公开(公告)号：US20130243309A1

公开(公告)日：2013-09-19

申请号：US13892102

申请日：2013-05-10

申请人： NBCUniversal Media, LLC

发明人： Yan Tong ,  Xiaoming Liu ,  Jilin Tu ,  Peter Henry Tu ,  Frederick Wilson Wheeler

IPC分类号： G06K9/66

CPC分类号： G06K9/66 ,  G06K9/00228 ,  G06T7/33 ,  G06T7/35 ,  G06T2207/20121 ,  G06T2207/30201

摘要： A system and method for estimating a set of landmarks for a large image ensemble employs only a small number of manually labeled images from the ensemble and avoids labor-intensive and error-prone object detection, tracking and alignment learning task limitations associated with manual image labeling techniques. A semi-supervised least squares congealing approach is employed to minimize an objective function defined on both labeled and unlabeled images. A shape model is learned on-line to constrain the landmark configuration. A partitioning strategy allows coarse-to-fine landmark estimation.

摘要翻译： 用于估计大图像集合的一组地标的系统和方法仅使用来自集合的少量手动标记的图像，并且避免与手动图像标签相关联的劳动密集型和易出错的对象检测，跟踪和对准学习任务限制 技术 采用半监督的最小二乘法凝结方法来最小化在标记和未标记图像上定义的目标函数。 形状模型在线学习以约束地标配置。 分区策略允许粗略到精细的地标估计。

公开(公告)号：US08897550B2

公开(公告)日：2014-11-25

申请号：US13892102

申请日：2013-05-10

申请人： NBCUniversal Media, LLC

发明人： Yan Tong ,  Xiaoming Liu ,  Jilin Tu ,  Peter Henry Tu ,  Frederick Wilson Wheeler

IPC分类号： G06K9/00 ,  G06T7/00 ,  G06K9/66

CPC分类号： G06K9/66 ,  G06K9/00228 ,  G06T7/33 ,  G06T7/35 ,  G06T2207/20121 ,  G06T2207/30201

摘要： A system and method for estimating a set of landmarks for a large image ensemble employs only a small number of manually labeled images from the ensemble and avoids labor-intensive and error-prone object detection, tracking and alignment learning task limitations associated with manual image labeling techniques. A semi-supervised least squares congealing approach is employed to minimize an objective function defined on both labeled and unlabeled images. A shape model is learned on-line to constrain the landmark configuration. A partitioning strategy allows coarse-to-fine landmark estimation.

摘要翻译： 用于估计大图像集合的一组地标的系统和方法仅使用来自集合的少量手动标记的图像，并且避免与手动图像标签相关联的劳动密集型和易出错的对象检测，跟踪和对准学习任务限制 技术 采用半监督的最小二乘法凝结方法来最小化在标记和未标记图像上定义的目标函数。 形状模型在线学习以约束地标配置。 分区策略允许粗略到精细的地标估计。