KR20220118859A - 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법 - Google Patents
데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법 Download PDFInfo
- Publication number
- KR20220118859A KR20220118859A KR1020210022866A KR20210022866A KR20220118859A KR 20220118859 A KR20220118859 A KR 20220118859A KR 1020210022866 A KR1020210022866 A KR 1020210022866A KR 20210022866 A KR20210022866 A KR 20210022866A KR 20220118859 A KR20220118859 A KR 20220118859A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- unit
- processing
- image data
- data
- Prior art date
Links
- 238000007781 pre-processing Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000013434 data augmentation Methods 0.000 title claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000002372 labelling Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000001131 transforming effect Effects 0.000 abstract 1
- 239000000284 extract Substances 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
-
- G06K9/627—
-
- 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
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/12—Bounding box
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
본 발명은 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법에 관한 것으로서, 보다 상세하게는 유의미한 이미지 데이터를 전처리 알고리즘을 사용하여 임의로 변형을 가함으로써 훈련 가능한 컴퓨터 비전 모델에 적합하게 이미지 데이터를 효과적으로 늘릴 수 있으며, 상기 이미지 데이터에 대해서 일관된 결과를 도출하도록 함으로써 훈련 및 예측에 효율적으로 활용할 수 있도록 하는 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법에 관한 것이다.
Description
본 발명은 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법에 관한 것으로서, 보다 상세하게는 유의미한 이미지 데이터를 전처리 알고리즘을 사용하여 임의로 변형을 가함으로써 훈련 가능한 컴퓨터 비전 모델에 적합하게 이미지 데이터를 효과적으로 늘릴 수 있으며, 상기 이미지 데이터에 대해서 일관된 결과를 도출하도록 함으로써 훈련 및 예측에 효율적으로 활용할 수 있도록 하는 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법에 관한 것이다.
강력한 딥러닝 이미지 인식모델을 효과적으로 학습하기 위해서는 준비된 많은 데이터가 있어야 하고, 이를 통해 정확한 예측 및 일관된 결과를 도출할 수 있다.
그러나 다수의 이미지 데이터를 확보하기 위해서는 자료수집, 분류, 저장 등에 많은 시간과 비용이 소요된다.
따라서 적은 양의 데이터를 가지고 무작위 방식으로 데이터를 증대할 수 있어 자료수집에 소모되는 시간을 줄여 경제적인 문제를 해결하고, 초보자도 손쉽게 사용할 수 있는 이미지 데이터 증대 시스템 및 방법의 개발이 필요하다.
본 발명은 상기한 바와 같은 문제점을 해결하기 위해 안출된 것으로, 원본 이미지 데이터를 전처리 알고리즘을 이용하고 사용자가 필요한 옵션을 선택하여 N개만큼의 이미지 데이터를 획득하는 이미지 데이터 증대 시스템 및 방법을 제공하는 것을 목적으로 한다.
또한 본 발명은 이미지 데이터에 임의로 변형을 가함으로써 훨씬 많은 이미지를 생성하고, 이를 통해 과적합(Overfitting), 즉 모델이 학습 데이터에만 맞춰지는 것을 방지하며, 새로운 이미지도 효과적으로 분류할 수 있는 확률을 높일 수 있는 이미지 데이터 증대 시스템 및 방법을 제공하는 것을 목적으로 한다.
아울러 본 발명은 프로그램 및 반응형 웹 형태로 제공될 수 있으며, 누구나 쉽게 사용될 수 있어, 사용자의 경제성이나 편리성을 향상시켜 줄 수 있는 이미지 데이터 증대 시스템 및 방법을 제공하는 것을 목적으로 한다.
상기한 바와 같은 문제점을 해결하기 위하여, 본 발명은 각 이미지에 보이는 객체에 대하여 바운딩 박스 및 클래스 분류를 수행하고, 훈련모델에 적용할 데이터셋에 맞는 포멧으로 작업하는 라벨링부(110);
라벨링된 이미지와 포멧을 인식하여 검출하는 검출부(120);
상기 검출된 이미지를 전처리하기 위한 전처리방식을 설정하는 옵션부(130);
상기 설정된 전처리방식으로 검출된 이미지를 전처리하는 전처리부(140);
상기 전처리가 완료된 이미지를 추출하는 추출부(150);
상기 추출된 이미지를 원하는 훈련 데이터셋 포멧규격을 선택하여 이미지 데이터셋을 생성하는 생성부(160);
상기 생성된 이미지 데이터셋을 저장하는 저장부(170); 및
상기 라벨링부(110), 검출부(120), 옵션부(130), 전처리부(140), 추출부(150), 생성부(160) 및 저장부(170)의 동작을 제어하는 제어부(180)를 포함하는, 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템에 관한 것이다.
본 발명의 일실시예에 있어서, 상기 라벨링부(110)의 바운딩 박스 작업은 Object Detection 기반으로 수행되는 것을 특징으로 한다.
본 발명의 일실시예에 있어서, 상기 전처리부(140)는 동일한 이미지가 생성되는 경우 예외처리를 하는 것을 특징으로 한다.
또한 본 발명은 라벨링부(110)에서 각 이미지에 보이는 객체에 대하여 바운딩 박스 및 클래스 분류를 수행하고, 훈련모델에 적용할 데이터셋에 맞는 포멧으로 작업하는 단계;
검출부(120)에서 라벨링된 이미지와 포멧을 인식하여 검출하는 단계;
옵션부(130)에서 상기 검출된 이미지를 전처리하기 위한 전처리방식을 설정하는 단계;
전처리부(140)에서 상기 설정된 전처리방식으로 검출된 이미지를 전처리하는 단계;
추출부(150)에서 상기 전처리가 완료된 이미지를 추출하는 단계;
생성부(160)에서 상기 추출된 이미지를 원하는 훈련 데이터셋 포멧규격을 선택하여 이미지 데이터셋을 생성하는 단계; 및
저장부(170)에서 상기 생성된 이미지 데이터셋을 저장하는 단계를 포함하는, 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 방법에 관한 것이다.
본 발명의 일실시예에 있어서, 상기 전처리부(140)는 동일한 이미지가 생성되는 경우 예외처리를 하는 것을 특징으로 한다.
본 발명은 Python 및 OpenCV 라이브러리의 기반으로, 원본 이미지를 데이터 전처리 알고리즘을 이용하여 처리함으로써 다량의 이미지 데이터를 획득 및 처리할 수 있는 증대 시스템 및 방법을 제공할 수 있다.
또한 본 발명은 적은 이미지에서 다양한 임의의 이미지 데이터 정보를 자동으로 뽑아내는 자동화된 서비스가 가능하고, 훈련 및 예측에 있어 효율적인 이미지데이터를 제공할 수 있다.
아울러 본 발명은 이미지를 사용할 때마다 임의로 변형을 가함으로써 많은 이미지를 생성하여 과적합(Overfitting), 즉 모델이 학습 데이터에만 맞춰지는 것을 방지하고, 새로운 이미지도 잘 분류할 수 있게 도움을 줄 수 있다.
또한 본 발명은 누구나 쉽게 접할 수 있는 웹 형태로도 제공되어 확장성이 넓고, 사용자의 경제성이나 편리성을 향상시켜 줄 수 있다.
도 1은 본 발명의 이미지 데이터 증대 시스템을 나타낸다.
도 2는 본 발명의 라벨링부(110)를 나타낸다.
도 3은 본 발명의 옵션부(130)를 나타낸다.
도 4는 본 발명의 이미지 데이터 증대 시스템의 동작순서를 나타낸다.
도 2는 본 발명의 라벨링부(110)를 나타낸다.
도 3은 본 발명의 옵션부(130)를 나타낸다.
도 4는 본 발명의 이미지 데이터 증대 시스템의 동작순서를 나타낸다.
이하 첨부된 도면을 참고하여 본 발명의 일실시예에 의한 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법에 관하여 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 이미지 데이터 증대 시스템의 구성을 개략적으로 나타낸 블록도이다.
본 발명의 이미지 데이터 증대 시스템(100)은, 각 이미지에 보이는 객체에 대하여 바운딩 박스 및 클래스 분류를 수행하고, 훈련모델에 적용할 데이터셋에 맞는 포멧으로 작업하는 라벨링부(110);
라벨링된 이미지와 포멧을 인식하여 검출하는 검출부(120);
상기 검출된 이미지를 전처리하기 위한 전처리방식을 설정하는 옵션부(130);
상기 설정된 전처리방식으로 검출된 이미지를 전처리하는 전처리부(140);
상기 전처리가 완료된 이미지를 추출하는 추출부(150);
상기 추출된 이미지를 원하는 훈련 데이터셋 포멧규격을 선택하여 이미지 데이터셋을 생성하는 생성부(160);
상기 생성된 이미지 데이터셋을 저장하는 저장부(170); 및
상기 라벨링부(110), 검출부(120), 옵션부(130), 전처리부(140), 추출부(150), 생성부(160) 및 저장부(170)의 동작을 제어하는 제어부(180)를 포함한다.
상기 이미지 데이터 증대 시스템(100)은 네이티브, 웹, GUI 프로그램 등을 제공하는 형태로 데스크탑, 노트북, 태블릿 PC, 스마트폰 등과 같이 다양한 전자 장치에서 업그레이드 없이 바로 사용 가능하고 누구나 쉽게 사용할 수 있다.
상기 라벨링부(110)는 각 이미지에 보이는 객체에 대하여 바운딩 박스 및 클래스 분류를 수행하고, 훈련모델에 적용할 데이터셋에 맞는 포멧으로 작업할 수 있다.
상기 라벨링부(110)는 각각의 이미지에 보이는 객체의 영역을 바운딩 박스 처리하는 바운딩 박스부(111)와, 클래스 분류하는 클래스 분류부(112)와, 훈련모델에 적용할 데이터셋에 맞는 포맷으로 작업하는 포맷부(113)를 포함할 수 있다(도 2).
상기 라벨링부(110)는 객체인식에 필요한 라벨링 작업 중 물체가 어디 있는지 영역을 표시하는 멀티 바운딩 박스 작업이 Object Detection 기반으로 수행될 수 있다.
상기 검출부(120)는 라벨링된 이미지와 포멧을 인식하여 검출하는 것으로서, 라벨링된 이미지를 불러와서 검출할 수 있다.
상기 검출부(120)는 라벨링된 이미지를 검출하는 라벨링 인식부와, 바운딩 박스 위치, 클래스 및 포멧을 검출하는 포멧 인식부를 포함할 수 있다.
상기 옵션부(130)는 상기 검출된 이미지를 전처리하기 위한 전처리방식을 설정하는 것으로서, 이미지 전처리 옵션을 선택한다. 구체적으로 개수옵션(131), 모두적용옵션(132), 무작위적용옵션(133) 및 학습/테스트 분할비율(134)을 선택한다(도 3).
상기 전처리부(140)는 검출된 이미지를 상기 설정된 전처리방식으로 전처리하는 것으로서, 상기 옵션부에서 설정한대로 이미지 전처리 알고리즘을 수행한다.
상기 전처리부는 설정된 전처리방식을 인식하는 옵션인식부를 포함할 수 있다.
여기서, 전처리 알고리즘은 우선적으로 모두적용옵션(132)에서 선택한 옵션을 각 이미지에 모두 적용하고, 각 이미지를 개수옵션(131)에서 선택한 개수만큼 증대시키고, 증대시키는 과정에서 선택한 무작위옵션(133)을 랜덤하게 설정하여 적용시킨다.
상기 전처리부는 랜덤하게 적용시킨 이미지 중 똑같은 이미지가 발생할 경우 예외 처리하는 예외처리부를 포함할 수 있다.
상기 추출부(150)는 상기 전처리가 완료된 이미지를 추출하는 것으로서, 전처리가 성공적으로 완료되면 완료된 이미지를 추출해서 보여준다.
상기 생성부(160)는 상기 추출된 이미지를 원하는 훈련 데이터셋 포멧규격을 선택하여 이미지 데이터셋을 생성하는 것으로서, 추출부에서 추출된 이미지들을 원하는 훈련 데이터셋 포멧규격을 선택하여 생성한다.
여기서, 포멧규격은 JSON(COCO), XML(Pascal VOC), TXT(YOLO) 형태의 데이터셋을 말한다.
상기 저장부(170)는 상기 생성된 이미지 데이터셋을 저장하는 것으로서, 훈련 데이터셋이 생성된 이미지를 저장한다.
상기 제어부(180)는 라벨링부(110), 검출부(120), 옵션부(130), 전처리부(140), 추출부(150), 생성부(160) 및 저장부(170)의 동작을 제어할 수 있다.
도 4는 본 발명의 이미지 데이터 증대 시스템의 동작순서를 나타낸다.
본 발명은 라벨링부(110)에서 각 이미지에 보이는 객체에 대하여 바운딩 박스 및 클래스 분류를 수행하고, 훈련모델에 적용할 데이터셋에 맞는 포멧으로 작업하는 단계;
검출부(120)에서 라벨링된 이미지와 포멧을 인식하여 검출하는 단계;
옵션부(130)에서 상기 검출된 이미지를 전처리하기 위한 전처리방식을 설정하는 단계;
전처리부(140)에서 상기 설정된 전처리방식으로 검출된 이미지를 전처리하는 단계;
추출부(150)에서 상기 전처리가 완료된 이미지를 추출하는 단계;
생성부(160)에서 상기 추출된 이미지를 원하는 훈련 데이터셋 포멧규격을 선택하여 이미지 데이터셋을 생성하는 단계; 및
저장부(170)에서 상기 생성된 이미지 데이터셋을 저장하는 단계를 포함하는, 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 방법에 관한 것이다.
도 4에 도시된 바와 같이, 라벨링부는 각각의 이미지에 있는 객체들을 바운딩 박스 작업하고 클래스 분류하여 데이터셋 포멧을 작업한다.
검출부는 라벨링된 다량의 이미지와 포멧을 인식하여 검출한다.
옵션부는 이미지 전처리 방식의 설정 및 만들어질 개수를 선택한다.
전처리부는 설정에 맞게 라벨링된 이미지를 전처리하고 동일한 이미지가 생성될 시 예외처리를 한다.
추출부는 전처리가 성공적으로 완료된 이미지를 추출하고 보여준다.
생성부는 추출부에서 추출된 이미지들을 원하는 데이터셋 포멧규격을 선택하여 생성한다.
저장부는 생성부에서 생성된 이미지를 저장한다.
100 이미지 데이터 증대 시스템
110 라벨링부 111 바운딩 박스부
112 클래스 분류부 113 포멧부
120 검출부 130 옵션부
131 개수옵션 132 모두적용옵션
133 무작위적용옵션 134 학습/테스트 분할
140 전처리부 150 추출부
160 생성부 170 저장부
180 제어부
110 라벨링부 111 바운딩 박스부
112 클래스 분류부 113 포멧부
120 검출부 130 옵션부
131 개수옵션 132 모두적용옵션
133 무작위적용옵션 134 학습/테스트 분할
140 전처리부 150 추출부
160 생성부 170 저장부
180 제어부
Claims (5)
- 각 이미지에 보이는 객체에 대하여 바운딩 박스 및 클래스 분류를 수행하고, 훈련모델에 적용할 데이터셋에 맞는 포멧으로 작업하는 라벨링부(110);
라벨링된 이미지와 포멧을 인식하여 검출하는 검출부(120);
상기 검출된 이미지를 전처리하기 위한 전처리방식을 설정하는 옵션부(130);
상기 설정된 전처리방식으로 검출된 이미지를 전처리하는 전처리부(140);
상기 전처리가 완료된 이미지를 추출하는 추출부(150);
상기 추출된 이미지를 원하는 훈련 데이터셋 포멧규격을 선택하여 이미지 데이터셋을 생성하는 생성부(160);
상기 생성된 이미지 데이터셋을 저장하는 저장부(170); 및
상기 라벨링부(110), 검출부(120), 옵션부(130), 전처리부(140), 추출부(150), 생성부(160) 및 저장부(170)의 동작을 제어하는 제어부(180)를 포함하는, 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템.
- 제1항에 있어서,
상기 라벨링부(110)의 바운딩 박스 작업은 Object Detection 기반으로 수행되는 것을 특징으로 하는 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템.
- 제1항에 있어서,
상기 전처리부(140)는 동일한 이미지가 생성되는 경우 예외처리를 하는 것을 특징으로 하는 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템.
- 라벨링부(110)에서 각 이미지에 보이는 객체에 대하여 바운딩 박스 및 클래스 분류를 수행하고, 훈련모델에 적용할 데이터셋에 맞는 포멧으로 작업하는 단계;
검출부(120)에서 라벨링된 이미지와 포멧을 인식하여 검출하는 단계;
옵션부(130)에서 상기 검출된 이미지를 전처리하기 위한 전처리방식을 설정하는 단계;
전처리부(140)에서 상기 설정된 전처리방식으로 검출된 이미지를 전처리하는 단계;
추출부(150)에서 상기 전처리가 완료된 이미지를 추출하는 단계;
생성부(160)에서 상기 추출된 이미지를 원하는 훈련 데이터셋 포멧규격을 선택하여 이미지 데이터셋을 생성하는 단계; 및
저장부(170)에서 상기 생성된 이미지 데이터셋을 저장하는 단계를 포함하는, 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 방법.
- 제4항에 있어서,
상기 전처리부(140)는 동일한 이미지가 생성되는 경우 예외처리를 하는 것을 특징으로 하는 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210022866A KR20220118859A (ko) | 2021-02-19 | 2021-02-19 | 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210022866A KR20220118859A (ko) | 2021-02-19 | 2021-02-19 | 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20220118859A true KR20220118859A (ko) | 2022-08-26 |
Family
ID=83113359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210022866A KR20220118859A (ko) | 2021-02-19 | 2021-02-19 | 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20220118859A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102637711B1 (ko) * | 2022-12-22 | 2024-02-19 | 한국건설기술연구원 | 도로 상태이상 식별 모델 제공 시스템 및 방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102214465B1 (ko) | 2019-03-11 | 2021-02-09 | 엔에이치엔 주식회사 | 딥러닝 기반의 이미지 영역화 방법 및 그 장치 |
-
2021
- 2021-02-19 KR KR1020210022866A patent/KR20220118859A/ko not_active Application Discontinuation
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102214465B1 (ko) | 2019-03-11 | 2021-02-09 | 엔에이치엔 주식회사 | 딥러닝 기반의 이미지 영역화 방법 및 그 장치 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102637711B1 (ko) * | 2022-12-22 | 2024-02-19 | 한국건설기술연구원 | 도로 상태이상 식별 모델 제공 시스템 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9349076B1 (en) | Template-based target object detection in an image | |
US10049308B1 (en) | Synthesizing training data | |
US20220270397A1 (en) | Image processing method and device, equipment, and computer-readable storage medium | |
US11163978B2 (en) | Method and device for face image processing, storage medium, and electronic device | |
Zhang et al. | A novel method for user-defined human posture recognition using Kinect | |
WO2019033569A1 (zh) | 眼球动作分析方法、装置及存储介质 | |
WO2022247005A1 (zh) | 图像中目标物识别方法、装置、电子设备及存储介质 | |
CN111368682B (zh) | 一种基于faster RCNN台标检测与识别的方法及系统 | |
KR20190072074A (ko) | 악성 코드 검출 방법 및 시스템 | |
CN108537129A (zh) | 训练样本的标注方法、装置和系统 | |
CN114730407A (zh) | 使用神经网络对工作环境中的人类行为进行建模 | |
CN112149690A (zh) | 一种基于生物图像特征识别的溯源方法和溯源系统 | |
CN111190595A (zh) | 基于界面设计图自动生成界面代码的方法、装置、介质及电子设备 | |
Lahiani et al. | Hand pose estimation system based on Viola-Jones algorithm for android devices | |
KR20220118859A (ko) | 데이터 전처리 알고리즘을 이용한 이미지 데이터 증대 시스템 및 방법 | |
CN113792623B (zh) | 安检ct目标物识别方法和装置 | |
Pradhan et al. | A hand gesture recognition using feature extraction | |
US20210158101A1 (en) | Learning device, learning system, and learning method | |
CN111638792A (zh) | Ar效果的呈现方法、装置、计算机设备及存储介质 | |
Azid et al. | Translation Russian cyrillic to latin alphabet using SVM (support vector machine) | |
KR102221152B1 (ko) | 객체 자세 기반 연출 효과 제공 장치 및 방법, 그리고 이를 위한 컴퓨터 프로그램이 기록된 기록매체 | |
CN115905016A (zh) | 一种BIOS Setup搜索功能测试方法、装置、电子设备及存储介质 | |
CN112835807B (zh) | 界面识别方法、装置、电子设备和存储介质 | |
CN115497152A (zh) | 基于图像识别的客户信息分析方法、装置、系统及介质 | |
JP7126586B2 (ja) | 顔合成画像検出方法、顔合成画像検出装置、電子機器、記憶媒体及びコンピュータプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |