publication number
- JP7331947B2 JP7331947B2 JP2021566431A JP2021566431A JP7331947B2 JP 7331947 B2 JP7331947 B2 JP 7331947B2 JP 2021566431 A JP2021566431 A JP 2021566431A JP 2021566431 A JP2021566431 A JP 2021566431A JP 7331947 B2 JP7331947 B2 JP 7331947B2
- Authority
- JP
- Japan
- Prior art keywords
- foreground
- model
- state
- input image
- identification
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- 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
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06T7/10—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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Description
入力画像から前景抽出を行い前景抽出結果を生成する前景抽出手段と、
前記前景抽出結果に基づいて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出する状態抽出手段と、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する前記選択モデルであって、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習済みの選択モデルを用いて、抽出された前記状態に基づいて1又は複数の識別モデルを選択する識別モデル選択手段と、
選択された識別モデルを用いて、前記入力画像に含まれる移動物体を識別する識別手段と、を備える。
入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果に基づいて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出し、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する前記選択モデルであって、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習済みの選択モデルを用いて、抽出された前記状態に基づいて1又は複数の識別モデルを選択し、
選択された識別モデルを用いて、前記入力画像に含まれる移動物体を識別する。
入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果に基づいて、各前景について、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出し、
前記状態を入力し、識別モデルのそれぞれについての、その識別モデルを選択する尤度を出力する前記選択モデルであって、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習済みの選択モデルを用いて、抽出された前記状態に基づいて1又は複数の識別モデルを選択し、
選択された識別モデルを用いて、前記入力画像に含まれる移動物体を識別する処理をコンピュータに実行させる。
入力画像から前景抽出を行い前景抽出結果を生成する前景抽出手段と、
前記前景抽出結果を用いて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出する状態抽出手段と、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する選択モデルを、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習する学習手段と、を備える。
入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果を用いて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出し、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する選択モデルを、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習する。
入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果を用いて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む前景の状態を抽出し、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する選択モデルを、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習する処理をコンピュータに実行させる。
<基本概念>
まず、実施形態に係る物体識別手法の基本概念について説明する。いま、空を撮影した画像から、飛行中の移動物体を識別することを考える。移動物体のサイズが小さい場合、撮影画像における移動物体の見え方はほとんど変わらないため、移動物体の見え方に注目して識別を行うと精度が低下してしまう。よって、この場合、移動物体の挙動や移動軌跡などに注目して識別を行うことが好ましい。一方、移動物体のサイズが大きい場合、移動物体の見え方に注目すればある程度の精度で識別が可能となる。よって、撮影画像における移動物体の状態に応じて識別方法、即ち、使用する識別モデルを選択する必要がある。以下の実施形態では、移動物体の状態に応じて、識別モデルを適切に選択する手法を提供する。
(ハードウェア構成)
図1は、第1実施形態に係る物体識別装置のハードウェア構成を示すブロック図である。図示のように、物体識別装置100は、入力IF(InterFace)12と、プロセッサ13と、メモリ14と、記録媒体15と、データベース(DB)16と、を備える。
図2は、第1実施形態に係る物体識別装置100の機能構成を示すブロック図である。図示のように、物体識別装置100は、前景抽出部21と、状態抽出部22と、識別モデル選択部23と、識別部24と、前景抽出モデル記憶部25と、選択モデル記憶部26と、識別モデル記憶部27と、を備える。
移動軌跡特徴:T1={X11,X21,X31,d12,d23}
