JP7337268B2 - 三次元エッジ検出方法、装置、コンピュータプログラム及びコンピュータ機器 - Google Patents
三次元エッジ検出方法、装置、コンピュータプログラム及びコンピュータ機器 Download PDFInfo
- Publication number
- JP7337268B2 JP7337268B2 JP2022522367A JP2022522367A JP7337268B2 JP 7337268 B2 JP7337268 B2 JP 7337268B2 JP 2022522367 A JP2022522367 A JP 2022522367A JP 2022522367 A JP2022522367 A JP 2022522367A JP 7337268 B2 JP7337268 B2 JP 7337268B2
- Authority
- JP
- Japan
- Prior art keywords
- detection result
- dimensional
- edge detection
- result
- object 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
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
- G06T7/13—Edge detection
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/20—Contour coding, e.g. using detection of edges
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/10021—Stereoscopic video; Stereoscopic 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
本願は、2020年2月20日に中国特許局に提出された、出願番号が202010104850.1であり、出願名称が「三次元エッジ検出方法、装置、記憶媒体及びコンピュータ機器」である中国特許出願の優先権を主張し、その全ての内容が参照により本願に組み込まれる。
三次元画像の各二次元スライスの二次元オブジェクト検出結果及び二次元エッジ検出結果を取得する、ステップと、
各前記二次元オブジェクト検出結果を三次元オブジェクト検出結果に積み重ね、各前記二次元エッジ検出結果を三次元エッジ検出結果に積み重ねる、ステップと、
前記三次元画像の特徴マップ、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って符号化を実行して、符号化結果を取得する、ステップと、
前記符号化結果、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って復号化を実行して、前記三次元画像の最適化された三次元エッジ検出結果を取得する、ステップと、を含む。
三次元画像の各二次元スライスの二次元オブジェクト検出結果及び二次元エッジ検出結果を取得し、各前記二次元オブジェクト検出結果を三次元オブジェクト検出結果に積み重ね、各前記二次元エッジ検出結果を三次元エッジ検出結果に積み重ねるように構成される、取得モジュールと、
前記三次元画像の特徴マップ、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って符号化を実行して、符号化結果を取得するように構成される、符号化モジュールと、
前記符号化結果、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って復号化を実行して、前記三次元画像の最適化された三次元エッジ検出結果を取得するように構成される、復号化モジュールと、を備える。
(1)Holistically-Nested Edge Detection、HED
(2)Richer Convolutional Features for Edge Detection、RCF
(3)Bi-Directional Cascade Network for Perceptual Edge Detection、BDCN
901 取得モジュール
902 符号化モジュール
903 復号化モジュール
904 マルチスケール処理モジュール
Claims (13)
- コンピュータ機器が実行する、三次元エッジ検出方法であって、
三次元画像の各二次元スライスの二次元オブジェクト検出結果及び二次元エッジ検出結果を取得する、ステップと、
各前記二次元オブジェクト検出結果を積み重ねることによって、三次元オブジェクト検出結果を取得するステップと、
各前記二次元エッジ検出結果を積み重ねることによって、三次元エッジ検出結果を取得するステップと、
前記三次元画像の特徴マップ、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って符号化を実行して、符号化結果を取得する、ステップであって、前記三次元画像の特徴マップ及び前記三次元オブジェクト検出結果に対してドット積(dot product)演算を実行し、前記ドット積演算の結果と前記三次元エッジ検出結果とを加算し、前記加算された結果に対して前記符号化を実行して、前記符号化結果を取得する、ステップと、
前記符号化結果、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って復号化を実行して、前記三次元画像の第2の三次元エッジ検出結果を取得するステップであって、前記符号化結果及び前記三次元オブジェクト検出結果に対してドット積演算を実行し、前記ドット積演算の結果と前記三次元エッジ検出結果とを加算し、前記加算された結果に対して前記復号化を実行し、前記第2の三次元エッジ検出結果を取得する、ステップと、
を含む、三次元エッジ検出方法。 - 前記三次元画像の特徴マップ、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って符号化を実行して、符号化結果を取得する、前記ステップは、
前記三次元画像の特徴マップ、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って、一回以上の符号化を実行する、ステップであって、毎回の符号化の入力は、前記三次元オブジェクト検出結果及び前回の符号化の出力に対してドット積演算を実行し、次に前記三次元エッジ検出結果を加算した演算結果であり、毎回の符号化の出力は異なり、且つすべて前記三次元画像の特徴マップである、ステップと、
最後の符号化によって出力された特徴マップを取得して、符号化結果を取得する、ステップと、
を含む、請求項1に記載の三次元エッジ検出方法。 - 前記三次元画像の特徴マップ、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って、一回以上の符号化を実行する、前記ステップは、
前記三次元画像の色特徴マップと、前記三次元オブジェクト検出結果に対してドット積演算を実行し、次に前記三次元エッジ検出結果を加算した後、現在の符号化を実行する、ステップと、
現在の符号化の出力と前記三次元オブジェクト検出結果に対してドット積演算を実行し、次に前記三次元エッジ検出結果を加算した後、最後の符号化まで次回の符号化を実行する、ステップと、
を含む、請求項2に記載の三次元エッジ検出方法。 - 前記符号化結果、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って復号化を実行して、前記三次元画像の第2の三次元エッジ検出結果を取得する、前記ステップは、
前記符号化結果、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って、一回以上の復号化を実行する、ステップであって、毎回の復号化の入力は、前記三次元オブジェクト検出結果と前回の符号化の出力に対してドット積演算を実行し、次に前記三次元エッジ検出結果を加算した演算結果を含む、ステップと、
最後の復号化の出力を取得して、前記三次元画像の前記第2の三次元エッジ検出結果を取得する、ステップと、
を含む、請求項1に記載の三次元エッジ検出方法。 - 前記三次元エッジ検出方法は、
サンプリング率が異なる1つ以上の拡張畳み込み(dilated convolution)を介して前記符号化結果を処理して、1つ以上の特徴マップを取得する、ステップであって、前記1つ以上の特徴マップのサイズは異なる、ステップと、
前記1つ以上の特徴マップを接続した後に畳み込み動作を実行して、マルチスケール学習結果を取得する、ステップと、を更に含み、
前記符号化結果、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って、一回以上の復号化を実行する、前記ステップは、
前記マルチスケール学習結果、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って、1回以上の復号化を実行する、ステップを含む、
請求項4に記載の三次元エッジ検出方法。 - 前記マルチスケール学習結果、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って、1回以上の復号化を実行する、前記ステップは、
前記マルチスケール学習結果と前記三次元オブジェクト検出結果に対してドット積演算を実行し、次に前記三次元エッジ検出結果を加算した後、中間の符号化(intermediate encoding)の出力と共に現在の復号化を実行する、ステップと、
現在の復号化の出力と前記三次元オブジェクト検出結果に対してドット積演算を実行し、次に前記三次元エッジ検出結果を加算した後、最後の復号化まで前記中間の符号化の前回の符号化の出力と共に、次回の復号化を実行する、ステップと、
を含む、請求項5に記載の三次元エッジ検出方法。 - 三次元画像の各二次元スライスの二次元オブジェクト検出結果及び二次元エッジ検出結果を取得する、前記ステップは、
三次元画像の各二次元スライスの二次元初期オブジェクト検出結果及び二次元初期エッジ検出結果を取得する、ステップと、
前記三次元画像の各二次元スライスの場合、前記二次元スライスの色特徴マップと、前記二次元スライスの二次元初期オブジェクト検出結果に対してドット積演算を実行し、次に前記二次元スライスの二次元初期オブジェクト検出結果を加算した後、オブジェクト検出を実行して、前記二次元スライスの二次元ターゲットオブジェクト検出結果を取得する、ステップと、
前記三次元画像の各二次元スライスに対して畳み込み動作を実行する場合、畳み込み動作の出力及び対応する二次元スライスの二次元オブジェクト検出結果に従って、各二次元スライスの二次元ターゲットエッジ検出結果を取得する、ステップと、
を含む、請求項1に記載の三次元エッジ検出方法。 - 前記三次元画像の各二次元スライスの場合、前記二次元スライスの色特徴マップと、前記二次元スライスの二次元初期オブジェクト検出結果に対してドット積演算を実行し、次に前記二次元スライスの二次元初期オブジェクト検出結果を加算した後、オブジェクト検出を実行して、前記二次元スライスの二次元ターゲットオブジェクト検出結果を取得する、前記ステップは、
前記三次元画像の各フレームの二次元スライスに対して、
前記二次元スライスの色特徴マップと、前記二次元スライスの二次元初期オブジェクト検出結果に対してドット積演算を実行し、次に前記二次元スライスの二次元初期オブジェクト検出結果を加算して、処理対象となるデータとして使用する、ステップと、
前記処理対象となるデータに対して1回以上の符号化及び一回以上の復号化を実行して、最後の復号化によって出力された前記二次元スライスの二次元ターゲットオブジェクト検出結果を取得する、ステップと、をそれぞれ実行する、ステップ
を含む、請求項7に記載の三次元エッジ検出方法。 - 前記処理対象となるデータに対して1回以上の符号化及び一回以上の復号化を実行して、最後の復号化によって出力された前記二次元スライスの二次元ターゲットオブジェクト検出結果を取得する、前記ステップは、
前記処理対象となるデータに対して1回以上の符号化を実行して、最後の復号化によって出力されたオブジェクト検出結果を取得する、ステップと、
サンプリング率が異なる1つ以上の拡張畳み込みを介して前記オブジェクト検出結果を処理して、1つ以上の特徴マップを取得する、ステップであって、前記1つ以上の特徴マップのサイズは異なる、ステップと、
前記1つ以上の特徴マップを接続した後に畳み込み動作を実行して、マルチスケール学習結果を取得する、ステップと、
前記マルチスケール学習結果に対して一回以上の復号化を実行して、最後の復号化によって出力された前記二次元スライスの二次元ターゲットオブジェクト検出結果を取得する、ステップと、
を含む、請求項8に記載の三次元エッジ検出方法。 - 前記三次元画像の各二次元スライスに対して畳み込み動作を実行する場合、畳み込み動作の出力及び対応する二次元スライスの二次元オブジェクト検出結果に従って、各二次元スライスの二次元ターゲットエッジ検出結果を取得する、前記ステップは、
前記三次元画像の各フレームの二次元スライスに対して、
前記二次元スライスに対して1段階以上の畳み込み動作を実行する、ステップと、
