TWI817797B - 影像分析模型調整方法及其影像分析設備 - Google Patents
影像分析模型調整方法及其影像分析設備 Download PDFInfo
- Publication number
- TWI817797B TWI817797B TW111141300A TW111141300A TWI817797B TW I817797 B TWI817797 B TW I817797B TW 111141300 A TW111141300 A TW 111141300A TW 111141300 A TW111141300 A TW 111141300A TW I817797 B TWI817797 B TW I817797B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- image analysis
- analysis model
- frequency domain
- adjustment method
- Prior art date
Links
- 238000010191 image analysis Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 19
- 238000013461 design Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
一種應用於一影像分析設備之影像分析模型調整方法。該影像分析模型調整方法包含有將該影像分析設備取得之一偵測影像依照一有效尺寸劃分為複數張第一次影像,並將該複數張第一次影像從空間域轉換為頻率域以生成複數張第一頻率域圖,依照一預定組數將該複數張第一頻率域圖分配到多個初裁群,分析各初裁群在相同頻率之多個頻率響應以生成一代表性頻率響應,整合該各個初裁群的多個代表性頻率響應以生成一頻率域群資料,以及分析該頻率域群資料來取得該偵測影像之一預測結果,並依據該預測結果決定是否調整該有效尺寸。
Description
本發明係提供一種影像分析模型調整方法及其影像分析設備,尤指一種可提高影像分析效率與準確度的影像分析模型調整方法及其影像分析設備。
監控攝影機可能因為天氣狀態、外力衝撞或使用疲乏下而逐漸失焦,即使監控攝影機執行其自動對焦功能,也難以確保完成自動對焦程序的監控攝影機能持續拍攝到清晰的偵測影像。傳統的監控攝影機會分析偵測影像的空間域資訊以判斷其對焦狀態,然而空間域偵測影像的資料內容龐大,需要大容量記憶單元儲存待測影像,並且需要通過複雜的運算過程及冗長的運算時間才能判斷出偵測影像的對焦狀態。故如何設計一種能快速判別偵測影像是否在準焦狀態、並整合多張次影像之頻率響應來提高準確性的影像辨識方法及相關影像分析設備,即為相關監視器產業的重點發展目標。
本發明係提供一種可提高影像分析效率與準確度的影像分析模型調整方法及其影像分析設備,以解決上述之問題。
本發明之申請專利範圍係揭露一種應用於一影像分析設備之影像分析模型調整方法,其中該影像分析設備具有一運算處理器與一影像取得器。該影像分析模型調整方法包含有將該影像取得器取得之一偵測影像依照一有效尺寸劃分為複數張第一次影像,並將該複數張第一次影像從空間域轉換為頻率域以生成複數張第一頻率域圖,依照一預定組數將該複數張第一頻率域圖分配到多個初裁群,分析各初裁群所涵蓋之多張第一頻率域圖的相同頻率之多個頻率響應以生成一代表性頻率響應,整合該各個初裁群在所有頻率的多個代表性頻率響應以生成一頻率域群資料,以及分析該頻率域群資料來取得該偵測影像之一預測結果,並依據該預測結果決定是否調整該有效尺寸。
本發明之申請專利範圍另揭露一種影像分析設備,其包含有一影像取得器以及一運算處理器。該影像取得器用來取得一偵測影像。該運算處理器電連接該影像取得器,用來將該偵測影像依照一有效尺寸劃分為複數張第一次影像,並將該複數張第一次影像從空間域轉換為頻率域以生成複數張第一頻率域圖,依照一預定組數將該複數張第一頻率域圖分配到多個初裁群,分析各初裁群所涵蓋之多張第一頻率域圖的相同頻率之多個頻率響應以生成一代表性頻率響應,整合該各個初裁群在所有頻率的多個代表性頻率響應以生成一頻率域群資料,以及分析該頻率域群資料來取得該偵測影像之一預測結果,並依據該預測結果決定是否調整該有效尺寸。
本發明之影像分析設備及其影像分析模型調整方法可先依照多種可能的初裁尺寸將偵測影像劃分為大尺寸次影像,然後代入影像分析模型以求出初裁尺寸的最佳解。接著,另設定小於初裁尺寸的多種可能有效尺寸,代入影像分析模型以求出有效尺寸的最佳解。最後,使用有效尺寸將偵測影像劃分多
張次影像,且依照預定組數定義初裁群,每一個初裁群以本發明的影像分析模型調整方法生成對應的整合後第一頻率域圖,轉換得出偵測影像的頻率域群資料,此頻率域群資料再代入影像分析模型可調整不同轉換階段之階段參數,達到優化下一階段預測結果之目的。
10:影像分析設備
12:影像取得器
14:運算處理器
I:偵測影像
Is1:第一次影像
Is2:第二次影像
G:初裁群
Df:頻率域群資料
Mk:遮罩
F:濾波器
IP1:第一內積結果
IP2:第二內積結果
Li:輸入層
Lo:分析模型輸出層
C:預測類別
S100、S102、S104、S106、S108、S110、S112、S114、S116、S117、S118、S120、S122:步驟
S200、S202、S204、S206、S208、S210、S212、S214、S216、S218:步驟
第1圖為本發明實施例之影像分析設備之功能方塊圖。
第2圖為本發明第一實施例之影像分析模型調整方法之流程圖。
第3圖為本發明實施例之影像分析設備所取得偵測影像在執行影像分析模型調整方法之示意圖。
第4圖至第7圖為本發明實施例之偵測影像在不同頻率域轉換階段之示意圖。
第8圖為本發明第二實施例之影像分析模型調整方法之流程圖。
第9圖為本發明實施例之初裁尺寸和有效尺寸之關聯性之示意圖。
第10圖為本發明另一實施例之初裁尺寸和有效尺寸之關聯性之示意圖。
第11圖為本發明實施例之頻率特徵之定位與精準相關性的示意圖。
請參閱第1圖與第2圖,第1圖為本發明實施例之影像分析設備10之功能方塊圖,第2圖為本發明第一實施例之影像分析模型調整方法之流程圖。影像分析設備10可包含影像取得器12以及運算處理器14。影像取得器12可以直接拍攝以取得偵測影像、或是接收外部攝影機拍攝之偵測影像。運算處理器14可以有線或無線方式電連接影像取得器12。影像分析設備10可選擇性設置在道路旁,道路上的車輛可為待辨識物;偵測影像即為涵蓋道路與車輛的影像。車輛
可能僅佔據偵測影像的部分範圍,故運算處理器14可執行本發明之影像分析模型調整方法,用於判斷如何將偵測影像劃分為能夠精準涵蓋且取得待辨識物之辨識特徵的多張次影像,從而適應性地調整影像分析模型來提高辨識準確度。
請參閱第3圖至第7圖,第3圖為本發明實施例之影像分析設備10所取得偵測影像I在執行影像分析模型調整方法之示意圖,第4圖至第7圖為本發明實施例之偵測影像I在不同頻率域轉換階段之示意圖。第2圖所述之影像分析模型調整方法可適用於第1圖所示之影像分析設備10和第3圖至第7圖所示之偵測影像I。首先,執行步驟S100,影像分析模型調整方法可將偵測影像I依照有效尺寸劃分為複數張第一次影像Is1。影像分析模型調整方法可選擇將偵測影像I全部依有效尺寸劃分成複數張第一次影像Is1,也可選擇在偵測影像I內的特定範圍依有效尺寸劃分出複數張第一次影像Is1;特定範圍可能是預先設定的感興趣區域、也可能是偵測影像I經由動態偵測而標記出的區域,其變化端視設計需求而定。本實施例係將整張偵測影像I平均劃分成複數張第一次影像Is1,惟第3圖僅標示部分的第一次影像Is1以供參考。
接著,執行步驟S102與步驟S104,將複數張第一次影像Is1從空間域轉換為頻率域以生成複數張第一頻率域圖,然後依照預定組數S將複數張第一頻率域圖分配到多個初裁群G。若影像分析模型調整方法在偵測影像I內的特定範圍劃分第一次影像Is1,該些第一次影像Is1或其第一頻率域圖可視為一個初裁群G。然而,本發明較佳實施態樣係將整張偵測影像I劃分出複數張第一次影像Is1,每張第一次影像Is1可生成一張第一頻率域圖,如第3圖所示;再將特定數量的第一次影像Is1或其第一頻率域圖歸類為同一組而定義為一個初裁群G,如第4圖所示。舉例來說,偵測影像I的影像尺寸可具有2560x1280個像素;若有效尺寸為64
個像素,偵測影像I可劃分成以陣列40x20排列的第一次影像Is1,每張第一次影像Is1的影像尺寸則具有64x64個像素;若預定組數S為4,每一個初裁群G可包含排列為陣列4x4的第一次影像Is1或第一頻率域圖。
接下來,執行步驟S106與步驟S108,分析各初裁群G所涵蓋之多張第一頻率域圖的相同頻率之多個頻率響應以生成代表性頻率響應,然後整合各個初裁群G在所有頻率的多個代表性頻率響應,作為對應於該些初裁群G的頻率域群資料Df。第一頻率域圖的橫軸單位是頻率,縱軸單位是響應。第一頻率域圖的橫軸可對應於頻率域群資料Df的深度值”MxN”(4096=64x64)。因此,步驟S106在各初裁群G內的任一頻率可取得分別來自於16張第一頻率域圖的16筆頻率響應,並利用16筆頻率響應生成該頻率的代表性頻率響應;本實施例係從16筆頻率響應中找出最大的頻率響應作為代表性頻率響應,然實際應用不限於此。每一頻率皆可得到一筆代表性頻率響應,故步驟S108可以整合每一個初裁群G內所有頻率(相當於深度值4096)的各自代表性頻率響應,生成頻率域群資料Df,如第5圖與第6圖所示。
再接下來,執行步驟S110、步驟S112、步驟S114與步驟S116,計算頻率域群資料Df與遮罩Mk的內積以生成第一內積結果IP1,計算第一內積結果IP1和濾波器F的內積以生成第二內積結果IP2作為多層感知網路的輸入層Li,將輸入層Li透過多層感知網路轉換成分析模型輸出層Lo,再根據分析模型輸出層Lo之類別判斷結果取得偵測影像I之預測結果。如第7圖所示,遮罩Mk之數量係為MxN個。MxN個遮罩Mk分別與深度1~MxN的頻率域群資料Df計算其內積以得到尺寸為1x1x”MxN”的第一內積結果IP1。第一內積結果IP1再計算與n個濾波器F的內積以得到尺寸為1x1xn的第二內積結果IP2。分析模型輸出層Lo可選擇性包
含多個預測類別C,例如準焦類別、些微失焦類別、明顯失焦類別、及完全失焦類別。遮罩Mk、濾波器F和預測類別C的相關資訊係依影像分析模型調整方法或其影像分析設備10之設計需求而定,故此不再說明。
接著,執行步驟S117與步驟S118,使用訓練影像決定是否調整遮罩Mk、濾波器F和/或多層感知網路的參數(步驟S110、S112與S114),調整完或不需調整相關參數後,再根據偵測影像I的預測結果判斷是否調整有效尺寸;此步驟可使用試誤法、或任意有效的求解規則進行判斷。若預測結果的準確性不如預期,執行步驟S120以縮小有效尺寸,並可回到步驟S110再次執行一次相關流程;若有效尺寸的準確性符合預期,不需調整有效尺寸,可執行步驟S122,直接利用當前有效尺寸劃分偵測影像I,並將劃分後生成之頻率域群資料Df所得之預測結果相比於目標標籤,從而依其比較結果調整頻率域群資料Df在各轉換階段之階段參數以優化下一階段的預測結果。
由此可知,第一實施例的影像分析模型調整方法係將偵測影像I劃分成複數張第一次影像Is1,依照預定組數S設定每一個初裁群G所涵蓋的第一次影像Is1或其第一頻率域圖的陣列參數;接著,找出各初裁群G之所有第一頻率域圖在相同頻率的最大頻率響應,生成對應於各初裁群G的整合後第一頻率域圖。整合後第一頻率域圖在其橫軸的每一個頻率上的頻率響應,係為整合後第一頻率域圖所對應之各初裁群G所包含多張第一頻率域圖在其對應頻率的16筆頻率響應的最大頻率響應。所有初裁群G的整合後第一頻率域圖可轉換生成頻率域群資料Df,頻率域群資料Df再代入影像分析模型以判斷是否需調整第一次影像Is1的有效尺寸,從而快速並準確地找到最佳化匹配於影像分析模型之輸入影像和預期模型之目標標籤的分類規則,進而達到影像分析及辨識的目的。
請參閱第8圖,第8圖為本發明第二實施例之影像分析模型調整方法之流程圖。第二實施例中,與第一實施例具有相同編號的元件具有相同的定義與功能,故此不再重複說明。關於第二實施例的影像分析模型調整方法,首先執行步驟S200與步驟S202,依照初裁尺寸將偵測影像I劃分為複數張第二次影像Is2,再將複數張第二次影像Is2從空間域轉換為頻率域以生成複數張第二頻率域圖及其複數層預處理頻率域資料。初裁尺寸係可大於或等於有效尺寸,並且為有效尺寸的整數倍。若初裁尺寸等於有效尺寸,表示初裁尺寸所涵蓋範圍的特徵已足夠精準;若初裁尺寸大於有效尺寸,表示初裁尺寸所涵蓋範圍的特徵不夠精準,仍需以有效尺寸進一步精準化特徵。接著,執行步驟S204、步驟S206、步驟S208與步驟S210,計算預處理頻率域資料與遮罩的內積以生成第一內積結果,計算第一內積結果和濾波器的內積以生成第二內積結果作為多層感知網路的輸入層,將輸入層透過多層感知網路轉換成分析模型輸出層,再根據分析模型輸出層之類別判斷結果取得偵測影像I之預測結果。
步驟S204至步驟S210原則上類同於步驟S110至步驟S116,於此不再重複說明。接著,執行步驟S212與步驟S214,用訓練影像決定是否調整遮罩Mk、濾波器F和/或多層感知網路的參數(步驟S204、S206與S208),調整完或不需調整相關參數後,再根據偵測影像I的預測結果判斷是否調整初裁尺寸。第二實施例的影像分析模型調整方法通過步驟S210取得預測結果後,可依據預測結果之準確性判斷是否需調整初裁尺寸,從而求出初裁尺寸的最佳解。取得初裁尺寸的最佳解之後,即可執行第一實施例的影像分析模型調整方法,嘗試找出有效尺寸的最佳解,然後分析初裁尺寸和有效尺寸以計算出預定組數S。舉例來說,若在步驟S214判斷預測結果符合預期,即可以此初裁尺寸求得所需的有效尺寸,
故執行步驟S216不調整初裁尺寸,然後開始步驟S100至步驟S122之流程。若在步驟S214判斷預測結果不符預期,則可執行步驟S218調整初裁尺寸且回到步驟S200再次執行一次相關流程。確定初裁尺寸與有效尺寸的最佳解、及其相關連的預定組數S後,意即在步驟S214判斷預測結果符合預期,後續的偵測影像I就可直接依照有效尺寸進行次影像之劃分,並執行第一實施例的影像分析模型,故能快速並準確地找到最佳化匹配於影像分析模型之輸入影像和預期模型之目標標籤的分類規則,達到影像分析及辨識的目的。
預定組數S係可指有效尺寸在初裁尺寸所指定範圍內切割出來更細分的影像個數。請參閱第9圖與第10圖,第9圖為本發明實施例之初裁尺寸和有效尺寸之關聯性之示意圖,第10圖為本發明另一實施例之初裁尺寸和有效尺寸之關聯性之示意圖。如第9圖所示,有效尺寸劃分出的複數張第一次影像Is1彼此不會重疊,此態樣下的預定組數S為4,初裁尺寸所劃定範圍之初裁群G可細分成16張第一次影像Is1。如第10圖所示,有效尺寸劃分出的複數張第一次影像Is1彼此會部分重疊,此態樣下的預定組數S為7,初裁尺寸所劃定範圍之初裁群G可細分成49張第一次影像Is1。
舉例來說,偵測影像I的影像尺寸可具有2560x1280個像素,初裁尺寸可能是128個像素、或256個像素、或512個像素。多種可能的初裁尺寸分別代入第二實施例的影像分析模型調整方法,依據其所得偵測影像I的預測結果找出初裁尺寸的最佳解。若分析出初裁尺寸的最佳解為256個像素,有效尺寸可能是128個像素、或64個像素、或32個像素、或16個像素。多種可能的有效尺寸分別代入第一實施例的影像分析模型調整方法,依據其所得偵測影像I的預測結果找出有效尺寸的最佳解。若分析出有效尺寸的最佳解為64個像素,後續的偵測影
像I就以此有效尺寸執行第一實施例的影像分析模型,如此可有效濾除影像雜訊來提高系統準確性。
因此,本發明的較佳實施態樣會先執行第二實施例的影像分析模型調整方法,先利用步驟S200與S202先定位偵測影像I內的特徵範圍,然後利用步驟S204~S212調整影像分析模型內的各層參數,再利用步驟S214決定是否或如何調整初裁尺寸。初裁尺寸確認後,則執行第一實施例的影像分析模型調整方法,先利用步驟S100~S108精準化偵測影像I內的特徵,然後利用步驟S100~S117調整影像分析模型內的各層參數,再利用步驟S118~S122決定是否或如何調整有效尺寸。請參照第11圖,第11圖為本發明實施例之頻率特徵之定位與精準相關性的示意圖。如第11圖與前述內容可知,利用初裁尺寸與有效尺寸分別確認特徵範圍及精準化特徵,可以有效濾除雜訊以提高影像分析及辨識準確性。
綜上所述,本發明的影像分析設備及其影像分析模型調整方法可先依照多種可能的初裁尺寸將偵測影像劃分為大尺寸次影像,然後代入影像分析模型以求出初裁尺寸的最佳解。接著,另設定小於初裁尺寸的多種可能有效尺寸,代入影像分析模型以求出有效尺寸的最佳解。最後,使用有效尺寸將偵測影像劃分多張次影像,且依照預定組數定義初裁群,每一個初裁群以本發明的影像分析模型調整方法生成對應的整合後第一頻率域圖,轉換得出偵測影像的頻率域群資料,此頻率域群資料再代入影像分析模型可調整不同轉換階段之階段參數,達到優化下一階段預測結果之目的。
以上所述僅為本發明之較佳實施例,凡依本發明申請專利範圍所做之均等變化與修飾,皆應屬本發明之涵蓋範圍。
S100、S102、S104、S106、S108、S110、S112、S114、S116、S117、S118、S120、S122:步驟
Claims (9)
- 一種應用於一影像分析設備之影像分析模型調整方法,其中該影像分析設備具有一運算處理器與一影像取得器,該影像分析模型調整方法包含有:該運算處理器將該影像取得器取得之一偵測影像依照一有效尺寸劃分為複數張第一次影像,並將該複數張第一次影像從空間域轉換為頻率域以生成複數張第一頻率域圖;該運算處理器依照一預定組數將該複數張第一頻率域圖分配到多個初裁群;該運算處理器分析各初裁群所涵蓋之多張第一頻率域圖的相同頻率之多個頻率響應以生成一代表性頻率響應;該運算處理器整合該各個初裁群在所有頻率的多個代表性頻率響應以生成一頻率域群資料;以及該運算處理器分析該頻率域群資料來取得該偵測影像之一預測結果,並依據該預測結果決定是否調整該有效尺寸以供劃分該偵測影像。
- 如請求項1所述之影像分析模型調整方法,另包含有:該運算處理器在該相同頻率的該多個頻率響應中找出最大的頻率響應作為該代表性頻率響應。
- 如請求項1所述之影像分析模型調整方法,另包含有:該運算處理器將該偵測影像依照一初裁尺寸劃分為複數張第二次影像,並將該複數張第二次影像從空間域轉換為頻率域以生成複數張第二頻率域圖; 該運算處理器分析該複數張第二頻率域圖來取得該偵測影像之另一預測結果;以及該運算處理器依據該另一預測結果決定是否調整該初裁尺寸。
- 如請求項3所述之影像分析模型調整方法,另包含有:該運算處理器分析該有效尺寸與該初裁尺寸以計算出該預定組數。
- 如請求項3所述之影像分析模型調整方法,其中該初裁尺寸大於或等於該有效尺寸,且為該有效尺寸之一整數倍。
- 如請求項3所述之影像分析模型調整方法,另包含有:該運算處理器將該頻率域群資料經由複數個遮罩和多個濾波器轉換所得之一內積結果透過一多層感知網路轉換成一分析模型輸出層;以及該運算處理器根據該分析模型輸出層之一類別判讀結果取得該預測結果。
- 如請求項6所述之影像分析模型調整方法,另包含有:該運算處理器將該預測結果相比於一目標標籤,再依據其比較結果調整該頻率域群資料在每一轉換階段之各階段參數,從而優化下一階段之預測結果。
- 如請求項6所述之影像分析模型調整方法,另包含有:該運算處理器取得經由該類別判讀結果完成分類的複數張偵測影像,用於判斷是否調整該初裁尺寸與該有效尺寸。
- 一種影像分析設備,其包含有:一影像取得器,用來取得一偵測影像;以及一運算處理器,電連接該影像取得器,用來根據該偵測影像執行如請求項1至請求項8中任一項所述之影像分析模型調整方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111141300A TWI817797B (zh) | 2022-10-31 | 2022-10-31 | 影像分析模型調整方法及其影像分析設備 |
US18/383,038 US20240144636A1 (en) | 2022-10-31 | 2023-10-23 | Image analysis model adjustment method and image analysis apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111141300A TWI817797B (zh) | 2022-10-31 | 2022-10-31 | 影像分析模型調整方法及其影像分析設備 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI817797B true TWI817797B (zh) | 2023-10-01 |
TW202420227A TW202420227A (zh) | 2024-05-16 |
Family
ID=89858005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111141300A TWI817797B (zh) | 2022-10-31 | 2022-10-31 | 影像分析模型調整方法及其影像分析設備 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20240144636A1 (zh) |
TW (1) | TWI817797B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200105004A1 (en) * | 2014-06-10 | 2020-04-02 | Ramot At Tel-Aviv University Ltd. | Method and system for processing an image |
TW202022802A (zh) * | 2018-12-11 | 2020-06-16 | 緯創資通股份有限公司 | 辨識影像中前景物件的方法與電子裝置 |
CN113362238A (zh) * | 2021-05-21 | 2021-09-07 | 昆山丘钛光电科技有限公司 | 测试图像处理方法、装置、电子设备及存储介质 |
TWI779957B (zh) * | 2021-12-09 | 2022-10-01 | 晶睿通訊股份有限公司 | 影像分析模型建立方法及其影像分析設備 |
-
2022
- 2022-10-31 TW TW111141300A patent/TWI817797B/zh active
-
2023