なお、状態抽出部22は、同様に前景FG2の移動軌跡特徴T2も生成する。
面積変動特徴:Area={R12,R23}
ここで、「R」は前景の面積変動を示し、「R12」はある前景の第1フレームでの面積と第2フレームでの面積の比を示す。例えば、前景FG1の第1フレームでの面積をS1、第2フレームでの面積をS2とすると、R=S1/S2となる。こうして、状態抽出部22は、前景抽出結果に含まれる全ての前景について面積変動特徴Areaを抽出する。
F(m)={A,T,Area}
例えば、F(1)={1,1,0}である場合、識別モデル1は、入力として見え特徴Aと、移動軌跡特徴Tを使用すること示す。
図7は、物体識別装置100による物体識別処理のフローチャートである。この処理は、図1に示すプロセッサ13が予め用意されたプログラムを実行し、図2に示す各要素として動作することにより実現される。
次に、選択モデルの学習について説明する。前述の物体識別装置100においては、既に学習済みの選択モデルが選択モデル記憶部26に記憶されており、識別モデル選択部23は、その選択モデルを用いて識別モデルを選択している。以下、選択モデルの学習について説明する。
図10(A)は、第2実施形態に係る物体識別装置の構成を示すブロック図である。物体識別装置80は、前景抽出部81と、状態抽出部82と、識別モデル選択部83と、識別部84と、を備える。前景抽出部81は、入力画像から前景抽出を行い前景抽出結果を生成する。状態抽出部82は、前景抽出結果に基づいて、前景の状態を抽出する。識別モデル選択部83は、選択モデルを用いて、抽出された状態に基づいて1又は複数の識別モデルを選択する。識別部84は、選択された識別モデルを用いて、入力画像に含まれる移動物体を識別する。
入力画像から前景抽出を行い前景抽出結果を生成する前景抽出部と、
前記前景抽出結果に基づいて、前景の状態を抽出する状態抽出部と、
選択モデルを用いて、抽出された状態に基づいて1又は複数の識別モデルを選択する識別モデル選択部と、
選択された識別モデルを用いて、前記入力画像に含まれる移動物体を識別する識別部と、
を備える物体識別装置。
前記前景抽出部は、前記入力画像の所定数のフレームについて前記前景抽出結果を生成し、
前記状態抽出部は、前記所定数のフレームにおける前記前景抽出結果を用いて前記前景の状態を抽出する付記1に記載の物体識別装置。
前記状態抽出部は、前記所定数のフレームに含まれる前景の見え特徴を抽出し、前記前景の状態として出力する付記2に記載の物体識別装置。
前記状態抽出部は、前記所定数のフレームの各々から同一の前景に対応する前景領域を抽出し、前記所定数の前景領域から抽出した特徴ベクトルを前記見え特徴として出力する付記3に記載の物体識別装置。
前記状態抽出部は、前記所定数のフレームにおける同一の前景の移動軌跡特徴を抽出し、前記前景の状態として出力する付記2乃至4のいずれか一項に記載の物体識別装置。
前記状態抽出部は、前記所定数のフレームにおける同一の前景の座標及び移動量を含む移動軌跡特徴を抽出し、前記前景の状態として出力する付記5に記載の物体識別装置。
前記状態抽出部は、前記所定数のフレームの各々から同一の前景の面積変動を抽出し、前記前景の状態として出力する付記2乃至6のいずれか一項に記載の物体識別装置。
前記選択モデルは、前記前景の状態を入力とし、前記複数の識別モデルを選択する尤度を出力するように学習されたモデルである付記1乃至7のいずれか一項に記載の物体識別装置。
前記識別部は、前記前景の状態に含まれる特徴のうち、前記選択された識別モデルが使用する1又は複数の特徴を特定し、当該特徴に基づいて前記移動物体の識別を行う付記1乃至8のいずれか一項に記載の物体識別装置。
入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果に基づいて、前景の状態を抽出し、
選択モデルを用いて、抽出された状態に基づいて1又は複数の識別モデルを選択し、
選択された識別モデルを用いて、前記入力画像に含まれる移動物体を識別する物体識別方法。
入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果に基づいて、前景の状態を抽出し、
選択モデルを用いて、抽出された状態に基づいて1又は複数の識別モデルを選択し、
選択された識別モデルを用いて、前記入力画像に含まれる移動物体を識別する処理をコンピュータに実行させるプログラムを記録した記録媒体。
入力画像から前景抽出を行い前景抽出結果を生成する前景抽出部と、
前記前景抽出結果を用いて、前景の状態を抽出する状態抽出部と、
前記前景の状態と、予め用意された正解データとに基づいて、物体の識別モデルを選択する選択モデルを学習する学習部と、
を備える学習装置。
入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果を用いて、前景の状態を抽出し、
前記前景の状態と、予め用意された正解データとに基づいて、物体の識別モデルを選択する選択モデルを学習する学習方法。
入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果を用いて、前景の状態を抽出し、
前記前景の状態と、予め用意された正解データとに基づいて、物体の識別モデルを選択する選択モデルを学習する処理をコンピュータに実行させるプログラムを記録した記録媒体。
22、72 状態抽出部
23 識別モデル選択部
24 識別部
25、74 前景抽出モデル記憶部
26、75 選択モデル記憶部
27 識別モデル記憶部
51 特徴抽出器
61 尤度推定器
73 選択モデル学習部
76 学習部
Claims (10)
- 入力画像から前景抽出を行い前景抽出結果を生成する前景抽出手段と、
前記前景抽出結果に基づいて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出する状態抽出手段と、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する前記選択モデルであって、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習済みの選択モデルを用いて、抽出された前記状態に基づいて1又は複数の識別モデルを選択する識別モデル選択手段と、
選択された識別モデルを用いて、前記入力画像に含まれる移動物体を識別する識別手段と、
を備える物体識別装置。 - 前記前景抽出手段は、前記入力画像の所定数のフレームについて前記前景抽出結果を生成し、
前記状態抽出手段は、前記所定数のフレームにおける前記前景抽出結果を用いて前記前景の状態を抽出する請求項1に記載の物体識別装置。 - 前記状態抽出手段は、前記所定数のフレームに含まれる前景の見え特徴を抽出し、前記前景の状態として出力する請求項2に記載の物体識別装置。
- 前記状態抽出手段は、前記所定数のフレームの各々から同一の前景に対応する前景領域を抽出し、前記所定数の前景領域から抽出した特徴ベクトルを前記見え特徴として出力する請求項3に記載の物体識別装置。
- 前記状態抽出部は、前記所定数のフレームにおける同一の前景の移動軌跡特徴を抽出し、前記前景の状態として出力する請求項2乃至4のいずれか一項に記載の物体識別装置。
- 入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果に基づいて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出し、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する前記選択モデルであって、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習済みの選択モデルを用いて、抽出された前記状態に基づいて1又は複数の識別モデルを選択し、
選択された識別モデルを用いて、前記入力画像に含まれる移動物体を識別する物体識別方法。 - 入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果に基づいて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出し、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する前記選択モデルであって、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習済みの選択モデルを用いて、抽出された前記状態に基づいて1又は複数の識別モデルを選択し、
選択された識別モデルを用いて、前記入力画像に含まれる移動物体を識別する処理をコンピュータに実行させるプログラム。 - 入力画像から前景抽出を行い前景抽出結果を生成する前景抽出手段と、
前記前景抽出結果を用いて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出する状態抽出手段と、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する選択モデルを、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習する学習手段と、
を備える学習装置。 - 入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果を用いて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む状態を抽出し、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する選択モデルを、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習する学習方法。 - 入力画像から前景抽出を行い前景抽出結果を生成し、
前記前景抽出結果を用いて、各前景についての、移動軌跡特徴、面積変動特徴及び見え特徴を含む前景の状態を抽出し、
前記状態を入力し、識別モデルのそれぞれについて、その識別モデルを選択する尤度を出力する選択モデルを、学習用の入力画像に含まれる前景毎に、その前景を識別するのに適した識別モデルを示す値である正解データに基づき学習する処理をコンピュータに実行させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/050615 WO2021130856A1 (ja) | 2019-12-24 | 2019-12-24 | 物体識別装置、物体識別方法、学習装置、学習方法、及び、記録媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021130856A1 JPWO2021130856A1 (ja) | 2021-07-01 |
JPWO2021130856A5 JPWO2021130856A5 (ja) | 2022-07-22 |
JP7331947B2 true JP7331947B2 (ja) | 2023-08-23 |
Family
ID=76575776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021566431A Active JP7331947B2 (ja) | 2019-12-24 | 2019-12-24 | 物体識別装置、物体識別方法、学習装置、学習方法、及び、プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220392212A1 (ja) |
JP (1) | JP7331947B2 (ja) |
WO (1) | WO2021130856A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4184432A4 (en) * | 2021-09-30 | 2023-10-11 | Rakuten Group, Inc. | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD AND INFORMATION PROCESSING PROGRAM |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013065118A (ja) | 2011-09-15 | 2013-04-11 | Toshiba Corp | 顔認識装置、及び顔認識方法 |
JP2014178736A (ja) | 2013-03-13 | 2014-09-25 | Denso Corp | 物体検出装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200929005A (en) * | 2007-12-26 | 2009-07-01 | Altek Corp | Human face detection and tracking method |
WO2009125569A1 (ja) * | 2008-04-09 | 2009-10-15 | 日本電気株式会社 | 物体検出装置 |
US9633275B2 (en) * | 2008-09-11 | 2017-04-25 | Wesley Kenneth Cobb | Pixel-level based micro-feature extraction |
WO2017054941A1 (en) * | 2015-09-30 | 2017-04-06 | Fotonation Limited | A method and system for tracking an object |
