KR102503116B1 - Automatic Data Set Generation Device and their Control Method for AI Machine Learning Learning - Google Patents

Automatic Data Set Generation Device and their Control Method for AI Machine Learning Learning Download PDF

Info

Publication number
KR102503116B1
KR102503116B1 KR1020190080128A KR20190080128A KR102503116B1 KR 102503116 B1 KR102503116 B1 KR 102503116B1 KR 1020190080128 A KR1020190080128 A KR 1020190080128A KR 20190080128 A KR20190080128 A KR 20190080128A KR 102503116 B1 KR102503116 B1 KR 102503116B1
Authority
KR
South Korea
Prior art keywords
delete delete
target item
machine learning
data
learning
Prior art date
Application number
KR1020190080128A
Other languages
Korean (ko)
Other versions
KR20210004162A (en
Inventor
노시진
강신훈
Original Assignee
주식회사 현대아이티앤이
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 주식회사 현대아이티앤이 filed Critical 주식회사 현대아이티앤이
Priority to KR1020190080128A priority Critical patent/KR102503116B1/en
Publication of KR20210004162A publication Critical patent/KR20210004162A/en
Application granted granted Critical
Publication of KR102503116B1 publication Critical patent/KR102503116B1/en

Links

Images

Classifications

    • 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
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01G—WEIGHING
    • G01G23/00—Auxiliary devices for weighing apparatus
    • G01G23/18—Indicating devices, e.g. for remote indication; Recording devices; Scales, e.g. graduated
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Abstract

본 발명은 자동 이미지 촬영을 위한 학습기를 통해 카메라 모듈, 디스플레이, 회전판, 로드셸을 통해 대상 아이템을 인식하고, 인식된 영상을 처리하고, 알고리즘을 활용한 자동 라벨링을 구현하는 머신러닝 처리부, 이를 제어하는 제어부, 최종 모델별 학습데이터를 데이터셋화하는 데이터셋 제어부를 포함한다.The present invention recognizes a target item through a camera module, a display, a rotating plate, and a load shell through a learner for automatic image capture, processes a recognized image, and implements automatic labeling using an algorithm, a machine learning processing unit that controls the same. and a data set control unit that sets learning data for each final model as a dataset.

Description

인공지능 머신러닝 학습을 위한 데이터셋 자동 생성 장치와 그의 제어 방법 {Automatic Data Set Generation Device and their Control Method for AI Machine Learning Learning}Automatic Data Set Generation Device and their Control Method for AI Machine Learning Learning}

본 발명은 인공지능 머신러닝 학습을 위한 데이터셋을 자동으로 생성하는 장치와 그의 제어 방법에 관한 것이다. The present invention relates to an apparatus for automatically generating a dataset for artificial intelligence machine learning learning and a method for controlling the same.

인공지능의 한분야인 머신러닝은 사람이 학습하듯이 컴퓨터에 데이터를 제공하여 학습하게 함으로써 입력되지 않은 정보에 대한 문제 해결 및 의사 결정 등을 할 수 있도록 지식을 부여하는 기술을 말한다. 이를 위해서는 많은 데이터를 라벨링하여 데이터셋을 구성하여 학습을 시켜야 하는 것이 필요하다.Machine learning, a field of artificial intelligence, refers to a technology that provides knowledge to solve problems and make decisions about information that has not been entered by providing data to a computer and making it learn, just as a person learns. To do this, it is necessary to label a lot of data, configure a dataset, and train it.

이는 학습시키기 위한 데이터를 분류하여 데이터셋을 구성하여 학습시킴으로써, 학습된 패턴의 양과 정확성에 따라 인공지능의 성과와 연결된다고 볼 수 있다. This can be seen as being connected to the performance of artificial intelligence according to the amount and accuracy of the learned pattern by classifying the data for learning and constructing a dataset for learning.

기존에는 데이터셋을 구성하기 위해 데이터를 증가(data augementation)시키거나, 데이터를 수작업으로 분류(labeling, 라벨링)하였다. In the past, to construct a dataset, data was augmented (data augementation) or data was manually classified (labeled).