各段階の出力と、前記二次元スライスの二次元初期オブジェクト検出結果に対してドット積演算を実行し、次に現在の段階の出力を加算して、段階検出結果を取得する、ステップと、
各前記段階検出結果を組み合わせて、前記二次元スライスの二次元ターゲットエッジ検出結果を取得する、ステップと、をそれぞれ実行する、ステップ
を含む、請求項7に記載の三次元エッジ検出方法。 - 三次元エッジ検出装置であって、
三次元画像の各二次元スライスの二次元オブジェクト検出結果及び二次元エッジ検出結果を取得し、各前記二次元オブジェクト検出結果を積み重ねることによって、三次元オブジェクト検出結果を取得し、各前記二次元エッジ検出結果を積み重ねることによって、三次元エッジ検出結果を取得するように構成される、取得モジュールと、
前記三次元画像の特徴マップ、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って符号化を実行して、符号化結果を取得するように構成される、符号化モジュールであって、前記三次元画像の特徴マップ及び前記三次元オブジェクト検出結果に対してドット積(dot product)演算を実行し、前記ドット積演算の結果と前記三次元エッジ検出結果とを加算し、加算された結果に対して前記符号化を実行して、前記符号化結果を取得するように構成される、符号化モジュールと、
前記符号化結果、前記三次元オブジェクト検出結果及び前記三次元エッジ検出結果に従って復号化を実行して、前記三次元画像の第2の三次元エッジ検出結果を取得するように構成される、復号化モジュールであって、前記符号化結果及び前記三次元オブジェクト検出結果に対してドット積演算を実行し、前記ドット積演算の結果と前記三次元エッジ検出結果とを加算し、加算された結果に対して前記復号化を実行し、前記第2の三次元エッジ検出結果を取得するように構成される、復号化モジュールと、
を備える、三次元エッジ検出装置。 - メモリと、プロセッサとを備える、コンピュータ機器であって、
前記メモリには、コンピュータ可読命令が記憶され、前記コンピュータ可読命令が前記プロセッサによって実行されるときに、前記プロセッサに、請求項1ないし10のいずれか一項に記載の三次元エッジ検出方法を実行させる、コンピュータ機器。 - コンピュータプログラムであって、
コンピュータに、請求項1ないし10のいずれか一項に記載の三次元エッジ検出方法を実行させる、コンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010104850.1A CN111325766B (zh) | 2020-02-20 | 2020-02-20 | 三维边缘检测方法、装置、存储介质和计算机设备 |
CN202010104850.1 | 2020-02-20 | ||
PCT/CN2020/121120 WO2021164280A1 (zh) | 2020-02-20 | 2020-10-15 | 三维边缘检测方法、装置、存储介质和计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022552663A JP2022552663A (ja) | 2022-12-19 |
JP7337268B2 true JP7337268B2 (ja) | 2023-09-01 |
Family
ID=71172782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022522367A Active JP7337268B2 (ja) | 2020-02-20 | 2020-10-15 | 三次元エッジ検出方法、装置、コンピュータプログラム及びコンピュータ機器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220215558A1 (ja) |
EP (1) | EP4016454A4 (ja) |
JP (1) | JP7337268B2 (ja) |
CN (1) | CN111325766B (ja) |
WO (1) | WO2021164280A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111325766B (zh) * | 2020-02-20 | 2023-08-25 | 腾讯科技(深圳)有限公司 | 三维边缘检测方法、装置、存储介质和计算机设备 |
CN112991465A (zh) * | 2021-03-26 | 2021-06-18 | 禾多科技(北京)有限公司 | 相机标定方法、装置、电子设备和计算机可读介质 |
CN115222745B (zh) * | 2022-09-21 | 2022-12-13 | 南通未来文化科技有限公司 | 基于光学信息的古筝面板材料检测方法 |
CN115841625B (zh) * | 2023-02-23 | 2023-06-06 | 杭州电子科技大学 | 一种基于改进U-Net模型的遥感建筑物影像提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005211671A (ja) | 2005-01-31 | 2005-08-11 | Toshiba Corp | 放射線治療計画装置 |
US20070003016A1 (en) | 2005-06-30 | 2007-01-04 | Thomas Brunner | Method for contour visualization of regions of interest in 2D fluoroscopy images |
JP2008173167A (ja) | 2007-01-16 | 2008-07-31 | Ziosoft Inc | 領域修正方法 |
WO2018156778A1 (en) | 2017-02-22 | 2018-08-30 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Detection of prostate cancer in multi-parametric mri using random forest with instance weighting & mr prostate segmentation by deep learning with holistically-nested networks |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012045319A1 (en) * | 2010-10-05 | 2012-04-12 | Telefonaktiebolaget L M Ericsson (Publ) | Multi-view encoding and decoding technique based on single-view video codecs |