JP6832504B2 (ja) * | 2016-08-08 | 2021-02-24 | パナソニックIpマネジメント株式会社 | 物体追跡方法、物体追跡装置およびプログラム |
EP3312762B1 (en) * | 2016-10-18 | 2023-03-01 | Axis AB | Method and system for tracking an object in a defined area |
US11164329B2 (en) * | 2018-11-01 | 2021-11-02 | Inpixon | Multi-channel spatial positioning system |
-
2019
- 2019-12-24 WO PCT/JP2019/050615 patent/WO2021130856A1/ja active Application Filing
- 2019-12-24 US US17/783,429 patent/US20220392212A1/en active Pending
- 2019-12-24 JP JP2021566431A patent/JP7331947B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013065118A (ja) | 2011-09-15 | 2013-04-11 | Toshiba Corp | 顔認識装置、及び顔認識方法 |
JP2014178736A (ja) | 2013-03-13 | 2014-09-25 | Denso Corp | 物体検出装置 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2021130856A1 (ja) | 2021-07-01 |
WO2021130856A1 (ja) | 2021-07-01 |
US20220392212A1 (en) | 2022-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102400017B1 (ko) | 객체를 식별하는 방법 및 디바이스 | |
KR102641116B1 (ko) | 데이터 증강에 기초한 인식 모델 트레이닝 방법 및 장치, 이미지 인식 방법 및 장치 | |
CN109145766B (zh) | 模型训练方法、装置、识别方法、电子设备及存储介质 | |
JP6488647B2 (ja) | 物体追跡装置、物体追跡システム、物体追跡方法、表示制御装置、物体検出装置、プログラムおよび記録媒体 | |
US10002290B2 (en) | Learning device and learning method for object detection | |
KR20190028235A (ko) | 클래스 인식을 위한 뉴럴 네트워크 학습 방법 및 디바이스 | |
KR102663375B1 (ko) | 음성 및 영상 자동 포커싱 방법 및 장치 | |
KR102532748B1 (ko) | 뉴럴 네트워크 학습 방법 및 장치 | |
CN112016559A (zh) | 实例分割模型的训练方法及装置,图像处理的方法及装置 | |
US20180157892A1 (en) | Eye detection method and apparatus | |
JP6756406B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN113012054A (zh) | 基于抠图的样本增强方法和训练方法及其系统和电子设备 | |
US20240203152A1 (en) | Method for identifying human poses in an image, computer system, and non-transitory computer-readable medium | |
JP2024511171A (ja) | 動作認識の方法および装置 | |
KR20200077942A (ko) | 객체의 미래 움직임 예측을 통한 동영상에서의 객체 추적을 위한 방법 및 시스템 | |
KR102210404B1 (ko) | 위치 정보 추출 장치 및 방법 | |
JP7331947B2 (ja) | 物体識別装置、物体識別方法、学習装置、学習方法、及び、プログラム | |
CN113947208A (zh) | 用于创建机器学习系统的方法和设备 | |
Nikpour et al. | Deep reinforcement learning in human activity recognition: A survey | |
US10917721B1 (en) | Device and method of performing automatic audio focusing on multiple objects | |
JP7331949B2 (ja) | 画像処理装置、画像処理方法、学習装置、学習方法、及び、プログラム | |
JP7347539B2 (ja) | 前景抽出装置、前景抽出方法、及び、プログラム | |
US11218803B2 (en) | Device and method of performing automatic audio focusing on multiple objects | |
EP3401843A1 (en) | A method, an apparatus and a computer program product for modifying media content | |
WO2021111831A1 (ja) | 情報処理方法、情報処理システム及び情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220525 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220525 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230307 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230426 |
|
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: 20230711 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230724 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7331947 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |