検出装置、検出方法及びプログラム

    公开(公告)号:WO2022196156A1

    公开(公告)日:2022-09-22

    申请号:PCT/JP2022/004161

    申请日:2022-02-03

    IPC分类号: G06T7/00 G06T7/143 G06T7/60

    摘要: [課題]歪みを有する線分を検出する。 [解決手段]検出装置は、処理回路と、記憶回路と、を備え、画像における対象を検出する。前記処理回路は、前記画像から2値化画像を生成し、前記2値化画像をクラスタリングし、前記クラスタリングされた結果の統計量を算出して定量化し、前記定量化した結果に基づいて、前記対象を検出する。

    영상 내에서 객체를 추론하는 전자 장치 및 추론 방법

    公开(公告)号:WO2022019580A1

    公开(公告)日:2022-01-27

    申请号:PCT/KR2021/009201

    申请日:2021-07-16

    摘要: 전자 장치가 컨볼루션 신경망(Convolution Neural Network: CNN) 모델을 이용하여 동영상 내에서 객체를 추론하는 방법이 제공된다. 상기 방법은, 상기 동영상 내의 복수의 프레임들 중 제1 프레임을, 상기 컨볼루션 신경망 모델 내의 순차적으로 연결된 복수의 컨볼루션 레이어 그룹들에 제공하여, 상기 제1 프레임 내의 제1 관심 영역 및 상기 제1 관심 영역 내의 제1 객체를 식별하는 단계, 복수의 프레임들 중 제2 프레임 내의 제2 관심 영역을 식별하되, 상기 제2 관심 영역은 상기 제1 관심 영역에 대응되고, 상기 제2 프레임은 상기 제1 프레임 이후의 프레임인, 단계, 상기 제2 관심 영역을 상기 컨볼루션 신경망 모델에 제공하고, 상기 복수의 컨볼루션 레이어 그룹들 중 제1 컨볼루션 레이어 그룹으로부터 출력되는 제1 출력 데이터를 획득하는 단계, 상기 제1 출력 데이터에 기초하여, 상기 복수의 컨볼루션 레이어 그룹들 중에서 상기 제1 컨볼루션 레이어 그룹 이후의 제2 컨볼루션 레이어 그룹을 이용하여, 상기 제2 관심 영역 내의 제2 객체를 식별할 지를 결정하는 단계를 포함할 수 있다.

    도로면 폐색 영역 복원 장치 및 방법

    公开(公告)号:WO2018101746A3

    公开(公告)日:2018-06-07

    申请号:PCT/KR2017/013839

    申请日:2017-11-29

    发明人: 전영재

    IPC分类号: G06T7/11 G06T7/90 G06T7/143

    摘要: 도로면 폐색 영역 복원 장치 및 방법이 개시된다. 본 발명의 도로면 폐색 영역 복원 장치는 MMS(Mobile Mapping System)에 의해 획득된 3차원 점군에서 이상 점군을 제거하는 이상 점군 제거 로직; 이상 점군 제거 로직에 의해 이상 점군이 제거된 영상에서 폐색 영역을 검출하는 폐색 영역 검출 로직; 폐색 영역 검출 로직에 의해 검출된 폐색 영역에 가상의 점군을 생성하는 점군 생성로직; 및 점군 생성로직에 의해 생성된 가상의 점 각각을 다시점 이미지로 투영하고, 다시점 이미지 내 가상의 점 각각의 색상을 그레이 스케일로 변경하여 폐색 영역을 복원하는 폐색 영역 복원 로직을 포함하는 것을 특징으로 한다.

    SYSTEM ZUR DYNAMISCHEN KONTRASTMAXIMIERUNG ZWISCHEN VORDERGRUND UND HINTERGRUND IN BILDERN ODER/UND BILDSEQUENZEN
    5.
    发明申请
    SYSTEM ZUR DYNAMISCHEN KONTRASTMAXIMIERUNG ZWISCHEN VORDERGRUND UND HINTERGRUND IN BILDERN ODER/UND BILDSEQUENZEN 审中-公开
    面向动态对比度的前景和背景,图像或/和图像序列之间最大限度地提高

