Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019045802) APPRENTISSAGE DE MESURE DE DISTANCE À L'AIDE DE MANDATAIRES
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/045802 N° de la demande internationale : PCT/US2018/032538
Date de publication : 07.03.2019 Date de dépôt international : 14.05.2018
CIB :
G06K 9/46 (2006.01) ,G06K 9/66 (2006.01) ,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
36
Prétraitement de l'image, c. à d. traitement de l'information image sans se préoccuper de l'identité de l'image
46
Extraction d'éléments ou de caractéristiques de l'image
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
64
utilisant des comparaisons ou corrélations simultanées de signaux images avec une pluralité de références, p.ex. matrice de résistances
66
avec des références réglables par une méthode adaptative, p.ex. en s'instruisant
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 :
GOOGLE LLC [US/US]; 1600 Amphitheatre Parkway Mountain View, California 94043, US
Inventeurs :
MOYSHOVITZ-ATTIAS, Yair; US
LEUNG, King Hong; US
SINGH, Saurabh; US
TOSHEV, Alexander; US
IOFFE, Sergey; US
Mandataire :
PROBST, Joseph J.; US
BATAVIA, Neil, M.; US
Données relatives à la priorité :
15/690,42630.08.2017US
15/710,37720.09.2017US
Titre (EN) DISTANCE METRIC LEARNING USING PROXIES
(FR) APPRENTISSAGE DE MESURE DE DISTANCE À L'AIDE DE MANDATAIRES
Abrégé :
(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
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)