[发明专利]基于超体素的时空视频分割的快速渐进式方法有效
申请号: | 201880027386.1 | 申请日: | 2018-06-29 |
公开(公告)号: | CN110622214B | 公开(公告)日: | 2023-05-30 |
发明(设计)人: | 徐迅;中村章 | 申请(专利权)人: | 索尼公司 |
主分类号: | G06T7/11 | 分类号: | G06T7/11;G06T7/162 |
代理公司: | 中国贸促会专利商标事务所有限公司 11038 | 代理人: | 冯薇 |
地址: | 日本*** | 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: | 基于超体素的时空视频分割方法的两步体系架构确保速度和可伸缩性。计算密集的第一步使用高度高效的超体素分割方法。第二步是在预分组的超体素上完成的,因此具有低得多的时间和空间复杂性。第一步中部署的渐进式分割方案使得能够逐部分地分割巨大的输入体量,而无需将所有数据加载到存储器中(该步骤可能是不可行的)。同时,渐进式分割能够有效地防止接缝伪影,从而导致分割结果实际上与整个体量处理的结果相同。 | ||
搜索关键词: | 基于 超体素 时空 视频 分割 快速 渐进 方法 | ||
【主权项】:
1.一种在设备的非暂态存储器中编程的方法,包括:/na.获取视频内容;/nb.将视频内容分割为超体素组;以及/nc.将超体素组分组为段。/n
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索尼公司,未经索尼公司许可,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/patent/201880027386.1/,转载请声明来源钻瓜专利网。
- 同类专利
- 整个身体视觉效果-202280016578.9
- 贾勒·杜多维奇;皮莱格·哈雷尔;谢嘉豪;谢尔盖·科罗廖夫;马阿扬·舒维 - 斯纳普公司
- 2022-02-22 - 2023-10-20 - G06T7/11
- 公开了用于执行以下操作的方法和系统,这些操作包括:接收包括对用户的整个身体的描绘的单目图像;通过应用一个或更多个机器学习技术,基于单目图像,生成对用户的整个身体的分割;接收选择可视化模式的输入;以及基于分割,对单目图像应用与可视化模式相对应的一个或更多个视觉效果。
- 基于半导体应用的语义图像分割-202280016576.X
- B·布拉尔;R·威灵福德 - 科磊股份有限公司
- 2022-04-04 - 2023-10-13 - G06T7/11
- 提供用于确定样品的信息的方法及系统。一种系统包含计算机子系统及由所述计算机子系统执行的一或多个组件。所述一或多个组件包含语义分割模型,其经配置以响应于在多个像素中的每一者中表示的内容而将标签指派给图像中的所述多个像素中的每一者。所述图像是由成像子系统产生的样品的图像。所述计算机子系统经配置用于从所述指派标签确定所述样品的信息且无需所述样品的参考图像。
- 用于基于药品包装系统的特性验证药品包装内容的方法、系统和计算机程序产品-202280015423.3
- 约翰·阿尔弗雷德·布盖;托德·马丁·詹金斯;拉塞尔·F·路易斯;科里·斯宾塞·马丁;阿布舍克·雷;阿瑟·F·斯旺森;许榕凯 - 帕拉塔系统有限责任公司
- 2022-02-16 - 2023-10-10 - G06T7/11
- 一种方法包括:接收在其中包含一种或多种药品的药品包装的图像;使用人工智能引擎检测图像的与药品包装系统相关联的特性;以及基于药品包装系统的特性生成药品包装的修改图像。
- 用于心脏运动校正的心脏分割方法-201780073758.X
- S·德维韦迪;白传勇;胡志强 - 皇家飞利浦有限公司
- 2017-11-20 - 2023-10-03 - G06T7/11
- 一种机器学习引导的图像分割处理由电子处理器(10)执行。执行图像分割(22)以生成所述医学图像中的解剖结构的初始分割表示(50)。将几何形状的参数拟合(52)到医学图像中的解剖结构,以产生初始拟合形状参数(54)。使用对所述初始拟合形状参数和所述解剖结构的所述初始分割表示进行操作的至少一个分类器(60),为所述医学图像中的所述解剖结构分配分类。通过包括使用分类作为先验知识重复(70)所述图像分割的操作,生成所述医学图像中的所述解剖结构的最终分割表示(72)。在说明性实施例中,所述解剖结构是心脏并且所述几何形状是椭球体。
- 用于生成感兴趣的细胞类型的选择性染色剂分割图像的系统和方法-201880082761.2
- C·盖特;K·阮 - 文塔纳医疗系统公司
- 2018-12-20 - 2023-10-03 - G06T7/11
- 一种用于为染色组织图像中的至少一种感兴趣的细胞类型生成选择性染色剂分割图像的图像分析系统和方法。所述系统和所述方法可以检测所述组织图像中的细胞并且生成对应的膜掩模图像。它们可以对在所述组织图像中检测到的所述细胞进行分类并且生成所述细胞的分类细胞图像。所述系统和所述方法可以进一步基于所述细胞的所述膜掩模图像和所述分类细胞图像为所述至少一种感兴趣的细胞类型生成选择性染色剂分割图像。
- 分段形状确定-202280010957.7
- 郝彰鹏 - 皇家飞利浦有限公司
- 2022-01-18 - 2023-09-22 - G06T7/11
- 在实施例中,描述了一种方法(100)。所述方法包括:估计(102)用于与射线照相成像值进行比较的一对阈值,以基于从对象的射线照相成像数据导出的区域的一部分是否包括指示脉管的存在的射线照相成像值来对所述区域进行分类。所述方法还包括:基于根据所述一对阈值而分类的射线照相成像值集合在所述区域的截面内识别(104)所述脉管的边界。所述方法还包括:确定(106)所述脉管的分段形状,所述分段形状将所述脉管的所识别的边界与在与所述区域相邻的另外的区域的截面中识别的所述脉管的另一边界相连接。
- 图像的处理方法和系统-202180078471.2
- 王智玉;李璐;魏晋 - 宁德时代新能源科技股份有限公司
- 2021-12-07 - 2023-09-22 - G06T7/11
- 本申请涉及图像的处理方法和系统。该方法包括:使用分割算法确定输入图像的目标对象增强图像,其中所述目标对象增强图像包括被分类为目标对象的每一像素被增强显示的图像;以及将积分图算法应用于所述目标对象增强图像以确定目标对象定位图像。
- 用于3D图像中异位骨化的分析的系统和方法-201880034158.7
- 阿里·贝赫鲁兹 - 珀金埃尔默健康科学有限公司
- 2018-05-23 - 2023-09-15 - G06T7/11
- 本文提供了便于受试者的3D图像的自动分割以区分异位骨化(HO)正常骨骼区域和软组织区域的系统和方法。在某些实施例中,所述方法识别受试者的3D图像的(例如,CT或显微CT图像)的离散且可区分的区域,然后,这些区域可以被手动或自动分类为HO或正常骨骼。
- 使用对象引导框架在病理图像中进行实例分割的系统和方法-202180089030.2
- 唐晖;韩连漪;黄超;林斯姚;霍志敏;范伟 - 腾讯美国有限责任公司
- 2021-12-16 - 2023-09-12 - G06T7/11
- 本申请提供了一种用于图像分割的方法、计算机程序及计算机系统。接收诸如生物图像数据的图像数据。检测与所接收的图像数据相关联的一个或多个对象。在所接收的图像数据中确定与基于所检测到的对象的一个或多个分段对应的一个或多个感兴趣区域。
- 使用多个子体积、厚度和曲率用于OCT/OCTA数据配准和视网膜标志检测-202180090038.0
- 胡马云·巴格利尼亚 - 卡尔蔡司医疗技术公司;卡尔蔡司医疗技术股份公司
- 2021-12-01 - 2023-09-05 - G06T7/11
- 用于配准两个OCT数据集合的系统/方法/设备定义两个OCT数据集合中的一个或多个对应子体积的对应2D表示的多个图像对。多个图像对中的匹配标志被识别为组,且基于来自所有图像对的匹配标志来定义变换参数的集合。然后可以基于变换参数的集合来配准这两个OCT数据集合。
- 一种图像处理方法及芯片-202080102287.2
- 储洁宇 - 华为技术有限公司
- 2020-12-01 - 2023-08-22 - G06T7/11
- 本申请实施例提供一图像处理方法。该方法包括:芯片中的图像信号处理器处理从摄像头接收的数据,生成目标图像;所述图像信号处理器将所述目标图像中的第一分片写入所述芯片中的系统缓存中;所述芯片的神经网络处理器从所述系统缓存读取所述第一分片;所述神经网络处理器基于神经网络模型对所述第一分片进行处理,以获取第一输出分片;所述神经网络处理器将所述第一输出分片写入所述系统缓存中;其中,所述神经网络模型包括多个卷积层,所述系统缓存进一步用于存储所述多个卷积层中第一卷积层输出的中间图像数据。本申请提供的技术方案节省了图像处理的耗时,节省了系统功耗。
- 用于造影成像的装置、系统和方法-202180082799.1
- W·T·史;汪世英;C·埃里克;T·卢帕斯;C·特伦布莱-达尔沃;P·希兰;J·E·鲍尔斯 - 皇家飞利浦有限公司
- 2021-11-28 - 2023-08-08 - G06T7/11
- 提供了用于自动选择可从中生成累积造影图像的帧的序列的第一帧和最后一帧的装置、系统和方法。在一些范例中,可以分析图像帧的像素组的统计分布以生成参数图。可以分析参数图,以选择序列的第一个图像帧和最后一个图像帧。在一些范例中,可以选择与具有高于阈值的值的参数图相对应的图像帧作为第一帧。在一些范例中,可以选择与具有所有参数图的最大值的参数图相对应的图像帧作为最后一帧。在一些范例中,参数图可以用于从图像帧分割特征,例如肿瘤。
- 使用变换训练神经网络的技术-202080021290.1
- 徐大光;H·R·罗斯;徐子乐;王潚崧;杨栋;A·迈伦恩科;张玲 - 辉达公司
- 2020-03-09 - 2023-08-08 - G06T7/11
- 使用堆叠变换图像执行神经网络训练的装置、系统和技术。在至少一个实施例中,在堆叠变换图像上训练神经网络,并且提供经训练的神经网络以用于处理来自不同于源域的看不见的域的图像,其中堆叠变换图像根据与域变化相关的变换方面进行变换。
- 图像区域的语义细化-202180083406.9
- E·Z·梅奎因特;齐英勇;毕宁 - 高通股份有限公司
- 2021-11-22 - 2023-08-08 - G06T7/11
- 本文描述了基于描绘类别的对象将图像分割成图像区域,以及用于在语义上细化图像区域的示例。例如,一种系统可以确定图像中的第一图像区域描绘了第一类别的对象。所述系统可以生成所述第一图像区域的颜色距离图,所述颜色距离图将颜色距离值映射到所述第一图像区域中的每个像素。所述颜色距离值对所述图像中的所述第一图像区域中的像素的颜色值与第二图像区域中的样本像素的颜色值之间的差进行量化。所述系统可以基于根据所述颜色距离图被细化的所述第一图像区域的经细化的变体来处理所述图像,例如,通过从所述第一图像区域中去除颜色距离落在颜色距离门限以下的像素。
- 彩色图像帧序列中的基于多个神经网络的对象分割-202080014193.X
- 武田浩行;M·格哈拉维-阿尔克汉萨利 - 索尼集团公司
- 2020-02-19 - 2023-08-08 - G06T7/11
- 提供了用于在彩色图像帧中进行对象分割的图像处理装置和方法。图像处理装置基于第一神经网络模型分别为彩色图像帧序列的第一彩色图像帧和即将到来的彩色图像帧中的感兴趣对象生成第一前景掩模和第二前景掩模。图像处理装置基于第一前景掩模和第二前景掩模的插值来确定第三前景掩模,并且通过使用第二神经网络模型将第三前景掩模更新为第四前景掩模。图像处理装置通过分别使用第一前景掩模、第二前景掩模和第四前景掩模从至少第一彩色图像帧、即将到来的彩色图像帧和中间彩色图像帧分割感兴趣对象。
- 用于分割和识别医学图像中的至少一个管状结构的方法和系统-202180072219.0
- 阿德里安·海茨;朱利安·魏因佐恩;吕克·索莱尔 - 可见患者简易股份公司
- 2021-10-19 - 2023-08-04 - G06T7/11
- 提出了一种用于在示出对象的包含至少一个身体部位的感兴趣体积区域的医学图像中分割和识别具有3D布局且位于所述对象的所述身体部位中的至少一个管状结构并且用于提供结构的标记3D图像的计算机实现方法,所述方法主要包括以下步骤:提供与来自所述医学图像的平面的相应相互不同的截面图对应的一组2D医学图像,该平面全部垂直于给定方向或者全部在给定直线处相互交叉;分割存在于所述2D医学图像中的每个中的相关身体部位的可见区段,并且创建对应的2D身体部位掩蔽图像,该可见区段具体包括在所考虑的2D图像中可见的所述身体部位的完整线性轮廓或外部边界;通过将对应的身体部位掩蔽图像应用于每个2D医学图像来对每个2D医学图像进行预处理;在所述产生的预处理图像中分割管状结构;利用至少一个其他组2D医学图像执行前述步骤,该其他组2D医学图像对应于其他相应不同的截面图;合并不同组的预处理图像的管状结构分割的结果。
- 图像分割过程的一致性度量-202180075277.9
- Y·张;F·M·波里克利 - 高通股份有限公司
- 2021-11-12 - 2023-08-04 - G06T7/11
- 提供用于确定图像分割的一致性度量的技术。例如,系统可以确定与第一图像帧的第一分割掩码相关联的第一分割特征。该系统可以确定与第二图像帧的第二分割掩码相关联的第二分割特征。第二分割特征对应于第一分割特征。该系统可以确定对应于第一分割特征的第一图像帧的第一图像特征,以及对应于第二分割特征的第二图像帧的第二图像特征。该系统可以确定第一图像特征与第二图像特征之间的第一相似性测量。该系统还可以至少部分地基于第一相似性测量来确定与第一图像帧和第二图像帧相关联的时间一致性测量。
- 图像修复方法及装置-202180081022.3
- 尹钟吉;金东元;林晶娟;许宰豪 - SK电信有限公司
- 2021-10-07 - 2023-08-04 - G06T7/11
- 公开了图像修复方法及装置。提供了图像修复方法。根据本公开的一方面,一种修复隐藏在包括在图像中的对象之后的区域的方法包括以下步骤:从图像的帧中选择要从其移除对象的目标帧和包括于隐藏在对象之后的目标帧内部的修复区域相关的信息的参考帧;以及通过根据被选为参考帧的帧的数量执行帧间修复和/或帧内修复来修复目标帧。
- 用于分割解剖结构的二维图像的方法和装置-201780065543.3
- A·施密特-里奇伯格;I·韦希特尔-施特勒;M·贝格特尔特;J·彼得斯;R·J·威斯 - 皇家飞利浦有限公司
- 2017-10-20 - 2023-08-01 - G06T7/11
- 提供了一种用于分割解剖结构的二维图像的方法和装置。采集所述解剖结构的三维模型(202)。所述三维模型包括多个分段。所采集的三维模型被调整以使所采集的三维模型与所述二维图像对准(204)。通过经调整的三维模型的多个分段来分割所述二维图像。
- 用于图像分割的方法和装置-202180075275.X
- A·库里斯;S·I·维尼里斯;S·拉斯卡里迪斯;I·莱昂蒂亚迪斯 - 三星电子株式会社
- 2021-11-09 - 2023-07-14 - G06T7/11
- 概括地说,本技术一般涉及一种用于训练机器学习ML模型以执行语义图像分割的方法,并且涉及一种使用经过训练的机器学习ML模型来执行语义图像分割的计算机实现的方法和装置。所述训练方法使得语义图像分割ML模型能够更快地进行预测,而不会明显损失精度。所述训练方法还使得所述ML模型能够在具有不同硬件规格,例如,不同的计算能力和内存的装置上实现。
- 图像分割方法和系统-202180070460.X
- S·R·昆德蒂;M·K·威 - 皇家飞利浦有限公司
- 2021-10-12 - 2023-06-27 - G06T7/11
- 根据一个方面,提供了计算机实现的分割方法(100;210),方法包括:对对象区域的一个或多个第一图像执行第一自动分割操作(400),以自动确定对象区域的第一分割映射,其中一个或多个第一图像使用第一技术生成;至少部分地基于第一分割映射,对对象区域的一个或多个第二图像执行第二自动分割操作(600),以自动确定对象区域的第二分割映射,其中对象区域的一个或多个第二图像使用不同于第一技术的第二技术生成,第一和第二成像技术用于捕获对象区域的不同性质;自动确定第一和第二分割映射的分割部分之间的不匹配。
- 针对图像效果的分割-202180067005.4
- C-C·蔡;S·马德哈范;S-C·庄;K-J·许;V·R·K·达亚娜;江晓云 - 高通股份有限公司
- 2021-09-07 - 2023-06-23 - G06T7/11
- 提供了用于进行前景图像分割的系统、方法和计算机可读介质。在一些示例中,一种方法可以包括:获得目标的第一图像和目标的第二图像,第一图像具有第一视场(FOV),并且第二图像具有第二FOV;基于第一图像来确定第一分割图,该第一分割图识别第一图像中的第一估计前景区域;基于第二图像来确定第二分割图,该第二分割图识别第二图像中的第二估计前景区域;基于第一分割图和第二分割图来生成第三分割图;以及使用第二分割图和第三分割图生成细化分割掩模,该细化分割掩模将目标的至少一部分识别为第一图像和/或第二图像的前景区域。
- 使用神经网络方法的图像分割-201780064971.4
- 徐峤峰;韩骁 - 医科达有限公司
- 2017-08-23 - 2023-06-20 - G06T7/11
- 本公开涉及用于分割三维图像的系统、方法、设备和非暂态计算机可读存储介质。在一个实现方式中,提供了一种用于分割三维图像的计算机实现的方法。该方法可以包括:接收由成像设备获取的三维图像;以及从三维图像中选择相邻二维图像的多个堆叠。该方法还可以包括:由处理器使用神经网络模型来分割相邻二维图像的每个堆叠。该方法还可以包括:由处理器通过聚合来自多个堆叠的分割结果来确定三维图像的标记图。
- 用于生成放射治疗计划的系统和方法-202080105608.4
- 周婧劼;杜慧 - 上海联影医疗科技股份有限公司
- 2020-09-27 - 2023-06-13 - G06T7/11
- 一种用于治疗计划的方法可以包括获取对象的医学图像,所述对象包括针对放射治疗的ROI。所述方法还包括获取已基于目标函数进行训练的图像分割模型,所述目标函数与所述图像分割模型的输出的错误边信息有关。所述方法还包括基于所述医学图像,通过执行所述图像分割模型生成分割结果,所述分割结果包括所述医学图像中与所述对象的所述ROI对应的目标区域的边界。所述方法还包括根据所述分割结果,计划针对所述对象的所述ROI的放射治疗。
- 用于检测和分割多个前景对象的方法-201780078605.4
- 亚历山大·路易;大卫·克洛斯特曼;麦加·库塞;内森·卡希尔;大卫·梅辛格 - 柯达阿拉里斯股份有限公司
- 2017-12-19 - 2023-06-06 - G06T7/11
- 本文公开了一种用于检测和分割多个前景对象的方法。引入了新的背景先验来改进前景分割结果。三种互补方法检测并分割包含多个对象的前景。第一种方法执行图像的迭代分割以拉出图像中的显著性对象。在第二种方法中,使用图像图的更高维度嵌入以估计显著性得分并提取多个显著性对象。第三种方法使用度量以在迭代计算图像显著图的替代方法中自动挑选要考虑的特征向量的数量。实验结果表明,这些方法成功地从图像中精确地提取了多个前景对象。
- 基于超体素的时空视频分割的快速渐进式方法-201880027386.1
- 徐迅;中村章 - 索尼公司
- 2018-06-29 - 2023-05-30 - G06T7/11
- 基于超体素的时空视频分割方法的两步体系架构确保速度和可伸缩性。计算密集的第一步使用高度高效的超体素分割方法。第二步是在预分组的超体素上完成的,因此具有低得多的时间和空间复杂性。第一步中部署的渐进式分割方案使得能够逐部分地分割巨大的输入体量,而无需将所有数据加载到存储器中(该步骤可能是不可行的)。同时,渐进式分割能够有效地防止接缝伪影,从而导致分割结果实际上与整个体量处理的结果相同。
- 在利用虚拟时间同步的三维目标跟踪之前对二维图像数据的基于运动的预处理-202180055447.7
- 丹尼尔·福斯格伦;施泰因·诺尔海姆 - 涛普高尔夫瑞典公司
- 2021-08-16 - 2023-05-23 - G06T7/11
- 在至少一个方面中,用于在3D对象跟踪之前预处理图像数据的方法、系统和装置(包括介质编码的计算机程序产品)包括一种方法,该方法包括:在第一计算机处从相机接收图像帧;由第一计算机识别图像帧中的感兴趣位置;查找位置的序列,其中,序列中的每个序列满足针对在来自相机的至少三个图像帧中识别的位置的运动标准;以及将位置的序列的输出数据发送到第二计算机,用于通过使用特定图像帧的时间戳,在用于序列的特定图像帧中的特定2D定位之间进行插值来处理输出数据中的序列,以在预定时间点产生虚拟2D定位,其可用于构建运动中的球的3D轨迹。
- 用于病灶检测的利用联合训练的连接式机器学习模型-202180053816.9
- 宋庄;N·G·T·本特松;R·A·D·卡拉诺;D·B·克莱顿;A·S·J·钱皮恩·德克雷斯皮尼;L·盖塔诺;A·P·克里什南 - 基因泰克公司;豪夫迈·罗氏有限公司
- 2021-08-31 - 2023-05-09 - G06T7/11
- 本文公开的实施例总体上涉及用于病灶检测的利用联合训练的连接式机器学习模型。特别地,本公开的方面涉及:访问三维磁共振成像(MRI)图像,其中所述三维MRI图像描绘受试者的脑部的区域,其中所述脑部的所述区域包括至少第一类型的病灶和第二类型的病灶;将所述三维MRI图像输入到包括第一卷积神经网络和第二卷积神经网络的机器学习模型中;使用将所述三维MRI图像作为输入的所述第一卷积神经网络来生成针对所述第一类型的病灶的第一分割掩模;使用将所述三维MRI图像作为输入的所述第二卷积神经网络来生成针对所述第二类型的病灶的第二分割掩模;以及输出所述第一分割掩模和所述第二分割掩模。
- 图像处理方法及装置、医学影像设备及存储介质-202080104994.5
- 常少杰;闫浩 - 西安大医集团股份有限公司
- 2020-12-01 - 2023-05-09 - G06T7/11
- 一种图像处理方法及装置、医学影像设备及存储介质,属于医学诊断技术领域。该方法包括:获取医学影像设备采集的待校正投影数据(101);对待校正投影数据进行重建处理,得到待校正图像,并向第一校正模型输入待校正图像,得到第一校正模型输出的第一校正图像(102);向第二校正模型输入待校正投影数据,得到第二校正模型输出的校正后的投影数据,并对校正后的投影数据进行重建处理,得到第二校正图像(103);基于第一校正图像和第二校正图像,生成与待校正投影数据对应的目标校正图像(104)。该目标校正图像中包含伪影的概率较低,进而有效的提高了通过医学影像设备获取用于进行临床治疗的图像的质量。
- 相机和相机的图像处理方法-201880007841.1
- 张一权;卢承仁;李荣铉 - 韩华泰科株式会社
- 2018-01-19 - 2023-05-09 - G06T7/11
- 提供一种相机和相机的图像处理方法。根据本公开的一个方面,一种相机的图像处理方法包括:接收区域信息;接收从与根据关于输入图像的区域信息设置的区域对应的原始分辨率图像的对应区域提取的图像数据;以及分析原始分辨率图像的图像数据并检测与设置条件对应的对象。
- 专利分类