JP7347492B2 - 画像処理方法及びコンピューティングデバイス - Google Patents
画像処理方法及びコンピューティングデバイス Download PDFInfo
- Publication number
- JP7347492B2 JP7347492B2 JP2021211199A JP2021211199A JP7347492B2 JP 7347492 B2 JP7347492 B2 JP 7347492B2 JP 2021211199 A JP2021211199 A JP 2021211199A JP 2021211199 A JP2021211199 A JP 2021211199A JP 7347492 B2 JP7347492 B2 JP 7347492B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- semantic segmentation
- semantic
- images
- label
- 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
- 238000003672 processing method Methods 0.000 title claims description 3
- 230000011218 segmentation Effects 0.000 claims description 240
- 238000012549 training Methods 0.000 claims description 60
- 238000000034 method Methods 0.000 claims description 55
- 230000003416 augmentation Effects 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 8
- 230000000873 masking effect Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 82
- 238000010586 diagram Methods 0.000 description 17
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V10/7747—Organisation of the process, e.g. bagging or boosting
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Description
Claims (13)
- 第1画像及び少なくとも1つの第2画像を取得することと、
前記少なくとも1つの第2画像の少なくとも1つのセマンティック予測結果に基づいて、前記第1画像の第1セマンティックセグメンテーションラベルを生成することと、
を含み、
前記少なくとも1つの第2画像における各画像は、前記第1画像の変換画像であり、
複数の画像と、前記複数の画像の第1セマンティックセグメンテーションラベルセットを取得することと、
前記複数の画像に対応する複数の画像マスクを取得することと、
前記複数の画像マスクと前記第1セマンティックセグメンテーションラベルセットに基づいて、前記複数の画像の第2セマンティックセグメンテーションラベルセットを生成することと、
前記複数の画像と前記第2セマンティックセグメンテーションラベルセットに基づいて、混合画像と、前記混合画像のセマンティックセグメンテーションラベルを生成することと、
をさらに含み、
前記複数の画像は前記第1画像を含み、前記第1セマンティックセグメンテーションラベルセットは、前記第1セマンティックセグメンテーションラベルを含み、
各画像マスクは、前記複数の画像の中の対応する画像における対象領域を選択するために用いられる、
画像処理方法。 - 前記少なくとも1つの第2画像を取得することは、
前記第1画像に画像オーギュメンテーションを実行することにより、前記少なくとも1つの第2画像を取得することを含む、
請求項1に記載の方法。 - 前記画像オーギュメンテーションは、ミラーリング変換、回転、拡大・縮小、トリミング、平行移動、明度変更、ノイズ追加及び色変換のうち、少なくとも1つを含む、
請求項2に記載の方法。 - 画像セマンティックセグメンテーションモデルを用いて、前記少なくとも1つの第2画像についての少なくとも1つのセマンティックセグメンテーションラベル又は少なくとも1つのセマンティック信頼度ラベルを生成して、前記少なくとも1つのセマンティック予測結果とすることをさらに含み、
前記少なくとも1つのセマンティック信頼度ラベルは、前記少なくとも1つの第2画像における各画素が所定のセマンティッククラスに属する信頼度を示す、
請求項1に記載の方法。 - 前記第1セマンティックセグメンテーションラベルを生成することは、
前記少なくとも1つのセマンティック予測結果に対してそれぞれ、前記画像オーギュメンテーションに対応する逆変換を行うことにより、逆変換された少なくとも1つのセマンティック予測結果を得ることと、
前記逆変換された少なくとも1つのセマンティック予測結果に基づいて、前記第1セマンティックセグメンテーションラベルを生成することと、
を含む、
請求項2に記載の方法。 - 前記複数の画像に対応する複数の画像マスクを取得することは、
前記第1画像における複数の画素の対応する予測セマンティッククラスを決定することと、
前記複数の画素の対応する予測セマンティッククラスに基づいて、前記複数の画素の対応スコアを決定することと、
前記複数の画素の対応スコアに基づいて、前記第1画像の第1画像マスクを決定することと、
を含み、
各画素のスコアは、当該画素と、前記第1画像におけるノイズ領域との関連度を示し、
前記第1画像マスクは、前記複数の画素においてより低いスコアを有する少なくとも一部の画素を選択するために用いられる、
請求項1に記載の方法。 - 第1画像及び少なくとも1つの第2画像を取得する手段と、
前記少なくとも1つの第2画像の少なくとも1つのセマンティック予測結果に基づいて、前記第1画像の第1セマンティックセグメンテーションラベルを生成する手段と、を備え、
前記少なくとも1つの第2画像における各画像は、前記第1画像の変換画像であり、
複数の画像と、前記複数の画像の第1セマンティックセグメンテーションラベルセットを取得する手段と、
前記複数の画像に対応する複数の画像マスクを取得する手段と、
前記複数の画像マスクと前記第1セマンティックセグメンテーションラベルセットに基づいて、前記複数の画像の第2セマンティックセグメンテーションラベルセットを生成する手段と、
前記複数の画像と前記第2セマンティックセグメンテーションラベルセットに基づいて、混合画像と、前記混合画像のセマンティックセグメンテーションラベルを生成する手段と、をさらに備え、
前記複数の画像は前記第1画像を含み、前記第1セマンティックセグメンテーションラベルセットは、前記第1セマンティックセグメンテーションラベルを含み、
