JPWO2021078823A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2021078823A5 JPWO2021078823A5 JP2022522409A JP2022522409A JPWO2021078823A5 JP WO2021078823 A5 JPWO2021078823 A5 JP WO2021078823A5 JP 2022522409 A JP2022522409 A JP 2022522409A JP 2022522409 A JP2022522409 A JP 2022522409A JP WO2021078823 A5 JPWO2021078823 A5 JP WO2021078823A5
- Authority
- JP
- Japan
- Prior art keywords
- image
- model
- machine learning
- shape
- segmentation
- 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.)
- Pending
Links
Claims (13)
- 画像内の特徴をセグメント化する方法であって、
機械学習ベースのセグメンテーションプロセスを用いて前記画像の初期セグメンテーションを行うステップと、
機械学習プロセスを用いて訓練されるモデルに、前記機械学習ベースのセグメンテーションプロセスによって生成されるセグメントを有する画像プロダクトを提供するステップであって、前記モデルは、i)事例画像プロダクトと、ii)各事例画像プロダクトごとの対応するグランドトゥルース形状記述子と、を有する訓練データに基づいて、モデルベースのセグメンテーションを初期化するのに使用するための形状記述子を予測するように訓練される、ステップと、
前記画像プロダクトに基づいて、前記モデルから前記画像内の前記特徴の形状記述子を受け取るステップと、
前記画像のモデルベースのセグメンテーションにおいて前記形状記述子を使用して当該モデルベースのセグメンテーションを初期化し、前記画像内の前記特徴に反復的に適応されるターゲット構造のメッシュを使用するステップと、
を有する方法。 - 前記モデルベースのセグメンテーションにおいて前記形状記述子を使用する前記ステップが、前記形状記述子を使用して、前記モデルベースのセグメンテーションに関連付けられた平均モデルメッシュの形状を、前記機械学習ベースのセグメンテーションプロセスによって生成された前記セグメントの形状にアラインすることによって、前記モデルベースのセグメンテーションを初期化することを含む、請求項1に記載の方法。
- 機械学習プロセスを使用して訓練された前記モデルが、回帰ニューラルネットワークを含む、請求項1又は2に記載の方法。
- 機械学習プロセスを使用して訓練された前記モデルが、分類ニューラルネットワークを含み、前記形状記述子の出力される標示が離散値に区分される、請求項1乃至3のいずれか1項に記載の方法。
- 前記モデルから前記形状記述子を受け取る前記ステップが、前記分類ニューラルネットワークから、区分された離散値に関連する区分要素を受け取ることを含み、前記区分要素が、前記画像内の前記特徴に関する前記形状記述子の上限又は下限を表す、請求項4に記載の方法。
- 前記方法が更に、
前記区分要素の重心を決定し、前記重心を前記特徴に関する前記形状記述子として使用すること、又は
前記区分要素を中心とした分布のランダムサンプリングに基づいて前記形状記述子の推定値を決定し、前記形状記述子の推定値を、前記特徴に関する形状記述子として使用すること、
のいずれかによって、前記区分要素から前記画像内の前記特徴に関する前記形状記述子を決定するステップを有する、請求項5に記載の方法。 - 前記画像プロダクトが、前記画像の部分、又は前処理プロセスを経た前記画像の部分の一方を有する、請求項3、4、5又は6に記載の方法。
- 前記形状記述子が、
前記モデルベースのセグメンテーションの形状を初期化するために使用され得る1又は複数の重み又は固有値、
前記モデルベースのセグメンテーションにおける頂点のオフセット、及び/又は
前記メッシュに適用されるアフィン変換
を含む、請求項1乃至7のいずれか1項に記載の方法。 - 画像内の特徴をセグメント化するためのセグメンテーションプロセスにおいて使用される機械学習モデルを訓練する方法であって、
訓練データを取得するステップであって、前記訓練データが、i)事例画像プロダクトであって、各事例画像プロダクトがそれぞれの画像の初期セグメンテーションにおいて行われる機械学習ベースのセグメンテーションプロセスによって生成されるセグメントを有する該事例画像プロダクトと、ii)各事例画像プロダクト内の特徴に対しモデルベースのセグメンテーションを初期化するのに使用するための対応するグランドトゥルース形状記述子と、を有する、ステップと、
前記訓練データに基づいて、新しい画像プロダクトのための新しい形状記述子を予測するように前記機械学習モデルを訓練するステップであって、前記新しい形状記述子は、それぞれの新しい画像のモデルベースのセグメンテーションを初期化するのに使用される、ステップと、
を有する方法。 - 前記方法が更に、前記訓練データ内のグランドトゥルース形状記述子の値を、前記グランドトゥルース形状記述子の上限又は下限を表す離散値に区分するステップを有し、