    公开(公告)号:WO2018069219A1

    公开(公告)日:2018-04-19

    申请号:PCT/EP2017/075624

    申请日:2017-10-09

    申请人: UNIQFEED AG

    发明人: DRAGON, Ralf

    摘要: Die Erfindung betrifft ein System zur dynamischen Kontrastmaximierung zwischen Vordergrund und Hintergrund in Bildern oder/und Bildsequenzen, umfassend wenigstens eine Bildaufnahmeeinrichtung (C1, C2), wenigstens ein mit der Bildaufnahmeeinrichtung (C1, C2) verbundenes Analysemodul (A1, A2), das dazu eingerichtet ist, eine Transformation zwischen einem zweidimensionalen Koordinatensystem der Bildaufnahmeeinrichtung (C1, C2) und einem zweidimensionalen Koordinatensystem einer Displayvorrichtung (L) zu bestimmen, eine Segmentierung durchzuführen, um in einem Bild wenigstens Verdeckungen von Hintergrundobjekten durch Vordergrundobjekte zu bestimmen, wenigstens ein mit dem Analysemodul (A1, A2) verbundenes Kontrollmodul (K), wenigstens eine Displayvorrichtung (L), die dazu eingerichtet ist, Anzeigeinformation, insbesondere Videoclips, darzustellen, wobei die Bildaufnahmeeinrichtung (C1. C2) dazu eingerichtet ist, die auf der Displayvorrichtung (L) dargestellte Anzeigeinformation aufzunehmen, wobei das Analysemodul (A1, A2) weiter dazu eingerichtet ist, Qualitätsdaten über die Segmentierung zu ermitteln und an das Kontrollmodul (K) zu senden, und wobei das Kontrollmodul (K) dazu eingerichtet ist, die auf der Displayvorrichtung (L) dargestellten Anzeigeinformationen basierend auf den Qualitätsdaten anzupassen.

    摘要翻译:

    本发明涉及一种用于在图像和/或图像序列的前景和背景之间的动态对比度最大化,其包括至少一个图像记录装置(C1,C2),所述连接到所述分析模块的图像拾取装置(C1,C2)中的至少一个(系统 A1,A2),其适于确定由背景对象的掩蔽效果的图像拾取装置(C1,C2)的显示装置(L),一分割durchzuf导航使用铅的图像中的至少一个二维坐标系统的二维坐标系之间的变换 以确定前景对象,至少一个与所述分析模块(A1,A2),连接到所述控制模块(K),至少一个显示装置(L),其适于显示信息,特别是视频剪辑,显示器,其中俘获装置(C1,C2)中的图像被适配为 ,显示装置(L)上显示的显示器插入物 ormation记录,其中,所述分析模块(A1,A2)还适于质量BEAR tsdaten导航用途来确定关于分割和至所述控制模块(K)来传送,并且其中,所述控制模块(K)被设置为那些对 根据质量数据显示设备(L)。

    METHODS AND APPARATUSES FOR VISUALIZATION OF TUMOR SEGMENTATION

    公开(公告)号:WO2022185222A1

    公开(公告)日:2022-09-09

    申请号:PCT/IB2022/051817

    申请日:2022-03-02

    申请人: NOVOCURE GMBH

    IPC分类号: G06T7/11 G06T7/143

    摘要: A computer-implemented method for tumor segmentation, the method comprises obtaining image data of a region of interest of a subject's body, wherein the region of interest corresponds to a tumor of the subject's body, generating two or more tumor segmentation predictions based on the image data, calculating a divergence between the two or more tumor segmentation predictions, and generating a visualization of tumor segmentation uncertainty based on the calculated divergence between the two or more tumor segmentation predictions.

    TRAINING EINES GENERATORS ZUR ERZEUGUNG REALISTISCHER BILDER MIT EINEM SEMANTISCH SEGMENTIERENDEN DISKRIMINATOR

    公开(公告)号:WO2022043203A1

    公开(公告)日:2022-03-03

    申请号:PCT/EP2021/073121

    申请日:2021-08-20

    申请人: ROBERT BOSCH GMBH

    摘要: Verfahren (100) zum Trainieren eines Generators (1) für Bilder (3) aus einer semantischen Karte (2, 5a), die jedem Pixel des Bildes (3) eine semantische Bedeutung (4) eines Objekts, zu dem dieses Pixel gehört, zuordnet, wobei - die vom Generator (1) erzeugten Bilder (3) und das mindestens eine reale Trainingsbild (5), die zur gleichen semantischen Trainingskarte (5a) gehören, werden einem Diskriminator (7) zugeführt (140), woraufhin der Diskriminator (7) eine semantische Segmentierung (6) des ihm zugeführten Bildes (3, 5) ermittelt (150), die jedem Pixel dieses Bildes (3, 5) eine semantische Bedeutung (4) zuordnet; - aus der vom Diskriminator (7) ermittelten semantischen Segmentierung (6) wird ausgewertet (160), ob das dem Diskriminator (7) zugeführte Bild (3, 5) ein erzeugtes Bild (3) oder ein reales Trainingsbild (5) ist.

    A SYSTEM AND METHOD FOR CLASSIFYING IMAGES OF RETINA OF EYES OF SUBJECTS

    公开(公告)号:WO2021175478A1

    公开(公告)日:2021-09-10

    申请号:PCT/EP2020/086107

    申请日:2020-12-15

    申请人: VITO NV

    发明人: ELEN, Bart

    摘要: The invention relates to a computing system and a computer-implemented method for classifying images of retina of eyes of subjects. A captured image of a retina is processed to obtain a plurality of different segmented images each having different selected portions of the captured image using different selection rules. The multiple segmented images are provided to respective dedicated machine learning models to output an image classification based on the respective segmented images provided as input. An ensemble classification is determined based on the multiple classifications obtained by means of the multiple trained machine learning models.