JP7392707B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7392707B2 JP7392707B2 JP2021209889A JP2021209889A JP7392707B2 JP 7392707 B2 JP7392707 B2 JP 7392707B2 JP 2021209889 A JP2021209889 A JP 2021209889A JP 2021209889 A JP2021209889 A JP 2021209889A JP 7392707 B2 JP7392707 B2 JP 7392707B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- semantic segmentation
- semantic
- pixel
- images
- 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 3
- 230000011218 segmentation Effects 0.000 claims description 184
- 238000000034 method Methods 0.000 claims description 60
- 238000012549 training Methods 0.000 claims description 42
- 230000000873 masking effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 64
- 238000010586 diagram Methods 0.000 description 15
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 6
- 230000008569 process Effects 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
- 239000003086 colorant Substances 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003902 lesion 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
- 230000003190 augmentative effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013434 data augmentation Methods 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
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 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
- G06V10/764—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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Library & Information Science (AREA)
- Image Analysis (AREA)
Description
Claims (12)
- 各画像が初期セマンティックセグメンテーションラベルを有する複数の画像を取得することと、
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、前記複数の画像の初期セマンティックセグメンテーションラベルとに基づいて、前記複数の画像の対応するセマンティックセグメンテーションラベルを新たに生成することと、
前記複数の画像と、新たに生成された対応するセマンティックセグメンテーションラベルとに基づいて、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とを生成することと、
を備え、
前記初期セマンティックセグメンテーションラベルは、前記各画像における画素のセマンティッククラスを示し、
各画像マスクは、前記複数の画像のうち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、
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、
前記複数の画像のうち第1画像について、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するスコアを決定することと、
前記複数の画素の対応するスコアに基づいて、前記第1画像の第1画像マスクを決定することと、
を備え、
各画素のスコアは、前記各画素と、前記第1画像における対象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高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、
画像処理の方法。 - 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は、
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、前記第1画像における前記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を備える、
請求項1に記載の方法。 - 前記第1画像における複数の画素の対応するスコアを決定することは、
前記複数の画素のうち第1画素について、前記第1画素の予測セマンティッククラスと前記第1画素のセマンティッククラスとの差に基づいて前記第1画素のスコアを決定することを備え、
前記第1画素のセマンティッククラスは、前記第1画像のセマンティックセグメンテーションラベルによって示される、
請求項1に記載の方法。 - 前記第1画像における複数の画素の対応するスコアを決定することは、
前記複数の画素のうち第2画素について、前記第2画素の予測セマンティッククラスの不確実性に基づいて、前記第2画素のスコアを決定することを備える、
請求項1に記載の方法。 - 前記第1画像における複数の画素の対応するスコアを決定することは、
前記複数の画素のうち第3画素について、前記第3画素の予測セマンティッククラスの乱雑さの程度に基づいて、前記第3画素のスコアを決定することを備える、
請求項1に記載の方法。 - 前記複数の画像の対応するセマンティックセグメンテーションラベルを新たに生成することは、
前記複数の画像マスクにおける各画像マスクと、前記複数の画像のうち対応する画像の初期セマンティックセグメンテーションラベルとにマスキング操作を行うことで、前記対応する画像のセマンティックセグメンテーションラベルを新たに生成することを備える、
請求項1に記載の方法。 - 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生成することは、
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で、前記混合画像を生成することと、
新たに生成された対応するセマンティックセグメンテーションラベルを、前記複数の画像の対応する重みに基づいて重み付けし加算することで、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、
を備える、
請求項1に記載の方法。 - 請求項1~7のいずれか1項に記載の方法により生成された混合画像及び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含むトレーニングデータを取得することと、
対象画像のセマンティックセグメンテーションラベルの生成に用いるために、前記トレーニングデータに基づいて、画像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ことと、
を備える、
モデル学習方法。 - 入力画像を取得することと、
請求項8に記載の方法を用いて学習させた画像セマンティックセグメンテーションモデルを使用して、前記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ことと、
を備える、
画像処理の方法。 - 請求項1~7のいずれか1項に記載の方法を実行する手段を備える、
コンピューティングデバイス。 - 請求項1~7のいずれか1項に記載の方法により生成された混合画像及び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含むトレーニングデータを取得する手段と、
対象画像のセマンティックセグメンテーションラベルの生成に用いるために、前記トレーニングデータに基づいて、画像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、
を備える、
コンピューティングデバイス。 - 入力画像を取得する手段と、
請求項9に記載の方法を用いて学習させた画像セマンティックセグメンテーションモデルを使用して、前記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手段と、
を備える、
コンピューティングデバイス。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011563588.3 | 2020-12-25 | ||
CN202011563588.3A CN114691912A (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 |
---|---|
JP2022103136A JP2022103136A (ja) | 2022-07-07 |
JP7392707B2 true JP7392707B2 (ja) | 2023-12-06 |
Family
ID=82119440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021209889A Active JP7392707B2 (ja) | 2020-12-25 | 2021-12-23 | 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 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220207861A1 (ja) |
JP (1) | JP7392707B2 (ja) |
CN (1) | CN114691912A (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115115923B (zh) * | 2022-07-18 | 2024-04-09 | 北京有竹居网络技术有限公司 | 模型训练方法、实例分割方法、装置、设备及介质 |
CN114972947B (zh) * | 2022-07-26 | 2022-12-06 | 之江实验室 | 一种基于模糊语义建模的深度场景文本检测方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010262350A (ja) | 2009-04-30 | 2010-11-18 | Institute Of Physical & Chemical Research | 画像処理装置、画像処理方法およびプログラム |
US20190392268A1 (en) | 2018-06-20 | 2019-12-26 | Zoox, Inc. | Machine Learning Techniques |
CN111275080A (zh) | 2020-01-14 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像分类模型训练方法、分类方法及装置 |
US20200294242A1 (en) | 2018-04-03 | 2020-09-17 | International Business Machines Corporation | Image segmentation based on a shape-guided deformable model driven by a fully convolutional network prior |
JP2020534594A (ja) | 2017-09-21 | 2020-11-26 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 画像分類タスクの機械学習を実施するためのコンピュータ実装方法、コンピュータ・プログラム製品、およびコンピュータ処理システム、ならびに自動車のための先進運転者支援システム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018035805A1 (en) * | 2016-08-25 | 2018-03-01 | Intel Corporation | Coupled multi-task fully convolutional networks using multi-scale contextual information and hierarchical hyper-features for semantic image segmentation |
US10635927B2 (en) * | 2017-03-06 | 2020-04-28 | Honda Motor Co., Ltd. | Systems for performing semantic segmentation and methods thereof |
WO2019165626A1 (en) * | 2018-03-01 | 2019-09-06 | Intel Corporation | Methods and apparatus to match images using semantic features |
US10540757B1 (en) * | 2018-03-12 | 2020-01-21 | Amazon Technologies, Inc. | Method and system for generating combined images utilizing image processing of multiple images |
US11941815B2 (en) * | 2018-07-24 | 2024-03-26 | Toyota Motor Europe | Method and a system training a model to perform semantic segmentation on foggy images |
US11127139B2 (en) * | 2019-09-18 | 2021-09-21 | Adobe Inc. | Enhanced semantic segmentation of images |
US11636602B1 (en) * | 2020-02-12 | 2023-04-25 | Scale AI, Inc. | Prelabeling for semantic segmentation tasks |
-
2020
- 2020-12-25 CN CN202011563588.3A patent/CN114691912A/zh active Pending
-
2021
- 2021-12-23 US US17/561,256 patent/US20220207861A1/en active Pending
- 2021-12-23 JP JP2021209889A patent/JP7392707B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010262350A (ja) | 2009-04-30 | 2010-11-18 | Institute Of Physical & Chemical Research | 画像処理装置、画像処理方法およびプログラム |
JP2020534594A (ja) | 2017-09-21 | 2020-11-26 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 画像分類タスクの機械学習を実施するためのコンピュータ実装方法、コンピュータ・プログラム製品、およびコンピュータ処理システム、ならびに自動車のための先進運転者支援システム |
US20200294242A1 (en) | 2018-04-03 | 2020-09-17 | International Business Machines Corporation | Image segmentation based on a shape-guided deformable model driven by a fully convolutional network prior |
US20190392268A1 (en) | 2018-06-20 | 2019-12-26 | Zoox, Inc. | Machine Learning Techniques |
CN111275080A (zh) | 2020-01-14 | 2020-06-12 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像分类模型训练方法、分类方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20220207861A1 (en) | 2022-06-30 |
CN114691912A (zh) | 2022-07-01 |
JP2022103136A (ja) | 2022-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdel-Basset et al. | A novel equilibrium optimization algorithm for multi-thresholding image segmentation problems | |
Zhang et al. | Affinity attention graph neural network for weakly supervised semantic segmentation | |
JP7347492B2 (ja) | 画像処理方法及びコンピューティングデバイス | |
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 | |
CN113792871B (zh) | 神经网络训练方法、目标识别方法、装置和电子设备 | |
US12061991B2 (en) | Transfer learning with machine learning systems | |
CN110807379B (zh) | 一种语义识别方法、装置、以及计算机存储介质 | |
CN111932577B (zh) | 文本检测方法、电子设备及计算机可读介质 | |
CN113627536B (zh) | 模型训练、视频分类方法,装置,设备以及存储介质 | |
CN111709415B (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN115601629A (zh) | 模型训练方法、图像识别方法、介质、装置和计算设备 | |
JP7525041B2 (ja) | 情報取得装置、情報取得方法及び情報取得プログラム | |
CN117010480A (zh) | 模型训练方法、装置、设备、存储介质及程序产品 | |
US11676050B2 (en) | Systems and methods for neighbor frequency aggregation of parametric probability distributions with decision trees using leaf nodes | |
CN115471714A (zh) | 数据处理方法、装置、计算设备和计算机可读存储介质 | |
CN114912568A (zh) | 数据处理的方法、设备和计算机可读存储介质 | |
CN115861684B (zh) | 图像分类模型的训练方法、图像分类方法及装置 | |
CN114120200B (zh) | 多分辨率协同的行人辨识方法及相关设备 | |
Galeev et al. | Contour-based Interactive Segmentation | |
WO2022198526A1 (en) | Methods, devices and computer readable media for image processing | |
CN114332884B (zh) | 文档元素的识别方法、装置、设备及存储介质 | |
CN116523760A (zh) | 数据增强的方法、设备和计算机程序产品 | |
Veerasamy et al. | Video compression using improved diamond search hybrid teaching and learning-based optimization model | |
Dasari et al. | Icg: intensity and color gradient operator on RGB images for visual object tracking | |
Deng et al. | Combining Cross Entropy Loss with Manually Defined Hard Example for Semantic Image Segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220422 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230606 |
|
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: 20231024 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231106 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7392707 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |