-
公开(公告)号：KR102279508B1
公开(公告)日：2021-07-21
申请号：KR1020167007612
申请日：2014-08-04
IPC分类号： G06T7/00 , A61B5/02 , A61B5/00 , G06K9/46 , G06K9/66 , G06N7/00 , G06N20/00 , G16H50/20 , G16H50/50
摘要： 혈관의기하학적구조, 생리학및 혈역학과같은인자들로부터관동맥병변들의위치, 발병및/또는변화를예측하기위한시스템들및 방법들이개시되어있다. 하나의방법은복수의개인의각각에대해, 개인의맥관계의일부에대한기하학적모델및 혈류특성들및 플라크정보를획득하는단계; 복수의개인의각각에대한기하학적모델들과혈류특성들, 및복수의개인의기하학적모델들과혈류특성들내의플라크의존재를예측하는특징들에기초하여기계학습알고리즘을트레이닝하는단계; 환자에대해, 환자의맥관계의일부에대한기하학적모델과혈류특성들을획득하는단계; 및환자의기하학적모델과혈류특성들에대한기계학습알고리즘을실행하여, 예측특징들에기초하여환자의기하학적모델에서의적어도하나의지점에대한환자의플라크정보를결정하는단계를포함한다.
-
公开(公告)号：KR102246222B1
公开(公告)日：2021-04-30
申请号：KR1020157008215
申请日：2013-09-13
申请人： 에스지 게이밍, 인코포레이티드.
发明人： 켈리,제임스,브이. , 즈베르코프,블라디슬라브 , 밀러,브라이언
摘要： 카드핸들링장치에대한교정파일을자동으로생성하는방법은카드핸들링장치의메인제어시스템의메모리저장된교정파일을자동으로생성하는단계를포함한다. 교정파일을자동으로생성하는단계는상기카드의적어도일부분의랭크주변의랭크영역과연관된적어도하나의파라미터를식별하는단계및 상기카드의적어도일부분의슈트주변의슈트영역과연관된적어도하나의파라미터를식별하는단계, 및상기랭크영역과연관된적어도하나의파라미터및 상기슈트영역과연관된적어도하나의파라미터를교정파일에저장하는단계를포함한다. 덧붙여, 하나이상의카드데크에대한데크라이브러리를자동으로생성하는방법은교정파일로부터의파라미터를이용해제 1 데크유형의카드에대한복수의마스터이미지를자동으로생성하는단계를포함한다.
-
公开(公告)号：KR102235990B1
公开(公告)日：2021-04-05
申请号：KR1020167008387
申请日：2014-10-06
摘要： (과제) 문장보다작은단위로모순표현을효율적으로수집할수 있는장치를제공한다. (해결수단) 모순표현수집장치는「X가 Y를○○한다」라고하는형식의패턴으로이루어지는패턴쌍을학습데이터로하는기계학습에의해, 서로모순되는패턴으로이루어지는패턴쌍을추출하는제 1 단계모순패턴분류부와, 추출된패턴쌍의각각에대해서함의관계를적용하여일방의패턴을갱신하여새로운패턴쌍을도출하는추가모순패턴쌍도출부(130)와, 도출된새로운패턴쌍중에서서로모순되는패턴으로이루어질가능성이높은패턴쌍을학습데이터에추가함으로써학습데이터를확장하는학습데이터확장부(136)와, 확장된학습데이터를사용한기계학습에의해주어진패턴쌍을서로모순되는패턴으로이루어지는패턴쌍과그 이외로분류하는제 2 단계분류를행하는 SVM(142)을포함한다.
-
公开(公告)号：KR20210027522A
公开(公告)日：2021-03-10
申请号：KR20217006252
申请日：2017-08-08
IPC分类号： G06F16/58 , G06F3/0482 , G06K9/52 , G06K9/62 , G06K9/66 , G06N5/02 , G06N7/00 , G06Q30/06 , G06T11/20
摘要： 다양한예시적인실시예에서, 확인된특성을갖는아이템을결정하는시스템및 방법이본 명세서에설명된다. 객체를묘사하는이미지가클라이언트장치로부터수신된다. 하나이상의아이템의특성에대응하는구조화된데이터가검색된다. 특성세트가결정되되, 이특성세트는객체와매칭될것으로예측된다. 특성세트의확인에대한요청을포함하는인터페이스가생성된다. 이인터페이스는클라이언트장치상에디스플레이된다. 특성세트로부터의적어도하나의특성이이미지에묘사된객체와매칭된다는확인이클라이언트장치로부터수신된다.
-
公开(公告)号：KR20200124648A
公开(公告)日：2020-11-03
申请号：KR20207020005
申请日：2019-01-09
申请人： MOVIDIUS LTD
发明人： MOLONEY DAVID , DEHGHANI ALIREZA
IPC分类号： H04N5/232 , G06K9/00 , G06K9/20 , G06K9/62 , G06K9/66 , G06N3/04 , G06N3/08 , G10L25/51 , G10L25/78 , H04N5/225
摘要： 예시적인모바일카메라는, 제1 피처가제1 센서데이터에서검출되는것에응답하여제1 센서데이터에서제1 피처를인식하는제1 컨볼루션신경망; 제1 컨볼루션신경망이제1 피처를인식하는것에응답하여모바일카메라를제1 피처검출상태로부터제2 피처검출상태로전환―모바일카메라는제1 피처검출상태보다제2 피처검출상태에서더 높은전력소비를사용해서동작함―하는상태전환기; 제2 피처검출상태에서제2 센서데이터에서제2 피처를인식하는제2 컨볼루션신경망; 및제1 피처에대응하는제1 메타데이터또는제2 피처에대응하는제2 메타데이터중 적어도하나를외부장치에송신하는통신인터페이스를포함한다.
-
公开(公告)号：KR20180028442A
公开(公告)日：2018-03-16
申请号：KR20187000472
申请日：2016-06-27
申请人： QUALCOMM INC
CPC分类号： G06K9/66 , G06K9/00684 , G06K9/3241 , G06K9/4628 , G06K9/6267 , G06K9/72 , G06N3/02
摘要： 이미지들에서오브젝트들을검출하기위해머신러닝네트워크들 (예를들어, 신경망들) 에서콘텍스트-기반프라이어들이이용된다. 오브젝트들의가능성있는로케이션들이콘텍스트라벨들에기초하여추정된다. 머신러닝네트워크는전체이미지의콘텍스트라벨을식별한다. 그것에기초하여, 네트워크는이미지에서관심있는오브젝트들을검출할가능성있는영역들의세트를선택한다.
摘要翻译： 机器学习网络（例如神经网络）中使用基于上下文的煎锅来检测图像中的物体。 对象的可能位置根据上下文标签进行估计。 机器学习网络识别整个图像的上下文标签。 基于此，网络选择一组可能区域来检测图像中感兴趣的对象。
-
公开(公告)号：KR101824600B1
公开(公告)日：2018-03-14
申请号：KR1020150127147
申请日：2015-09-08
申请人： 에스케이플래닛 주식회사
CPC分类号： G06K9/325 , G06K9/00449 , G06K9/4604 , G06K9/4628 , G06K9/4652 , G06K9/6272
摘要： 본발명은단말장치의카드번호및 유효기간번호인식수행방법및 시스템에관한것으로서, 보다상세하게는, (a) 상기단말장치의카메라를통하여카드이미지를획득하는단계, (b) 상기 (a)단계에서획득한이미지로부터카드번호의위치검출및 숫자인식을수행하는단계및 (c) 상기 (a)단계에서획득한이미지로부터유효기간번호의위치검출및 숫자인식을수행하는단계를포함한다. 본발명에따르면, 영상처리기반의기술에비해인식률을향상시킬수 있다.
-
公开(公告)号：KR101766138B1
公开(公告)日：2017-08-07
申请号：KR1020160054594
申请日：2016-05-03
申请人： 현대자동차주식회사
IPC分类号： G06K9/00 , B60W30/16 , B60W40/02 , B60R21/0134 , G06K9/66
CPC分类号： G06K9/00825 , B60R21/0134 , B60W30/16 , B60W40/02 , B60W2300/00 , B60Y2300/16 , G06K9/66
摘要： 본발명의일 실시예에따른전방차량검출장치는동일한거리에서획득된복수의차량의후방영상내의일부영역인제 1 타겟영역및 제 2 타겟영역을기준차량과의너비차이에따라서로다른오프셋거리를갖도록편집한차량유형별 학습데이터를저장하는저장부, 전방차량의후방영상을획득하는영상획득부, 및상기획득된영상을상기차량유형별 학습데이터와비교하여상기전방차량을검출하는검출부를포함할수 있다.
摘要翻译： 根据本发明的实施方式的前方车辆检测装置是一个不同的偏移沿着在西班牙第一靶结构域的部分区域和所述多个以相同的距离而获得的标准车辆之间的宽度差的车辆的后部图像中的第二目标区域距离在 以及检测单元，用于通过将获得的图像与每种车型的学习数据进行比较来检测前方车辆，以及检测单元，用于通过将获得的图像与每种车型的学习数据进行比较来检测前方车辆 。
-
公开(公告)号：KR1020160087738A
公开(公告)日：2016-07-22
申请号：KR1020150173974
申请日：2015-12-08
申请人： 삼성전자주식회사
摘要： 이벤트기반센서를이용한객체의검출방법및 장치가개시된다. 일실시예에따른객체검출방법은이벤트이미지에포함된, 대상픽셀들및 이웃픽셀들에기초하여특징벡터를결정하는단계와, 특징벡터에기초하여대상픽셀들에대응하는대상객체를결정하는단계를포함한다.
摘要翻译： 公开了一种使用基于事件的传感器来检测物体的方法和装置。 根据本发明的实施例，用于检测对象的方法包括以下步骤：基于包括在事件图像中的目标像素和相邻像素来确定特征向量; 以及基于所述特征向量来确定与所述目标像素对应的目标对象。
-
公开(公告)号：KR1020160067102A
公开(公告)日：2016-06-13
申请号：KR1020167008387
申请日：2014-10-06
CPC分类号： G06N99/005 , G06F17/2785 , G06K9/6263 , G06K9/6269 , G06K9/72 , G06K2209/01 , G06N5/047 , G06K9/66
摘要： (과제) 문장보다작은단위로모순표현을효율적으로수집할수 있는장치를제공한다. (해결수단) 모순표현수집장치는「X가 Y를○○한다」라고하는형식의패턴으로이루어지는패턴쌍을학습데이터로하는기계학습에의해, 서로모순되는패턴으로이루어지는패턴쌍을추출하는제 1 단계모순패턴분류부와, 추출된패턴쌍의각각에대해서함의관계를적용하여일방의패턴을갱신하여새로운패턴쌍을도출하는추가모순패턴쌍도출부(130)와, 도출된새로운패턴쌍중에서서로모순되는패턴으로이루어질가능성이높은패턴쌍을학습데이터에추가함으로써학습데이터를확장하는학습데이터확장부(136)와, 확장된학습데이터를사용한기계학습에의해주어진패턴쌍을서로모순되는패턴으로이루어지는패턴쌍과그 이외로분류하는제 2 단계분류를행하는 SVM(142)을포함한다.
摘要翻译： 对象是提供能够以小于句子的单位有效地收集矛盾表达的装置。 解决方案：一种矛盾表现收集装置，包括：第一阶段矛盾模式分类单元，通过机器学习提取由相互矛盾模式组成的模式对，使用由“对象X谓词对象Y”形式的模式组成的训练数据模式对， ; 另外的矛盾图案对导出单元130通过使用包含关系重写每个提取的图案对的一个图案来导出新的图案对; 训练数据扩展单元，用于通过向训练数据添加那些非常可能由相互矛盾的模式组成的新导出的模式对的扩展来扩展训练数据; 以及基于使用扩展的训练数据的机器学习，执行将给定图案对分类到由相互矛盾的图案组成的图案对和其他对的第二阶段分类的SVM 142。
-
-
-
-
-
-
-
-
-
搜索结果
102 条记录 (耗时 0.023 秒)
