公开(公告)号：WO2017158058A1

公开(公告)日：2017-09-21

申请号：PCT/EP2017/056172

申请日：2017-03-15

Applicant: IMRA EUROPE SAS

Inventor： TSISHKOU, Dzmitry ,  BENDAHAN, Rémy

IPC: G06N3/04 ,  G06N3/08

CPC classification number: G06K9/6257 ,  G05D1/0088 ,  G05D1/0231 ,  G05D2201/0213 ,  G06K9/00791 ,  G06K9/4676 ,  G06K9/623 ,  G06K9/6259 ,  G06K9/6277 ,  G06K9/629 ,  G06N3/0454 ,  G06N3/08 ,  G06N3/084 ,  G06N20/20

Abstract: A method to reinforce deep neural network learning capacity to classify rare cases, which comprises the steps of training a first deep neural network (DNN-A) used to classify generic cases of original data (Data-A) into specified labels (Label-A); localizing discriminative class-specific features within the original data processed through DNN-A and mapping the discriminative class-specific features as spatial-probabilistic labels (Label-B); training a second deep neural network (DNN-C) used to classify rare cases of the original data into the spatial-probabilistic labels; and training a combined deep neural network (DNN-D) used to classify both generic and rare cases of the original data into primary combined specified and spatial-probabilistic labels (Label-A+B*).

Abstract translation: 一种增强深度神经网络学习能力以对罕见情况进行分类的方法，其包括以下步骤：训练用于分类原始数据的一般情况的第一深度神经网络（DNN-A）（数据-A ）到指定的标签（Label-A）中; 将通过DNN-A处理的原始数据内的区分类别特征本地化并将区分类别特征映射为空间概率标签（标签-B）; 训练用于将原始数据的罕见情况分类为空间概率标签的第二深度神经网络（DNN-C） 并且训练用于将原始数据的一般情况和罕见情况分类为主要组合指定和空间概率标签（Label-A + B *）的组合深度神经网络（DNN-D）。

公开(公告)号：WO2017066323A1

公开(公告)日：2017-04-20

申请号：PCT/US2016/056644

申请日：2016-10-12

Applicant: XSENS HOLDING B.V.

Inventor： BELLUSCI, Giovanni ,  HOL, Jeroen ,  SLYCKE, Per

IPC: A61B5/103 ,  G01B21/00 ,  G06F15/00

CPC classification number: G01S5/0294 ,  G01S19/14 ,  G06F3/011 ,  G06K9/00342 ,  G06K9/00355 ,  G06K9/629 ,  G06T2207/30204

Abstract: An integrated inertial motion capture system includes external position aiding such as optical tracking. The integrated system addresses and corrects misalignment between the inertial (relative) and positioning reference (external) frames. This is especially beneficial when it is not feasible to rely on magnetometers to reference the heading of the inertial system. This alignment allows effective tracking of yaw in a common reference frame for all inertial sensing units, even those with no associated positional measurements. The disclosed systems and methods also enable an association to be formed between the inertial sensing units and positional measurements.

Abstract translation: 集成式惯性运动捕捉系统包括外部位置辅助如光学跟踪。 集成系统解决并纠正惯性（相对）和定位参考（外部）帧之间的偏差。 当依靠磁力计来参考惯性系统的航向是不可行的时，这是特别有利的。 该对齐允许有效跟踪所有惯性感测单元的公共参考系中的偏航，即使那些没有相关位置测量的单元也是如此。 所公开的系统和方法还能够在惯性感测单元和位置测量之间形成关联。

公开(公告)号：WO2017017685A1

公开(公告)日：2017-02-02

申请号：PCT/IL2016/050828

申请日：2016-07-28

Applicant: EMERALD MEDICAL APPLICATIONS LTD.

Inventor： SINAI, Ilan ,  ASHEROV, Marina ,  WAYN, Lior ,  ZAMIR, Adi

IPC: G06T7/00 ,  G06T7/40 ,  G06K9/00 ,  G06K9/46 ,  A61B5/00

CPC classification number: G06T7/90 ,  A61B5/0077 ,  A61B5/444 ,  G06K9/34 ,  G06K9/4652 ,  G06K9/6267 ,  G06K9/629 ,  G06K2009/6295 ,  G06T7/11 ,  G06T7/194 ,  G06T2207/10024 ,  G06T2207/30088

Abstract: A computerized system and method for analyzing a digital photograph and identifying skin areas, the method comprises three main steps. At first, transforming the digital photograph to a plurality of color bases candidates, and choosing one candidate based on highest score plane. Then, performing a segmentation of the digital photograph to a plurality of objects based on maximal separations between different object. Lastly, classifying the objects to one or more of the following categories: skin, background or underwear.

Abstract translation: 一种用于分析数码照片和识别皮肤区域的计算机化系统和方法，该方法包括三个主要步骤。 首先，将数字照片变换为多个彩色候选，并根据最高得分平面选择一个候选。 然后，基于不同对象之间的最大间隔，将数字照片分割为多个对象。 最后，将对象分为以下一个或多个类别：皮肤，背景或内衣。

公开(公告)号：WO2016140680A1

公开(公告)日：2016-09-09

申请号：PCT/US2015/019014

申请日：2015-03-05

Applicant: HEWLETT PACKARD ENTERPRISE DEVELOPMENT LP

Inventor： KAFAI, Mehran ,  AN, Le ,  MITCHELL, April Slayden

IPC: G06F17/00

CPC classification number: G06K9/00771 ,  G06K9/4676 ,  G06K9/629

Abstract: An example system is provided in according with one implementation of the present disclosure. The system includes a data engine to receive data related to an object from at least one source in communication with a first leaf node from a plurality of leaf nodes. The system also includes a processing engine to extract data features from the data related to the object to create a visual signature of the object and to transform the data features to a coded signature of the object. The system also includes a re-identification analysis engine to perform a multi-level re-identification of the object, wherein the visual signature of the object is used in a first level of re-identification and the coded signature of the object is used in at least one different level of re-identification.

Abstract translation: 根据本公开的一个实施例提供示例系统。 该系统包括数据引擎，用于接收与来自多个叶节点的与第一叶节点通信的至少一个源的对象有关的数据。 该系统还包括处理引擎，用于从与该对象相关的数据中提取数据特征以创建该对象的视觉签名并将该数据特征变换成该对象的编码签名。 该系统还包括重新识别分析引擎以执行对象的多级重新识别，其中该对象的视觉签名在第一级重新识别中使用，并且该对象的编码签名用于 至少有一个不同级别的重新识别。

公开(公告)号：WO2016087173A1

公开(公告)日：2016-06-09

申请号：PCT/EP2015/076285

申请日：2015-11-11

Applicant: CONTI TEMIC MICROELECTRONIC GMBH

Inventor： DHANA SEKARAN, Sudhan ,  FRIEBE, Markus

IPC: G06K9/00

CPC classification number: G06K9/00791 ,  G06K9/00805 ,  G06K9/209 ,  G06K9/6289 ,  G06K9/629

Abstract: A surround view system (1) comprising at least one camera pair formed by two cameras (2-i) with overlapping fields of view (FOV) adapted to generate camera images with an overlapping area (OA), and a processing unit (3) configured to compute surround view images including overlapping areas (OAs) with respect to each camera (2-i) and to extract features from the computed surround view images resulting in binary images (BI) for each overlapping area (OA), wherein priority in visualisation is given to the camera image (CI) of the overlapping area (OA), generated by the camera (2-i) of the respective camera pair where a calculated sum of binary values within the resulting binary image (BI) is highest.

Abstract translation: 一种环绕视图系统（1），包括由适于产生具有重叠区域（OA）的相机图像的具有重叠视场（FOV）的两个相机（2-i）形成的至少一个相机对，以及处理单元（3） 被配置为计算相对于每个照相机（2-i）的包括重叠区域（OAs）的环绕视图图像，并且从计算出的环绕视图图像中提取特征，导致每个重叠区域（OA）的二值图像（BI），其中， 给出由相应摄像机对的相机（2-i）产生的重叠区域（OA）的相机图像（CI），其中所计算的二进制图像（BI）中的二进制值的总和最高。

公开(公告)号：WO2016029399A1

公开(公告)日：2016-03-03

申请号：PCT/CN2014/085381

申请日：2014-08-28

Applicant: QUALCOMM INCORPORATED ,  ZHONG, Xin ,  GAO, Dashan ,  SUN, Yu ,  QI, Yingyong ,  ZHENG, Baozhong ,  BOSCH RUIZ, Marc ,  KAMATH, Nagendra

Inventor： ZHONG, Xin ,  GAO, Dashan ,  SUN, Yu ,  QI, Yingyong ,  ZHENG, Baozhong ,  BOSCH RUIZ, Marc ,  KAMATH, Nagendra

IPC: G06K9/34 ,  G06T1/00

CPC classification number: G06F3/04886 ,  G06K9/2081 ,  G06K9/3233 ,  G06K9/342 ,  G06K9/629 ,  G06K2009/3291 ,  G06T7/11

Abstract: A method includes receiving a user input (e. g., a one-touch user input), performing segmentation to generate multiple candidate regions of interest (ROIs) in response to the user input, and performing ROI fusion to generate a final ROI (e. g., for a computer vision application). In some cases, the segmentation may include motion-based segmentation, color-based segmentation, or a combination thereof. Further, in some cases, the ROI fusion may include intraframe (or spatial) ROI fusion, temporal ROI fusion, or a combination thereof.

Abstract translation: 一种方法包括接收用户输入（例如，一键式用户输入），响应于用户输入执行分割以产生多个候选兴趣区域（ROI），并执行ROI融合以产生最终ROI（例如，用于 计算机视觉应用）。 在一些情况下，分割可以包括基于运动的分割，基于颜色的分割或其组合。 此外，在一些情况下，ROI融合可以包括帧内（或空间）ROI融合，时间ROI融合或其组合。

公开(公告)号：WO2015189264A1

公开(公告)日：2015-12-17

申请号：PCT/EP2015/062930

申请日：2015-06-10

Applicant: VENTANA MEDICAL SYSTEMS, INC. ,  F. HOFFMANN-LA ROCHE AG ,  LELAND STANFORD JUNIOR UNIVERSITY

Inventor： CHUKKA, Srinivas ,  BARNES, Michael ,  KNOWLES, David

IPC: G06T7/00 ,  G06K9/00 ,  C12Q1/68 ,  G01N21/64 ,  G06K9/62

CPC classification number: G06T7/0012 ,  C12Q1/6886 ,  G01N2021/6441 ,  G06K9/00147 ,  G06K9/6228 ,  G06K9/629 ,  G06T2207/10024 ,  G06T2207/10056 ,  G06T2207/10064 ,  G06T2207/20081 ,  G06T2207/30024 ,  G06T2207/30068 ,  G06T2207/30072 ,  G06T2207/30096

Abstract: The subject disclosure presents systems and computer-implemented methods for assessing a risk of cancer recurrence in a patient based on a holistic integration of large amounts of prognostic information for said patient into a single comparative prognostic dataset. A risk classification system may be trained using the large amounts of information from a cohort of training slides from several patients, along with survival data for said patients. For example, a machine-learning-based binary classifier in the risk classification system may be trained using a set of granular image features computed from a plurality of slides corresponding to several cancer patients whose survival information is known and input into the system. The trained classifier may be used to classify image features from one or more test patients into a low-risk or high-risk group.

Abstract translation: 该主题公开提供了基于将所述患者的大量预后信息整体整合到单个比较预后数据集中来评估患者中癌症复发风险的系统和计算机实现的方法。 可以使用来自几名患者的训练幻灯片的队列中的大量信息以及所述患者的生存数据来训练风险分类系统。 例如，风险分类系统中的基于机器学习的二进制分类器可以使用从对应于其生存信息已知并输入到系统的若干癌症患者的多个幻灯片计算的一组粒状图像特征进行训练。 训练有素的分类器可用于将图像特征从一个或多个测试患者分类为低风险或高风险组。

公开(公告)号：WO2015069824A3

公开(公告)日：2015-11-12

申请号：PCT/US2014064218

申请日：2014-11-06

Applicant: UNIV LEHIGH

Inventor： HUANG XIAOLEI ,  WAN SUNHUA ,  ZHOU CHAO

IPC: G06K9/00

CPC classification number: G06K9/628 ,  G06K9/00147 ,  G06K9/6271 ,  G06K9/629 ,  G06K2009/4666 ,  G06T7/0012 ,  G06T7/11 ,  G06T7/40 ,  G06T7/41 ,  G06T11/60 ,  G06T2207/10056 ,  G06T2207/10101 ,  G06T2207/20021 ,  G06T2207/20081 ,  G06T2207/30024 ,  G06T2207/30068 ,  G06T2207/30096

Abstract: A computer diagnostic system and related method are disclosed for automatically classifying tissue types in an original tissue image captured by an imaging device based on texture analysis. The system receives and divides the tissue image into multiple smaller tissue block images. In one non-limiting embodiment, a combination of local binary pattern (LBP) and average local binary pattern (ALBP) extractions are performed on each tissue block. Other texture analysis methods may be used. The extractions generate a set of LBP and ALBP features for each block which are used to classify its tissue type. The classification results are visually displayed in a digitally enhanced map of the original tissue image. In one embodiment, a tissue type of interest is displayed in the original tissue image. In another or the same embodiment, the map displays each of the different tissue types present in the original tissue image.

Abstract translation: 公开了一种计算机诊断系统和相关方法，用于基于纹理分析来自动分类由成像装置捕获的原始组织图像中的组织类型。 系统接收并将组织图像分成多个较小的组织块图像。 在一个非限制性实施例中，在每个组织块上执行局部二进制模式（LBP）和平均局部二进制模式（ALBP）提取的组合。 可以使用其他纹理分析方法。 提取为每个块用于分类其组织类型生成一组LBP和ALBP特征。 分类结果可视化显示在原始组织图像的数字增强图中。 在一个实施例中，在原始组织图像中显示感兴趣的组织类型。 在另一个或相同的实施例中，该图显示原始组织图像中存在的每个不同组织类型。

公开(公告)号：WO2015166156A1

公开(公告)日：2015-11-05

申请号：PCT/FR2015/050939

申请日：2015-04-09

Applicant: RENAULT S.A.S.

Inventor： IBANEZ-GUZMAN, Javier ,  FREMONT, Vincent ,  BONNET, Stéphane ,  DE MIRANDA NETO, Arthur

IPC: B60W30/095 ,  G06K9/62

CPC classification number: B60W30/0956 ,  B60W40/04 ,  B60W2420/42 ,  B60W2420/52 ,  B60W2550/10 ,  B60W2550/302 ,  G01C21/3697 ,  G01S13/86 ,  G01S13/862 ,  G01S13/865 ,  G01S13/867 ,  G01S13/931 ,  G06K9/00791 ,  G06K9/629

Abstract: Le dispositif de signalisation en temps réel d'au moins un objet à un module (60) de navigation de véhicule comprend un premier capteur (1 ) agencé pour produire des données de premier capteur comportant une première position et une première vitesse capturées d'objet par rapport au véhicule. De plus, le dispositif comprend : au moins un deuxième capteur (2, 3, 4) agencé pour produire des données de deuxième capteur comportant une deuxième position et une deuxième vitesse capturées d'objet par rapport au véhicule; un module (20) de synchronisation agencé pour produire des données synchronisées comportant une première position synchronisée à partir de la première position et de la première vitesse capturées et au moins une deuxième position synchronisée à partir de la deuxième position et de la deuxième vitesse capturées; un module (30) de fusion agencé pour produire des données fusionnées comportant une position fusionnée à partir de la première position synchronisée et de la deuxième position synchronisée de façon à signaler ledit au moins un objet au module (60) de navigation en lui communiquant tout ou partie des données fusionnées.

Abstract translation: 用于将车辆导航模块（60）的至少一个物体实时发信号的装置包括：第一传感器（1），被配置为产生第一传感器数据，该第一传感器数据包括第一捕获位置和第一捕获速度， 车辆。 所述装置还包括：至少一个第二传感器（2,3,4），其布置成产生第二传感器数据，所述第二传感器数据包括所述物体相对于所述车辆的第二捕获位置和第二捕获速度; 同步模块（20）被布置成产生包括来自第一捕获位置的第一同步位置和第一捕获速度的同步数据以及与第二捕获位置和第二捕获速度的至少一个第二同步位置; 合并模块（30），其被布置为产生包括从第一同步位置和第二同步位置的合并位置的合并数据，以便将所述至少一个对象信号通知所述至少一个对象到所述导航模块（60） 的合并数据。

公开(公告)号：WO2013175484A2

公开(公告)日：2013-11-28

申请号：PCT/IN2013/000139

申请日：2013-03-08

Applicant: TATA CONSULTANCY SERVICES LIMITED

Inventor： SINHA, Aniruddha ,  CHAKRAVARTY, Kingshuk ,  GUPTA, Rohit Kumar ,  PAL, Arpan ,  BASU, Anupam

IPC: G06F3/03

CPC classification number: G06F3/017 ,  A63F13/213 ,  A63F13/215 ,  G06F3/011 ,  G06K9/00335 ,  G06K9/629 ,  G06K9/6293

Abstract: A device and a method facilitating generation of one or more intuitive gesture sets for the interpretation of a specific purpose are disclosed. Data is captured in a scalar and a vector form which is further fused and stored. The intuitive gesture sets generated after the fusion are further used by one or more components/devices/modules for one or more specific purpose. Also incorporated is a system for playing a game. The system receives one or more actions in a scalar and a vector form from one or more user in order to map the action with at least one prestored gesture to identify a user in control amongst a plurality of users and interpret the action of user for playing the game. In accordance with the interpretation, an act is generated by the one or more component of the system for playing the game.

Abstract translation: 公开了一种便于产生用于解释特定目的的一个或多个直观手势集的装置和方法。 以标量和向量形式捕获数据，进一步融合和存储。 一个或多个组件/设备/模块进一步使用融合之后产生的直觉手势集合用于一个或多个特定目的。 还包括玩游戏的系统。 该系统以一个或多个用户的标量和向量形式接收一个或多个动作，以便利用至少一个预存的手势来映射动作，以便在多个用户之间的控制中识别用户，并且解释用户播放的动作 游戏。 根据解释，系统的一个或多个部件产生一个动作，用于玩游戏。