WIPO logo
Mobile | Deutsch | English | Español | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Recherche dans les collections de brevets nationales et internationales
World Intellectual Property Organization
Recherche
 
Options de navigation
 
Traduction
 
Options
 
Quoi de neuf
 
Connexion
 
Aide
 
Traduction automatique
1. (WO2006047253) RECONNAISSEUR ET DETECTEUR D'OBJET POUR IMAGES BIDIMENSIONNELLES METTANT EN OEUVRE UN CLASSIFICATEUR BASE SUR UN RESEAU BAYESIEN
Dernières données bibliographiques dont dispose le Bureau international   

N° de publication :    WO/2006/047253    N° de la demande internationale :    PCT/US2005/037825
Date de publication : 04.05.2006 Date de dépôt international : 21.10.2005
Demande présentée en vertu du Chapitre 2 :    19.05.2006    
CIB :
G06K 9/00 (2006.01)
Déposants : CARNEGIE MELLON UNIVERSITY [US/US]; 4615 Forbes Avenue, Pittsburgh, PA 15213 (US) (Tous Sauf US).
SCHNEIDERMAN, Henry [US/US]; (US) (US Seulement)
Inventeurs : SCHNEIDERMAN, Henry; (US)
Mandataire : PENCOSKE, Edward, L.; Jones Day, 500 Grant Street, Suite 3100, Pittsburgh, PA 15219 (US)
Données relatives à la priorité :
10/971,868 22.10.2004 US
Titre (EN) OBJECT RECOGNIZER AND DETECTOR FOR TWO-DIMENSIONAL IMAGES USING BAYESIAN NETWORK BASED CLASSIFIER
(FR) RECONNAISSEUR ET DETECTEUR D'OBJET POUR IMAGES BIDIMENSIONNELLES METTANT EN OEUVRE UN CLASSIFICATEUR BASE SUR UN RESEAU BAYESIEN
Abrégé : front page image
(EN)A system and method for determining a classifier to discriminate between two classes­object or non-object. The classifier may be used by an object detection program to detect presence of a 3D object in a 2D image (e.g., a photograph or an X-ray image). The overall classifier is constructed of a sequence of classifiers (or 'sub-classifiers'), where each such classifier is based on a ratio of two graphical probability models (e.g., Bayesian networks). A discrete-valued variable representation at each node in a Bayesian network by a two-stage process of tree-structured vector quantization is discussed. The overall classifier may be part of an object detector program that is trained to automatically detect many different types of 3D objects (e.g., human faces, airplanes, cars, etc.). Computationally efficient statistical methods to evaluate overall classifiers are disclosed. The Bayesian network-based classifier may also be used to determine if two observations (e.g., two images) belong to the same category. For example, in case of face recognition, the classifier may determine whether two photographs are of the same person. A method to provide lighting correction or adjustment to compensate for differences in various lighting conditions of input images is disclosed as well. As per the rules governing abstracts, the content of this abstract should not be used to construe the claims in this application.
(FR)L'invention concerne un système et un procédé permettant de déterminer un classificateur destiné à différencier deux catégories: une catégorie objet et une catégorie non-objet. Ce classificateur peut être utilisé par un programme de détection d'objet pour détecter la présence d'un objet 3D dans une image 2D (une photographie ou une image radiologique, par exemple). Le classificateur global est constitué d'une séquence de classificateurs (ou 'sous-classificateurs'), chaque classificateur étant basé sur un rapport de deux modèles de probabilités graphiques (des réseaux bayésiens, par exemple). Une représentation variable à valeur discrète au niveau de chaque noeud d'un réseau bayésien par la mise en oeuvre d'un processus à deux étapes de quantification vectorielle à structure arborescente est examinée. Le classificateur global peut faire partie d'un programme de détecteur d'objet entraîné pour détecter automatiquement plusieurs types différents d'objets 3D (des visages humains, des avions, des voitures, etc.). L'invention concerne également des procédés statistiques efficaces du point de vue computationnel, servant à évaluer des classificateurs globaux. Le classificateur basé sur un réseau bayésien peut également être utilisé pour déterminer si deux observations (deux images, par exemple) appartiennent à la même catégorie. Par exemple, dans le cas de la reconnaissance faciale, le classificateur peut déterminer si deux photographies sont de la même personne. L'invention concerne encore un procédé de correction ou d'ajustement d'éclairage destiné à compenser les différences dans diverses conditions d'éclairage d'images d'entrée.
États désignés : AE, AG, AL, AM, AT, AU, AZ, BA, BB, BG, BR, BW, BY, BZ, CA, CH, CN, CO, CR, CU, CZ, DE, DK, DM, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, HR, HU, ID, IL, IN, IS, JP, KE, KG, KM, KP, KR, KZ, LC, LK, LR, LS, LT, LU, LV, LY, MA, MD, MG, MK, MN, MW, MX, MZ, NA, NG, NI, NO, NZ, OM, PG, PH, PL, PT, RO, RU, SC, SD, SE, SG, SK, SL, SM, SY, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, YU, ZA, ZM, ZW.
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LS, MW, MZ, NA, SD, SL, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, MD, RU, TJ, TM)
Office européen des brevets (OEB) (AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HU, IE, IS, IT, LT, LU, LV, MC, NL, PL, PT, RO, SE, SI, SK, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, ML, MR, NE, SN, TD, TG).
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)