Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2018129132) GUIDED MACHINE-LEARNING TRAINING USING A THIRD PARTY CLOUD-BASED SYSTEM
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2018/129132 International Application No.: PCT/US2018/012307
Publication Date: 12.07.2018 International Filing Date: 04.01.2018
IPC:
G06K 9/62 (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
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:
15/861,61703.01.2018US
62/442,27104.01.2017US
Title (EN) GUIDED MACHINE-LEARNING TRAINING USING A THIRD PARTY CLOUD-BASED SYSTEM
(FR) FORMATION GUIDÉE PAR APPRENTISSAGE AUTOMATIQUE UTILISANT UN SYSTÈME TIERS BASÉ SUR UN NUAGE
Abstract:
(EN) Systems and methods for providing machine-learning training at one or more computer systems for object recognition by obtaining a set of training data comprising a plurality of images (410); conducting an analysis of the set of training data to determine a first set of metrics indicative of a suitability of the set of training data for the machine-learning training for object recognition (420); outputting an indication of the first set of metrics to a user interface (430) and conducting the machine-learning training. 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 d'apport d'une formation par apprentissage automatique au niveau d'un ou de plusieurs systèmes informatiques pour une reconnaissance d'objets par obtention d'un ensemble de données de formation comprenant une pluralité d'images (410) ; réalisation d'une analyse de l'ensemble de données de formation pour déterminer un premier ensemble de mesures indiquant un caractère approprié de l'ensemble de données de formation pour la formation par apprentissage automatique destiné à la reconnaissance d'objets (420) ; émission d'une indication du premier ensemble de mesures à une interface d'utilisateur (430) et réalisation de la formation par apprentissage automatique. De plus ou en variante, un modèle intermédiaire peut être utilisé, après la réalisation d'une première partie de la formation par apprentissage automatique, pour déterminer l'efficacité d'une partie restante d'échantillons négatifs (images sans l'objet) dans les données de formation ou pour trouver d'autres échantillons négatifs à l'extérieur des données de formation. L'identification et l'utilisation d'échantillons négatifs efficaces de cette manière peuvent améliorer l'efficacité de la formation.
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)