-
公开(公告)号:CN108073942A
公开(公告)日:2018-05-25
申请号:CN201710673817.9
申请日:2017-08-01
Applicant: 三星电子株式会社
CPC classification number: G06K9/6212 , G06K9/4604 , G06K9/4628 , G06K9/4642 , G06K9/4671 , G06K9/6256 , G06K9/66 , G06N3/0454 , G06N3/084 , G06T7/11 , G06T7/187 , G06T2207/20021 , G06T2207/20081 , G06K9/6201 , G01N21/84 , G06K9/342
Abstract: 公开执行材料识别和用于材料识别的训练的方法和设备。提供与材料识别和训练有关的方法和设备。一种用于材料识别的训练设备通过从对象图像产生具有纹理属性的纹理图像来产生与材料相关联的训练数据,并使用训练数据训练材料模型。
-
公开(公告)号:CN111767770B
公开(公告)日:2025-04-25
申请号:CN201911010931.9
申请日:2019-10-22
Applicant: 三星电子株式会社
Abstract: 一种由处理器实现的方法包括:根据从一个或多个传感器获取的连续帧的帧图像,估计所述一个或多个传感器的短期自我运动信息;根据所述帧图像,估计所述一个或多个传感器的长期自我运动信息;根据所述短期自我运动信息和所述长期自我运动信息,确定注意力信息;以及基于所述长期自我运动信息和所述注意力信息,确定所述连续帧中的当前帧的最终长期自我运动信息。
-
公开(公告)号:CN108121995B
公开(公告)日:2023-12-08
申请号:CN201710544947.2
申请日:2017-07-06
Applicant: 三星电子株式会社
IPC: G06V10/44 , G06V10/764 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 公开一种用于识别对象的方法和设备。一种识别对象的方法包括:驱使处理器以:将输入图像施加到包括多个层的特征提取器;基于由包括在特征提取器中的第一层输出的输入图像的多个第一特征向量和由包括在特征提取器中的第二层输出的输入图像的多个第二特征向量,确定第三特征向量;基于第三特征向量,识别输入图像中的对象。
-
公开(公告)号:CN115035224A
公开(公告)日:2022-09-09
申请号:CN202110947157.5
申请日:2021-08-18
Applicant: 三星电子株式会社
Abstract: 一种处理器实现的方法包括:使用基于神经网络的一个或多个提取模型,基于包括对象的输入图像数据来确定规范空间中的反照率数据和规范空间中的深度数据;通过将目标形状变形值分别应用于反照率数据和深度数据来生成变形的反照率数据和变形的深度数据;通过基于变形的深度数据和目标照度值执行着色来生成结果着色数据;基于结果着色数据和变形的反照率数据来生成中间图像数据;以及基于目标姿态值根据中间图像数据和变形的深度数据来生成重构的图像数据。
-
-
公开(公告)号:CN112990427A
公开(公告)日:2021-06-18
申请号:CN202011468409.8
申请日:2020-12-14
Applicant: 三星电子株式会社
Abstract: 一种处理器实现的神经网络操作方法,该操作方法包括:获得在源域中预训练的神经网络和源域的第一样式特征;使用神经网络从所接收的目标域的输入数据中提取目标域的第二样式特征;通过基于源域的第一样式特征和目标域的第二样式特征对输入数据执行样式匹配,来执行输入数据的域自适应;以及使用神经网络来处理经样式匹配的输入数据。
-
公开(公告)号:CN112539753A
公开(公告)日:2021-03-23
申请号:CN202010168378.8
申请日:2020-03-11
Applicant: 三星电子株式会社
Abstract: 一种处理器实现的方法,包括:计算从输入图像中提取出的边缘分量像素的边缘方向信息;基于所述边缘方向信息和虚拟水平线信息来确定所述边缘分量像素中的内点像素;基于所述内点像素来估计旋转参考点;以及基于所估计的旋转参考点来校正所述装置的定位信息。
-
-
公开(公告)号:CN111062405B
公开(公告)日:2024-11-15
申请号:CN201910583821.5
申请日:2019-06-28
Applicant: 三星电子株式会社
IPC: G06V10/774 , G06V10/764
Abstract: 公开了训练图像识别模型以准确地估计每类地标的参考点的位置的装置和方法。该装置和方法使用图像识别模型,该图像识别模型是基于以下来训练的:基于图像识别模型根据训练数据来计算类别损失和依赖于类别的定位损失;以及使用包括类别损失和定位损失在内的总损失来训练图像识别模型。
-
-
-
-
-
-
-
-
-