-
公开(公告)号：CN104885118A
公开(公告)日：2015-09-02
申请号：CN201380068133.6
申请日：2013-12-20
Applicant: 奥林巴斯株式会社
CPC classification number: G06T3/4038 , A61B1/00009 , A61B1/041 , G06F17/3028 , G06F17/30843 , G06T7/0012 , G06T2207/10068 , G06T2207/20221 , G06T2207/30196 , G11B27/031 , G11B27/105 , G11B27/28
Abstract: 图像处理装置包括取得具有第1～第N图像的输入图像列的图像列取得部(200)、以及删除第1～第N图像的一部分而进行图像精简处理的处理部(100)，处理部(100)选择第s(s为满足0≦s≦N+1的整数)图像作为假定精简图像，选择第t(t为满足0≦t≦s-1的整数)图像作为假定紧前精简图像，选择第u(u为满足t
-
公开(公告)号：CN104203065A
公开(公告)日：2014-12-10
申请号：CN201380012984.9
申请日：2013-03-07
Applicant: 奥林巴斯株式会社
CPC classification number: G06T7/0012 , A61B1/00009 , A61B1/041 , G06K9/00751 , G06K9/00765 , G06K9/52 , G06K9/6215 , G06K9/6289 , G11B27/031
Abstract: 图像精简装置包含：第1图像精简处理部(100)，其通过基于多个图像间的相似度的第1图像精简处理，取得第1精简图像列；第2图像精简处理部(200)，其通过针对多个图像中的各图像的、基于对象物体或场景的识别处理的第2图像精简处理，取得第2精简图像列；以及合并处理部(300)，其进行第1精简图像列和第2精简图像列的合并处理、或第1图像精简处理和第2图像精简处理的合并处理，来取得输出精简图像列。
-
公开(公告)号：CN111602146B
公开(公告)日：2024-05-10
申请号：CN201880086497.X
申请日：2018-01-16
Applicant: 奥林巴斯株式会社
Inventor： 矢口阳一
IPC: G06N3/0985
Abstract: 数据处理系统(100)具有学习部(140)，该学习部(140)根据通过对学习数据执行基于神经网络的处理而输出的输出数据和针对该学习数据的理想的输出数据之间的比较，对神经网络的最优化对象参数进行最优化。学习部(140)将如下的倾斜比参数作为最优化参数之一而进行优化，该倾斜比参数表示神经网络的激活函数的输入值位于正范围时的斜率和输入值位于负范围时的斜率之间的比率。
-
公开(公告)号：CN106859578B
公开(公告)日：2018-11-20
申请号：CN201710212172.9
申请日：2013-03-07
Applicant: 奥林巴斯株式会社
Inventor： 矢口阳一
CPC classification number: G06T7/0012 , A61B1/00009 , A61B1/041 , G06K9/00751 , G06K9/00765 , G06K9/52 , G06K9/6215 , G06K9/6289 , G11B27/031
Abstract: 图像精简装置包含：第1图像精简处理部(100)，其通过基于多个图像间的相似度的第1图像精简处理，取得第1精简图像列；第2图像精简处理部(200)，其通过针对多个图像中的各图像的、基于对象物体或场景的识别处理的第2图像精简处理，取得第2精简图像列；以及合并处理部(300)，其进行第1精简图像列和第2精简图像列的合并处理、或第1图像精简处理和第2图像精简处理的合并处理，来取得输出精简图像列。
-
公开(公告)号：CN104203065B
公开(公告)日：2017-04-12
申请号：CN201380012984.9
申请日：2013-03-07
Applicant: 奥林巴斯株式会社
CPC classification number: G06T7/0012 , A61B1/00009 , A61B1/041 , G06K9/00751 , G06K9/00765 , G06K9/52 , G06K9/6215 , G06K9/6289 , G11B27/031
Abstract: 图像精简装置包含：第1图像精简处理部(100)，其通过基于多个图像间的相似度的第1图像精简处理，取得第1精简图像列；第2图像精简处理部(200)，其通过针对多个图像中的各图像的、基于对象物体或场景的识别处理的第2图像精简处理，取得第2精简图像列；以及合并处理部(300)，其进行第1精简图像列和第2精简图像列的合并处理、或第1图像精简处理和第2图像精简处理的合并处理，来取得输出精简图像列。
-
Patent Agency Ranking
公开(公告)号：CN104244801A
公开(公告)日：2014-12-24
申请号：CN201380020663.3
申请日：2013-03-25
Applicant: 奥林巴斯株式会社
Inventor： 矢口阳一
IPC: A61B1/00
Abstract: 图像处理装置包含：图像列取得部(200)，其取得具有多个图像的图像列；以及处理部(100)，其进行删除图像列取得部(200)所取得的图像列的多个图像的一部分而取得精简图像列的图像精简处理，处理部(100)从多个图像中选择基准图像和判定对象图像，根据使用了基准图像与判定对象图像之间的变形信息的处理和使用了与关注区域对应的构造要素的处理的结果，判定可否删除判定对象图像。
-
-
公开(公告)号：CN112639837A
公开(公告)日：2021-04-09
申请号：CN201880096915.3
申请日：2018-08-31
Applicant: 奥林巴斯株式会社
Inventor： 矢口阳一
IPC: G06N3/08
Abstract: 数据处理系统(100)具有：神经网络处理部(130)，其执行按照包含输入层、1个以上的中间层以及输出层在内的神经网络的处理；以及学习部(140)，其基于通过神经网络处理部(130)对学习数据执行按照神经网络的处理而输出的输出数据与相对于该学习数据的理想的输出数据的比较，使神经网络的最优化对象参数最优化，由此使神经网络进行学习。神经网络处理部(130)在学习中，执行对中间数据乘以绝对值根据学习的进展度而单调增加的系数的系数处理，该中间数据表示向构成第M层(M为1以上的整数)中间层的中间层要素输入的输入数据或来自该中间层要素的输出数据。
-
公开(公告)号：CN111602146A
公开(公告)日：2020-08-28
申请号：CN201880086497.X
申请日：2018-01-16
Applicant: 奥林巴斯株式会社
Inventor： 矢口阳一
IPC: G06N3/08
Abstract: 数据处理系统(100)具有学习部(140)，该学习部(140)根据通过对学习数据执行基于神经网络的处理而输出的输出数据和针对该学习数据的理想的输出数据之间的比较，对神经网络的最优化对象参数进行最优化。学习部(140)将如下的倾斜比参数作为最优化参数之一而进行优化，该倾斜比参数表示神经网络的激活函数的输入值位于正范围时的斜率和输入值位于负范围时的斜率之间的比率。
-
公开(公告)号：CN104244801B
公开(公告)日：2017-05-10
申请号：CN201380020663.3
申请日：2013-03-25
Applicant: 奥林巴斯株式会社
Inventor： 矢口阳一
IPC: A61B1/00
Abstract: 图像处理装置包含：图像列取得部(200)，其取得具有多个图像的图像列；以及处理部(100)，其进行删除图像列取得部(200)所取得的图像列的多个图像的一部分而取得精简图像列的图像精简处理，处理部(100)从多个图像中选择基准图像和判定对象图像，根据使用了基准图像与判定对象图像之间的变形信息的处理和使用了与关注区域对应的构造要素的处理的结果，判定可否删除判定对象图像。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.11 seconds)