- 2023-10-23 US US18/383,038 patent/US20240144636A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200105004A1 (en) * | 2014-06-10 | 2020-04-02 | Ramot At Tel-Aviv University Ltd. | Method and system for processing an image |
TW202022802A (zh) * | 2018-12-11 | 2020-06-16 | 緯創資通股份有限公司 | 辨識影像中前景物件的方法與電子裝置 |
CN113362238A (zh) * | 2021-05-21 | 2021-09-07 | 昆山丘钛光电科技有限公司 | 测试图像处理方法、装置、电子设备及存储介质 |
TWI779957B (zh) * | 2021-12-09 | 2022-10-01 | 晶睿通訊股份有限公司 | 影像分析模型建立方法及其影像分析設備 |
Also Published As
Publication number | Publication date |
---|---|
US20240144636A1 (en) | 2024-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5461630B2 (ja) | 合焦位置を決定する方法及びビジョン検査システム | |
KR102084535B1 (ko) | 결함 검사 장치, 결함 검사 방법 | |
CN104143185A (zh) | 一种污点区域检测方法 | |
CN110520768B (zh) | 高光谱光场成像方法和系统 | |
Cointault et al. | In‐field Triticum aestivum ear counting using colour‐texture image analysis | |
US11182912B2 (en) | Image registering method and apparatus | |
TWI779957B (zh) | 影像分析模型建立方法及其影像分析設備 | |
CN112149476A (zh) | 目标检测方法、装置、设备和存储介质 | |
CN110837809A (zh) | 血液自动分析方法、系统、血细胞分析仪及存储介质 | |
CN115015258A (zh) | 一种农作物长势与土壤水分关联确定方法及相关装置 | |
TWI817797B (zh) | 影像分析模型調整方法及其影像分析設備 | |
KR102630836B1 (ko) | 대기 강수가 발생하고 있는 환경의 디지털 이미지를 통한 대기 강수율의 실시간 계산 | |
Kumar et al. | A generative focus measure with application to omnifocus imaging | |
WO2021195817A1 (zh) | 一种提取待测物质的光谱信息的方法 | |
CN106682604B (zh) | 一种基于深度学习的模糊图像检测方法 | |
CN111521575B (zh) | 质控物质选择方法及装置 | |
CN115601564B (zh) | 基于图像识别的胶体轮廓检测方法及系统 | |
CN117456441A (zh) | 一种结合变化区域识别的锈斑面积扩大的监测方法与系统 | |
TWI831696B (zh) | 影像分析方法及其影像分析設備 | |
CN115984646A (zh) | 面向遥感跨卫星观测的分布式目标检测方法、装置和卫星 | |
CN115546736A (zh) | 基于图像采集的河道采砂监控处理方法及系统 | |
US11139216B2 (en) | System, method and non-transitory computer readable medium for tuning sensitivities of, and determining a process window for, a modulated wafer | |
JP2007199750A (ja) | 画素群パラメータ算出方法及び目標物検出方法並びに画素群パラメータ算出装置及び目標物検出装置 | |
US20160162753A1 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
KR102619092B1 (ko) | 영상분석방법 및 그를 포함하는 영상처리방법 |