前記新しい画像プロダクトの新しい形状記述子を予測するように前記機械学習モデルを訓練する前記ステップが、前記訓練データに基づいて、新しい画像プロダクトのための形状記述子の区分値を予測するように前記機械学習モデルを訓練することを含む、請求項9に記載の方法。 - 画像内の特徴をセグメント化するシステムであって、
命令セットを表す命令データを含むメモリと、
前記メモリと通信し、前記命令セットを実行するように構成されるプロセッサと、を有し、
前記命令セットは、前記プロセッサによって実行される場合、前記プロセッサに、
機械学習ベースのセグメンテーションプロセスを用いて前記画像の初期セグメンテーションを行うステップと、
前記機械学習ベースのセグメンテーションプロセスによって生成されるセグメントを有する画像プロダクトを、機械学習プロセスを用いて訓練されたモデルに提供するステップであって、前記モデルは、i)事例画像プロダクトと、ii)各事例画像プロダクトの対応するグランドトゥルース形状記述子と、を有する訓練データに基づいて、モデルベースのセグメンテーションを初期化するのに使用するための形状記述子を予測するように訓練されている、ステップと、
前記画像プロダクトに基づいて、前記モデルから、前記画像内の前記特徴の前記形状記述子を受け取るステップと、
前記画像のモデルベースのセグメンテーションにおいて前記形状記述子を使用して前記モデルベースのセグメンテーションを初期化し、前記画像内の特徴に反復的に適応されるターゲット構造のメッシュを使用するステップと、
を実行させる、システム。 - 画像内の特徴をセグメント化するセグメンテーションプロセスで使用される機械学習モデルを訓練するシステムであって、
命令セットを表す命令データを含むメモリと、
前記メモリと通信し、前記命令セットを実行するように構成されるプロセッサと、
を有し、前記命令セットは、前記プロセッサによって実行される場合、前記プロセッサに、
訓練データを取得するステップであって、前記訓練データが、i)事例画像プロダクトであって、各事例画像プロダクトがそれぞれの画像の初期セグメンテーションにおいて行われる機械学習ベースのセグメンテーションプロセスによって生成されるセグメントを有する該事例画像プロダクトと、ii)各事例画像プロダクトにおける特徴に対しモデルベースのセグメンテーションを初期化するのに使用するための対応するグランドトゥルース形状記述子と、を有する、ステップと、
前記訓練データに基づいて、新しい画像プロダクトのための新しい形状記述子を予測するように前記機械学習モデルを訓練するステップであって、前記新しい形状記述子は、それぞれの新しい画像のモデルベースのセグメンテーションを初期化するのに使用される、ステップと、
を実行させる、システム。 - コンピュータ可読媒体であって、その中に具体化されたコンピュータ可読コードを有し、前記コンピュータ可読コードは、適切なコンピュータ又はプロセッサによって実行される場合、前記コンピュータ又はプロセッサに、請求項1乃至9のいずれか1項に記載の方法を実行させる、コンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19204772.8 | 2019-10-23 | ||
EP19204772.8A EP3813013A1 (en) | 2019-10-23 | 2019-10-23 | Methods and systems for segmenting images |
PCT/EP2020/079679 WO2021078823A1 (en) | 2019-10-23 | 2020-10-22 | Methods and systems for segmenting images |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022553658A JP2022553658A (ja) | 2022-12-26 |
JPWO2021078823A5 true JPWO2021078823A5 (ja) | 2023-09-27 |
Family
ID=68342604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022522409A Pending JP2022553658A (ja) | 2019-10-23 | 2020-10-22 | 画像をセグメント化する方法及びシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220398740A1 (ja) |
EP (2) | EP3813013A1 (ja) |
JP (1) | JP2022553658A (ja) |
CN (1) | CN114586065A (ja) |
