WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2006013514) SYSTEM AND METHOD FOR AUTOMATED SUSPICIOUS OBJECT BOUNDARY DETERMINATION
Latest bibliographic data on file with the International Bureau   

Pub. No.:    WO/2006/013514    International Application No.:    PCT/IB2005/052445
Publication Date: 09.02.2006 International Filing Date: 21.07.2005
IPC:
G06T 5/00 (2006.01)
Applicants: KONINKLIJKE PHILIPS ELECTRONICS N.V. [NL/NL]; Groenewoudseweg 1, NL-5621 BA Eindhoven (NL) (For All Designated States Except US).
ZHAO, Luyin [US/US]; (US) (For US Only).
SCHAFFER, James D. [US/US]; (US) (For US Only)
Inventors: ZHAO, Luyin; (US).
SCHAFFER, James D.; (US)
Common
Representative:
KONINKLIJKE PHILIPS ELECTRONICS N.V.; c/o John F. Vodopia, P.O. Box 3001, Briarcliff Manor, NY 10510-8001 (US)
Priority Data:
60/591,075 26.07.2004 US
Title (EN) SYSTEM AND METHOD FOR AUTOMATED SUSPICIOUS OBJECT BOUNDARY DETERMINATION
(FR) SYSTEME ET PROCEDE POUR LA DETERMINATION AUTOMATISEE DE LIMITE D'OBJET SUSPECT
Abstract: front page image
(EN)A system and method is provided for automated suspicious object boundary determination using a machine learning system (300) and genetic algorithms. The machine learning system (300) is trained (204) and tested (205) using sets of pre-categorized examples. Genetic algorithms assign initial parameter values (201), evaluate the system's performance (206) during testing and assign a performance rating (207), whereupon if the rating is acceptable, the current machine learning system's settings are assigned as default parameters (209) for future suspicious object segmentation. However, if the performance rating is unacceptable, the genetic algorithms adjust the settings (210) and retrain the system using the newly adjusted settings.
(FR)L'invention concerne un système et un procédé pour la détermination automatisée de limite d'objet suspect qui font intervenir un système d'apprentissage automatique (300) et des algorithmes génétiques. Le système d'apprentissage automatique (300) est entraîné (204) et testé (205) au moyen d'ensembles d'exemples pré-catégorisés. Les algorithmes génétiques attribuent des valeurs de paramètre initiales (201), évaluent la performance système (206) pendant le test et attribuent une note de performance (207). Si la note est acceptable, les réglages courants du système d'apprentissage automatique sont attribués en tant que paramètres par défaut (209) pour une future segmentation d'objet suspect. Toutefois, si la note de performance n'est pas acceptable, les algorithmes génétiques ajustent les réglages (210) et procèdent à un nouvel entraînement du système au moyen des paramètres nouvellement ajustés.
Designated States: AE, AG, AL, AM, AT, AU, AZ, BA, BB, BG, BR, BW, BY, BZ, CA, CH, CN, CO, CR, CU, CZ, DE, DK, DM, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, HR, HU, ID, IL, IN, IS, JP, KE, KG, KM, KP, KR, KZ, LC, LK, LR, LS, LT, LU, LV, MA, MD, MG, MK, MN, MW, MX, MZ, NA, NG, NI, NO, NZ, OM, PG, PH, PL, PT, RO, RU, SC, SD, SE, SG, SK, SL, SM, SY, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, YU, ZA, ZM, ZW.
African Regional Intellectual Property Organization (BW, GH, GM, KE, LS, MW, MZ, NA, SD, SL, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Organization (AM, AZ, BY, KG, KZ, MD, RU, TJ, TM)
European Patent Office (AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HU, IE, IS, IT, LT, LU, LV, MC, NL, PL, PT, RO, SE, SI, SK, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, ML, MR, NE, SN, TD, TG).
Publication Language: English (EN)
Filing Language: English (EN)