Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022009030 - VISUAL IMAGE ANNOTATION UTILIZING MACHINE LEARNING FOR IN-TIME FEEDBACK

Publication Number WO/2022/009030
Publication Date 13.01.2022
International Application No. PCT/IB2021/055886
International Filing Date 30.06.2021
IPC
G06K 9/62 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
Applicants
  • BLACKSHARK.AI [AT]/[AT]
Inventors
  • HABENSCHUSS, Stefan
  • HOLLOSI, Arno
  • KUKSA, Pavel
  • PRESENHUBER, Martin
Priority Data
17/127,82118.12.2020US
63/048,83707.07.2020US
Publication Language English (en)
Filing Language English (EN)
Designated States
Title
(EN) VISUAL IMAGE ANNOTATION UTILIZING MACHINE LEARNING FOR IN-TIME FEEDBACK
(FR) ANNOTATION D'IMAGE VISUELLE UTILISANT UN APPRENTISSAGE MACHINE POUR UNE RÉTROACTION EN TEMPS RÉEL
Abstract
(EN) An interactive learning cycle includes an operator, a computer and a pool of images. The operator produces a sparsely-labeled data set. A back-end system produces live feedback: a densely-labeled training set which is displayed on the computer. Immediate feedback is displayed in color on the operator computer in less than about five seconds. A labeling tool displays a user interface and for every labeling project a region is defined that is downloaded as an image data batch. The operator annotates on a per-image basis in the region and uses several UI tools to mark features in the image and group them to a predefined label class. The back-end system includes processes that run in parallel and feed back into each other, each executing a model. A local model is used independently of the global model. The global model accepts sparsely-labeled images from numerous operator computers.
(FR) Un cycle d'apprentissage interactif comprend un opérateur, un ordinateur et un groupe d'images. L'opérateur produit un ensemble de données marqué de manière clairsemée. Un système dorsal produit une rétroaction en direct : un ensemble d'apprentissage marqué de manière dense qui est affiché sur l'ordinateur. Une rétroaction immédiate est affichée en couleur sur l'ordinateur de l'opérateur en moins d'environ cinq secondes. Un outil de marquage affiche une interface utilisateur et, pour chaque projet de marquage, une région qui est téléchargée en tant que lot de données d'image est définie. L'opérateur annote sur une base « par image » dans la région et utilise plusieurs outils UI pour marquer des caractéristiques dans l'image et regrouper celles-ci en une classe d'étiquettes prédéfinie. Le système dorsal comprend des procédés qui s'étendent en parallèle et sont renvoyés l'un dans l'autre, chacun exécutant un modèle. Un modèle local est utilisé indépendamment du modèle global. Le modèle global accepte des images marquées de manière éparse à partir de nombreux ordinateurs d'opérateur.
Related patent documents
Latest bibliographic data on file with the International Bureau