各画像マスクは、前記複数の画像の中の対応する画像における対象領域を選択するために用いられる、
コンピューティングデバイス。 - 前記第1画像に画像オーギュメンテーションを実行することにより、前記少なくとも1つの第2画像を取得する手段をさらに備える、
請求項7に記載のコンピューティングデバイス。 - 画像セマンティックセグメンテーションモデルを用いて、前記少なくとも1つの第2画像についての少なくとも1つのセマンティックセグメンテーションラベル又は少なくとも1つのセマンティック信頼度ラベルを生成して、前記少なくとも1つのセマンティック予測結果とする手段をさらに備え、
前記少なくとも1つのセマンティック信頼度ラベルは、前記少なくとも1つの第2画像における各画素が所定のセマンティッククラスに属する信頼度を示す、
請求項7に記載のコンピューティングデバイス。 - 前記第1画像における複数の画素の対応する予測セマンティッククラスを決定する手段と、
前記複数の画素の対応する予測セマンティッククラスに基づいて、前記複数の画素の対応スコアを決定する手段と、
前記複数の画素の対応スコアに基づいて、前記第1画像の第1画像マスクを決定する手段と、をさらに備え、
各画素のスコアは、当該画素と、前記第1画像におけるノイズ領域との関連度を示し、
前記第1画像マスクは、前記複数の画素においてより低いスコアを有する少なくとも一部の画素を選択するために用いられる、
請求項7に記載のコンピューティングデバイス。 - 前記複数の画像マスクは、前記第1画像に対応する第1画像マスクを含み、
前記第1セマンティックセグメンテーションラベルと前記第1画像マスクとにマスキング操作を行うことにより、前記第1画像の第2セマンティックセグメンテーションラベルを生成する手段をさらに備え、
前記第2セマンティックセグメンテーションラベルセットは、前記第2セマンティックセグメンテーションラベルを含む、
請求項7に記載のコンピューティングデバイス。 - 前記複数の画像の対応する重みに基づいて前記複数の画像を重み付けし加算することにより、前記混合画像を生成する手段と、
前記複数の画像の対応する重みに基づいて前記第2セマンティックセグメンテーションラベルセットを重み付けし加算することにより、前記混合画像のセマンティックセグメンテーションラベルを生成する手段と、をさらに備える、
請求項7に記載のコンピューティングデバイス。 - トレーニングデータを取得する手段と、
入力画像のセマンティックセグメンテーションラベルを生成するために、前記トレーニングデータに基づいて、対象のセマンティックセグメンテーションモデルに学習させる手段と、をさらに備え、
前記トレーニングデータは、
前記第1画像と前記第1セマンティックセグメンテーションラベルとを含む第1トレーニングデータ、及び
前記混合画像と、前記混合画像のセマンティックセグメンテーションラベルとを含む第2トレーニングデータ
のうち少なくともいずれかを含む、
請求項7に記載のコンピューティングデバイス。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011562478.5 | 2020-12-25 | ||
CN202011562478.5A CN114693694A (zh) | 2020-12-25 | 2020-12-25 | 图像处理的方法、设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022103149A JP2022103149A (ja) | 2022-07-07 |
JP7347492B2 true JP7347492B2 (ja) | 2023-09-20 |
Family
ID=82119424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021211199A Active JP7347492B2 (ja) | 2020-12-25 | 2021-12-24 | 画像処理方法及びコンピューティングデバイス |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220207866A1 (ja) |
JP (1) | JP7347492B2 (ja) |
CN (1) | CN114693694A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115272681B (zh) * | 2022-09-22 | 2022-12-20 | 中国海洋大学 | 基于高阶特征类解耦的海洋遥感图像语义分割方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019125116A (ja) | 2018-01-15 | 2019-07-25 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2019171546A1 (ja) | 2018-03-08 | 2019-09-12 | 株式会社島津製作所 | 細胞画像解析方法、細胞画像解析装置、及び学習モデル作成方法 |
WO2019180848A1 (ja) | 2018-03-20 | 2019-09-26 | 株式会社島津製作所 | 細胞画像解析装置、細胞画像解析システム、学習データの生成方法、学習モデルの生成方法、学習データの生成プログラム、および、学習データの製造方法 |
WO2020003434A1 (ja) | 2018-06-28 | 2020-01-02 | 株式会社島津製作所 | 機械学習方法、機械学習装置、及び機械学習プログラム |
WO2020121564A1 (ja) | 2019-07-04 | 2020-06-18 | 株式会社日立ハイテク | 寸法計測装置、寸法計測プログラム及び半導体製造システム |
JP2020194446A (ja) | 2019-05-29 | 2020-12-03 | 株式会社アーク情報システム | プログラム、情報処理方法及び情報処理装置 |
WO2021033242A1 (ja) | 2019-08-19 | 2021-02-25 | 株式会社ソニー・インタラクティブエンタテインメント | 画像認識装置、画像認識方法、及び、画像認識プログラム |
JP2022155690A (ja) | 2021-03-31 | 2022-10-14 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
-
2020
- 2020-12-25 CN CN202011562478.5A patent/CN114693694A/zh active Pending
-
2021
- 2021-12-22 US US17/558,974 patent/US20220207866A1/en active Pending
