Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Goto Application

1. WO2020065436 - PROCÉDÉ DE CONFIGURATION D’UN MOYEN D’ÉVALUATION D’IMAGE, AINSI QUE PROCÉDÉ D’ÉVALUATION D’IMAGE ET MOYEN D’ÉVALUATION D’IMAGE

Numéro de publication WO/2020/065436
Date de publication 02.04.2020
N° de la demande internationale PCT/IB2019/057772
Date du dépôt international 16.09.2019
CIB
G06K 9/62 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
KRECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
62Méthodes ou dispositions pour la reconnaissance utilisant des moyens électroniques
CPC
G06K 9/6267
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6267Classification techniques
Déposants
  • SIEMENS HEALTHCARE DIAGNOSTICS INC. [US]/[US]
Inventeurs
  • BÜTTNER, Florian
  • GEIPEL, Markus Michael
  • MARQUARDT, Gaby
  • SEIDEL, Daniela
  • TIETZ, Christoph
Données relatives à la priorité
18197650.728.09.2018EP
Langue de publication allemand (DE)
Langue de dépôt allemand (DE)
États désignés
Titre
(DE) VERFAHREN ZUM KONFIGURIEREN EINER BILDAUSWERTEEINRICHTUNG SOWIE BILDAUSWERTEVERFAHREN UND BILDAUSWERTEEINRICHTUNG
(EN) METHOD FOR CONFIGURING AN IMAGE ANALYSIS DEVICE, IMAGE ANALYSIS METHOD, AND IMAGE ANALYSIS DEVICE
(FR) PROCÉDÉ DE CONFIGURATION D’UN MOYEN D’ÉVALUATION D’IMAGE, AINSI QUE PROCÉDÉ D’ÉVALUATION D’IMAGE ET MOYEN D’ÉVALUATION D’IMAGE
Abrégé
(DE)
Zum Konfigurieren einer Bildauswerteeinrichtung (BA) wird eine Vielzahl von jeweils einem Objekttyp (OT) und einem Objektsubtyp (OST) zugeordneten Trainingsbildern (TPIC) in ein erstes neuronales Netzmodul (CNN) zur Erkennung von Bildmerkmalen eingespeist. Weiterhin werden Trainings-Ausgabedatensätze (FEA) des ersten neuronalen Netzmoduls (CNN) in ein zweites neuronales Netzmodul (MLP) zur Erkennung von Objekttypen anhand von Bildmerkmalen eingespeist. Erfindungsgemäß werden das erste und das zweite neuronale Netzmodul (CNN, MLP) gemeinsam darauf trainiert, dass Trainings- Ausgabedatensätze (OOT) des zweiten neuronalen Netzmoduls (MLP) die den Trainingsbildern (TPIC) zugordneten Objekttypen (OT) zumindest näherungsweise reproduzieren. Darüber hinaus werden für einen jeweiligen Objekttyp (OT1, OT2): - diesem Objekttyp (OT1, OT2) zugeordnete Trainingsbilder (TPIC) in das trainierte erste neuronale Netzmodul (CNN) eingespeist, - dessen für ein jeweiliges Trainingsbild (TPIC) generierter Trainings-Ausgabedatensatz (FEA1, FEA2) dem Objektsubtyp (OST) des jeweiligen Trainingsbildes (TPIC) zugeordnet, und - anhand dieser Subtyp-Zuordnungen ein Subtyp-Erkennungsmodul (BMLP1, BMLP2) zum Erkennen von Objektsubtypen (OST) anhand von Bildmerkmalen für die Bildauswerteeinrichtung (BA) konfiguriert.
(EN)
The aim of the invention is to configure an image analysis device (BA). This is achieved in that a plurality of training images (TPIC) assigned to an object type (OT) and an object sub-type (OST) are fed into a first neural network module (CNN) in order to detect image features. Furthermore, training output data sets (FEA) of the first neural network module (CNN) are fed into a second neural network module (MLP) in order to detect object types using image features. According to the invention, the first and second neural network module (CNN, MLP) are trained together such that training output data sets (OOT) of the second neural network module (MLP) at least approximately reproduce the object types (OT) assigned to the training images (TPIC). Furthermore, for each object type (OT1, OT2): - training images (TPIC) assigned to the object type (OT1, OT2) are fed into the trained first neural network module (CNN), - the first neural network module training output data set (FEA1, FEA2) generated for the respective training image (TPIC) is assigned to the object sub-type (OST) of the respective training image (TPIC), and - by means of the aforementioned sub-type assignments, a sub-type detection module (BMLP1. BMLP2) is configured to detect object sub-types (OST) using image features for the image analysis device (BA).
(FR)
Pour configurer un moyen d’évaluation d’image (BA), une pluralité d’images d’adaptation (TPIC), chacune associée à un type d’objet (OT) et à un sous-type d’objet (OST), sont introduites dans un premier module de réseau neuronal (CNN) pour reconnaître des caractéristiques d’image. En outre, des ensembles de données de sortie d’adaptation (FEA) du premier module de réseau neuronal (CNN) sont introduits dans un deuxième module de réseau neuronal (MLP) pour reconnaître les types d’objets sur la base des caractéristiques d’image. Selon l’invention, le premier et le deuxième module de réseau neuronal (CNN, MLP) sont adaptés conjointement de sorte que les ensemble de données de sortie d’apprentissage (OOT) du deuxième module de réseau neuronal (MLP) reproduisent au moins approximativement les types d’objet (OT) associés aux images d’adaptation (TPIC). De plus, pour un type d’objet respectif (OT1, OT2) : - des images d’adaptation (TPIC) associées à ce type d’objet (OT1, OT2) sont introduites dans le premier module de réseau neuronal (CNN) adapté, - l’ensemble de données de sortie d’adaptation (FEA1, FEA2) de celui-ci, généré pour une image d’adaptation respective (TPIC), est associé au sous-type d’objet (OST) de l’image d’adaptation respective (TPIC), et - sur la base de ces associations de sous-types, un module de reconnaissance de sous-types (BMLP1, BMLP2) est configuré pour reconnaître les sous-types d’objets (OST) sur la base des caractéristiques d’image pour le moyen d’évaluation d’image (BA).
Également publié en tant que
Dernières données bibliographiques dont dispose le Bureau international