Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2018104342) LEARNING ANNOTATION OF OBJECTS IN IMAGE
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/104342 International Application No.: PCT/EP2017/081585
Publication Date: 14.06.2018 International Filing Date: 05.12.2017
IPC:
G06K 9/52 (2006.01) ,G06K 9/62 (2006.01) ,G06K 9/00 (2006.01)
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
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
52
by deriving mathematical or geometrical properties from the whole image
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
Applicants:
KONINKLIJKE PHILIPS N.V. [NL/NL]; High Tech Campus 5 5656 AE Eindhoven, NL
Inventors:
ZNAMENSKIY, Dmitry, Nikolayevich; NL
SIGDEL, Kamana; NL
VAN DRIEL, Marc; NL
Agent:
VAN WERMESKERKEN, Stephanie, Christine; NL
DE HAAN, Poul, Erik; NL
Priority Data:
16202827.808.12.2016EP
Title (EN) LEARNING ANNOTATION OF OBJECTS IN IMAGE
(FR) APPRENTISSAGE D'ANNOTATION D'OBJETS DANS UNE IMAGE
Abstract:
(EN) A system and method are provided which use a machine learning algorithm to obtain a learned annotation of objects in one or more scales of a multiscale image. A viewing window (300) is provided for viewing the multiscale image. The viewing window is configurable on the basis of a magnification factor, which selects one of the plurality of scales for viewing, and a spatial offset parameter. A user may provide a manual annotation of an object in the viewing window, which is then used as training feedback in the learning of the machine learning algorithm. To enable the user to more effectively provide the manual annotation, the magnification factor and the spatial offset parameter for the viewing window may be automatically determined, namely by the system and method determining where in the multiscale image the manual annotation of the object would have sufficient influence on the learned annotation provided by the machine learning algorithm. The determined influence may be shown in the form of an overlay (350) in the viewing window.
(FR) L'invention concerne un système et un procédé qui utilisent un algorithme d'apprentissage machine pour obtenir une annotation apprise d'objets dans une ou plusieurs échelles d'une image multi-échelle. Une fenêtre de visualisation (300) est prévue pour visualiser l'image multi-échelle. La fenêtre de visualisation peut être configurée sur la base d'un facteur d'agrandissement, qui sélectionne l'une de la pluralité d'échelles pour la visualisation, et un paramètre de décalage spatial. Un utilisateur peut effectuer une annotation manuelle d'un objet dans la fenêtre de visualisation, qui est ensuite utilisée comme rétroaction d'apprentissage dans l'apprentissage de l'algorithme d'apprentissage machine. Pour permettre à l'utilisateur d'effectuer plus efficacement l'annotation manuelle, le facteur d'agrandissement et le paramètre de décalage spatial pour la fenêtre de visualisation peuvent être automatiquement déterminés, à savoir par le système et le procédé qui déterminent où, dans l'image multi-échelle, l'annotation manuelle de l'objet aurait une influence suffisante sur l'annotation apprise fournie par l'algorithme d'apprentissage machine. L'influence déterminée peut être présentée sous la forme d'un cache transparent (350) dans la fenêtre de visualisation.
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, 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)
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)