JP7441830B2 - 画像評価デバイスを構成するための方法、ならびにまた画像評価方法および画像評価デバイス - Google Patents
画像評価デバイスを構成するための方法、ならびにまた画像評価方法および画像評価デバイス Download PDFInfo
- Publication number
- JP7441830B2 JP7441830B2 JP2021517208A JP2021517208A JP7441830B2 JP 7441830 B2 JP7441830 B2 JP 7441830B2 JP 2021517208 A JP2021517208 A JP 2021517208A JP 2021517208 A JP2021517208 A JP 2021517208A JP 7441830 B2 JP7441830 B2 JP 7441830B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- type
- network module
- training
- 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
- 238000011156 evaluation Methods 0.000 title claims description 53
- 238000000034 method Methods 0.000 title claims description 32
- 238000012549 training Methods 0.000 claims description 92
- 238000013528 artificial neural network Methods 0.000 claims description 86
- 238000013527 convolutional neural network Methods 0.000 claims description 42
- OFHWSHGIZXHMJP-UHFFFAOYSA-N 1,3,5-tripropyl-1,3,5-triazinane-2,4,6-trione Chemical compound CCCN1C(=O)N(CCC)C(=O)N(CCC)C1=O OFHWSHGIZXHMJP-UHFFFAOYSA-N 0.000 claims description 19
- 230000000875 corresponding effect Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 238000013531 bayesian neural network Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 claims description 2
- 230000000306 recurrent effect Effects 0.000 claims description 2
- 238000012706 support-vector machine Methods 0.000 claims description 2
- 101710150311 Dolichyl-phosphooligosaccharide-protein glycotransferase Proteins 0.000 claims 12
- 101710202156 Dolichyl-phosphooligosaccharide-protein glycotransferase 1 Proteins 0.000 claims 12
- 101710202150 Dolichyl-phosphooligosaccharide-protein glycotransferase 2 Proteins 0.000 claims 12
- 101100012775 Zea mays FEA2 gene Proteins 0.000 claims 1
- 210000004027 cell Anatomy 0.000 description 25
- 238000010276 construction Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000013507 mapping Methods 0.000 description 2
- 238000001000 micrograph Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 241000473391 Archosargus rhomboidalis Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
- G06F18/24323—Tree-organised classifiers
-
- 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
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- 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
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Image Analysis (AREA)
Description
- この物体型に割り当てられた訓練画像が、訓練された第1のニューラルネットワークモジュールに供給され、
- それぞれの訓練画像に対して生成された後者の訓練出力データセットは、それぞれの訓練画像の物体部分型に割り当てられ、
- これらの部分型割り当ては、画像評価デバイスが画像フィーチャに基づいて物体部分型を認識するための、部分型認識モジュールを構成する基礎として使用される。
Claims (14)
- 画像化された物体(OBJ)の物体型(OT)および物体部分型(OST)を決定するための画像評価デバイス(BA)を構成するための方法であって、
a)物体型(OT)および物体部分型(OST)の両方に割り当てられた多数の訓練画像(TPIC)が、画像フィーチャを認識するために第1のニューラルネットワークモジュール(CNN)に供給され、
b)第1のニューラルネットワークモジュール(CNN)の訓練出力データセット(FEA)が、画像フィーチャに基づいて物体型を認識するために、第2のニューラルネットワークモジュール(MLP)に供給され、
c)第1および第2のニューラルネットワークモジュール(CNN、MLP)は、該第2のニューラルネットワークモジュール(MLP)の訓練出力データセット(OOT)が、訓練画像(TPIC)に割り当てられた物体型(OT)を少なくともほぼ再生するように、一緒に訓練され、
d)それぞれの物体型(OT)に対し:
該物体型(OT)に割り当てられた訓練画像(TPIC)は、訓練された第1のニューラルネットワークモジュール(CNN)に供給され、
それぞれの訓練画像(TPIC)に対して生成された後者の訓練出力データセット(FEA1、FEA2)は、それぞれの訓練画像(TPIC)の物体部分型(OST)に割り当てられ、
これらの部分型割り当ては、画像評価デバイス(BA)が画像フィーチャに基づいて物体部分型(OST)を認識するための、部分型認識モジュール(BMLP1、BMLP2)を構成する基礎として使用される、前記方法。 - 部分型割り当ては、画像フィーチャと物体部分型(OST)の間の相関の相関パラメータ(CP1、CP2)を得るための基礎として使用されること、および
部分型認識モジュール(BMLP1、BMLP2)は、相関パラメータ(CP1、CP2)に基づいて構成されることを特徴とする、請求項1に記載の方法。 - 確率的分類器が、部分型認識モジュール(BMLP1、BMLP2)として使用される
ことを特徴とする、請求項1または2に記載の方法。 - 部分型認識モジュール(BMLP1、BMLP2)は、第2のニューラルネットワークモジュール(MLP)に対応する結合構造を有することを特徴とする、請求項1~3のいずれか1項に記載の方法。
- 物体型(OT)に対して認識されるべき物体部分型(OST)は、所定の順序情報によって指定された秩序ある順序を形成すること、および
部分型認識モジュール(BMLP1、BMLP2)は、順序情報に基づいて構成されることを特徴とする、請求項1~4のいずれか1項に記載の方法。 - 部分型認識モジュール(BMLP1、BMLP2)の構成中に、順序回帰が順序情報に基づいて実行されることを特徴とする、請求項5に記載の方法。
- 確率的分類器(BMLP1、BMLP2)の構成パラメータの事前分布は、訓練された第2のニューラルネットワークモジュール(MLP)の学習パラメータに基づいて決定されることを特徴とする、請求項3~6のいずれか1項に記載の方法。
- 部分型認識モジュール(BMLP1、BMLP2)の構成パラメータは、第1(CNN)および/または第2(MLP)のニューラルネットワークモジュールの訓練パラメータに応じて設定されることを特徴とする、請求項1~7のいずれか1項に記載の方法。
- 画像化された物体(OBJ)の物体型(OT)および物体部分型(OST)を決定するための画像評価方法であって、
a)評価されるべき画像(PIC)が、請求項1~8のいずれか1項に記載のように訓練された第1のニューラルネットワークモジュール(CNN)に供給され、
b)訓練された第1のニューラルネットワークモジュール(CNN)からもたらされた出力データセット(FEA)が、請求項1~8のいずれか1項に記載のように訓練された第2のニューラルネットワークモジュール(MLP)に供給され、
c)物体型(OT)が、訓練された第2のニューラルネットワークモジュール(MLP)からもたらされた出力データセットから得られ、
d)得られた物体型(OT)の専用であり、請求項1~8のいずれか1項に記載のように構成されている、部分型認識モジュール(BMLP1)が選択され、
e)訓練された第1のニューラルネットワークモジュール(CNN)の出力データセット(FEA)と相関的に関連している物体部分型(OST)が、選択された部分型認識モジュール(BMLP1)によって決定され、
f)得られた物体型(OT)、およびまた決定された物体部分型(OST)が出力される、前記画像評価方法。 - 相関的に関連している物体部分型(OST)を決定することが、訓練された第1のニューラルネットワークモジュール(CNN)の出力データセット(FEA)と、第1のニューラルネットワークモジュール(CNN)の複数の記憶された訓練出力データセットとの間のそれぞれの距離を決定することを含むこと、
他の訓練出力データセットよりも距離が小さい訓練出力データセットが選択されること、および
選択された訓練出力データセットに割り当てられた物体部分型が、相関的に関連している物体部分型(OST)として決定されることを特徴とする、請求項9に記載の画像評価方法。 - 第1のニューラルネットワークモジュール(CNN)、第2のニューラルネットワーク
モジュール(MLP)および/または部分型認識モジュール(BMLP1、BMLP2)は、人工ニューラルネットワーク、回帰ニューラルネットワーク、畳み込みニューラルネットワーク、多層パーセプトロン、ベイズニューラルネットワーク、オートエンコーダ、ディープラーニングアーキテクチャ、サポートベクタマシン、データ駆動型の訓練可能回帰モデル、k最近傍分類器、物理モデルおよび/または決定木を含むことを特徴とする、請求項1~10のいずれか1項に記載の方法。 - 請求項1~11のいずれか1項に記載の方法を実行するように設計された、画像化された物体(OBJ)の物体型(OT)および物体部分型(OST)を決定するための画像評価デバイス(BA)。
- 請求項1~11のいずれか1項に記載の方法を実行するように設計されたコンピュータプログラム。
- 請求項13に記載のコンピュータプログラムを有するコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18197650.7A EP3629242B1 (de) | 2018-09-28 | 2018-09-28 | Verfahren zum konfigurieren einer bildauswerteeinrichtung sowie bildauswerteverfahren und bildauswerteeinrichtung |
EP18197650.7 | 2018-09-28 | ||
PCT/IB2019/057772 WO2020065436A1 (de) | 2018-09-28 | 2019-09-16 | Verfahren zum konfigurieren einer bildauswerteeinrichtung sowie bildauswerteverfahren und bildauswerteeinrichtung |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022502767A JP2022502767A (ja) | 2022-01-11 |
JP7441830B2 true JP7441830B2 (ja) | 2024-03-01 |
Family
ID=63713690
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021517208A Active JP7441830B2 (ja) | 2018-09-28 | 2019-09-16 | 画像評価デバイスを構成するための方法、ならびにまた画像評価方法および画像評価デバイス |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220012531A1 (ja) |
EP (1) | EP3629242B1 (ja) |
JP (1) | JP7441830B2 (ja) |
CN (1) | CN112840352B (ja) |
WO (1) | WO2020065436A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554356B (zh) * | 2021-09-18 | 2023-06-20 | 中国地质大学(武汉) | 基于多模型融合的人口分布估计方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160086078A1 (en) | 2014-09-22 | 2016-03-24 | Zhengping Ji | Object recognition with reduced neural network weight precision |
WO2018001689A1 (en) | 2016-06-28 | 2018-01-04 | Contextvision Ab | Method and system for detecting pathological anomalies in a digital pathology image and method for annotating a tissue slide |
WO2018052587A1 (en) | 2016-09-14 | 2018-03-22 | Konica Minolta Laboratory U.S.A., Inc. | Method and system for cell image segmentation using multi-stage convolutional neural networks |
WO2018140014A1 (en) | 2017-01-25 | 2018-08-02 | Athelas, Inc. | Classifying biological samples using automated image analysis |
US20180263568A1 (en) | 2017-03-09 | 2018-09-20 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and Methods for Clinical Image Classification |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4532915B2 (ja) * | 2004-01-29 | 2010-08-25 | キヤノン株式会社 | パターン認識用学習方法、パターン認識用学習装置、画像入力装置、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 |
EP1828961A2 (en) * | 2004-12-17 | 2007-09-05 | Koninklijke Philips Electronics N.V. | Method and apparatus for automatically developing a high performance classifier for producing medically meaningful descriptors in medical diagnosis imaging |
CN105849274B (zh) * | 2013-10-28 | 2020-01-21 | 分子装置有限公司 | 用于显微图像中的单独细胞的分类和识别的方法和系统 |
AU2015261891A1 (en) * | 2014-05-23 | 2016-10-13 | Ventana Medical Systems, Inc. | Systems and methods for detection of biological structures and/or patterns in images |
US20170262996A1 (en) * | 2016-03-11 | 2017-09-14 | Qualcomm Incorporated | Action localization in sequential data with attention proposals from a recurrent network |
US10846566B2 (en) * | 2016-09-14 | 2020-11-24 | Konica Minolta Laboratory U.S.A., Inc. | Method and system for multi-scale cell image segmentation using multiple parallel convolutional neural networks |
CA2948499C (en) * | 2016-11-16 | 2020-04-21 | The Governing Council Of The University Of Toronto | System and method for classifying and segmenting microscopy images with deep multiple instance learning |
CN108564123B (zh) * | 2018-04-10 | 2021-11-02 | 复旦大学附属肿瘤医院 | 一种甲状腺肿瘤细胞学涂片图像分类方法及其装置 |
-
2018
- 2018-09-28 EP EP18197650.7A patent/EP3629242B1/de active Active
-
2019
- 2019-09-16 WO PCT/IB2019/057772 patent/WO2020065436A1/de active Application Filing
- 2019-09-16 CN CN201980063209.3A patent/CN112840352B/zh active Active
- 2019-09-16 JP JP2021517208A patent/JP7441830B2/ja active Active
- 2019-09-16 US US17/280,863 patent/US20220012531A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160086078A1 (en) | 2014-09-22 | 2016-03-24 | Zhengping Ji | Object recognition with reduced neural network weight precision |
WO2018001689A1 (en) | 2016-06-28 | 2018-01-04 | Contextvision Ab | Method and system for detecting pathological anomalies in a digital pathology image and method for annotating a tissue slide |
WO2018052587A1 (en) | 2016-09-14 | 2018-03-22 | Konica Minolta Laboratory U.S.A., Inc. | Method and system for cell image segmentation using multi-stage convolutional neural networks |
WO2018140014A1 (en) | 2017-01-25 | 2018-08-02 | Athelas, Inc. | Classifying biological samples using automated image analysis |
US20180263568A1 (en) | 2017-03-09 | 2018-09-20 | The Board Of Trustees Of The Leland Stanford Junior University | Systems and Methods for Clinical Image Classification |
Also Published As
Publication number | Publication date |
---|---|
US20220012531A1 (en) | 2022-01-13 |
EP3629242B1 (de) | 2024-07-03 |
EP3629242A1 (de) | 2020-04-01 |
CN112840352A (zh) | 2021-05-25 |
WO2020065436A1 (de) | 2020-04-02 |
CN112840352B (zh) | 2024-07-23 |
JP2022502767A (ja) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Roy et al. | A fast accurate fine-grain object detection model based on YOLOv4 deep neural network | |
WO2023138300A1 (zh) | 目标检测方法及应用其的移动目标跟踪方法 | |
US11334789B2 (en) | Feature selection for retraining classifiers | |
US10650508B2 (en) | Automatic defect classification without sampling and feature selection | |
JP7074460B2 (ja) | 画像検査装置および方法 | |
KR102582194B1 (ko) | 선택적 역전파 | |
KR20170140214A (ko) | 신경망을 위한 훈련 기준으로서의 필터 특이성 | |
US11068694B2 (en) | Image analysis system and method of using the image analysis system | |
US10002136B2 (en) | Media label propagation in an ad hoc network | |
US20220051138A1 (en) | Method and device for transfer learning between modified tasks | |
CN112868032B (zh) | 提升ai识别学习能力 | |
CN113792768A (zh) | 超图神经网络分类方法和装置 | |
US11568543B2 (en) | Attention masks in neural network video processing | |
US20220038620A1 (en) | Aesthetic Learning Methods and Apparatus for Automating Image Capture Device Controls | |
JP7441830B2 (ja) | 画像評価デバイスを構成するための方法、ならびにまた画像評価方法および画像評価デバイス | |
US20220300805A1 (en) | Device and method for defect inspection based on explainable artificial intelligence | |
CN113496251A (zh) | 确定用于识别图像中的物体的分类器的装置、识别图像中的物体的装置和相应方法 | |
CN112534447B (zh) | 训练用于控制工程系统的机器学习例程的方法和设备 | |
CN112507981A (zh) | 模型生成方法、虹膜图像质量评估方法及电子设备 | |
US12045153B1 (en) | Apparatus and method of hot-swapping a component of a component unit in a cluster | |
US20220318631A1 (en) | Deep neural network with reduced parameter count | |
US20240203105A1 (en) | Methods, Systems, and Computer Systems for Training a Machine-Learning Model, Generating a Training Corpus, and Using a Machine-Learning Model for Use in a Scientific or Surgical Imaging System | |
WO2023109319A1 (en) | Systems and methods for crop disease diagnosis | |
US20220300750A1 (en) | Device and in particular a computer-implemented method for classifying data sets | |
Strandberg | Semi-Supervised Domain Adaptation for Pick Classification in Pick and Place Machines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210618 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220712 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230426 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231108 |
|
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: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240219 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7441830 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |