Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2017156243) DEEP-LEARNING BASED FEATURE MINING FOR 2.5D SENSING IMAGE SEARCH
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2017/156243 International Application No.: PCT/US2017/021535
Publication Date: 14.09.2017 International Filing Date: 09.03.2017
IPC:
G06K 9/62 (2006.01) ,G06K 9/00 (2006.01) ,G06K 9/46 (2006.01) ,G06T 7/73 (2017.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
K
RECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9
Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62
Methods or arrangements for recognition using electronic means
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
K
RECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9
Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
K
RECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9
Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
36
Image preprocessing, i.e. processing the image information without deciding about the identity of the image
46
Extraction of features or characteristics of the image
[IPC code unknown for G06T 7/73]
Applicants:
SIEMENS MOBILITY GMBH [DE/DE]; Otto-Hahn-Ring 6 81739 München, DE
Inventors:
SUN, Shanhui; US
MA, Kai; US
KLUCKNER, Stefan; AT
WU, Ziyan; US
ERNST, Jan; US
SINGH, Vivek Kumar; US
CHEN, Terrence; US
Agent:
RASHIDI-YAZD, Seyed Kaveh E.; US
Priority Data:
62/307,00111.03.2016US
Title (EN) DEEP-LEARNING BASED FEATURE MINING FOR 2.5D SENSING IMAGE SEARCH
(FR) EXPLORATION DE CARACTÉRISTIQUES BASÉE SUR L'APPRENTISSAGE PROFOND POUR UNE RECHERCHE D'IMAGE DE DÉTECTION 2,5D
Abstract:
(EN) Systems, methods, and computer-readable media are disclosed for determining feature representations of 2.5D image data using deep learning techniques. The 2.5D image data may be synthetic image data generated from 3D simulated model data such as 3D CAD data. The 2.5D image data may be indicative of any number of pose estimations/camera poses representing virtual or actual viewing perspectives of an object modeled by the 3D CAD data. A neural network such as a convolution neural network (CNN) may be trained using the 2.5D image data as training data to obtain corresponding feature representations. The pose estimations/camera poses may be stored in a data repository in association with the corresponding feature representations. The learnt CNN may then be used to determine an input feature representation from an input 2.5D image and index the input feature representation against the data repository to determine matching pose estimation(s).
(FR) L'invention concerne des systèmes, des procédés et des supports lisibles par ordinateur, qui permettent de déterminer des représentations de caractéristiques de données d'image 2,5D au moyen de techniques d'apprentissage profond. Les données d'image 2,5D peuvent être des données d'image de synthèse générées à partir de données de modèle simulé 3D, telles que des données de CAO 3D. Les données d'image 2,5D peuvent indiquer un nombre quelconque d'estimations de poses/de poses de caméra représentant des perspectives de visualisation virtuelles ou réelles d'un objet modélisé par les données de CAO 3D. Un réseau neuronal tel qu'un réseau neuronal de convolution (CNN) peut être entraîné à l'aide des données d'image 2,5D utilisées comme données d'apprentissage pour obtenir des représentations de caractéristiques correspondantes. Les estimations de poses/poses de caméra peuvent être stockées dans un référentiel de données en association avec les représentations de caractéristiques correspondantes. Le CNN appris peut ensuite être utilisé pour déterminer une représentation de caractéristiques d'entrée à partir d'une image 2,5D d'entrée et pour indexer la représentation de caractéristiques d'entrée en rapport avec le référentiel de données pour déterminer une ou des estimations de poses correspondante(s).
front page image
Designated States: 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, 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)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (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)
Publication Language: English (EN)
Filing Language: English (EN)