WO (1) | WO2021078823A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020214300A1 (de) * | 2020-11-13 | 2022-05-19 | Robert Bosch Gesellschaft mit beschränkter Haftung | Vorrichtung und verfahren zum trainieren eines maschinellen lernmodells zum erkennen einer objekttopologie eines objekts aus einem bild des objekts |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10521902B2 (en) * | 2015-10-14 | 2019-12-31 | The Regents Of The University Of California | Automated segmentation of organ chambers using deep learning methods from medical imaging |
CN109690554B (zh) * | 2016-07-21 | 2023-12-05 | 西门子保健有限责任公司 | 用于基于人工智能的医学图像分割的方法和系统 |
US20180260759A1 (en) * | 2017-03-07 | 2018-09-13 | Mighty AI, Inc. | Segmentation of Images |
-
2019
- 2019-10-23 EP EP19204772.8A patent/EP3813013A1/en not_active Withdrawn
-
2020
- 2020-10-22 JP JP2022522409A patent/JP2022553658A/ja active Pending
- 2020-10-22 WO PCT/EP2020/079679 patent/WO2021078823A1/en unknown
- 2020-10-22 CN CN202080074382.6A patent/CN114586065A/zh active Pending
- 2020-10-22 EP EP20792991.0A patent/EP4049237A1/en active Pending
- 2020-10-22 US US17/770,307 patent/US20220398740A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230229919A1 (en) | Learning to generate synthetic datasets for training neural networks | |
CN108038474B (zh) | 人脸检测方法、卷积神经网络参数的训练方法、装置及介质 | |
US11301668B2 (en) | Methods and systems for face alignment | |
CN106599900B (zh) | 一种识别图像中的字符串的方法和装置 | |
CN110807473B (zh) | 目标检测方法、装置及计算机存储介质 | |
JP5206517B2 (ja) | 特徴点選択システム、特徴点選択方法および特徴点選択プログラム | |
CN110033026B (zh) | 一种连续小样本图像的目标检测方法、装置及设备 | |
CN110334762B (zh) | 一种基于四叉树结合orb和sift的特征匹配方法 | |
CN113095333B (zh) | 无监督特征点检测方法及装置 | |
US11544495B2 (en) | Attributionally robust training for weakly supervised localization and segmentation | |
CN111461164B (zh) | 样本数据集的扩容方法及模型的训练方法 | |
CN111127364A (zh) | 图像数据增强策略选择方法及人脸识别图像数据增强方法 | |
CN108256454B (zh) | 一种基于cnn模型的训练方法、人脸姿态估测方法及装置 | |
US10019840B2 (en) | 3D model enhancement | |
Liang et al. | An algorithm for concrete crack extraction and identification based on machine vision | |
CN111914908A (zh) | 一种图像识别模型训练方法、图像识别方法及相关设备 | |
CN113128478A (zh) | 模型训练方法、行人分析方法、装置、设备及存储介质 | |
CN113657202A (zh) | 构件识别方法、构建训练集方法、装置、设备及存储介质 | |
CN108520532B (zh) | 识别视频中物体运动方向的方法及装置 | |
US8849050B2 (en) | Computer vision methods and systems to recognize and locate an object or objects in one or more images | |
CN117315758A (zh) | 面部表情的检测方法、装置、电子设备及存储介质 | |
JPWO2021078823A5 (ja) | ||
CN115620082A (zh) | 模型训练方法、头部姿态估计方法、电子设备及存储介质 | |
CN113656669B (zh) | 标签更新方法及装置 | |
CN114185430A (zh) | 人机交互系统、方法及智能机器人 |