Nothing Special   »   [go: up one dir, main page]

RU2016138608A - Нейронная сеть для сегментации изображения глаза и оценки качества изображения - Google Patents

Нейронная сеть для сегментации изображения глаза и оценки качества изображения Download PDF

Info

Publication number
RU2016138608A
RU2016138608A RU2016138608A RU2016138608A RU2016138608A RU 2016138608 A RU2016138608 A RU 2016138608A RU 2016138608 A RU2016138608 A RU 2016138608A RU 2016138608 A RU2016138608 A RU 2016138608A RU 2016138608 A RU2016138608 A RU 2016138608A
Authority
RU
Russia
Prior art keywords
image
eye
layer
segmentation
tower
Prior art date
Application number
RU2016138608A
Other languages
English (en)
Inventor
Алексей СПИЖЕВОЙ
Виджай БАДРИНАРАЙАНАН
Адриан КЭЕЛЕР
Original Assignee
Мэджик Лип, Инк.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Мэджик Лип, Инк. filed Critical Мэджик Лип, Инк.
Priority to RU2016138608A priority Critical patent/RU2016138608A/ru
Priority to EP17856946.3A priority patent/EP3518731A4/en
Priority to CN202210134787.5A priority patent/CN114495250A/zh
Priority to JP2019516390A priority patent/JP6785952B2/ja
Priority to AU2017337317A priority patent/AU2017337317B2/en
Priority to CA3038031A priority patent/CA3038031A1/en
Priority to KR1020227035459A priority patent/KR102583040B1/ko
Priority to IL308022A priority patent/IL308022A/en
Priority to CN201780073170.4A priority patent/CN110022753B/zh
Priority to IL265534A priority patent/IL265534B2/en
Priority to US15/605,567 priority patent/US10445881B2/en
Priority to KR1020237032251A priority patent/KR20230137500A/ko
Priority to KR1020197011904A priority patent/KR102225527B1/ko
Priority to KR1020217006298A priority patent/KR102456024B1/ko
Priority to PCT/US2017/034482 priority patent/WO2018063451A1/en
Publication of RU2016138608A publication Critical patent/RU2016138608A/ru
Priority to US16/570,418 priority patent/US11100644B2/en
Priority to JP2020089392A priority patent/JP7035110B2/ja
Priority to US17/407,763 priority patent/US11776131B2/en
Priority to JP2022031663A priority patent/JP7253087B2/ja
Priority to US18/455,093 priority patent/US20240029269A1/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/197—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30041—Eye; Retina; Ophthalmic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Human Computer Interaction (AREA)
  • Ophthalmology & Optometry (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Image Analysis (AREA)
  • Collating Specific Patterns (AREA)
  • Eye Examination Apparatus (AREA)

Claims (42)

1. Способ сегментации изображения глаза и оценки качества изображения, согласно которому под управлением аппаратного процессора:
получают изображение глаза,
обрабатывают изображение глаза с использованием сверточной нейронной сети для генерирования сегментации изображения глаза, а также
обрабатывают изображение глаза с использованием указанной сверточной нейронной сети для генерирования оценки качества изображения глаза,
при этом сверточная нейронная сеть содержит башню сегментации и башню оценки качества,
башня сегментации содержит слои сегментации и общие слои,
башня оценки качества содержит слои оценки качества и указанные общие слои,
первый выходной слой из указанных общих слоев соединен с первым и вторым входными слоями башни сегментации,
первый выходной слой из указанных общих слоев соединен с входным слоем из указанных слоев оценки качества, а
при получении изображения глаза получают это изображение входным слоем из указанных общих слоев.
2. Способ по п. 1, согласно которому второй выходной слой из указанных общих слоев соединен с третьим входным слоем башни сегментации.
3. Способ по п. 1, согласно которому обработка изображения глаза с использованием сверточной нейронной сети для генерирования сегментации изображения глаза включает генерирование сегментации изображения глаза с использованием башни сегментации, а выходные данные из выходного слоя башни сегментации являются указанной сегментацией изображения глаза.
4. Способ по п. 3, согласно которому указанная сегментация изображения глаза содержит фон, склеру, радужную оболочку или зрачок из изображения глаза.
5. Способ по п. 4, согласно которому дополнительно:
определяют контур зрачка глаза на изображении глаза с использованием указанной сегментации изображения глаза,
определяют контур радужной оболочки глаза на изображении глаза с использованием указанной сегментации изображения глаза и
определяют маску для несущественной области на изображении глаза.
6. Способ по п. 1, согласно которому значение цвета пикселя указанной сегментации изображения глаза соответствует фону, склере, радужной оболочке или зрачку из изображения глаза.
7. Способ по п. 1, согласно которому обработка изображения глаза с использованием сверточной нейронной сети для генерирования оценки качества изображения глаза включает генерирование оценки качества изображения глаза с использованием башни оценки качества, а выходные данные выходного слоя башни оценки качества содержат оценку качества изображения глаза.
8. Способ по п. 1, согласно которому оценка качества изображения глаза представляет собой оценку типа «хорошее качество» или оценку типа «плохое качество».
9. Способ по п. 1, согласно которому общие слои, слои сегментации или слои оценки качества содержат сверточный слой, нормализующий слой для нормализации яркости, нормализующий слой для групповой нормализации, слой с функцией активации типа «линейный выпрямитель», повышающий дискретизацию слой, конкатенативный слой, слой с функцией пространственного объединения, полносвязный слой, линейный полносвязный слой, слой с функцией гладкой аппроксимации или любую их комбинацию.
10. Способ сегментации изображения глаза и оценки качества изображения, согласно которому под управлением аппаратного процессора:
получают изображение глаза,
обрабатывают изображение глаза с использованием сверточной нейронной сети для генерирования сегментации изображения глаза, а также
обрабатывают изображение глаза с использованием сверточной нейронной сети для генерирования оценки качества изображения глаза.
11. Способ по п. 1, согласно которому сверточная нейронная сеть содержит башню сегментации и башню оценки качества, причем башня сегментации содержит слои сегментации и общие слои, башня оценки качества содержит слои оценки качества и общие слои, а при получении изображения глаза получают это изображение входным слоем из указанных общих слоев.
12. Способ по п. 11, согласно которому первый выходной слой из указанных общих слоев соединен с первым входным слоем башни сегментации.
13. Способ по п. 12, согласно которому первый выходной слой из указанных общих слоев соединен со вторым входным слоем башни сегментации.
14. Способ по п. 12, согласно которому первый выходной слой из указанных общих слоев соединен с входным слоем башни оценки качества.
15. Способ по п. 11, согласно которому обработка изображения глаза с использованием сверточной нейронной сети для генерирования сегментации изображения глаза включает генерирование сегментации изображения глаза с использованием башни сегментации, а выходные данные из выходного слоя башни сегментации являются указанной сегментацией изображения глаза.
16. Способ по п. 11, согласно которому сегментация изображения глаза содержит фон, склеру, радужную оболочку или зрачок из изображения глаза.
17. Способ по п. 11, согласно которому обработка изображения глаза с использованием сверточной нейронной сети для генерирования оценки качества изображения глаза включает генерирование оценки качества изображения глаза с использованием башни оценки качества, а выходные данные выходного слоя башни оценки качества представляют собой оценку качества изображения глаза.
18. Способ по п. 11, согласно которому общие слои, слои сегментации или слои оценки качества содержат сверточный слой, нормализующий слой для групповой нормализации, слой с функцией активации типа «линейный выпрямитель», повышающий дискретизацию слой, конкатенативный слой, слой с функцией пространственного объединения, полносвязный слой, линейный полносвязный слой или любую их комбинацию.
19. Способ по п. 18, согласно которому нормализующий слой для групповой нормализации представляет собой нормализующий слой для групповой нормализации локального контраста или нормализующий слой для групповой нормализации локального отклика.
20. Способ по п. 11, согласно которому общие слои, слои сегментации или слои оценки качества содержат нормализующий слой для нормализации яркости, слой с функцией гладкой аппроксимации или любую их комбинацию.
21. Способ по п. 10, согласно которому изображение глаза захватывают датчиком изображений пользовательского устройства для аутентификации.
22. Способ по п. 10, согласно которому указанная сегментация изображения глаза содержит большую часть радужной оболочки из изображения глаза.
23. Способ по п. 10, согласно которому сегментация изображения глаза содержит большую часть сетчатки из изображения глаза.
24. Компьютерная система, содержащая:
аппаратный процессор и
память длительного хранения, содержащую сохраненные в ней инструкции, которые, при их исполнении аппаратным процессором, вызывают выполнение этим процессором способа по любому пп. 1-23.
25. Компьютерная система по п. 24, содержащая мобильное устройство или надеваемую дисплейную систему.
RU2016138608A 2016-09-29 2016-09-29 Нейронная сеть для сегментации изображения глаза и оценки качества изображения RU2016138608A (ru)

Priority Applications (20)

Application Number Priority Date Filing Date Title
RU2016138608A RU2016138608A (ru) 2016-09-29 2016-09-29 Нейронная сеть для сегментации изображения глаза и оценки качества изображения
IL265534A IL265534B2 (en) 2016-09-29 2017-05-25 Neural network for eye image segmentation and image quality estimation
US15/605,567 US10445881B2 (en) 2016-09-29 2017-05-25 Neural network for eye image segmentation and image quality estimation
JP2019516390A JP6785952B2 (ja) 2016-09-29 2017-05-25 眼画像セグメント化および画質推定のためのニューラルネットワーク
AU2017337317A AU2017337317B2 (en) 2016-09-29 2017-05-25 Neural network for eye image segmentation and image quality estimation
CA3038031A CA3038031A1 (en) 2016-09-29 2017-05-25 Neural network for eye image segmentation and image quality estimation
KR1020227035459A KR102583040B1 (ko) 2016-09-29 2017-05-25 눈 이미지 세그먼테이션 및 이미지 품질 추정을 위한 뉴럴 네트워크
IL308022A IL308022A (en) 2016-09-29 2017-05-25 Neural network for eye image segmentation and image quality estimation
CN201780073170.4A CN110022753B (zh) 2016-09-29 2017-05-25 用于眼睛图像分割和图像质量估计的神经网络
EP17856946.3A EP3518731A4 (en) 2016-09-29 2017-05-25 NEURONAL NETWORK FOR EYE IMAGE SEGMENTATION AND IMAGE QUALITY ESTIMATION
CN202210134787.5A CN114495250A (zh) 2016-09-29 2017-05-25 用于眼睛图像分割和图像质量估计的神经网络
KR1020237032251A KR20230137500A (ko) 2016-09-29 2017-05-25 눈 이미지 세그먼테이션 및 이미지 품질 추정을 위한 뉴럴 네트워크
KR1020197011904A KR102225527B1 (ko) 2016-09-29 2017-05-25 눈 이미지 세그먼테이션 및 이미지 품질 추정을 위한 뉴럴 네트워크
KR1020217006298A KR102456024B1 (ko) 2016-09-29 2017-05-25 눈 이미지 세그먼테이션 및 이미지 품질 추정을 위한 뉴럴 네트워크
PCT/US2017/034482 WO2018063451A1 (en) 2016-09-29 2017-05-25 Neural network for eye image segmentation and image quality estimation
US16/570,418 US11100644B2 (en) 2016-09-29 2019-09-13 Neural network for eye image segmentation and image quality estimation
JP2020089392A JP7035110B2 (ja) 2016-09-29 2020-05-22 眼画像セグメント化および画質推定のためのニューラルネットワーク
US17/407,763 US11776131B2 (en) 2016-09-29 2021-08-20 Neural network for eye image segmentation and image quality estimation
JP2022031663A JP7253087B2 (ja) 2016-09-29 2022-03-02 眼画像セグメント化および画質推定のためのニューラルネットワーク
US18/455,093 US20240029269A1 (en) 2016-09-29 2023-08-24 Neural network for eye image segmentation and image quality estimation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2016138608A RU2016138608A (ru) 2016-09-29 2016-09-29 Нейронная сеть для сегментации изображения глаза и оценки качества изображения

Publications (1)

Publication Number Publication Date
RU2016138608A true RU2016138608A (ru) 2018-03-30

Family

ID=61686461

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2016138608A RU2016138608A (ru) 2016-09-29 2016-09-29 Нейронная сеть для сегментации изображения глаза и оценки качества изображения

Country Status (10)

Country Link
US (4) US10445881B2 (ru)
EP (1) EP3518731A4 (ru)
JP (3) JP6785952B2 (ru)
KR (4) KR102583040B1 (ru)
CN (2) CN110022753B (ru)
AU (1) AU2017337317B2 (ru)
CA (1) CA3038031A1 (ru)
IL (2) IL265534B2 (ru)
RU (1) RU2016138608A (ru)
WO (1) WO2018063451A1 (ru)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2716914C1 (ru) * 2019-10-22 2020-03-17 Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ) Способ автоматической классификации рентгеновских изображений с использованием масок прозрачности
CN112669289A (zh) * 2020-12-30 2021-04-16 科大讯飞股份有限公司 影像质量评估方法、装置、电子设备及存储介质

Families Citing this family (90)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8693731B2 (en) 2012-01-17 2014-04-08 Leap Motion, Inc. Enhanced contrast for object detection and characterization by optical imaging
US11493998B2 (en) 2012-01-17 2022-11-08 Ultrahaptics IP Two Limited Systems and methods for machine control
US9495590B1 (en) * 2015-04-23 2016-11-15 Global Bionic Optics, Ltd. Extended depth-of-field biometric system
EP3485425B1 (en) 2016-07-14 2023-08-23 Magic Leap, Inc. Deep neural network for iris identification
US10802992B2 (en) 2016-08-12 2020-10-13 Xilinx Technology Beijing Limited Combining CPU and special accelerator for implementing an artificial neural network
US10643124B2 (en) * 2016-08-12 2020-05-05 Beijing Deephi Intelligent Technology Co., Ltd. Method and device for quantizing complex artificial neural network
RU2016138608A (ru) 2016-09-29 2018-03-30 Мэджик Лип, Инк. Нейронная сеть для сегментации изображения глаза и оценки качества изображения
EP3542250A4 (en) 2016-11-15 2020-08-26 Magic Leap, Inc. DEPTH LEARNING SYSTEM FOR DETECTION OF RUBBERS
WO2018106542A1 (en) 2016-12-05 2018-06-14 Magic Leap, Inc. Virtual user input controls in a mixed reality environment
DE112017006136T5 (de) * 2016-12-05 2019-08-22 Avigilon Corporation System und Verfahren zur CNN-Schichtenteilung
US10963676B2 (en) * 2016-12-23 2021-03-30 Samsung Electronics Co., Ltd. Image processing method and apparatus
WO2018170421A1 (en) 2017-03-17 2018-09-20 Magic Leap, Inc. Room layout estimation methods and techniques
JP6930223B2 (ja) * 2017-05-31 2021-09-01 富士通株式会社 瞳孔検出用コンピュータプログラム、瞳孔検出装置及び瞳孔検出方法
US11647903B2 (en) * 2017-06-01 2023-05-16 University Of Washington Smartphone-based digital pupillometer
IL271929B (en) 2017-07-26 2022-07-01 Magic Leap Inc Neural network training with displays of user interface devices
WO2019060283A1 (en) 2017-09-20 2019-03-28 Magic Leap, Inc. PERSONALIZED NEURONAL FOLLOW-UP NETWORK
CN107633295B (zh) * 2017-09-25 2020-04-28 南京地平线机器人技术有限公司 用于适配神经网络的参数的方法和装置
AU2018354257A1 (en) 2017-10-26 2020-05-14 Magic Leap, Inc. Gradient normalization systems and methods for adaptive loss balancing in deep multitask networks
US10853691B1 (en) * 2018-01-25 2020-12-01 Apple Inc. Neural network architecture
US11393251B2 (en) 2018-02-09 2022-07-19 Pupil Labs Gmbh Devices, systems and methods for predicting gaze-related parameters
EP3750028B1 (en) 2018-02-09 2022-10-19 Pupil Labs GmbH Devices, systems and methods for predicting gaze-related parameters
EP3750029A1 (en) 2018-02-09 2020-12-16 Pupil Labs GmbH Devices, systems and methods for predicting gaze-related parameters using a neural network
JP7013017B2 (ja) * 2018-03-20 2022-01-31 国立研究開発法人産業技術総合研究所 演算システム
US10949969B1 (en) * 2018-03-20 2021-03-16 Welch Allyn, Inc. Pupil edge region removal in digital imaging
JP2019177032A (ja) * 2018-03-30 2019-10-17 株式会社ニデック 眼科画像処理装置、および眼科画像処理プログラム
CN108629744B (zh) * 2018-04-09 2021-07-30 北京无线电计量测试研究所 一种图像增强方法
US10671855B2 (en) 2018-04-10 2020-06-02 Adobe Inc. Video object segmentation by reference-guided mask propagation
CN108875787B (zh) * 2018-05-23 2020-07-14 北京市商汤科技开发有限公司 一种图像识别方法及装置、计算机设备和存储介质
JP2019208851A (ja) * 2018-06-04 2019-12-12 株式会社ニデック 眼底画像処理装置および眼底画像処理プログラム
JP7079483B2 (ja) * 2018-06-18 2022-06-02 国立研究開発法人産業技術総合研究所 情報処理方法、システム及びプログラム
EP3811182A4 (en) 2018-06-22 2021-07-28 Magic Leap, Inc. METHOD AND SYSTEM FOR PERFORMING EYE TRACKING USING AN OFF-AXIAL CAMERA
WO2020023399A1 (en) 2018-07-23 2020-01-30 Magic Leap, Inc. Deep predictor recurrent neural network for head pose prediction
CN109087310B (zh) * 2018-07-24 2022-07-12 深圳大学 睑板腺纹理区域的分割方法、系统、存储介质及智能终端
WO2020022027A1 (ja) * 2018-07-26 2020-01-30 富士フイルム株式会社 学習装置及び学習方法
US10713491B2 (en) * 2018-07-27 2020-07-14 Google Llc Object detection using spatio-temporal feature maps
US11227435B2 (en) 2018-08-13 2022-01-18 Magic Leap, Inc. Cross reality system
CN109360183B (zh) * 2018-08-20 2021-05-11 中国电子进出口有限公司 一种基于卷积神经网络的人脸图像质量评估方法和系统
CN109377498B (zh) * 2018-08-31 2021-08-20 大连理工大学 基于循环神经网络的交互式抠图方法
US10229346B1 (en) * 2018-09-04 2019-03-12 StradVision, Inc. Learning method, learning device for detecting object using edge image and testing method, testing device using the same
CN109325954B (zh) * 2018-09-18 2021-08-10 北京旷视科技有限公司 图像分割方法、装置及电子设备
US11048977B1 (en) * 2018-09-27 2021-06-29 Apple Inc. Method and device for pixel-level object segmentation
US11232635B2 (en) 2018-10-05 2022-01-25 Magic Leap, Inc. Rendering location specific virtual content in any location
EP3644275A1 (en) * 2018-10-22 2020-04-29 Koninklijke Philips N.V. Predicting correctness of algorithmic segmentation
WO2020093042A1 (en) * 2018-11-02 2020-05-07 Deep Lens, Inc. Neural networks for biomedical image analysis
US10977548B2 (en) 2018-12-05 2021-04-13 Bank Of America Corporation Generation of capsule neural networks for enhancing image processing platforms
US11263419B2 (en) * 2018-12-11 2022-03-01 Shanghai Harvest Intelligence Technology Co., Ltd Biometric analysis structure, method and neural network with coded mask
EP3912013A1 (en) 2019-01-16 2021-11-24 Pupil Labs GmbH Methods for generating calibration data for head-wearable devices and eye tracking system
US10325179B1 (en) * 2019-01-23 2019-06-18 StradVision, Inc. Learning method and learning device for pooling ROI by using masking parameters to be used for mobile devices or compact networks via hardware optimization, and testing method and testing device using the same
AU2020226648B2 (en) 2019-02-21 2023-03-02 Case Western Reserve University Processing three-dimensional (3D) ultrasound images
CN110059586B (zh) * 2019-03-29 2022-03-15 电子科技大学 一种基于空洞残差注意力结构的虹膜定位分割系统
JP2022527818A (ja) * 2019-04-10 2022-06-06 アイウェア・テク・ソシエテ・アノニム ユーザの眼に関連する幾何学的変数を推定する方法及びシステム
CN110046588B (zh) * 2019-04-22 2019-11-01 吉林大学 一种具有盗取攻击应对机制的异质虹膜认证方法
US11435820B1 (en) * 2019-05-16 2022-09-06 Facebook Technologies, Llc Gaze detection pipeline in an artificial reality system
US11676422B2 (en) 2019-06-05 2023-06-13 Pupil Labs Gmbh Devices, systems and methods for predicting gaze-related parameters
US11176368B2 (en) 2019-06-13 2021-11-16 International Business Machines Corporation Visually focused first-person neural network interpretation
US11301677B2 (en) * 2019-06-14 2022-04-12 Tobil AB Deep learning for three dimensional (3D) gaze prediction
CN110309914A (zh) * 2019-07-03 2019-10-08 中山大学 基于边缘服务器与移动端设备协同的深度学习模型推理加速方法
FR3098960B1 (fr) * 2019-07-16 2021-07-16 Idemia Identity & Security France Procédé d’extraction d’un vecteur caractéristique à partir d’une image d’entrée représentative d’un iris au moyen d’un réseau de neurones entrainable de bout-en-bout
CN110490083A (zh) * 2019-07-23 2019-11-22 苏州国科视清医疗科技有限公司 一种基于快速人眼语义分割网络的瞳孔精确检测方法
CN114303117A (zh) * 2019-08-19 2022-04-08 奇跃公司 使用离轴相机的眼睛跟踪和注视估计
WO2021048682A1 (ja) * 2019-09-12 2021-03-18 株式会社半導体エネルギー研究所 分類方法
US11568605B2 (en) 2019-10-15 2023-01-31 Magic Leap, Inc. Cross reality system with localization service
WO2021076757A1 (en) * 2019-10-15 2021-04-22 Magic Leap, Inc. Cross reality system supporting multiple device types
WO2021087065A1 (en) 2019-10-31 2021-05-06 Magic Leap, Inc. Cross reality system with quality information about persistent coordinate frames
CN110929672B (zh) * 2019-11-28 2024-03-01 联想(北京)有限公司 瞳孔定位方法和电子设备
CN114762008A (zh) 2019-12-09 2022-07-15 奇跃公司 简化的虚拟内容编程的交叉现实系统
US11869535B1 (en) * 2019-12-12 2024-01-09 Amazon Technologies, Inc. Character-level emotion detection
CN111191605A (zh) * 2019-12-31 2020-05-22 上海电力大学 一种基于级联神经网络的多任务虹膜快速定位方法
CN114945943A (zh) * 2020-01-13 2022-08-26 谷歌有限责任公司 基于虹膜大小估计深度
CN115398314A (zh) 2020-02-13 2022-11-25 奇跃公司 使用多分辨率帧描述符进行地图处理的交叉现实系统
CN111353060B (zh) * 2020-03-16 2020-11-06 黄华 基于区块链的云计算大数据图片存储方法及系统
JP7452628B2 (ja) * 2020-03-27 2024-03-19 日本電気株式会社 判定装置、方法及びプログラム
US11921917B2 (en) 2020-04-07 2024-03-05 Eyetech Digital Systems, Inc. Compact eye-tracking camera systems and methods
US10996753B1 (en) 2020-04-07 2021-05-04 Eyetech Digital Systems, Inc. Multi-mode eye-tracking with independently operable illuminators
KR102497990B1 (ko) * 2020-08-13 2023-02-09 순천향대학교 산학협력단 전이학습을 이용한 안저 이미지 품질 평가 장치 및 방법
US20230267616A1 (en) * 2020-09-02 2023-08-24 Singapore Health Services Pte Ltd Image segmentation system and method
CN116648716A (zh) * 2020-12-24 2023-08-25 华为技术有限公司 通过指示特征图数据进行解码
US11688200B2 (en) * 2020-12-28 2023-06-27 Fortinet, Inc. Joint facial feature extraction and facial image quality estimation using a deep neural network (DNN) trained with a custom-labeled training dataset and having a common DNN backbone
CN112733794B (zh) * 2021-01-22 2021-10-15 腾讯科技（深圳）有限公司 人脸图像的视线矫正方法、装置、设备及存储介质
US20240161479A1 (en) * 2021-03-25 2024-05-16 Sri International Polarized Image Enhancement using Deep Neural Networks
JP2022172755A (ja) * 2021-05-07 2022-11-17 富士通株式会社 生成プログラム、生成方法、および情報処理装置
US20230081128A1 (en) * 2021-09-16 2023-03-16 Samsung Electronics Co., Ltd. Picture quality-sensitive semantic segmentation for use in training image generation adversarial networks
CN113780234B (zh) * 2021-09-24 2024-03-12 北京航空航天大学 一种边缘指导的人眼图像解析方法
WO2023157070A1 (ja) 2022-02-15 2023-08-24 日本電気株式会社 情報処理装置、情報処理方法、及び記録媒体
US12002290B2 (en) 2022-02-25 2024-06-04 Eyetech Digital Systems, Inc. Systems and methods for hybrid edge/cloud processing of eye-tracking image data
SE2251254A1 (en) * 2022-10-28 2024-04-29 Kontigo Care Ab Method for estimating pupil size
CN115807685B (zh) * 2023-01-20 2023-04-28 太原理工大学 矿用锚护装备钻锚作业的自动控制系统
CN116110574B (zh) 2023-04-14 2023-06-20 武汉大学人民医院（湖北省人民医院） 一种基于神经网络实现的眼科智能问诊方法和装置
CN117523208B (zh) * 2024-01-08 2024-04-16 暨南大学 基于图像语义分割与分类的身份识别方法与系统
CN118351589B (zh) * 2024-06-12 2024-08-27 湖南火眼医疗科技有限公司 图像处理方法、装置、设备、存储介质及程序产品

Family Cites Families (78)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5291560A (en) 1991-07-15 1994-03-01 Iri Scan Incorporated Biometric personal identification system based on iris analysis
US6222525B1 (en) 1992-03-05 2001-04-24 Brad A. Armstrong Image controllers with sheet connected sensors
US5583795A (en) 1995-03-17 1996-12-10 The United States Of America As Represented By The Secretary Of The Army Apparatus for measuring eye gaze and fixation duration, and method therefor
US5670988A (en) 1995-09-05 1997-09-23 Interlink Electronics, Inc. Trigger operated electronic device
DE60332328D1 (de) 2002-03-13 2010-06-10 Imax Corp Systeme und verfahren für ein digitales remastering oder anderweitiges modifizieren von beweglichen bildern oder anderen bildsequenzdaten
JP2004206444A (ja) 2002-12-25 2004-07-22 Matsushita Electric Ind Co Ltd 個人認証方法および虹彩認証装置
US8098901B2 (en) 2005-01-26 2012-01-17 Honeywell International Inc. Standoff iris recognition system
KR20050025927A (ko) 2003-09-08 2005-03-14 유웅덕 홍채인식을 위한 동공 검출 방법 및 형상기술자 추출방법과 그를 이용한 홍채 특징 추출 장치 및 그 방법과홍채인식 시스템 및 그 방법
US7248720B2 (en) 2004-10-21 2007-07-24 Retica Systems, Inc. Method and system for generating a combined retina/iris pattern biometric
US20070081123A1 (en) 2005-10-07 2007-04-12 Lewis Scott W Digital eyewear
US8696113B2 (en) 2005-10-07 2014-04-15 Percept Technologies Inc. Enhanced optical and perceptual digital eyewear
US11428937B2 (en) 2005-10-07 2022-08-30 Percept Technologies Enhanced optical and perceptual digital eyewear
JP4824420B2 (ja) 2006-02-07 2011-11-30 アイテック株式会社 視線ベクトル検出方法及び同装置
WO2008016724A2 (en) 2006-03-03 2008-02-07 Honeywell International, Inc. An iris recognition system having image quality metrics
US7970179B2 (en) 2006-09-25 2011-06-28 Identix Incorporated Iris data extraction
US8363783B2 (en) 2007-06-04 2013-01-29 Oraya Therapeutics, Inc. Method and device for ocular alignment and coupling of ocular structures
US8098891B2 (en) 2007-11-29 2012-01-17 Nec Laboratories America, Inc. Efficient multi-hypothesis multi-human 3D tracking in crowded scenes
EP2257636A4 (en) 2008-07-03 2014-10-15 Nec Lab America Inc EPITHELIAL LAYER DETECTOR AND RELATED METHODS
WO2010011785A1 (en) * 2008-07-23 2010-01-28 Indiana University Research & Technology Corporation System and method for a non-cooperative iris image acquisition system
US8768014B2 (en) * 2009-01-14 2014-07-01 Indiana University Research And Technology Corp. System and method for identifying a person with reference to a sclera image
EP3138475B1 (en) 2010-01-22 2023-10-25 AMO Development, LLC Apparatus for automated placement of scanned laser capsulorhexis incisions
US8345984B2 (en) 2010-01-28 2013-01-01 Nec Laboratories America, Inc. 3D convolutional neural networks for automatic human action recognition
US8948467B2 (en) * 2010-08-06 2015-02-03 Honeywell International Inc. Ocular and iris processing system and method
US9304319B2 (en) 2010-11-18 2016-04-05 Microsoft Technology Licensing, Llc Automatic focus improvement for augmented reality displays
CN103688208B (zh) 2010-12-24 2017-06-06 奇跃公司 人体工程学头戴式显示设备和光学系统
US10156722B2 (en) 2010-12-24 2018-12-18 Magic Leap, Inc. Methods and systems for displaying stereoscopy with a freeform optical system with addressable focus for virtual and augmented reality
BR112013034009A2 (pt) 2011-05-06 2017-02-07 Magic Leap Inc mundo de presença digital remota simultânea massiva
JP2013038602A (ja) 2011-08-08 2013-02-21 Sony Corp 画像処理装置、および画像処理方法、並びにプログラム
WO2013049861A1 (en) 2011-09-29 2013-04-04 Magic Leap, Inc. Tactile glove for human-computer interaction
EP3404894B1 (en) 2011-10-28 2020-02-12 Magic Leap, Inc. System and method for augmented and virtual reality
CA2858208C (en) 2011-11-23 2019-01-15 Magic Leap, Inc. Three dimensional virtual and augmented reality display system
EP2841991B1 (en) 2012-04-05 2020-01-08 Magic Leap, Inc. Wide-field of view (fov) imaging devices with active foveation capability
US9671566B2 (en) 2012-06-11 2017-06-06 Magic Leap, Inc. Planar waveguide apparatus with diffraction element(s) and system employing same
NZ702897A (en) 2012-06-11 2017-03-31 Magic Leap Inc Multiple depth plane three-dimensional display using a wave guide reflector array projector
US9141916B1 (en) 2012-06-29 2015-09-22 Google Inc. Using embedding functions with a deep network
KR101506525B1 (ko) 2012-07-31 2015-03-27 도꾸리쯔교세이호징 가가꾸 기쥬쯔 신꼬 기꼬 주시점 검출 장치, 주시점 검출 방법, 개인 파라미터 산출 장치, 개인 파라미터 산출 방법, 프로그램, 및 컴퓨터 판독 가능한 기록 매체
US8369595B1 (en) * 2012-08-10 2013-02-05 EyeVerify LLC Texture features for biometric authentication
AU2013315607A1 (en) 2012-09-11 2015-04-02 Magic Leap, Inc Ergonomic head mounted display device and optical system
US20150324974A1 (en) 2012-12-05 2015-11-12 Eye-Cu Life Systems Ltd. Computerized iridodiagnosis
EP2929487A4 (en) * 2012-12-10 2016-08-10 Stanford Res Inst Int BIOMETRIC IRIS ADJUSTMENT SYSTEM
US10151875B2 (en) 2013-01-15 2018-12-11 Magic Leap, Inc. Ultra-high resolution scanning fiber display
IL298018B2 (en) 2013-03-11 2024-04-01 Magic Leap Inc System and method for augmentation and virtual reality
US9147154B2 (en) 2013-03-13 2015-09-29 Google Inc. Classifying resources using a deep network
NZ735747A (en) 2013-03-15 2019-10-25 Magic Leap Inc Display system and method
WO2014182769A1 (en) * 2013-05-07 2014-11-13 The Johns Hopkins University Automated and non-mydriatic fundus-perimetry camera for irreversible eye diseases
US9275308B2 (en) 2013-05-31 2016-03-01 Google Inc. Object detection using deep neural networks
US9874749B2 (en) 2013-11-27 2018-01-23 Magic Leap, Inc. Virtual and augmented reality systems and methods
US10262462B2 (en) 2014-04-18 2019-04-16 Magic Leap, Inc. Systems and methods for augmented and virtual reality
US20140380249A1 (en) 2013-06-25 2014-12-25 Apple Inc. Visual recognition of gestures
CN103431840B (zh) * 2013-07-31 2016-01-20 北京智谷睿拓技术服务有限公司 眼睛光学参数检测系统及方法
AU2014337171B2 (en) 2013-10-16 2018-11-15 Magic Leap, Inc. Virtual or augmented reality headsets having adjustable interpupillary distance
US9202144B2 (en) 2013-10-30 2015-12-01 Nec Laboratories America, Inc. Regionlets with shift invariant neural patterns for object detection
US10095917B2 (en) 2013-11-04 2018-10-09 Facebook, Inc. Systems and methods for facial representation
JP6236296B2 (ja) 2013-11-14 2017-11-22 株式会社デンソーアイティーラボラトリ 学習装置、学習プログラム、及び学習方法
CN103632137B (zh) * 2013-11-15 2016-08-24 长沙理工大学 一种人眼虹膜图像分割方法
WO2015081313A2 (en) 2013-11-27 2015-06-04 Magic Leap, Inc. Virtual and augmented reality systems and methods
US9857591B2 (en) 2014-05-30 2018-01-02 Magic Leap, Inc. Methods and system for creating focal planes in virtual and augmented reality
US9430829B2 (en) 2014-01-30 2016-08-30 Case Western Reserve University Automatic detection of mitosis using handcrafted and convolutional neural network features
EP3100098B8 (en) 2014-01-31 2022-10-05 Magic Leap, Inc. Multi-focal display system and method
JP6509883B2 (ja) 2014-01-31 2019-05-08 マジック リープ， インコーポレイテッドＭａｇｉｃ Ｌｅａｐ，Ｉｎｃ． 多焦点表示システムおよび方法
US10203762B2 (en) 2014-03-11 2019-02-12 Magic Leap, Inc. Methods and systems for creating virtual and augmented reality
IL231862A (en) 2014-04-01 2015-04-30 Superfish Ltd Image representation using a neural network
WO2015164807A1 (en) 2014-04-25 2015-10-29 Texas State University Detection of brain injury and subject state with eye movement biometrics
KR20200127267A (ko) 2014-05-09 2020-11-10 아이플루언스, 인크. 안구 신호들의 인식 및 지속적인 생체 인증을 위한 시스템과 방법들
NZ764905A (en) 2014-05-30 2022-05-27 Magic Leap Inc Methods and systems for generating virtual content display with a virtual or augmented reality apparatus
US9536293B2 (en) 2014-07-30 2017-01-03 Adobe Systems Incorporated Image assessment using deep convolutional neural networks
US20160034811A1 (en) 2014-07-31 2016-02-04 Apple Inc. Efficient generation of complementary acoustic models for performing automatic speech recognition system combination
US9659384B2 (en) * 2014-10-03 2017-05-23 EyeEm Mobile GmbH. Systems, methods, and computer program products for searching and sorting images by aesthetic quality
WO2016054779A1 (en) 2014-10-09 2016-04-14 Microsoft Technology Licensing, Llc Spatial pyramid pooling networks for image processing
EP3161728B1 (en) * 2014-10-10 2023-05-17 Beijing Kuangshi Technology Co., Ltd. Hierarchical interlinked multi-scale convolutional network for image parsing
CN104408717A (zh) 2014-11-24 2015-03-11 北京航空航天大学 一种基于着色分离的病理图像颜色质量综合评价方法
KR102276339B1 (ko) 2014-12-09 2021-07-12 삼성전자주식회사 Ｃｎｎ의 근사화를 위한 학습 장치 및 방법
USD758367S1 (en) 2015-05-14 2016-06-07 Magic Leap, Inc. Virtual reality headset
NZ740299A (en) 2015-08-21 2019-08-30 Magic Leap Inc Eyelid shape estimation using eye pose measurement
CN105303185A (zh) * 2015-11-27 2016-02-03 中国科学院深圳先进技术研究院 虹膜定位方法及装置
EP3485425B1 (en) 2016-07-14 2023-08-23 Magic Leap, Inc. Deep neural network for iris identification
CN114495249A (zh) 2016-07-14 2022-05-13 奇跃公司 使用角膜曲率的虹膜边界估计
RU2016138608A (ru) 2016-09-29 2018-03-30 Мэджик Лип, Инк. Нейронная сеть для сегментации изображения глаза и оценки качества изображения

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2716914C1 (ru) * 2019-10-22 2020-03-17 Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ) Способ автоматической классификации рентгеновских изображений с использованием масок прозрачности
CN112669289A (zh) * 2020-12-30 2021-04-16 科大讯飞股份有限公司 影像质量评估方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
AU2017337317B2 (en) 2022-12-08
US20240029269A1 (en) 2024-01-25
JP7253087B2 (ja) 2023-04-05
KR20190055202A (ko) 2019-05-22
JP2020144926A (ja) 2020-09-10
US11100644B2 (en) 2021-08-24
KR102583040B1 (ko) 2023-09-25
KR20210025729A (ko) 2021-03-09
US20200005462A1 (en) 2020-01-02
JP6785952B2 (ja) 2020-11-18
KR102456024B1 (ko) 2022-10-17
KR20220143777A (ko) 2022-10-25
JP7035110B2 (ja) 2022-03-14
EP3518731A4 (en) 2020-05-13
US11776131B2 (en) 2023-10-03
CN110022753A (zh) 2019-07-16
CN110022753B (zh) 2022-02-25
JP2022066352A (ja) 2022-04-28
US20180089834A1 (en) 2018-03-29
US20220044406A1 (en) 2022-02-10
IL308022A (en) 2023-12-01
CN114495250A (zh) 2022-05-13
IL265534B1 (en) 2023-12-01
KR102225527B1 (ko) 2021-03-09
JP2019530929A (ja) 2019-10-24
IL265534A (en) 2019-05-30
KR20230137500A (ko) 2023-10-04
EP3518731A1 (en) 2019-08-07
WO2018063451A1 (en) 2018-04-05
CA3038031A1 (en) 2018-04-05
AU2017337317A1 (en) 2019-04-11
US10445881B2 (en) 2019-10-15
IL265534B2 (en) 2024-04-01

Similar Documents

Publication Publication Date Title
RU2016138608A (ru) Нейронная сеть для сегментации изображения глаза и оценки качества изображения
US10068079B2 (en) Biometric authentication device and biometric image output control method
US10820796B2 (en) Pupil radius compensation
WO2019184125A1 (zh) 基于微表情的风险识别方法、装置、设备及介质
CN110377385B (zh) 一种屏幕显示方法、装置及终端设备
CN103793719A (zh) 一种基于人眼定位的单目测距方法和系统
RU2017111831A (ru) Отслеживание взляда через очковую оптику
WO2019010959A1 (zh) 用于确定视线的方法、设备和计算机可读存储介质
US11163994B2 (en) Method and device for determining iris recognition image, terminal apparatus, and storage medium
TW201909834A (zh) 眼球追蹤裝置及其方法
CN109299633A (zh) 皱纹检测方法、系统、设备及介质
JP5882929B2 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
US20220292880A1 (en) Information processor
JP2023093574A (ja) 情報処理装置、制御装置、情報処理方法及びプログラム
Willoughby et al. DrunkSelfie: intoxication detection from smartphone facial images
IL299087A (en) A system and method for characterizing a drooping eyelid
CN108009534A (zh) 基于瞳孔灰度的活体检测方法
CN117173776A (zh) 一种基于红外摄像的瞳孔数据疲劳检测方法、系统及设备
Akhade et al. Automatic optic disc detection in digital fundus images using image processing techniques
KR102703015B1 (ko) 인공지능 기반 강화된 안저영상 생성 방법, 컴퓨터 판독 가능한 기록 매체, 컴퓨터 프로그램 및 장치
TW202022682A (zh) 皮膚檢測方法及影像處理裝置
US10617294B1 (en) System and method for determining the spherical power of eyes based on measured refractive error
CN108427926A (zh) 一种视线跟踪系统中的瞳孔定位方法
CN112528713B (zh) 一种注视点估计方法、系统、处理器及设备
KR20060105272A (ko) 아다부스트 알고리즘을 이용한 안구 영상 판단 방법

Legal Events

Date Code Title Description
FA93 Acknowledgement of application withdrawn (no request for examination)

Effective date: 20190930