- 2021-12-24 JP JP2021211199A patent/JP7347492B2/ja active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019125116A (ja) | 2018-01-15 | 2019-07-25 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2019171546A1 (ja) | 2018-03-08 | 2019-09-12 | 株式会社島津製作所 | 細胞画像解析方法、細胞画像解析装置、及び学習モデル作成方法 |
WO2019180848A1 (ja) | 2018-03-20 | 2019-09-26 | 株式会社島津製作所 | 細胞画像解析装置、細胞画像解析システム、学習データの生成方法、学習モデルの生成方法、学習データの生成プログラム、および、学習データの製造方法 |
WO2020003434A1 (ja) | 2018-06-28 | 2020-01-02 | 株式会社島津製作所 | 機械学習方法、機械学習装置、及び機械学習プログラム |
JP2020194446A (ja) | 2019-05-29 | 2020-12-03 | 株式会社アーク情報システム | プログラム、情報処理方法及び情報処理装置 |
WO2020121564A1 (ja) | 2019-07-04 | 2020-06-18 | 株式会社日立ハイテク | 寸法計測装置、寸法計測プログラム及び半導体製造システム |
WO2021033242A1 (ja) | 2019-08-19 | 2021-02-25 | 株式会社ソニー・インタラクティブエンタテインメント | 画像認識装置、画像認識方法、及び、画像認識プログラム |
JP2022155690A (ja) | 2021-03-31 | 2022-10-14 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
Non-Patent Citations (1)
Title |
---|
Daniel Smilkov et al.,"SmoothGrad:removing noise by adding noise",[online],2017年06月12日,https://arxiv.org/abs/1706.03825 |
Also Published As
Publication number | Publication date |
---|---|
US20220207866A1 (en) | 2022-06-30 |
CN114693694A (zh) | 2022-07-01 |
JP2022103149A (ja) | 2022-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI601077B (zh) | 媒體內容分析系統與方法 | |
CN112052787B (zh) | 基于人工智能的目标检测方法、装置及电子设备 | |
CN110910391B (zh) | 一种双模块神经网络结构视频对象分割方法 | |
JP7392707B2 (ja) | 画像処理の方法、デバイス及びコンピュータ可読記憶媒体 | |
WO2020238353A1 (zh) | 数据处理方法和装置、存储介质及电子装置 | |
US20220092407A1 (en) | Transfer learning with machine learning systems | |
JP7448562B2 (ja) | 人工知能のための希な訓練データへの対処 | |
US20230049817A1 (en) | Performance-adaptive sampling strategy towards fast and accurate graph neural networks | |
CN114565812A (zh) | 语义分割模型的训练方法、装置和图像的语义分割方法 | |
JP7347492B2 (ja) | 画像処理方法及びコンピューティングデバイス | |
CN115810135A (zh) | 样本分析的方法、电子设备、存储介质和程序产品 | |
WO2023168903A1 (zh) | 模型训练和身份匿名化方法、装置、设备、存储介质及程序产品 | |
CN110059743B (zh) | 确定预测的可靠性度量的方法、设备和存储介质 | |
CN113705293A (zh) | 图像场景的识别方法、装置、设备及可读存储介质 | |
JP7290183B2 (ja) | データ処理の方法、ニューラルネットワークの学習方法及びデバイス | |
Shukla et al. | Exploring the feasibility of adversarial attacks on medical image segmentation | |
CN114598610B (zh) | 网络业务规则识别 | |
CN115375657A (zh) | 息肉检测模型的训练方法、检测方法、装置、介质及设备 | |
JP2023543713A (ja) | テキストを用いた、雑然としたビデオ・シーン内のアクション-オブジェクト認識 | |
CN116501732A (zh) | 用于管理训练数据的方法、电子设备和计算机程序产品 | |
KR20220155882A (ko) | 뉴럴 네트워크를 이용하는 데이터 처리 방법 및 장치 | |
CN112149426A (zh) | 阅读任务处理方法及相关设备 | |
WO2022198526A1 (en) | Methods, devices and computer readable media for image processing | |
JP7473583B2 (ja) | 長い文書の要約のためのモデルグローバル化 | |
CN115861684B (zh) | 图像分类模型的训练方法、图像分类方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220425 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220425 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230530 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230726 |
|
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: 20230808 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230821 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7347492 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |