A method is described, which includes receiving the original image data corresponding to a series of original images, and processing the original image data with the encoder of the processing device, so as to generate encoded data. The characteristic of the encoder is that the input / output conversion of input / output conversion of at least one retinal cell in the vertebrate retina is basically simulated. The method also includes processing the encoded data by applying a dimensionality reduction algorithm to the encoded data to generate reduced dimension encoded data. The reduced dimension algorithm is configured to compress the amount of information contained in the encoded data. In addition, the equipment and systems that can be used together with such methods are described.
【技术实现步骤摘要】
【国外来华专利技术】具有维度数据缩减的机器视觉相关申请的交叉引用本申请根据35U.S.C.§119要求2015年4月20日提交的美国临时专利申请第62/150,068号的优先权,其全部内容以引用的方式并入本文中。本申请此外以引用的方式并入美国临时申请第61/527493号(2011年8月25日提交)、第61/657406号(2012年6月8日提交)、第61/308,681号(2010年2月26日提交)、第61/359,188号(2010年6月28日提交)、第61/378,793号(2010年8月31日提交)、第61/382,280号(2010年9月13日提交)和第13/230,488号(2011年9月12日提交)。本申请此外以引用的方式并入在本文中被称作“假体应用(ProsthesisApplications)”的国际专利申请第PCT/US2011/026526号(2011年2月28日提交)和PCT/US2011/049188(2011年8月25日提交)、在本文中被称作“机器视觉应用(MachineVisionApplication)”的国际专利申请第PCT/US2012/052348号(2012年8月24日提交)。前述申请中的每一个的内容均以其对应的全文引用的方式并入。
技术介绍
提供以下描述来帮助读者理解。所提供信息或所引用参考文献均不承认为现有技术。机器视觉(或计算机视觉)是指允许机器(例如计算机)使用视觉信息例如从图像提取信息以宽的或有限的含义解决一些任务,或“理解”情况的技术。一般来说,机器视觉关注从图像数据提取信息。图像数据可采取许多形式,如单个图像、视频序列、来自多个 ...
【技术保护点】
一种方法,包括:通过处理装置接收对应于一系列原始图像的原始图像数据;用所述处理装置的编码器处理所述原始图像数据以生成经编码数据,其中所述编码器的特征在于基本上模拟脊椎动物视网膜的至少一个视网膜细胞的输入/输出转换的输入/输出转换;和通过对所述经编码数据应用减维算法,通过所述处理器处理所述经编码数据以生成减维经编码数据,其中所述减维算法被配置成压缩包含于所述经编码数据中的信息。
【技术特征摘要】
【国外来华专利技术】2015.04.20 US 62/150,0681.一种方法,包括:通过处理装置接收对应于一系列原始图像的原始图像数据;用所述处理装置的编码器处理所述原始图像数据以生成经编码数据,其中所述编码器的特征在于基本上模拟脊椎动物视网膜的至少一个视网膜细胞的输入/输出转换的输入/输出转换;和通过对所述经编码数据应用减维算法,通过所述处理器处理所述经编码数据以生成减维经编码数据,其中所述减维算法被配置成压缩包含于所述经编码数据中的信息。2.根据权利要求1所述的方法,其中所述经编码数据包含一系列经编码视网膜图像,并且其中所述处理所述经编码数据包含处理所述一系列经编码视网膜图像以生成基于所述经编码视网膜图像的特征标记数据。3.根据权利要求2所述的方法,其中所述特征标记数据包含与多个视网膜图像区域相关的信息。4.根据权利要求3所述的方法,其中所述特征标记数据包含对应于所述多个视网膜图像区域中的每个的运动数据。5.根据权利要求4所述的方法,其中所述运动数据包含对应于所述多个视网膜图像区域中的每个的速度数据。6.根据权利要求3所述的方法,其中所述特征标记数据包含对应于所述多个视网膜图像区域中的每个的光流数据。7.根据权利要求1所述的方法,其中所述处理所述经编码数据包含对所述经编码数据应用经训练的算法。8.根据权利要求7所述的方法,其中所述经训练的算法包含卷积神经网络。9.根据权利要求7所述的方法,其中所述经训练的算法已在经编码训练数据的训练数据集上训练,并且其中所述经编码训练数据已使用训练编码器编码,所述训练编码器的特征在于基本上模拟脊椎动物视网膜的一个或多个视网膜细胞的输入/输出转换的输入/输出转换。10.根据权利要求9所述的方法,其中所述经编码训练数据的训练集包含虚拟环境的经编码图像,并且所述原始图像数据包含现实环境的原始图像。11.根据权利要求9所述的方法,其中所述经编码训练数据的训练集包含在第一组条件下获得的图像,并且其中所述原始图像数据包含在不同于所述第一组条件的第二组条件下获得的原始图像。12.根据权利要求11所述的方法,其中所述第一组条件和所述第二组条件包含光照条件。13.根据权利要求1所述的方法,进一步包...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。