Einige Inhalte dieser Anwendung sind momentan nicht verfügbar.
Wenn diese Situation weiterhin besteht, kontaktieren Sie uns bitte unterFeedback&Kontakt
1. (WO2019057402) VERFAHREN ZUR ERKENNUNG EINER OBJEKTINSTANZ UND/ODER ORIENTIERUNG EINES OBJEKTS
Aktuellste beim Internationalen Büro vorliegende bibliographische Daten    Einwendung einreichen

Veröff.-Nr.: WO/2019/057402 Internationale Anmeldenummer PCT/EP2018/072085
Veröffentlichungsdatum: 28.03.2019 Internationales Anmeldedatum: 15.08.2018
Antrag nach Kapitel 2 eingegangen: 05.02.2019
IPC:
G06K 9/00 (2006.01) ,G06T 7/70 (2017.01)
G Physik
06
Datenverarbeitung; Rechnen; Zählen
K
Erkennen von Daten; Darstellen von Daten; Aufzeichnungsträger; Handhabung von Aufzeichnungsträgern
9
Verfahren oder Anordnungen zum Lesen oder Erkennen gedruckter oder geschriebener Zeichen oder zum Erkennen von Mustern, z.B. Fingerabdrücken
[IPC code unknown for G06T 7/70]
Anmelder:
SIEMENS AKTIENGESELLSCHAFT [DE/DE]; Werner-von-Siemens-Straße 1 80333 München, DE
Erfinder:
ILIC, Slobodan; DE
ZAKHAROV, Sergey; DE
Prioritätsdaten:
10 2017 216 821.822.09.2017DE
Titel (EN) METHOD FOR IDENTIFYING AN OBJECT INSTANCE AND/OR ORIENTATION OF AN OBJECT
(FR) PROCÉDÉ DE RECONNAISSANCE D’UNE INSTANCE D’OBJET ET/OU D’UNE ORIENTATION D’UN OBJET
(DE) VERFAHREN ZUR ERKENNUNG EINER OBJEKTINSTANZ UND/ODER ORIENTIERUNG EINES OBJEKTS
Zusammenfassung:
(EN) The invention relates to a method for identifying an object instance of located objects (10) in noisy environments (14) by means of an artificial neural network (CNN), having the steps of: recording a plurality of images (x) of at least one object (10) for the purpose of obtaining a plurality of samples (s) containing image data (x), object identity (c) and orientation (q); generating a training set (Strain) and a template set (Sdb) from the samples; training the artificial neural network (CNN) using the training set (Strain) and a loss function (L), determining the object instance and/or the orientation of the object (10) by evaluating the template set (Sdb) using the artificial neural network. The invention proposes that the loss function used for training has a dynamic margin.
(FR) La présente invention concerne un procédé de reconnaissance d’objet pour des objets localisés (10) dans des environnements soumis à des perturbations (14) au moyen d’un réseau neuronal artificiel (CNN). Ledit procédé comprend les étapes suivantes : la capture d’une pluralité d’images (x) d’au moins un objet (10) dans le but d’obtenir une pluralité d’échantillons (s) qui contiennent des données d’image (x), une identité d’objet (c) et une orientation (q) ; la génération d’une quantité d’apprentissage (Strain) et d’une quantité de modèles (Sdb) à partir des échantillons ; l’apprentissage du réseau neuronal artificiel (CNN) au moyen de la quantité d’apprentissage (Strain) et d’une fonction de perte (L), la détermination de l’instance d’objet et/ou de l’orientation de l’objet (10) par évaluation de la quantité de modèles (Sdb) au moyen du réseau neuronal artificiel. Selon l’invention, la fonction de perte employée pour l’apprentissage comprend une marge dynamique.
(DE) Die Erfindung betrifft ein Verfahren zum Erkennen einer Objektinstanz von lokalisierten Objekten (10) in störbehafteten Umgebungen (14) mittels eines künstlichen neuronalen Netzwerks (CNN) mit den Schritten: Aufnehmen einer Mehrzahl von Bildern (x) wenigstens eines Objekts (10) zwecks Erhalt einer Mehrzahl von Sampeln (s), die Bilddaten (x), Objektidentität (c) und Orientierung (q) enthalten; Erzeugen einer Trainingsmenge (Strain) und einer Templatemenge (Sdb) aus den Sampeln; Trainieren des künstlichen neuronalen Netzwerks (CNN) mittels der Trainingsmenge (Strain) und einer Lossfunktion (L), Ermitteln der Objektinstanz und/oder der Orientierung des Objekts (10) durch Auswerten der Templatemenge (Sdb) mittels des künstlichen neuronalen Netzwerks. Erfindungsgemäß wird vorgeschlagen, dass die zum Trainieren angewandte Lossfunktion einen dynamischen Margin aufweist.
front page image
Designierte Staaten: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasische Patentorganisation (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Europäisches Patentamt (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Veröffentlichungssprache: Deutsch (DE)
Anmeldesprache: Deutsch (DE)