Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2018129131) IMPROVING TRAINING DATA FOR MACHINE-BASED OBJECT RECOGNITION
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/129131 International Application No.: PCT/US2018/012306
Publication Date: 12.07.2018 International Filing Date: 04.01.2018
IPC:
G06K 9/62 (2006.01) ,G06K 9/00 (2006.01) ,G06K 9/22 (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
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
20
Image acquisition
22
using hand-held instruments
Applicants:
QUALCOMM INCORPORATED [US/US]; Attn: International IP Administration 5775 Morehouse Drive San Diego, California 92121-1714, US
Inventors:
PARK, Edwin Chongwoo; US
CHAN, Victor; US
Agent:
MCMILLAN, Scott L.; US
AUSTIN, Shelton W.; US
WAI CHOY, Ming; US
WONG, Claudine; US
FU, Zhenhai; US
KARRAR, Adil; US
CHANG, Ko-Fang; US
MORLOCK, Michael; US
SANDERS, Carl; US
Priority Data:
15/861,62003.01.2018US
62/442,27104.01.2017US
Title (EN) IMPROVING TRAINING DATA FOR MACHINE-BASED OBJECT RECOGNITION
(FR) AMÉLIORATION DE DONNÉES D'ENTRAÎNEMENT POUR UNE RECONNAISSANCE D'OBJET BASÉE SUR UNE MACHINE
Abstract:
(EN) Systems and methods may enable a user who may not have any experience in machine learning to effectively train new models for use in object recognition applications of a device. Embodiments can include, for example, analyzing training data comprising a set of images to determine a set of metrics indicative of a suitability of the training data in machine-learning training for object recognition, and providing an indication of the set of metrics to a user. Additionally or alternatively, an intermediate model can be used, after a first portion of the machine-learning training is conducted, to determine the effectiveness of a remaining portion of negative samples (images without the object) in the training data or to find other negative samples outside of the training data. Identifying and utilizing effective negative samples in this manner can improve the effectiveness of the training.
(FR) L'invention concerne des systèmes et des procédés pouvant permettre qu'un utilisateur qui n'a peut-être pas d'expérience dans l'apprentissage machine apprenne efficacement de nouveaux modèles destinés à être utilisés dans des applications de reconnaissance d'objets d'un dispositif. Des modes de réalisation peuvent comprendre, par exemple, l'analyse de données d'entraînement comprenant un ensemble d'images pour déterminer un ensemble de mesures indiquant un caractère approprié des données d'entraînement dans un entraînement d'apprentissage machine pour la reconnaissance d'objets et la fourniture d'une indication de l'ensemble de mesures à un utilisateur. De plus ou en variante, un modèle intermédiaire peut être utilisé, après la réalisation d'une première partie de l'entraînement de l'apprentissage machine, pour déterminer l'efficacité d'une partie restante d'échantillons négatifs (images sans l'objet) dans les données d'entraînement ou pour trouver d'autres échantillons négatifs en dehors des données d'entraînement. L'identification et l'utilisation d'échantillons négatifs efficaces de cette manière peuvent améliorer l'efficacité de l'entraînement.
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)