RU2234126C2 - Способ распознавания текста с применением настраиваемого классификатора - Google Patents
Способ распознавания текста с применением настраиваемого классификатора Download PDFInfo
- Publication number
- RU2234126C2 RU2234126C2 RU2002123859/09A RU2002123859A RU2234126C2 RU 2234126 C2 RU2234126 C2 RU 2234126C2 RU 2002123859/09 A RU2002123859/09 A RU 2002123859/09A RU 2002123859 A RU2002123859 A RU 2002123859A RU 2234126 C2 RU2234126 C2 RU 2234126C2
- Authority
- RU
- Russia
- Prior art keywords
- classifier
- recognition
- image
- reliability
- context analysis
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1914—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries, e.g. user dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
- G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Character Discrimination (AREA)
- Image Analysis (AREA)
Abstract
Изобретение относится к способам распознавания печатного текста из растрового изображения. Его применение позволяет получить технический результат в виде повышения качества распознавания текста, увеличения быстродействия и снижения требований к системным ресурсам. Этот результат достигается благодаря тому, что способ включает в себя, в частности, следующие этапы: изображение поступает в настраиваемый классификатор; в случае, если настраиваемый классификатор не может распознать символ, для распознавания используют предварительно настроенный классификатор; после обработки классификатором результаты распознавания направляют на контекстный анализ; результаты контекстного анализа направляют для настройки настраиваемого классификатора. При этом ненастраиваемый классификатор совместно с алгоритмом контекстного анализа применяют для настройки настраиваемого классификатора, который, вместе с алгоритмом для контекстного анализа, применяют как основной инструмент распознавания, а ненастраиваемый классификатор применяют как вспомогательный инструмент распознавания. 9 з.п. ф-лы, 1 ил.
Description
Изобретение относится к области оптического распознавания символов и, в частности, к методам распознавания печатного текста из растрового изображения, полученного любым способом.
Известен способ распознавания текстовой информации, при котором растровое изображение разбивается на области (блоки), предположительно содержащие изображения печатных символов текста, с последующим сопоставлением изображения в блоках с эталонным описанием изображения, содержащимся в одном или нескольких специальных признаковых (или растровых) классификаторах.
Такой способ реализуется в способе распознавания информации по патенту США №5680479, 21.10.1997.
Известен способ распознавания текстовой информации, при котором набор изображений символов, составляющих слово, прошедших через классификатор, вместе с набором возможных вариантов символов направляются на анализ в алгоритм контекстного анализа. В результате контекстного анализа число возможных вариантов букв снижается до одного варианта.
Такой способ реализуется в способе распознавания информации по патенту США №5933531, 03.08.1999.
Техническим результатом изобретения является повышение качества распознавания текста, увеличение быстродействия, снижение требований к компьютерным ресурсам.
Это достигается тем, что в системе организуют растровый классификатор, настраиваемый в процессе распознавания и, следовательно, более приспособленный к параметрам текущего текста и имеющий меньшее время обращения. Настройка растрового классификатора осуществляют по результатам обработки в предварительно настроенном признаковом классификаторе и в алгоритме контекстного анализа.
Реализация этого способа позволяет существенно повысить качество распознавания текста, быстродействие распознавания, уменьшить чувствительность к ошибкам омнифонтового классификатора, снизить требований к компьютерным ресурсам.
Известны способы распознавания символов печатного текста, использующие для увеличения быстродействия классификаторы с ограниченным набором шрифтов (напр., патент США №5509092, 16.04.1996).
Недостатком этих способов является ограниченность разновидностей текста имеющимся набором шрифтов, что сильно сужает область применения способа.
Известен способ распознавания символов печатного текста, использующий многошрифтовой (омнифонтовый) классификатор (патент США №5805747, 08.09.1998).
Недостатком способа является значительное время обращения к омнифонтовому классификатору, а также значительные требуемые компьютерные ресурсы.
Известен способ, использующий для распознавания динамически настраиваемый растровый классификатор как основной инструмент для распознавания, и омнифонтовый предварительно настроенный классификатор для настройки (патент США №6038342, 14.03.2000).
Недостатком способа является чувствительность к ошибкам омнифонтового классификатора.
Известен способ, использующий для распознавания вместе с омнифонтовым классификатором алгоритм контекстного анализа (патент США №6028970, 22.02.2000)
Недостатком способа является снижение быстродействия работы.
Известны способы настройки классификаторов на работу с разными типами и размерами шрифтов (напр., патенты США №5675710, 07.10.1997; №5818963, 06.10.1998; Японии JP 2001215987, 10.08.2001).
Недостатком способов является низкое быстродействие и недостаточная надежность распознавания.
Указанные недостатки значительно ограничивают возможности использования известных способов для распознавания текстовой информации.
Известные методы непригодны для достижения заявленного технического результата.
Предлагаемый способ отличается тем, что для распознавания символов печатного текста из растрового изображения используется настраиваемый растровый классификатор совместно с алгоритмом контекстного анализа как основной инструмент для распознавания, и омнифонтовый предварительно настроенный классификатор совместно с алгоритмом контекстного анализа - как вспомогательный инструмент распознавания, а также для настройки растрового классификатора.
Растровый классификатор сравнивает распознаваемое изображение с хранящимися эталонными изображениями.
Эталонное изображение получают усреднением изображений, используемых при настройке - каждый элемент усредненного изображения хранит среднюю интенсивность элементов изображений, используемых при настройке.
В качестве меры совпадения используют взвешенную сумму разностей интенсивности пикселей сравниваемых изображений. С каждым эталонным изображением связывают уровень его надежности, корректируемый в процессе настройки.
Уровень надежности может быть выражен через число сеансов настройки изображения.
Эталонные изображения с надежностью ниже предварительно установленного уровня не участвуют в распознавании.
Результатом распознавания растрового изображения в классификаторах является одна или несколько пар значений символов вместе с соответствующей вероятностью правильного распознавания.
В случае, если вероятность правильного распознавания слова ниже предварительно заданного уровня, слово помечается для повторного распознавания. Процесс настройки включает следующие шаги.
Для каждого распознанного символа проверяется наличие похожих среди эталонных изображений.
Если такого изображения нет, создается новое эталонное изображение.
Если среди эталонных изображений есть похожее, эталонное изображение дополнительно настраивают. При этом корректируют усредненное изображение и степень надежности. Величина, на которую увеличивается надежность, зависит от оценки, которое слово получило в процессе контекстного анализа, и может составлять 25-50%.
Поэтому, чтобы эталонное изображение достигло достаточно высокого уровня надежности распознавания, оно должно пройти 2-4 сеанса настройки.
Если изображение было распознано настраиваемым классификатором, но контекстный анализ отверг этот вариант, степень надежности эталонного изображения уменьшают. При уменьшении надежности до предварительно заданного минимального уровня эталонное изображение удаляют из классификатора.
Сущность предложения иллюстрируется чертежом.
Группа графических блоков 1 с изображениями букв, предположительно составляющих слово, последовательно направляется в настраиваемый классификатор 2 для распознавания. Нераспознанные символы 4 или символы с надежностью точного распознавания ниже предварительно заданного уровня, направляются в предварительно настроенный омнифонтовый классификатор 3, результат работы которого - распознанный символ 5. Результатом работы классификатора являются один или несколько возможных вариантов символов для каждого блока с изображением буквы 6.
После обработки в классификаторе (классификаторах) набор вариантов символов 6, предположительно составляющий слово, направляется на обработку алгоритмом контекстного анализа 7. Результатом контекстной обработки является значительно суженный - обычно до 1 варианта - набор возможных вариантов слова 9. Результаты контекстной обработки в виде набора распознанных символов вместе с уровнями надежности каждого символа 8 направляются в настраиваемый классификатор 2 для пополнения и корректировки его информации.
Claims (10)
1. Способ распознавания символов по информации растрового изображения, характеризующийся совместным применением настраиваемого классификатора, ненастраиваемого классификатора и алгоритма для контекстного анализа, отличающийся тем, что настраиваемый классификатор вместе с алгоритмом для контекстного анализа применяют как основной инструмент распознавания, ненастраиваемый классификатор применяют как вспомогательный инструмент распознавания, ненастраиваемый классификатор совместно с алгоритмом контекстного анализа применяют для настройки настраиваемого классификатора, причем распознавание включает следующие этапы: изображение поступает в настраиваемый классификатор; в случае, если настраиваемый классификатор не может распознать символ, для распознавания используют предварительно настроенный классификатор; после обработки классификатором результаты распознавания направляют на контекстный анализ; результаты контекстного анализа направляют для настройки настраиваемого классификатора.
2. Способ по п.1, отличающийся тем, что настройка настраиваемого классификатора включает следующие этапы: распознанное другими средствами изображение направляют в настраиваемый классификатор; изображение сравнивают с уже имеющимися эталонными на сходство, если сходство не находят, создают новое эталонное изображение; если сходство находят, информацию эталонного изображения пополняют следующим путем: корректируют усредненное изображение эталона вновь поступившим изображением; изменяют значение уровня надежности распознавания эталона; если уровень надежности эталонного изображения ниже предварительно установленного порога, процесс настройки продолжают; если уровень надежности эталонного изображения равен или превышает предварительно установленный порог, процесс настройки данного эталона заканчивают.
3. Способ по п.1, отличающийся тем, что в случае, если надежность правильного распознавания по крайней мере одного символа в слове ниже предварительно заданного уровня, слово помечают для повторного распознавания.
4. Способ по п.3, отличающийся тем, что по окончании распознавания документа, делают повторное распознавание по помеченным словам.
5. Способ по п.1, отличающийся тем, что нераспознанные и распознанные с недостаточной надежностью символы восстанавливают по словарю.
6. Способ по п.2, отличающийся тем, что новое эталонное изображение создают путем усреднения изображений, используемых для настройки.
7. Способ по п.2, отличающийся тем, что в качестве меры сходства используют взвешенную сумму разностей интенсивности элементов сравниваемых изображений.
8. Способ по п.1, отличающийся тем, что значение уровня надежности эталонного изображения, распознанного настраиваемым классификатором, но отвергнутого контекстным анализом, уменьшают.
9. Способ по п.8, отличающийся тем, что при уменьшении надежности до предварительно заданного минимального уровня эталонное изображение удаляют из классификатора.
10. Способ по п.2, отличающийся тем, что уровень надежности может быть выражен через число сеансов настройки изображения символа.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2002123859/09A RU2234126C2 (ru) | 2002-09-09 | 2002-09-09 | Способ распознавания текста с применением настраиваемого классификатора |
| US10/241,638 US7769235B2 (en) | 2002-09-09 | 2002-09-12 | Text recognition method using a trainable classifier |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2002123859/09A RU2234126C2 (ru) | 2002-09-09 | 2002-09-09 | Способ распознавания текста с применением настраиваемого классификатора |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| RU2002123859A RU2002123859A (ru) | 2004-03-27 |
| RU2234126C2 true RU2234126C2 (ru) | 2004-08-10 |
Family
ID=31989404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2002123859/09A RU2234126C2 (ru) | 2002-09-09 | 2002-09-09 | Способ распознавания текста с применением настраиваемого классификатора |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7769235B2 (ru) |
| RU (1) | RU2234126C2 (ru) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100303356A1 (en) * | 2007-11-28 | 2010-12-02 | Knut Tharald Fosseide | Method for processing optical character recognition (ocr) data, wherein the output comprises visually impaired character images |
| US8249344B2 (en) | 2005-07-01 | 2012-08-21 | Microsoft Corporation | Grammatical parsing of document visual structures |
| US8509563B2 (en) | 2006-02-02 | 2013-08-13 | Microsoft Corporation | Generation of documents from images |
| RU2571545C1 (ru) * | 2014-09-30 | 2015-12-20 | Общество с ограниченной ответственностью "Аби Девелопмент" | Классификация изображений документов на основании контента |
| RU2571510C2 (ru) * | 2013-12-25 | 2015-12-20 | Общество с ограниченной ответственностью "Аби Девелопмент" | Метод и устройство, использующие увеличение изображения для подавления визуально заметных дефектов на изображении |
| RU2571396C2 (ru) * | 2014-03-26 | 2015-12-20 | Общество с ограниченной ответственностью "Аби Девелопмент" | Способ и система для верификации в процессе чтения |
| RU2603495C1 (ru) * | 2015-06-16 | 2016-11-27 | Общество с ограниченной ответственностью "Аби Девелопмент" | Классификация изображений документов на основе параметров цветовых слоев |
| RU2634192C1 (ru) * | 2016-06-24 | 2017-10-24 | Общество с ограниченной ответственностью "Аби Девелопмент" | Ввод данных из серии изображений, соответствующих шаблонному документу |
| RU2639668C2 (ru) * | 2015-10-30 | 2017-12-21 | Сяоми Инк. | Способ и устройство для идентификации области |
| US11151472B2 (en) | 2017-03-31 | 2021-10-19 | At&T Intellectual Property I, L.P. | Dynamic updating of machine learning models |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8571262B2 (en) * | 2006-01-25 | 2013-10-29 | Abbyy Development Llc | Methods of object search and recognition |
| RU2006101908A (ru) * | 2006-01-25 | 2010-04-27 | Аби Софтвер Лтд. (Cy) | Структурное описание документа, способ описания структуры графических объектов и способы их распознавания (варианты) |
| US20080310721A1 (en) * | 2007-06-14 | 2008-12-18 | John Jinhwan Yang | Method And Apparatus For Recognizing Characters In A Document Image |
| US9514451B2 (en) * | 2013-10-29 | 2016-12-06 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus and system for information identification |
| US9361531B2 (en) * | 2014-07-21 | 2016-06-07 | Optum, Inc. | Targeted optical character recognition (OCR) for medical terminology |
| US10348667B2 (en) | 2014-10-27 | 2019-07-09 | Oath Inc. | System and method for entity detection in machine generated messages |
| US10185701B2 (en) * | 2016-10-17 | 2019-01-22 | Microsoft Technology Licensing, Llc | Unsupported character code detection mechanism |
| US10679101B2 (en) * | 2017-10-25 | 2020-06-09 | Hand Held Products, Inc. | Optical character recognition systems and methods |
Family Cites Families (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5131053A (en) * | 1988-08-10 | 1992-07-14 | Caere Corporation | Optical character recognition method and apparatus |
| JP2749020B2 (ja) * | 1991-11-14 | 1998-05-13 | 日立ソフトウエアエンジニアリング株式会社 | ダイアグラム認識システム |
| JP3576570B2 (ja) * | 1991-11-19 | 2004-10-13 | ゼロックス コーポレイション | 比較方法 |
| DE69322306T2 (de) * | 1992-04-24 | 1999-04-29 | Hitachi, Ltd., Tokio/Tokyo | Gegenstandserkennungssystem mittels Bildverarbeitung |
| JP2630923B2 (ja) * | 1994-12-05 | 1997-07-16 | 日本アイ・ビー・エム株式会社 | 画像認識方法及び装置 |
| US5844991A (en) * | 1995-08-07 | 1998-12-01 | The Regents Of The University Of California | Script identification from images using cluster-based templates |
| US6232960B1 (en) | 1995-12-21 | 2001-05-15 | Alfred Goldman | Data input device |
| JP3279913B2 (ja) * | 1996-03-18 | 2002-04-30 | 株式会社東芝 | 人物認証装置、特徴点抽出装置及び特徴点抽出方法 |
| US6330354B1 (en) * | 1997-05-01 | 2001-12-11 | International Business Machines Corporation | Method of analyzing visual inspection image data to find defects on a device |
| US6028970A (en) * | 1997-10-14 | 2000-02-22 | At&T Corp | Method and apparatus for enhancing optical character recognition |
| US6393159B1 (en) * | 1998-06-29 | 2002-05-21 | The Regents Of The University Of California | Multiscale characterization and analysis of shapes |
| US6735337B2 (en) * | 2001-02-02 | 2004-05-11 | Shih-Jong J. Lee | Robust method for automatic reading of skewed, rotated or partially obscured characters |
-
2002
- 2002-09-09 RU RU2002123859/09A patent/RU2234126C2/ru active IP Right Revival
- 2002-09-12 US US10/241,638 patent/US7769235B2/en not_active Expired - Fee Related
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8249344B2 (en) | 2005-07-01 | 2012-08-21 | Microsoft Corporation | Grammatical parsing of document visual structures |
| US8509563B2 (en) | 2006-02-02 | 2013-08-13 | Microsoft Corporation | Generation of documents from images |
| US20100303356A1 (en) * | 2007-11-28 | 2010-12-02 | Knut Tharald Fosseide | Method for processing optical character recognition (ocr) data, wherein the output comprises visually impaired character images |
| RU2445699C1 (ru) * | 2007-11-28 | 2012-03-20 | Люмэкс Ас | Способ обработки данных оптического распознавания символов (ocr), где выходные данные включают в себя изображения символов с нарушенной видимостью |
| US8467614B2 (en) | 2007-11-28 | 2013-06-18 | Lumex As | Method for processing optical character recognition (OCR) data, wherein the output comprises visually impaired character images |
| RU2571510C2 (ru) * | 2013-12-25 | 2015-12-20 | Общество с ограниченной ответственностью "Аби Девелопмент" | Метод и устройство, использующие увеличение изображения для подавления визуально заметных дефектов на изображении |
| RU2571396C2 (ru) * | 2014-03-26 | 2015-12-20 | Общество с ограниченной ответственностью "Аби Девелопмент" | Способ и система для верификации в процессе чтения |
| RU2571545C1 (ru) * | 2014-09-30 | 2015-12-20 | Общество с ограниченной ответственностью "Аби Девелопмент" | Классификация изображений документов на основании контента |
| RU2603495C1 (ru) * | 2015-06-16 | 2016-11-27 | Общество с ограниченной ответственностью "Аби Девелопмент" | Классификация изображений документов на основе параметров цветовых слоев |
| RU2639668C2 (ru) * | 2015-10-30 | 2017-12-21 | Сяоми Инк. | Способ и устройство для идентификации области |
| US10157326B2 (en) | 2015-10-30 | 2018-12-18 | Xiaomi Inc. | Method and device for character area identification |
| RU2634192C1 (ru) * | 2016-06-24 | 2017-10-24 | Общество с ограниченной ответственностью "Аби Девелопмент" | Ввод данных из серии изображений, соответствующих шаблонному документу |
| US11151472B2 (en) | 2017-03-31 | 2021-10-19 | At&T Intellectual Property I, L.P. | Dynamic updating of machine learning models |
Also Published As
| Publication number | Publication date |
|---|---|
| US7769235B2 (en) | 2010-08-03 |
| US20040047508A1 (en) | 2004-03-11 |
| RU2002123859A (ru) | 2004-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2234126C2 (ru) | Способ распознавания текста с применением настраиваемого классификатора | |
| US8761514B2 (en) | Character recognition apparatus and method based on character orientation | |
| US7088873B2 (en) | Bit-mapped image multi-stage analysis method | |
| CN107067006A (zh) | 一种服务于数据采集的验证码识别方法及系统 | |
| WO2017141802A1 (ja) | 画像処理装置、文字認識装置、画像処理方法及びプログラム記録媒体 | |
| JP3155616B2 (ja) | 文字認識方法及び装置 | |
| US5561720A (en) | Method for extracting individual characters from raster images of a read-in handwritten or typed character sequence having a free pitch | |
| EP1866838A1 (en) | Method and system for adaptive recognition of distorted text in computer images | |
| CN111695550B (zh) | 一种文字提取方法、图像处理设备和计算机可读存储介质 | |
| CN110837816A (zh) | 光学字符识别系统、边缘节点及系统 | |
| JPH10207978A (ja) | 文字等パターン照合方法及び装置 | |
| JP3595081B2 (ja) | 文字認識方法 | |
| Bataineh et al. | Arabic-jawi scripts font recognition using first-order edge direction matrix | |
| JP3226355B2 (ja) | 認識結果評価方法 | |
| JP2922949B2 (ja) | 文字認識の後処理方法 | |
| EP0625764A2 (en) | Accelerated OCR classification | |
| CN116311264A (zh) | 一种基于字符轮廓的字符识别方法 | |
| JPH1166240A (ja) | 文書認識方法および文書認識装置 | |
| CN112861589A (zh) | 人像提取、质量评价、身份验证及模型训练方法及装置 | |
| JPH0484380A (ja) | 文字認識装置 | |
| JPH02294792A (ja) | 文字認識装置 | |
| JP2001043314A (ja) | 文字切り出し方法 | |
| JPH0371380A (ja) | 文字認識装置 | |
| JPH05159107A (ja) | 光学文字読取装置 | |
| JPH05242299A (ja) | 文字認識装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20050910 |
|
| NF4A | Reinstatement of patent | ||
| HE4A | Change of address of a patent owner | ||
| PC41 | Official registration of the transfer of exclusive right |
Effective date: 20141031 |
|
| QB4A | Licence on use of patent |
Free format text: LICENCE Effective date: 20151118 |
|
| QZ41 | Official registration of changes to a registered agreement (patent) |
Free format text: LICENCE FORMERLY AGREED ON 20151118 Effective date: 20161213 |
|
| QZ41 | Official registration of changes to a registered agreement (patent) |
Free format text: LICENCE FORMERLY AGREED ON 20151118 Effective date: 20170613 |
|
| QZ41 | Official registration of changes to a registered agreement (patent) |
Free format text: LICENCE FORMERLY AGREED ON 20151118 Effective date: 20171031 |
|
| QC41 | Official registration of the termination of the licence agreement or other agreements on the disposal of an exclusive right |
Free format text: LICENCE FORMERLY AGREED ON 20151118 Effective date: 20180710 |
|
| PC43 | Official registration of the transfer of the exclusive right without contract for inventions |
Effective date: 20181121 |
|
| QB4A | Licence on use of patent |
Free format text: LICENCE FORMERLY AGREED ON 20201211 Effective date: 20201211 |
|
| QC41 | Official registration of the termination of the licence agreement or other agreements on the disposal of an exclusive right |
Free format text: LICENCE FORMERLY AGREED ON 20201211 Effective date: 20220311 |