데이터 증가 시키는 방법은 원본 이미지에 대하여 상하나 좌우를 반전시키거나 일부 영역을 잘라내는 등을 통해 데이터셋을 확장하는 방식이며, 데이터 수작업 분류 방식은 수작업을 통해 데이터를 일일이 지정하여 처리하는 방식이다.The data augmentation method is a method of expanding the dataset by inverting the original image vertically or horizontally or cutting out some areas, and the manual data classification method is a method of manually specifying and processing data individually.

이러한 작업은 수작업으로 수행하기 때문에 학습을 위한 사전 준비 시간이 많이 소요됨으로써 실제 인공지능을 접목한 서비스의 효용성이 낮아지게 되는 결과가 나타나게 되는 단점이 있다. Since these tasks are performed manually, it takes a lot of time to prepare in advance for learning, resulting in a decrease in the effectiveness of services incorporating artificial intelligence.

국내 특허등록공보 제10-1879735호(2018년07월18일 등록)Domestic Patent Registration No. 10-1879735 (registered on July 18, 2018)

상기와 같은 단점을 해결하기 위하여, 본 발명에서는 학습을 위한 데이터를 자동으로 데이터셋화하는 장치와 그의 제어방법을 해결하고자 하는 과제로 한다.In order to solve the above disadvantages, the present invention aims to solve an apparatus for automatically dataset-setting data for learning and a control method thereof.

본 발명의 일실시예에 따른 데이터셋 자동 생성 장치는, 학습 대상 아이템에 대한 영상정보를 획득하는 카메라 모듈, 배경 제공을 위한 디스플레이, 무게정보 측정을 위한 로드셀, 촬영된 영상을 처리하는 영상처리부, 영상에 대해 알고리즘을 활용하여 지도학습하는 머신러닝부, 영상 및 머신러닝을 제어하는 제어부, 모델별 학습데이터를 라벨링 및 데이터셋화하여 저장하는 데이터셋부를 포함한다. An apparatus for automatically generating a dataset according to an embodiment of the present invention includes a camera module for acquiring image information on a learning target item, a display for providing a background, a load cell for measuring weight information, an image processing unit for processing a captured image, It includes a machine learning unit for supervised learning by using an algorithm for images, a control unit for controlling images and machine learning, and a data set unit for labeling, dataset-forming, and storing learning data for each model.

상기 학습 대상 아이템은 다양한 각도에서 촬영하기 위한 회전부에 위치하며, 카메라 모듈과 로드셀에서는 물품의 형태, 브랜드, 무게 정보 등을 획득할 수 있다. The learning target item is located in a rotation unit for photographing at various angles, and information such as shape, brand, and weight of an item can be obtained from a camera module and a load cell.

상기 영상처리부와 머신러닝부, 제어부를 통해 촬영된 영상에서 머신러닝 알고리즘을 활용하여 자동화된 라벨링을 구현할 수 있다. Automated labeling may be implemented by using a machine learning algorithm in an image captured through the image processing unit, the machine learning unit, and the control unit.

이를 바탕으로 모델별 학습데이터를 데이터셋화하여 데이터베이스화할 수 있다. Based on this, the training data for each model can be made into a dataset and converted into a database.

본 발명은 학습을 위한 데이터셋을 자동으로 생성하므로써, 인공지능 머신 러닝의 학습 효율은 물론, 인공지능을 접목한 서비스의 효용성을 확대시킬 수 있다.The present invention automatically creates a dataset for learning, thereby expanding the efficiency of learning of artificial intelligence machine learning as well as the effectiveness of services incorporating artificial intelligence.

또한, 자동으로 학습을 위한 데이터를 라벨링함으로써 방대한 양의 데이터셋을 생성하고 보유할 수 있다. In addition, by automatically labeling data for learning, it is possible to create and retain vast amounts of datasets.

또한, 생성된 데이터셋을 활용하여 인식된 정보를 매칭하여 데이터베이스화할 수 있다. In addition, it is possible to make a database by matching the recognized information using the created dataset.

도 1은 본 발명에 따른 데이터셋 자동 생성 장치의 구성도를 나타내고,
도 2는 본 발명에 따른 데이터셋을 자동으로 생성하는 방법을 나타낸 흐름도이다. 1 shows a configuration diagram of an apparatus for automatically generating a dataset according to the present invention;
2 is a flowchart illustrating a method of automatically generating a dataset according to the present invention.

이하, 본 발명에 따른 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나 본 발명이 실시예에 제한되거나 한정되는 것은 아니며, 본 발명이 속하는 기술 분야에서 기본 지식을 가진 자에게 효율적으로 설명하기 위한 수단일 분이다. 또한, 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다. Hereinafter, embodiments according to the present invention will be described in detail with reference to the accompanying drawings. However, the present invention is not limited or limited to the examples, and is a means for efficiently explaining the present invention to those with basic knowledge in the technical field to which it belongs. Also, like reference numerals in each figure denote like members.

또한, 본 명세서에서 사용되는 용어는 본 발명에 대한 실시예를 표현하기 위해 사용된 용어들로, 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 따라서, 본 영어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 해석되어야 한다. In addition, the terms used in this specification are terms used to express embodiments of the present invention, and may vary according to the intention or custom of a user or operator. Therefore, the definitions of these English words should be interpreted based on the contents throughout this specification.

이하에서는, 데이터셋을 자동으로 생성하여, 머신 러닝을 수행하는 방법을 설명한다. 도 1은 본 발명에 따른 데이터셋 자동 생성 장치의 구성도를 나타낸 것이고, 도 2는 본 발명에 따른 데이터셋을 자동으로 생성하는 방법을 나타낸 흐름도이다. Hereinafter, a method of automatically generating a dataset and performing machine learning will be described. 1 is a configuration diagram of an apparatus for automatically generating a dataset according to the present invention, and FIG. 2 is a flowchart showing a method for automatically generating a dataset according to the present invention.

첨부도면의 도 1을 참고하면, 데이터셋자동 생성 인공지능 장치(100)는, 자동 이미지 촬영 학습기(110)와, 카메라 모듈(120), 다양한 배경 제공을 위한 디스플레이(130), 다양한 각도를 구현하기 위한 회전판(140), 대상 아이템(150), 무게정보를 측정하기 위한 로드셀(160), 촬영된 영상을 처리하는 영상 처리부(170), 이를 제어하기 위한 제어부(180), 머신러닝을 처리하는 머신러닝 프로세스부(190), 그리고 모델별 학습데이터를 생성하는 데이터셋 생성부(200)를 포함할 수 있다.Referring to FIG. 1 of the accompanying drawings, the artificial intelligence device 100 for automatically generating a dataset implements an automatic image capture learner 110, a camera module 120, a display 130 for providing various backgrounds, and various angles. A rotating plate 140 for processing, a target item 150, a load cell 160 for measuring weight information, an image processing unit 170 processing a captured image, a control unit 180 for controlling it, and a machine learning processing unit. It may include a machine learning process unit 190 and a dataset generation unit 200 that generates learning data for each model.

상기 카메라 모듈(120)은 자동 이미지 촬영 학습기(110)내의 회전판(140)에 위치한 대상 아이템(150)을 촬영하고, 이때 디스플레이(130)는 다양한 환경에서의 대상 아이템(150)의 학습 데이터 확보를 위한 다양한 배경을 화면으로 한다.
상기 로드셀(160)에서는 대상 아이템(160)의 무게를 측정하여 무게데이터를 획득한다. The camera module 120 photographs the target item 150 located on the rotating plate 140 in the automatic image capture learner 110, and at this time, the display 130 secures learning data of the target item 150 in various environments. Use various backgrounds for the screen.
The load cell 160 acquires weight data by measuring the weight of the target item 160 .

상기 카메라 모듈(120)에서 촬영된 영상 데이터와 로드셀(160)에서 측정된 무게데이터는 영상 처리부(170)에서 취합되며, 이후 머신러닝을 처리하는 머신러닝 프로세스부(190)에서는 알고리즘을 이용하여 데이터를 라벨링한다.The image data taken by the camera module 120 and the weight data measured by the load cell 160 are collected in the image processing unit 170, and then the machine learning processing unit 190, which processes machine learning, uses an algorithm to process the data. to label

상기 제어부(180)에서는 영상 처리부(170)에서 처리되는 데이터에 대한 인식률 및 머신러닝 프로세스부(190)에서 처리하는 데이터 라벨링을 제어하고, 최종적으로 데이터셋 생성부(200)에서는 라벨링된 데이터를 데이터셋으로 생성한다. 이때 상기 제어부(180)는 데이터 라벨링 현황을 기반으로 상기 머신러닝 프로세스부(190)에서 최적의 머신러닝 알고리즘을 선택하도록 이루어져 있다.The control unit 180 controls the recognition rate of data processed by the image processing unit 170 and data labeling processed by the machine learning processing unit 190, and finally, the dataset generator 200 converts the labeled data into data. create three At this time, the control unit 180 is configured to select an optimal machine learning algorithm in the machine learning process unit 190 based on the data labeling status.

이상에서는 본 발명에 따른 데이터셋 자동 생성 인공지능 장치(100)의 구성 요소에 대하여 설명하였다.In the above, the components of the artificial intelligence apparatus 100 for automatically generating datasets according to the present invention have been described.

도 2는 본 발명의 데이터셋을 자동으로 생성하는 방법을 나타낸 흐름도를 도식화한 것이다.2 is a schematic flowchart showing a method of automatically generating a dataset of the present invention.

삭제delete

도 2에 도시된 방법은 도 1에 도시된 본 발명의 실시예에 따른 데이터셋 자동 생성 인공지능 장치(100)에 의해 수행될 수 있다.The method shown in FIG. 2 may be performed by the artificial intelligence device 100 for automatically generating datasets according to the embodiment of the present invention shown in FIG. 1 .

도 2를 참조하면, 단계 S200에서 로드셀(160)이 학습 대상 아이템(150)에 대한 무게를 측정하여 무게 데이터를 획득한다. Referring to FIG. 2 , in step S200, the load cell 160 measures the weight of the learning target item 150 to obtain weight data.

단계 S210에서 카메라 모듈(120)이 대상 아이템(150)을 촬영하여 영상 및 이미지 데이터를 획득하고, 이때 디스플레이(130)를 통해 다양한 배경화면을 출력하여 다양한 배경을 포함한 영상 및 이미지 데이터를 획득한다. In step S210, the camera module 120 captures the target item 150 to obtain video and image data, and at this time, various background screens are output through the display 130 to obtain video and image data including various backgrounds.

단계 S220에서는 영상 처리부(170)가 카메라 모듈(120)에서 촬영된 영상 데이터와 로드셀(160)에서 측정된 무게데이터를 취합함과 아울러 수집되는 영상을 프레임단위로 데이터를 처리하며, S230단계를 통해 머신러닝 프로세스부(190)에서는 영상 처리부(170)로부터 수신되는 데이터를 머신러닝 알고리즘을 이용하여 자동으로 분리하고 라벨링을 처리한다. 이때 상기 제어부(180)는 데이터 라벨링 현황을 기반으로 상기 머신러닝 프로세스부(190)에서 최적의 머신러닝 알고리즘을 선택한다.In step S220, the image processing unit 170 collects the image data taken by the camera module 120 and the weight data measured by the load cell 160, and processes the collected image data in frame units, through step S230. The machine learning process unit 190 automatically separates and labels data received from the image processing unit 170 using a machine learning algorithm. At this time, the controller 180 selects an optimal machine learning algorithm in the machine learning process unit 190 based on the data labeling status.

이후, 단계 S240에서는 데이터셋 생성부(200)가 상기 라벨링된 데이터를 이용하여 모델별 학습데이터를 위한 데이터넷을 생성하여 데이터베이스화 한다. Then, in step S240, the dataset generation unit 200 creates a datanet for training data for each model using the labeled data and converts the data into a database.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 별명의 기술적 사상이나 필수적인 특징을 변경하지 않고 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.The above description of the present invention is for illustrative purposes, and those skilled in the art can understand that it can be easily modified into other specific forms without changing the technical spirit or essential characteristics of the nickname. will be. For example, the described techniques may be performed in an order different from the method described, and/or components of the described system, structure, device, circuit, etc. may be combined or combined in a different form than the method described, or other components may be used. Or even if it is replaced or substituted by equivalents, appropriate results can be achieved.

그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and equivalents of the claims are within the scope of the following claims.

100: 데이터셋 자동 생성 인공지능 장치
110: 자동 이미지 촬영 학습기
120: 카메라 모듈
130: 디스플레이
140: 회전판
150: 대상 아이템
160: 로드셀
170: 영상 처리부
180: 제어부
190: 머신러닝 프로세스부
200: 데이터셋 생성부100: Dataset automatic generation artificial intelligence device
110: automatic image capture learner
120: camera module
130: display
140: rotating plate
150: target item
160: load cell
170: image processing unit
180: control unit
190: machine learning process unit
200: dataset generation unit

Claims (16)

삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 학습 대상 아이템을 올려놓고 회전시킬 수 있는 회전판과, 상기 대상 아이템에 다양한 배경화면을 제공하는 디스플레이, 상기 디스플레이에서 출력되는 배경화면과 함께 상기 대상 아이템의 이미지정보를 획득할 수 있는 카메라 모듈 및 대상 아이템의 무게를 측정할 수 있는 로드셀이 구비된 자동 이미지 촬영 학습기 내에 대상 아이템을 위치시키는 단계;
상기 로드셀을 통해 대상 아이템의 무게정보를 획득하는 단계;
상기 디스플레이를 통해 다양한 배경화면을 제공하면서 카메라 모듈을 통해 상기 배경화면과 함께 대상 아이템을 촬영하여 이미지정보를 획득하는 단계;
영상 처리부를 통해 상기 자동 이미지 촬영 학습기에서 획득된 대상 아이템의 이미지정보와 무게정보를 취합하는 단계;
머신러닝 프로세스부가 상기 영상 처리부를 통해 취합된 이미지정보와 영상정보를 기반으로 머신러닝을 처리하여 라벨링 하는 단계;
제어부가 상기 영상 처리부에서 처리되는 데이터에 대한 인식률과 머신러닝 프로세스부에서 처리되는 데이터에 대한 데이터 라벨링을 제어하는 단계; 및
데이터셋 생성부가 상기 라벨링된 데이터를 데이터셋으로 생성하는 단계;를 포함하는 인공지능 머신러닝 학습을 위한 데이터셋 자동 생성 장치의 제어방법.A rotating plate on which a learning target item can be placed and rotated, a display providing various background screens to the target item, a camera module capable of obtaining image information of the target item along with the background image output from the display, and the target item locating a target item in an automatic image capture learner equipped with a load cell capable of measuring the weight of;
obtaining weight information of a target item through the load cell;
obtaining image information by photographing a target item together with the background screen through a camera module while providing various background screens through the display;
Collecting image information and weight information of a target item obtained from the automatic image capturing learner through an image processing unit;
labeling by machine learning processing unit based on image information and image information collected through the image processing unit;
Controlling, by a control unit, a recognition rate for data processed by the image processing unit and data labeling for data processed by the machine learning processing unit; and
A method of controlling an apparatus for automatically generating a dataset for artificial intelligence machine learning learning, including generating the labeled data as a dataset by a dataset generator. 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete 삭제delete
KR1020190080128A 2019-07-03 2019-07-03 Automatic Data Set Generation Device and their Control Method for AI Machine Learning Learning KR102503116B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190080128A KR102503116B1 (en) 2019-07-03 2019-07-03 Automatic Data Set Generation Device and their Control Method for AI Machine Learning Learning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190080128A KR102503116B1 (en) 2019-07-03 2019-07-03 Automatic Data Set Generation Device and their Control Method for AI Machine Learning Learning

