Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2018158584) GÉNÉRATION D'IMAGES DE FORMATION ÉTIQUETÉES DESTINÉES À LA FORMATION D'UN RÉSEAU NEURONAL DE CALCUL POUR LA RECONNAISSANCE D'OBJETS OU D'ACTIONS
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2018/158584 N° de la demande internationale : PCT/GB2018/050536
Date de publication : 07.09.2018 Date de dépôt international : 01.03.2018
CIB :
G06K 9/62 (2006.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
K
RECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9
Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
62
Méthodes ou dispositions pour la reconnaissance utilisant des moyens électroniques
Déposants :
THIRDEYE LABS LIMITED [GB/GB]; 2 Bray Crescent London SE16 6AN, GB
Inventeurs :
GHAFOOR, Razwan; GB
RENNERT, Peter; GB
MORICEAU, Hichame; GB
Mandataire :
SLINGSBY PARTNERS LLP; 1 Kingsway London Greater London WC2B 6AN, GB
Données relatives à la priorité :
1703330.901.03.2017GB
Titre (EN) GENERATING LABELED TRAINING IMAGES FOR USE IN TRAINING A COMPUTATIONAL NEURAL NETWORK FOR OBJECT OR ACTION RECOGNITION
(FR) GÉNÉRATION D'IMAGES DE FORMATION ÉTIQUETÉES DESTINÉES À LA FORMATION D'UN RÉSEAU NEURONAL DE CALCUL POUR LA RECONNAISSANCE D'OBJETS OU D'ACTIONS
Abrégé :
(EN) A system for training a computational neural network to recognise objects and/or actions from images, the system comprising: a training unit, comprising: an input interface configured to receive: a plurality of images captured from one or more cameras, each image having an associated timestamp indicating the time the image was captured; a data stream containing a plurality of timestamps each associated with an object and/or action; the data stream being generated by a system in an operative field of view of the one or more cameras; an image identification unit configured to identify from the plurality of images a set of images that each have a timestamp that correlates to a timestamp associated with an object and/or action from the data stream; a data-labelling unit configured to determine, for each image of the set of images, an image label that indicates the probability the image depicts: (i) an object of each of a set of one or more specified object classes; and/or (ii) a specified human action in dependence on the correlation between the timestamp for the image and the timestamp associated with the object and/or action from the data stream; and an output interface configured to output the image labels for use in training a computational neural network to identify from images objects of the object classes and/or the specified actions.
(FR) L’invention concerne un système permettant de former un réseau neuronal de calcul pour reconnaître des objets et/ou des actions à partir d'images, ledit système comprenant une unité d'apprentissage comportant : une interface d'entrée configurée pour recevoir : une pluralité d'images capturées à partir d'une ou de plusieurs caméras, chaque image comportant un horodatage associé indiquant le moment où l'image a été capturée ; un flux de données contenant une pluralité d’horodatages associés chacun à un objet et/ou à une action, le flux de données étant généré par un système dans un champ de vision opérationnel de la caméra ou des caméras ; une unité d'identification d'images configurée pour identifier, parmi la pluralité d'images, un ensemble d'images comportant chacune un horodatage en corrélation avec un horodatage associé à un objet et/ou une action provenant du flux de données ; une unité d'étiquetage de données configurée pour déterminer, pour chaque image de l'ensemble d'images, une étiquette d'image indiquant la probabilité que l'image représente : (i) un objet de chaque classe d'un ensemble constitué d'une ou de plusieurs classes d'objets spécifiées ; et/ou (ii) une action humaine spécifiée en fonction de la corrélation entre l’horodatage de l'image et l'horodatage associé à l'objet et/ou à l'action provenant du flux de données ; et une interface de sortie configurée pour générer les étiquettes d'images destinées à la formation d'un réseau neuronal de calcul en vue d’identifier des objets de classes d'objets et/ou d'actions spécifiées à partir d'images.
front page image
États désignés : 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
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (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)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)