WO2023040857 - DEVICES, SYSTEMS, METHODS, AND MEDIA FOR DOMAIN ADAPTATION USING HYBRID LEARNING
National phase entry is expected:
Publication Number
WO/2023/040857
Publication Date
23.03.2023
International Application No.
PCT/CN2022/118582
International Filing Date
14.09.2022
Title **
[English]
DEVICES, SYSTEMS, METHODS, AND MEDIA FOR DOMAIN ADAPTATION USING HYBRID LEARNING
[French]
DISPOSITIFS, SYSTÈMES, PROCÉDÉS ET SUPPORTS POUR L'ADAPTATION DE DOMAINE EN UTILISANT UN APPRENTISSAGE HYBRIDE
Applicants **
HUAWEI TECHNOLOGIES CO., LTD.
Huawei Administration Building, Bantian, Longgang District
Shenzhen, Guangdong 518129, CN
Inventors
CORRAL-SOTO, Eduardo
27 Flook Lane
Toronto, Ontario M2R 3Y7, CA
LIU, Bingbing
911-111, Upper Duke Gres.
Markham, Ontario L6G 0C8, CA
Priority Data
17/475,003
14.09.2021
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| * | |
International Searching Authority |
CNIPA
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Translation |
|
Recalculate
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing | 1658 | |
| EPO | Filing, Examination | 10193 | |
| Japan | Filing | 595 | |
| South Korea | Filing | 574 | |
| USA | Filing, Examination | 4110 |
Total: 17130 USD
The term for entry into the National Phase has expired. This quotation is for informational purposes only
Abstract[English]
Devices, systems, methods, and media are for domain adaptation of a trained machine learning model using hybrid learning. A hybrid approach to domain adaptation is that combines aspects of discrepancy-based, adversarial, and reconstruction-based approaches to achieve an end-to-end trained model for performing a prediction task (such as semantic segmentation) on a sparsely labeled dataset in a target domain, by leveraging a richly-labeled dataset in the source domain. It may also provide a trained domain translation model for generating synthetic data samples in a first domain based on input data samples from a second domain.[French]
L'invention concerne des dispositifs, des systèmes, des procédés et des supports destinés à l'adaptation de domaine d'un modèle d'apprentissage automatique entraîné en utilisant un apprentissage hybride. Une approche hybride de l'adaptation de domaine est celle qui combine les aspects des approches basées sur les divergences, la contradiction et la reconstruction pour obtenir un modèle entraîné de bout en bout en vue d'effectuer une tâche de prédiction (telle que la segmentation sémantique) sur un ensemble de données faiblement étiquetées dans un domaine cible, en exploitant un ensemble de données richement étiquetées dans le domaine source. Elle peut également fournir un modèle de traduction de domaine entraîné pour générer des échantillons de données synthétiques dans un premier domaine en se basant sur des échantillons de données d'entrée provenant d'un deuxième domaine.