[发明专利]细粒度分类在审

专利信息
申请号: 202010113317.1 申请日: 2016-01-07
公开(公告)号: CN111582297A 公开(公告)日: 2020-08-25
发明(设计)人: M·哈迪·基亚普尔;邸韡;维格里希·贾格迪希;鲁宾逊·皮拉姆苏 申请(专利权)人: 电子湾有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 中科专利商标代理有限责任公司 11021 代理人: 陈慧
地址: 美国加利*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 细粒度 分类
【权利要求书】:

1.一种系统,包括:

存储器,上面实现有指令;以及

一个或多个处理器,由所述指令配置为执行以下操作:

接收图像;

识别所述图像中的物品的粗分类;

分析所述图像,以基于所识别的粗分类来识别所述粗分类中的细分类,所述细分类是所述粗分类的子分类;以及

使得呈现基于所述物品的所识别的细分类搜索的信息。

2.根据权利要求1所述的系统,其中,所述操作还包括:访问与所述细分类相关联的一个或多个属性,所述一个或多个属性由用户提供,并且被用于补充或替换用于执行搜索的细分类信息。

3.根据权利要求1所述的系统,其中,所述操作还包括:

生成包围所述图像中的所述物品的边界框;以及

通过将所述图像裁剪到所述边界框并旋转裁剪后的部分来生成第二图像。

4.根据权利要求3所述的系统,其中,生成包围所述物品的所述边界框包括:

生成用于所述图像中的所述物品的掩模;以及

生成用于所述掩模的凸包,其中,所述边界框包围所述凸包。

5.根据权利要求1所述的系统,其中:所述细分类是从所述粗分类的可用细分类的集合中选择的;所述操作还包括使用以下操作来训练用于所述粗分类的片段检测器的集合:

访问用于每个可用细分类的训练图像集;

访问用于每个可用细分类的验证图像集;以及

从所述训练图像集和所述验证图像集中识别用于每个可用细分类的区分性片段集;以及

分析所述图像以识别所述细分类包括:将所述第二图像提供给用于所述粗分类的训练后的片段检测器的集合。

6.根据权利要求5所述的系统,其中,识别用于每个可用细分类的所述区分性片段集包括:

针对每个可用细分类:

从用于所述细分类的所述训练图像集中提取片段;以及

从用于所述细分类的所述验证图像集中提取片段。

7.根据权利要求5所述的系统,其中,识别用于每个可用细分类的所述区分性片段集包括:

针对每个可用细分类:

选择从用于所述细分类的所述训练图像集中提取的片段的随机子集;以及

选择从用于所述细分类的所述验证图像集中提取的片段的随机子集。

8.一种方法,包括:

接收图像;

使用一个或多个硬件处理器识别所述图像中的物品的粗分类;

分析所述图像,以基于所识别的粗分类来识别所述粗分类中的细分类,所述细分类是所述粗分类的子分类;以及

使得呈现基于所识别的细分类搜索的信息。

9.根据权利要求8所述的方法,还包括:访问与所述细分类相关联的一个或多个属性,所述一个或多个属性由用户提供,并且被用于补充或替换用于执行搜索的细分类信息。

10.根据权利要求8所述的方法,还包括:

生成包围所述图像中的所述物品的边界框;以及

通过将所述图像裁剪到所述边界框并旋转裁剪后的部分来生成第二图像。

11.根据权利要求10所述的方法,其中,生成包围所述物品的所述边界框包括:

生成用于所述图像中的所述物品的掩模;以及

生成用于所述掩模的凸包,其中,所述边界框包围所述凸包。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子湾有限公司,未经电子湾有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010113317.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top