Parte del contenido de esta aplicación no está disponible en este momento.
Si esta situación persiste, contáctenos aComentarios y contacto
1. (WO2019045802) DISTANCE METRIC LEARNING USING PROXIES
Datos bibliográficos más recientes de la Oficina Internacional    Formular observación

Nº de publicación: WO/2019/045802 Nº de la solicitud internacional: PCT/US2018/032538
Fecha de publicación: 07.03.2019 Fecha de presentación de la solicitud internacional: 14.05.2018
CIP:
G06K 9/46 (2006.01) ,G06K 9/66 (2006.01) ,G06K 9/62 (2006.01)
G FISICA
06
COMPUTO; CALCULO; CONTEO
K
RECONOCIMIENTO DE DATOS; PRESENTACION DE DATOS; SOPORTES DE REGISTROS; MANIPULACION DE SOPORTES DE REGISTROS
9
Métodos o disposiciones para la lectura o el reconocimiento de caracteres impresos o escritos o el reconocimiento de formas, p. ej. de huellas dactilares
36
Pretratamiento de la imagen, es decir, tratamiento de la información imagen sin tener en cuenta la identidad de la imagen
46
Extracción de elementos o de características de la imagen
G FISICA
06
COMPUTO; CALCULO; CONTEO
K
RECONOCIMIENTO DE DATOS; PRESENTACION DE DATOS; SOPORTES DE REGISTROS; MANIPULACION DE SOPORTES DE REGISTROS
9
Métodos o disposiciones para la lectura o el reconocimiento de caracteres impresos o escritos o el reconocimiento de formas, p. ej. de huellas dactilares
62
Métodos o disposiciones para el reconocimiento que utilizan medios electrónicos
64
utilizando comparaciones o correlaciones simultáneas de señales imágenes con una pluralidad de referencias, p. ej. matriz de resistencias
66
con referencias regulables por un método adaptativo, p. ej. instruyéndose
G FISICA
06
COMPUTO; CALCULO; CONTEO
K
RECONOCIMIENTO DE DATOS; PRESENTACION DE DATOS; SOPORTES DE REGISTROS; MANIPULACION DE SOPORTES DE REGISTROS
9
Métodos o disposiciones para la lectura o el reconocimiento de caracteres impresos o escritos o el reconocimiento de formas, p. ej. de huellas dactilares
62
Métodos o disposiciones para el reconocimiento que utilizan medios electrónicos
Solicitantes:
GOOGLE LLC [US/US]; 1600 Amphitheatre Parkway Mountain View, California 94043, US
Personas inventoras:
MOYSHOVITZ-ATTIAS, Yair; US
LEUNG, King Hong; US
SINGH, Saurabh; US
TOSHEV, Alexander; US
IOFFE, Sergey; US
Mandataria/o:
PROBST, Joseph J.; US
BATAVIA, Neil, M.; US
Datos de prioridad:
15/690,42630.08.2017US
15/710,37720.09.2017US
Título (EN) DISTANCE METRIC LEARNING USING PROXIES
(FR) APPRENTISSAGE DE MESURE DE DISTANCE À L'AIDE DE MANDATAIRES
Resumen:
(EN) The present disclosure provides systems and methods that enable distance metric learning using proxies. A machine-learned distance model can be trained in a proxy space in which a loss function compares an embedding provided for an anchor data point of a training dataset to a positive proxy and one or more negative proxies, where each of the positive proxy and the one or more negative proxies serve as a proxy for two or more data points included in the training dataset. Thus, each proxy can approximate a number of data points, enabling faster convergence. According to another aspect, the proxies of the proxy space can themselves be learned parameters, such that the proxies and the model are trained jointly. Thus, the present disclosure enables faster convergence (e.g., reduced training time). The present disclosure provides example experiments which demonstrate a new state of the art on several popular training datasets.
(FR) L'invention concerne des systèmes et des procédés permettant un apprentissage de mesure de distance à l'aide de mandataires. Un modèle de distance appris par machine peut être appris dans un espace mandataire où une fonction de perte compare une intégration prévue pour un point de données d'ancrage d'un ensemble de données d'apprentissage avec un mandataire positif et un ou plusieurs mandataires négatifs, chaque mandataire parmi le mandataire positif et le ou les mandataires négatifs servant de mandataire pour au moins deux points de données inclus dans l'ensemble de données d'apprentissage. Chaque mandataire peut estimer approximativement un certain nombre de points de données, ce qui permet une convergence plus rapide. Selon un autre aspect, les mandataires de l'espace mandataires peuvent eux-mêmes être des paramètres appris afin d'apprendre conjointement les mandataires et le modèle. Ainsi, l'invention permet une convergence plus rapide (par exemple, un temps d'apprentissage réduit). L'invention concerne des expériences données à titre d'exemple qui démontrent un nouvel état de la technique sur plusieurs ensembles de données d'apprentissage populaires.
front page image
Estados designados: 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)
Oficina Eurasiática de Patentes (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Oficina Europea de Patentes (OEP) (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)
Organización Africana de la Propiedad Intelectual (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Idioma de publicación: Inglés (EN)
Idioma de la solicitud: Inglés (EN)