AU2016228027B2 (en) * | 2015-03-04 | 2018-11-22 | Institute of Mineral Resources, Chinese Academy of Geological Sciences | Method for automatically extracting tectonic framework of potential field |
CN107025642B (zh) * | 2016-01-27 | 2018-06-22 | 百度在线网络技术(北京)有限公司 | 基于点云数据的车辆轮廓检测方法和装置 |
WO2018093796A1 (en) * | 2016-11-15 | 2018-05-24 | Magic Leap, Inc. | Deep learning system for cuboid detection |
WO2018181252A1 (en) * | 2017-03-28 | 2018-10-04 | Panasonic Intellectual Property Corporation Of America | Encoding apparatus, decoding apparatus, encoding method, and decoding method |
WO2018183548A1 (en) * | 2017-03-30 | 2018-10-04 | Hologic, Inc. | System and method for hierarchical multi-level feature image synthesis and representation |
EP3468182A1 (en) * | 2017-10-06 | 2019-04-10 | InterDigital VC Holdings, Inc. | A method and apparatus for encoding a point cloud representing three-dimensional objects |
BR112020025049A2 (pt) * | 2018-06-15 | 2021-03-23 | Panasonic Intellectual Property Corporation Of America | método de codificação de dados tridimensionais, método de decodificação de dados tridimensionais, dispositivo de codificação de dados tridimensionais e dispositivo de decodificação de dados tridimensionais |
CN109410185B (zh) * | 2018-10-10 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 一种图像分割方法、装置和存储介质 |
CN109446951B (zh) * | 2018-10-16 | 2019-12-10 | 腾讯科技(深圳)有限公司 | 三维图像的语义分割方法、装置、设备及存储介质 |
CN109598727B (zh) * | 2018-11-28 | 2021-09-14 | 北京工业大学 | 一种基于深度神经网络的ct图像肺实质三维语义分割方法 |
CN109598722B (zh) * | 2018-12-10 | 2020-12-08 | 杭州帝视科技有限公司 | 基于递归神经网络的图像分析方法 |
CN109872325B (zh) * | 2019-01-17 | 2022-11-15 | 东北大学 | 基于双路三维卷积神经网络的全自动肝脏肿瘤分割方法 |
CN110276408B (zh) * | 2019-06-27 | 2022-11-22 | 腾讯科技(深圳)有限公司 | 3d图像的分类方法、装置、设备及存储介质 |
WO2021039578A1 (ja) * | 2019-08-29 | 2021-03-04 | 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 | 符号化装置、復号装置、符号化方法、および復号方法 |
CN110599492B (zh) * | 2019-09-19 | 2024-02-06 | 腾讯科技(深圳)有限公司 | 图像分割模型的训练方法、装置、电子设备及存储介质 |
CN110648337A (zh) * | 2019-09-23 | 2020-01-03 | 武汉联影医疗科技有限公司 | 髋关节分割方法、装置、电子设备和存储介质 |
CN111325766B (zh) * | 2020-02-20 | 2023-08-25 | 腾讯科技(深圳)有限公司 | 三维边缘检测方法、装置、存储介质和计算机设备 |
-
2020
- 2020-02-20 CN CN202010104850.1A patent/CN111325766B/zh active Active
- 2020-10-15 WO PCT/CN2020/121120 patent/WO2021164280A1/zh unknown
- 2020-10-15 EP EP20920101.1A patent/EP4016454A4/en active Pending
- 2020-10-15 JP JP2022522367A patent/JP7337268B2/ja active Active
-
2022
- 2022-03-24 US US17/703,829 patent/US20220215558A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005211671A (ja) | 2005-01-31 | 2005-08-11 | Toshiba Corp | 放射線治療計画装置 |
US20070003016A1 (en) | 2005-06-30 | 2007-01-04 | Thomas Brunner | Method for contour visualization of regions of interest in 2D fluoroscopy images |
JP2008173167A (ja) | 2007-01-16 | 2008-07-31 | Ziosoft Inc | 領域修正方法 |
WO2018156778A1 (en) | 2017-02-22 | 2018-08-30 | The United States Of America, As Represented By The Secretary, Department Of Health And Human Services | Detection of prostate cancer in multi-parametric mri using random forest with instance weighting & mr prostate segmentation by deep learning with holistically-nested networks |
Also Published As
Publication number | Publication date |
---|---|
JP2022552663A (ja) | 2022-12-19 |
CN111325766B (zh) | 2023-08-25 |
WO2021164280A1 (zh) | 2021-08-26 |
CN111325766A (zh) | 2020-06-23 |
EP4016454A4 (en) | 2023-01-04 |
US20220215558A1 (en) | 2022-07-07 |
EP4016454A1 (en) | 2022-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11810377B2 (en) | Point cloud segmentation method, computer-readable storage medium, and computer device | |
JP7337268B2 (ja) | 三次元エッジ検出方法、装置、コンピュータプログラム及びコンピュータ機器 | |
Kundu et al. | 3d-rcnn: Instance-level 3d object reconstruction via render-and-compare | |
Kuo et al. | Mask2CAD: 3D shape prediction by learning to segment and retrieve | |
CN111429460B (zh) | 图像分割方法、图像分割模型训练方法、装置和存储介质 | |
CN110796111B (zh) | 图像处理方法、装置、设备及存储介质 | |
CN111915627B (zh) | 语义分割方法、网络、设备及计算机存储介质 | |
CN109948475B (zh) | 一种基于骨架特征和深度学习的人体动作识别方法 | |
CN113159056A (zh) | 图像分割方法、装置、设备及存储介质 | |
CN116129141B (zh) | 医学数据处理方法、装置、设备、介质和计算机程序产品 | |
CN110781894A (zh) | 点云语义分割方法、装置及电子设备 | |
EP4404148A1 (en) | Image processing method and apparatus, and computer-readable storage medium | |
CN114677349A (zh) | 编解码端边缘信息增强和注意引导的图像分割方法及系统 | |
CN113822846A (zh) | 医学图像中确定感兴趣区域的方法、装置、设备及介质 | |
Jonsson | Channel-coded feature maps for computer vision and machine learning | |
Vinodkumar et al. | Deep Learning for 3D Reconstruction, Augmentation, and Registration: A Review Paper | |
CN113554655A (zh) | 基于多特征增强的光学遥感图像分割方法及装置 | |
Li et al. | A fish image segmentation methodology in aquaculture environment based on multi-feature fusion model | |
CN115984583B (zh) | 数据处理方法、装置、计算机设备、存储介质和程序产品 | |
Li et al. | Bidirectional Knowledge Reconfiguration for Lightweight Point Cloud Analysis | |
CN118093840B (zh) | 视觉问答方法、装置、设备及存储介质 | |
Ding | Scene parsing with deep neural networks | |
Molinuevo Gómez | Self-supervised foreground segmentation by sequences of images without camera motion | |
Xie | A Tiny Diagnostic Dataset and Diverse Modules for Learning-Based Optical Flow Estimation | |
Yang et al. | An Expansion Convolution Method Based on Local Region Parameter Sharing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220413 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220413 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230410 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230707 |
|
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: 20230807 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230822 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7337268 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |