Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019028725) STRUCTURE DE RÉSEAU NEURONAL CONVOLUTIF UTILISANT DES CONNEXIONS INVERSES ET DES ANTÉRIORITÉS D'OBJECTIVITÉ POUR DÉTECTER UN OBJET
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/028725 N° de la demande internationale : PCT/CN2017/096755
Date de publication : 14.02.2019 Date de dépôt international : 10.08.2017
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 :
YAO, Anbang [CN/CN]; CN (BZ)
KONG, Tao [CN/CN]; CN (BZ)
LU, Ming [CN/CN]; CN (BZ)
GUO, Yiwen [CN/CN]; CN (BZ)
CHEN, Yurong [CN/CN]; CN (BZ)
INTEL CORPORATION [US/US]; 2200 Mission College Blvd. Santa Clara, California 95054, US
Inventeurs :
YAO, Anbang; CN
KONG, Tao; CN
LU, Ming; CN
GUO, Yiwen; CN
CHEN, Yurong; CN
Mandataire :
NTD PATENT AND TRADEMARK AGENCY LIMITED; 中国北京市 东城区北三环东路36号北京环球贸易中心C座10层 10th Floor, Tower C, Beijing Global Trade Center 36 North Third Ring Road East, Dongcheng District Beijing 100013, CN
Données relatives à la priorité :
Titre (EN) CONVOLUTIONAL NEURAL NETWORK FRAMEWORK USING REVERSE CONNECTIONS AND OBJECTNESS PRIORS FOR OBJECT DETECTION
(FR) STRUCTURE DE RÉSEAU NEURONAL CONVOLUTIF UTILISANT DES CONNEXIONS INVERSES ET DES ANTÉRIORITÉS D'OBJECTIVITÉ POUR DÉTECTER UN OBJET
Abrégé :
(EN) A convolutional neural network framework is described that uses reverse connection and obviousness priors for object detection. A method includes performing a plurality of layers of convolutions and reverse connections on a received image to generate a plurality of feature maps, determining an objectness confidence for candidate bounding boxes based on outputs of an objectness prior, determining a joint loss function for each candidate bounding box by combining an objectness loss, a bounding box regression loss and a classification loss, calculating network gradients over positive boxes and negative boxes, updating network parameters within candidate bounding boxes using the joint loss function, repeating performing the convolutions through to updating network parameters until the training converges, and outputting network parameters for object detection based on the training images.
(FR) L'invention concerne une structure de réseau neuronal convolutif qui utilise une connexion inverse et des antériorités d'évidence pour détecter un objet. Un procédé comprend les étapes consistant à réaliser une pluralité de couches de convolutions et des connexions inverses sur une image reçue pour générer une pluralité de cartes de caractéristiques, à déterminer la confiance d'objectivité pour des rectangles englobants candidats sur la base de sorties d'une antériorité d'objectivité, à déterminer une fonction de perte de joint pour chaque rectangle englobant candidat par combinaison d'une perte d'objectivité, d'une perte de régression de rectangle englobant et d'une perte de classification, à calculer des gradients de réseau sur des rectangles positifs et des rectangles négatifs, à mettre à jour des paramètres de réseau dans les rectangles englobants candidats à l'aide de la fonction de perte de joint, à répéter les étapes allant de la réalisation des convolutions à la mise à jour de paramètres de réseau jusqu'à ce que l'apprentissage converge, et à émettre des paramètres de réseau pour une détection d'objet basée sur les images d'apprentissage.
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)