Publications (2)

Publication Number Publication Date
KR20210004162A KR20210004162A (en) 2021-01-13
KR102503116B1 true KR102503116B1 (en) 2023-02-22

Family

ID=74142377

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190080128A KR102503116B1 (en) 2019-07-03 2019-07-03 Automatic Data Set Generation Device and their Control Method for AI Machine Learning Learning

Country Status (1)

Country Link
KR (1) KR102503116B1 (en)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102556642B1 (en) 2021-02-10 2023-07-18 한국기술교육대학교 산학협력단 Method of generating data for machine learning training
KR102573019B1 (en) * 2021-03-05 2023-08-31 한국자동차연구원 Apparatus and method for generating training data set
KR102573020B1 (en) * 2021-03-05 2023-08-31 한국자동차연구원 Apparatus and method for generating training data set using robot arm
KR20220125637A (en) * 2021-03-05 2022-09-14 (주)제이엘케이 Artificial intelligence-based unmanned product video automatic reading payment system applied with self-learning system through linking payment terminals
KR20230032574A (en) 2021-08-31 2023-03-07 주식회사 케이티 Apparatus, method and computer program for generating training data and automatically labeling training data
KR20240025935A (en) 2022-08-19 2024-02-27 인하대학교 산학협력단 Method and System for Deep Learning-based Auto Labeling using Semiconductor FDC Sensor Data

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101960899B1 (en) * 2018-10-12 2019-03-21 주식회사 에스피씨네트웍스 Method for recognizing products

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101900185B1 (en) * 2017-02-20 2018-09-18 연세대학교 산학협력단 Method and Device for Learning Image for Object Recognition
KR101879735B1 (en) 2017-03-15 2018-07-18 (주)넥셀 Method and apparatus for automatic generating training data and self-learning apparatus and method using the same

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101960899B1 (en) * 2018-10-12 2019-03-21 주식회사 에스피씨네트웍스 Method for recognizing products

Also Published As

Publication number Publication date
KR20210004162A (en) 2021-01-13

Similar Documents

Publication Publication Date Title
KR102503116B1 (en) Automatic Data Set Generation Device and their Control Method for AI Machine Learning Learning
He et al. Application of deep learning in integrated pest management: A real-time system for detection and diagnosis of oilseed rape pests
US9031317B2 (en) Method and apparatus for improved training of object detecting system
CN104463117B (en) A kind of recognition of face sample collection method and system based on video mode
CN103731583B (en) Intelligent synthetic, print processing method is used for taking pictures
CN110705357A (en) Face recognition method and face recognition device
KR20200087310A (en) System and method for generation and augmentation of annotation learning data for deep learning in artificial intelligence picture reading
CN107145826A (en) The pedestrian's recognition methods again reordered based on double constraint metric learnings and sample
CN115699082A (en) Defect detection method and device, storage medium and electronic equipment
US20220366244A1 (en) Modeling Human Behavior in Work Environment Using Neural Networks
CN110245592A (en) A method of for promoting pedestrian's weight discrimination of monitoring scene
CN116052222A (en) Cattle face recognition method for naturally collecting cattle face image
WO2020171066A1 (en) Image search device and training data extraction method
CN111507325A (en) Industrial visual OCR recognition system and method based on deep learning
CN106980823A (en) A kind of action identification method based on interframe self similarity
CN112368724A (en) Learning device, learning system, and learning method
CN113743434A (en) Training method of target detection network, image augmentation method and device
CN111047731A (en) AR technology-based telecommunication room inspection method and system
Zhu et al. Toward generalist anomaly detection via in-context residual learning with few-shot sample prompts
CN108596068B (en) Method and device for recognizing actions
CN113807331A (en) Safety belt wearing identification method and device based on image identification technology
Palanimeera et al. Transfer learning with deep representations is used to recognition yoga postures
CN113191942A (en) Method for generating image, method for training human detection model, program, and device
CN113557522A (en) Image frame pre-processing based on camera statistics
Bhavani Automated Attendance System and Voice Assistance using Face Recognition

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant