申请/专利权人：斯特拉克斯私人有限公司

申请日：2020-06-19

公开（公告）日：2021-01-12

公开（公告）号：CN112215858A

主分类号：G06T7/12(20170101)

分类号：G06T7/12(20170101);G06T7/11(20170101);G06T7/187(20170101);G06T7/00(20170101);G16H30/40(20180101)

优先权：["20190621 US 16/448,252"]

专利状态码：在审-实质审查的生效

法律状态：2022.07.01#实质审查的生效;2021.01.12#公开

摘要：本发明涉及一种用于图像分割和识别的方法和系统，该系统包括：训练子系统，其配置为利用包含与相应的分割注释相关联的图像的带注释的训练数据来训练分割机器学习模型，从而生成训练的分割机器学习模型；模型评估器；分割子系统，其配置为利用经过训练的分割机器学习模型对图像中的结构或材料进行分割。模型评估器配置为通过以下评估分割机器学习模型i对分割子系统进行控制以利用分割机器学习模型对与现有的分割注释相关联的至少一个评估图像进行分割，从而生成带注释的评估图像的分割，ii形成带注释的评估图像的分割与现有的分割注释的比较；如果比较表明分割机器学习模型是令人满意的，则部署或释放训练的分割机器学习模型以供使用。

主权项：1.一种图像分割系统，其包括：训练子系统，其配置为利用包含与相应分割注释相关联的图像的带注释的训练数据来训练分割机器学习模型，从而生成经过训练的分割机器学习模型；模型评估器；以及分割子系统，其配置为利用经过训练的分割机器学习模型对图像中的结构或材料进行分割；其中，所述模型评估器配置为通过以下方式评估分割机器学习模型i对分割子系统进行控制以利用分割机器学习模型对与现有的分割注释相关联的至少一个评估图像进行分割，从而生成带注释的评估图像的分割，以及ii形成带注释的评估图像的分割与现有的分割注释的比较；以及如果比较表明分割机器学习模型是令人满意的，则部署或释放经过训练的分割机器学习模型以供使用。

全文数据：

权利要求：

百度查询： 斯特拉克斯私人有限公司 用于图像分割和识别的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD