JP2000207376A - システム性能向上方法、装置、およびシステム性能向上プログラムを記録した記録媒体 - Google Patents
システム性能向上方法、装置、およびシステム性能向上プログラムを記録した記録媒体Info
- Publication number
- JP2000207376A JP2000207376A JP11003275A JP327599A JP2000207376A JP 2000207376 A JP2000207376 A JP 2000207376A JP 11003275 A JP11003275 A JP 11003275A JP 327599 A JP327599 A JP 327599A JP 2000207376 A JP2000207376 A JP 2000207376A
- Authority
- JP
- Japan
- Prior art keywords
- parameter group
- processing
- recognition parameter
- performance
- recognition
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Landscapes
- Character Discrimination (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 調整に必要な人的・時間的コストを削減し、
かつ人間の意図に沿った動作を行うようにシステムを調
整する。 【解決手段】 初期認識パラメータ決定部２１で数字認
識システム１の認識パラメータ群を決定し、正解入力部
２２で処理対象５に対する正解Ｙを入力する。通信部２
３で数字認識システム１は認識パラメータ群を送信し、
数字認識システム１が認識対象５に対して行った処理の
結果Ｘ、モデルとの一致度Ｍａｘ、処理時間Ｔを受信す
る。性能評価値計算部２４はこれらに基づいて数字認識
システム１に対する性能評価値を計算する。性能評価値
が閾値以上であると判定部２５で判定されると、認識パ
ラメータ群を動作条件３に適応したものとして出力部２
７より数字認識システム１に出力するが、閾値未満であ
ると、パラメータ改善部２６で認識パラメータを改善し
て前述の処理を繰り返す。
かつ人間の意図に沿った動作を行うようにシステムを調
整する。 【解決手段】 初期認識パラメータ決定部２１で数字認
識システム１の認識パラメータ群を決定し、正解入力部
２２で処理対象５に対する正解Ｙを入力する。通信部２
３で数字認識システム１は認識パラメータ群を送信し、
数字認識システム１が認識対象５に対して行った処理の
結果Ｘ、モデルとの一致度Ｍａｘ、処理時間Ｔを受信す
る。性能評価値計算部２４はこれらに基づいて数字認識
システム１に対する性能評価値を計算する。性能評価値
が閾値以上であると判定部２５で判定されると、認識パ
ラメータ群を動作条件３に適応したものとして出力部２
７より数字認識システム１に出力するが、閾値未満であ
ると、パラメータ改善部２６で認識パラメータを改善し
て前述の処理を繰り返す。
Description
【０００１】
【発明の属する技術分野】本発明は、処理対象に対して
処理を行ってその結果を出力し、かつ処理の性能を決定
する調整可能な認識パラメータ群を有するシステムの性
能を向上させる方法および装置に関する。
処理を行ってその結果を出力し、かつ処理の性能を決定
する調整可能な認識パラメータ群を有するシステムの性
能を向上させる方法および装置に関する。
【０００２】
【従来の技術】この種のシステムとして、アーク光の溶
接ロボットにおける溶接点認識システム、不良品を認識
する部品検査システム、人物を認識する自動監視カメラ
システム、指紋識別システム、声紋識別システム、文字
認識システム等が挙げられる。
接ロボットにおける溶接点認識システム、不良品を認識
する部品検査システム、人物を認識する自動監視カメラ
システム、指紋識別システム、声紋識別システム、文字
認識システム等が挙げられる。
【０００３】この種のシステムは、認識パラメータ群の
値を解析解として計算困難であるシステムと、認識パラ
メータ群の値を解析解として計算可能であるシステムの
２種類がある。
値を解析解として計算困難であるシステムと、認識パラ
メータ群の値を解析解として計算可能であるシステムの
２種類がある。
【０００４】これら２種類のシステムの導入・運用に際
しては、その性能向上のために、認識パラメータ群の値
の調整が必要不可欠である。従来は性能評価関数を最小
化する解析解として認識パラメータ群の値を計算困難で
あるシステムに対しては、システム管理者が認識パラメ
ータ群の値の調整を経験に基づき手動で行っていた。ま
た、性能評価関数を最小化する解析解として認識パラメ
ータ群の値を計算可能であるシステムに対しては解析解
を基に認識パラメータ群の値を調整していた。
しては、その性能向上のために、認識パラメータ群の値
の調整が必要不可欠である。従来は性能評価関数を最小
化する解析解として認識パラメータ群の値を計算困難で
あるシステムに対しては、システム管理者が認識パラメ
ータ群の値の調整を経験に基づき手動で行っていた。ま
た、性能評価関数を最小化する解析解として認識パラメ
ータ群の値を計算可能であるシステムに対しては解析解
を基に認識パラメータ群の値を調整していた。
【０００５】
【発明が解決しようとする課題】しかしながら、従来の
方法では以下のような２つの問題点があった。
方法では以下のような２つの問題点があった。
【０００６】１．動作する環境に最適な認識パラメータ
群の値を解析解として計算困難であるシステムの調整
は、十分な経験を要するのが一般的である。そのため、
人間の思うようにシステムが動作しないといった不具合
が生じた場合、十分な経験を有するシステム管理者が現
場に赴き、膨大な情報を収集・解析して認識パラメータ
群の値を調整する必要があり、人的・時間的コストが高
い。
群の値を解析解として計算困難であるシステムの調整
は、十分な経験を要するのが一般的である。そのため、
人間の思うようにシステムが動作しないといった不具合
が生じた場合、十分な経験を有するシステム管理者が現
場に赴き、膨大な情報を収集・解析して認識パラメータ
群の値を調整する必要があり、人的・時間的コストが高
い。
【０００７】２．何らかの入力に対して処理を行って結
果を出力し、かつ、前記処理に対して調整可能な認識パ
ラメータ群を有するシステムにおいて、性能評価関数を
構成する変数が系内の状態変数に限られているため、最
適化されたシステムの動作が必ずしも人間の意図に沿う
とは限らない。
果を出力し、かつ、前記処理に対して調整可能な認識パ
ラメータ群を有するシステムにおいて、性能評価関数を
構成する変数が系内の状態変数に限られているため、最
適化されたシステムの動作が必ずしも人間の意図に沿う
とは限らない。
【０００８】本発明の目的は、認識パラメータ群を自動
で調整することで、人的・時間的コストを大幅に削減す
る、システム性能向上方法、装置、およびシステム性能
向上プログラムを記録した記録媒体を提供することにあ
る。
で調整することで、人的・時間的コストを大幅に削減す
る、システム性能向上方法、装置、およびシステム性能
向上プログラムを記録した記録媒体を提供することにあ
る。
【０００９】本発明の他の目的は、システムを人間の意
図に沿った動作を行うように調整できるシステム性能向
上方法、装置、およびシステム性能向上プログラムを記
録した記録媒体を提供することにある。
図に沿った動作を行うように調整できるシステム性能向
上方法、装置、およびシステム性能向上プログラムを記
録した記録媒体を提供することにある。
【００１０】
【課題を解決するための手段】本発明は、処理の性能を
決定する認識パラメータ群を変数とし、処理対象に対す
る正解と、認識パラメータ群に基づいてシステムより出
力された実際の処理結果との類似度を表す、システムの
性能評価値を求め、性能評価値の最小値または最大値ま
たは局所最小値または局所最大値をとる認識パラメータ
群の値を求めることにより、システムが動作する条件に
おいて最大の性能を発揮する認識パラメータ群の値を決
定する。
決定する認識パラメータ群を変数とし、処理対象に対す
る正解と、認識パラメータ群に基づいてシステムより出
力された実際の処理結果との類似度を表す、システムの
性能評価値を求め、性能評価値の最小値または最大値ま
たは局所最小値または局所最大値をとる認識パラメータ
群の値を求めることにより、システムが動作する条件に
おいて最大の性能を発揮する認識パラメータ群の値を決
定する。
【００１１】したがって、人間の意図に沿った動作を行
うようにシステムを調整することができる。
うようにシステムを調整することができる。
【００１２】また、本発明は、処理の性能を決定する認
識パラメータ群を変数とし、処理対象に対する正解と、
認識パラメータ群に基づいてシステムより出力された実
際の処理結果との類似度を表すシステムの性能評価値を
求め、さらに適応度を求め、遺伝的アルゴリズムを用い
て適応度の最小値または最大値または局所最小値または
局所最大値をとる認識パラメータ群の値を求めることに
より、システムが動作する条件において最大の性能を発
揮する認識パラメータ群の値を決定する。
識パラメータ群を変数とし、処理対象に対する正解と、
認識パラメータ群に基づいてシステムより出力された実
際の処理結果との類似度を表すシステムの性能評価値を
求め、さらに適応度を求め、遺伝的アルゴリズムを用い
て適応度の最小値または最大値または局所最小値または
局所最大値をとる認識パラメータ群の値を求めることに
より、システムが動作する条件において最大の性能を発
揮する認識パラメータ群の値を決定する。
【００１３】したがって、人間の意図に沿って動作を行
うようにシステムを調整することができ、また、調整に
必要な時間的コスト、人的コストを大幅に削減すること
ができる。
うようにシステムを調整することができ、また、調整に
必要な時間的コスト、人的コストを大幅に削減すること
ができる。
【００１４】また、本発明は、処理の性能を決定する認
識パラメータ群を変数としたシステムの性能評価値を求
め、さらに適応度を求め、遺伝的アルゴリズムを用いて
適応度の最小値または最大値または局所最小値または局
所最大値をとる認識パラメータ群の値を求めることによ
り、システムが動作する条件において最大の性能を発揮
する認識パラメータ群の値を決定する。
識パラメータ群を変数としたシステムの性能評価値を求
め、さらに適応度を求め、遺伝的アルゴリズムを用いて
適応度の最小値または最大値または局所最小値または局
所最大値をとる認識パラメータ群の値を求めることによ
り、システムが動作する条件において最大の性能を発揮
する認識パラメータ群の値を決定する。
【００１５】したがって、システムを調整するのに必要
な時間的コスト、人的コストを大幅に削減することがで
きる。
な時間的コスト、人的コストを大幅に削減することがで
きる。
【００１６】
【発明の実施の形態】次に、本発明の実施の形態につい
て図面を参照して説明する。
て図面を参照して説明する。
【００１７】図１は本発明を、パラメータ群の値が解析
解として計算困難である数字認識システムに適用した例
であり、本発明のシステム性能向上装置と数字認識シス
テムと動作条件と処理対象の相互関係を示す。その関係
は形式Ａ（図１（１））と形式Ｂ（図１（２））があ
り、形式Ａはシステム性能向上装置２が数字認識システ
ム１から独立して存在する形式であり、形式Ｂはシステ
ム性能向上装置２が数字認識システム１に組み込まれて
いる形式である。以下の形式Ａについて説明するが、形
式Ｂも同様である。
解として計算困難である数字認識システムに適用した例
であり、本発明のシステム性能向上装置と数字認識シス
テムと動作条件と処理対象の相互関係を示す。その関係
は形式Ａ（図１（１））と形式Ｂ（図１（２））があ
り、形式Ａはシステム性能向上装置２が数字認識システ
ム１から独立して存在する形式であり、形式Ｂはシステ
ム性能向上装置２が数字認識システム１に組み込まれて
いる形式である。以下の形式Ａについて説明するが、形
式Ｂも同様である。
【００１８】（第１の実施の形態）数字認識システム１
は処理対象５をセンシングし、その数字を認識する機能
を持つ。すなわち数字認識システム１内の認識処理装置
４は数字モデルＩ１，Ｉ２，・・・，Ｉ９と処理対象５
との一致度を計算し、一致度の高い数字モデルを求める
ことで数字を認識する。認識の精度は認識パラメータ群
によって左右される。システム性能向上装置２は認識結
果または一致度、処理対象５に対する正解、処理時間等
を考慮したシステムの性能評価値を利用して、最良の性
能を引き出す認識パラメータ群を決定する。動作条件３
は数字認識システム１が動作する条件であり、温度、照
明条件、処理対象５に対する正解を含む。温度、照明等
の条件により、処理対象５のセンシング結果および認識
結果は影響を受ける。
は処理対象５をセンシングし、その数字を認識する機能
を持つ。すなわち数字認識システム１内の認識処理装置
４は数字モデルＩ１，Ｉ２，・・・，Ｉ９と処理対象５
との一致度を計算し、一致度の高い数字モデルを求める
ことで数字を認識する。認識の精度は認識パラメータ群
によって左右される。システム性能向上装置２は認識結
果または一致度、処理対象５に対する正解、処理時間等
を考慮したシステムの性能評価値を利用して、最良の性
能を引き出す認識パラメータ群を決定する。動作条件３
は数字認識システム１が動作する条件であり、温度、照
明条件、処理対象５に対する正解を含む。温度、照明等
の条件により、処理対象５のセンシング結果および認識
結果は影響を受ける。
【００１９】図９は数字認識システム１が扱う処理対象
５の例を示している。処理対象Ａ，Ｂは動作条件３に影
響されてノイズが入り、数字認識システム１への入力画
像６はそれぞれａ，ｂのようになる。入力画像６に対す
る正解はａに対して「９」と判定、ｂに対して「０」と
判定するものとする。
５の例を示している。処理対象Ａ，Ｂは動作条件３に影
響されてノイズが入り、数字認識システム１への入力画
像６はそれぞれａ，ｂのようになる。入力画像６に対す
る正解はａに対して「９」と判定、ｂに対して「０」と
判定するものとする。
【００２０】図２は数字認識システム１の処理の流れを
示している。
示している。
【００２１】まず、入力画像６の各画素値と、その周囲
の画素Ｓとの差分の和が認識パラメータＴ（Ａ）よりも
小さい画素を抽出したノイズ除去画像を作成する（ステ
ップ１１）。次に、ノイズ除去画像に対し、画素値Ｇが
認識パラメータ（Ｂ）よりも小さい画素を抽出して２値
画像を作成する（ステップ１２）。次に、作成された２
値画像と数字０〜９までの数字モデルＩ０〜Ｉ９との一
致度Ｍ（０）〜Ｍ（９）を計算する。最後に、一致度Ｍ
（０）〜Ｍ（９）の中で最大の一致度Ｍａｘ＝Ｍ（ｘ）
を求め、これが認識パラメータＴ（Ｃ）よりも大きけれ
ばＸを認識結果として出力する。また、処理時間Ｔおよ
び最大の一致度Ｍａｘを同時に出力する。
の画素Ｓとの差分の和が認識パラメータＴ（Ａ）よりも
小さい画素を抽出したノイズ除去画像を作成する（ステ
ップ１１）。次に、ノイズ除去画像に対し、画素値Ｇが
認識パラメータ（Ｂ）よりも小さい画素を抽出して２値
画像を作成する（ステップ１２）。次に、作成された２
値画像と数字０〜９までの数字モデルＩ０〜Ｉ９との一
致度Ｍ（０）〜Ｍ（９）を計算する。最後に、一致度Ｍ
（０）〜Ｍ（９）の中で最大の一致度Ｍａｘ＝Ｍ（ｘ）
を求め、これが認識パラメータＴ（Ｃ）よりも大きけれ
ばＸを認識結果として出力する。また、処理時間Ｔおよ
び最大の一致度Ｍａｘを同時に出力する。
【００２２】入力画像６がａ（図９）である場合、ステ
ップ１１でノイズ除去画像ａ’が得られ、ステップ１２
で２値画像ａ”が得られる。
ップ１１でノイズ除去画像ａ’が得られ、ステップ１２
で２値画像ａ”が得られる。
【００２３】入力画像ａと数字０から数字９までの数字
モデルＩ０〜Ｉ９との一致度をそれぞれＭａ（０）〜Ｍ
ａ（９）、また入力画像ｂと数字０〜数字９までの数字
モデルＩ０〜Ｉ９との一致度をそれぞれＭｂ（０）〜Ｍ
ｂ（９）とすると、処理対象５に対する正解どおりの認
識が達成されるための認識パラメータの必要条件は、ｘ
を０〜９の変数として、Ｍａ（９）＞Ｔ（Ｃ）かつＭａ
（９）≧Ｍａ（ｘ）かつＭｂ（０）＞Ｔ（Ｃ）かつＭｂ
（０）≧Ｍｂ（ｘ）となる。
モデルＩ０〜Ｉ９との一致度をそれぞれＭａ（０）〜Ｍ
ａ（９）、また入力画像ｂと数字０〜数字９までの数字
モデルＩ０〜Ｉ９との一致度をそれぞれＭｂ（０）〜Ｍ
ｂ（９）とすると、処理対象５に対する正解どおりの認
識が達成されるための認識パラメータの必要条件は、ｘ
を０〜９の変数として、Ｍａ（９）＞Ｔ（Ｃ）かつＭａ
（９）≧Ｍａ（ｘ）かつＭｂ（０）＞Ｔ（Ｃ）かつＭｂ
（０）≧Ｍｂ（ｘ）となる。
【００２４】認識パラメータ群が調整されていないと、
ノイズが多い条件下では上記の必要条件が満たされず、
例えばＭａ（９）＜Ｔ（Ｃ）またはＭｂ（０）＜Ｍｂ
（８）となる可能性があり、間違った認識を行うことに
なる。そのため、パラメータ群を調整する必要がある。
ノイズが多い条件下では上記の必要条件が満たされず、
例えばＭａ（９）＜Ｔ（Ｃ）またはＭｂ（０）＜Ｍｂ
（８）となる可能性があり、間違った認識を行うことに
なる。そのため、パラメータ群を調整する必要がある。
【００２５】図３は、認識パラメータ群を調整し、シス
テム性能を向上させるシステム性能向上装置２の構成
図、図４はその処理の流れを示すフローチャートであ
る。
テム性能を向上させるシステム性能向上装置２の構成
図、図４はその処理の流れを示すフローチャートであ
る。
【００２６】システム性能向上装置２は初期認識パラメ
ータ決定部２１と正解入力部２２と通信部２３と性能評
価値計算部２４と判定部２５と出力部２６とパラメータ
改善部２７で構成されている。
ータ決定部２１と正解入力部２２と通信部２３と性能評
価値計算部２４と判定部２５と出力部２６とパラメータ
改善部２７で構成されている。
【００２７】初期認識パラメータ決定部２１は初期認識
パラメータ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）を決定する
（ステップ３１）。正解入力部２２は初期認識パラメー
タ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）と認識対象５に対す
る正解Ｙを入力し、通信部２３に出力する（ステップ３
２）。通信部２３は数字認識システム１に認識パラメー
タ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）を送信する（ステッ
プ３３）。数字認識システム１は認識パラメータ群を設
定し直し、動作条件３における入力画像６に対して認識
を行い、最大の一致度Ｍａｘを計算し、認識結果Ｘおよ
び最大の一致度Ｍａｘおよび認識処理時間Ｔを送信し、
通信部２３はこれらを受信し、認識パラメータ群Ｔ
（Ａ），Ｔ（Ｂ），Ｔ（Ｃ），正解Ｙとともに性能評価
値計算部２４に出力する（ステップ３４）。性能評価値
計算部２４は認識パラメータ群に対する性能評価値＝Ｍ
ａｘ／（｜Ｘ−Ｙ｜＋Ｔ）を計算し、認識パラメータ群
Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）とともに判定部２５に出
力する（ステップ３５）。判定部２５は性能評価値が閾
値以上かどうか判定し、閾値以上ならば出力部２７へ、
閾値未満ならばパラメータ改善部２７へ処理を移し、認
識パラメータ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）を出力す
る（ステップ３６）。パラメータ改善部２６は、認識対
象５に対する性能評価値が大きくなるように、認識パラ
メータ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）を、例えばＴ
（Ａ）＝Ｙ（Ａ）＋０．０１，Ｔ（Ｂ）＝Ｔ（Ｂ）＋
０．０１，Ｔ（Ｃ）＝Ｔ（Ｃ）＋０．０１のように改善
し、通信部２３に出力する（ステップ３７）。出力部２
７は認識パラメータ群が動作条件３に適応した値に設定
されているとして認識パラメータ群Ｔ（Ａ），Ｔ
（Ｂ），Ｔ（Ｃ）を数字認識システム１に出力する（ス
テップ３８）。
パラメータ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）を決定する
（ステップ３１）。正解入力部２２は初期認識パラメー
タ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）と認識対象５に対す
る正解Ｙを入力し、通信部２３に出力する（ステップ３
２）。通信部２３は数字認識システム１に認識パラメー
タ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）を送信する（ステッ
プ３３）。数字認識システム１は認識パラメータ群を設
定し直し、動作条件３における入力画像６に対して認識
を行い、最大の一致度Ｍａｘを計算し、認識結果Ｘおよ
び最大の一致度Ｍａｘおよび認識処理時間Ｔを送信し、
通信部２３はこれらを受信し、認識パラメータ群Ｔ
（Ａ），Ｔ（Ｂ），Ｔ（Ｃ），正解Ｙとともに性能評価
値計算部２４に出力する（ステップ３４）。性能評価値
計算部２４は認識パラメータ群に対する性能評価値＝Ｍ
ａｘ／（｜Ｘ−Ｙ｜＋Ｔ）を計算し、認識パラメータ群
Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）とともに判定部２５に出
力する（ステップ３５）。判定部２５は性能評価値が閾
値以上かどうか判定し、閾値以上ならば出力部２７へ、
閾値未満ならばパラメータ改善部２７へ処理を移し、認
識パラメータ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）を出力す
る（ステップ３６）。パラメータ改善部２６は、認識対
象５に対する性能評価値が大きくなるように、認識パラ
メータ群Ｔ（Ａ），Ｔ（Ｂ），Ｔ（Ｃ）を、例えばＴ
（Ａ）＝Ｙ（Ａ）＋０．０１，Ｔ（Ｂ）＝Ｔ（Ｂ）＋
０．０１，Ｔ（Ｃ）＝Ｔ（Ｃ）＋０．０１のように改善
し、通信部２３に出力する（ステップ３７）。出力部２
７は認識パラメータ群が動作条件３に適応した値に設定
されているとして認識パラメータ群Ｔ（Ａ），Ｔ
（Ｂ），Ｔ（Ｃ）を数字認識システム１に出力する（ス
テップ３８）。
【００２８】以上の説明は、１つのパラメータ群に対す
る処理を例としているが、複数のパラメータ群を同時に
処理してもよい。また、性能評価関数を（｜Ｘ−Ｙ｜＋
Ｔ）／Ｍａｘとしてもよい。その場合、判定部２５は性
能評価値がある閾値以下になっているかどうかを判定す
ることになる。本処理の終了条件を、認識対象５に対す
る性能評価値の閾値との大小判定により決定しているた
め、出力された認識パラメータ群による性能評価値が最
大値または最小値であることが保証されず、パラメータ
改善部２６により認識パラメータを変化させた範囲内で
の最大値または最小値（局所最大値または局所最小値）
である可能性がある。しかし、性能評価値は大きいまた
は小さいことが重要であり、実用上問題はない。
る処理を例としているが、複数のパラメータ群を同時に
処理してもよい。また、性能評価関数を（｜Ｘ−Ｙ｜＋
Ｔ）／Ｍａｘとしてもよい。その場合、判定部２５は性
能評価値がある閾値以下になっているかどうかを判定す
ることになる。本処理の終了条件を、認識対象５に対す
る性能評価値の閾値との大小判定により決定しているた
め、出力された認識パラメータ群による性能評価値が最
大値または最小値であることが保証されず、パラメータ
改善部２６により認識パラメータを変化させた範囲内で
の最大値または最小値（局所最大値または局所最小値）
である可能性がある。しかし、性能評価値は大きいまた
は小さいことが重要であり、実用上問題はない。
【００２９】本実施形態によれば、図９の場合において
処理対象５に対する正解Ｙおよび認識結果を利用して認
識パラメータ群を調整することにより、最終的に入力画
像ａに対して「９」と認識し、入力画像ｂに対して
「０」と認識する認識パラメータ群Ｔ（Ａ），Ｔ
（Ｂ），Ｔ（Ｃ）が得られる。
処理対象５に対する正解Ｙおよび認識結果を利用して認
識パラメータ群を調整することにより、最終的に入力画
像ａに対して「９」と認識し、入力画像ｂに対して
「０」と認識する認識パラメータ群Ｔ（Ａ），Ｔ
（Ｂ），Ｔ（Ｃ）が得られる。
【００３０】（第２の実施の形態）次に、本発明の第２
の実施形態として、性能評価値を最小化または最大化す
る認識パラメータを計算して出力する手法に遺伝的アル
ゴリズムを用いる例を説明する。
の実施形態として、性能評価値を最小化または最大化す
る認識パラメータを計算して出力する手法に遺伝的アル
ゴリズムを用いる例を説明する。
【００３１】図５は本発明の第２の実施形態におけるシ
ステム性能向上装置の構成図、図６はその処理の流れを
示すフローチャートである。
ステム性能向上装置の構成図、図６はその処理の流れを
示すフローチャートである。
【００３２】システム性能向上装置２は初期認識パラメ
ータ決定部４１と正解入力部４２と通信部４３と性能評
価値計算部４４と判定部４５と遺伝的アルゴリズムによ
るパラメータ改善部４６と出力部４７で構成されてい
る。パラメータ改善部４６は染色体変換部４６ａと選択
部４６ｂと交配部４６ｃと変異部４６ｄとパラメータ変
換部４６ｅで構成されている。
ータ決定部４１と正解入力部４２と通信部４３と性能評
価値計算部４４と判定部４５と遺伝的アルゴリズムによ
るパラメータ改善部４６と出力部４７で構成されてい
る。パラメータ改善部４６は染色体変換部４６ａと選択
部４６ｂと交配部４６ｃと変異部４６ｄとパラメータ変
換部４６ｅで構成されている。
【００３３】初期認識パラメータ決定部４１は、複数
（ｍ個）の初期認識パラメータ群Ｔ1（Ａ），Ｔ１
（Ｂ），Ｔ１（Ｃ），Ｔ２（Ａ），Ｔ２（Ｂ），Ｔ２
（Ｃ），・・・，Ｔｍ（Ａ），Ｔｍ（Ｂ），Ｔｍ（Ｃ）
を決定する（ステップ６１）。正解入力部４２は上記初
期認識パラメータ群とともに処理対象５に対する正解Ｙ
を入力し、これらを通信部４３に出力し、さらにポイン
タｊを初期化する（ステップ６２）。通信部４３はｊ番
目の認識パラメータ部Ｔｊ（Ａ），Ｔｊ（Ｂ），Ｔｊ
（Ｃ）を数字認識システム１に送信する（ステップ６
３）。数字認識システム１は送信された認識パラメータ
群を設定し直し、処理対象５に対して認識を行い、最大
の一致度Ｍａｘを計算し、最大の一致度Ｍａｘ、認識結
果Ｘ、処理時間Ｔを通信部４３に送信する。通信部４３
は最大の一致度Ｍａｘ、認識結果Ｘ、処理時間Ｔを受信
し、これらを認識パラメータ群とともに性能評価値計算
部４４に出力する（ステップ６４）。性能評価値計算部
４４はｊ番目の認識パラメータ群に対応する性能評価値
を、例えばＭａｘ／（｜Ｘ−Ｙ｜＋Ｔ）と計算）し（ス
テップ６５）、ｊをｍと比較し（ステップ６６）、ｊが
ｍより小さければｊを＋１して通信部４３へ認識パラメ
ータ群を出力し、通信部４３へ認識パラメータ群を出力
し、通信部４３の処理へ戻る。ｊがｍ以上であれば、判
定部４５は、認識パラメータ群を性能評価値計算部４４
から入力するとともに、ｍ個の性能評価値を基に適応度
（例えば適応度＝性能評価値）を計算し、ｍ個の適応度
のうち最大のものがある閾値以上になっているかどうか
判定する（ステップ６７）。最大の性能評価値が閾値未
満であれば、パラメータ改善部４６が認識パラメータ群
を入力し、染色体変換部４６ａが図７に示すように各認
識パラメータ群Ｔ１（Ａ）〜Ｔ１（Ｃ），Ｔ２（Ａ）〜
Ｔ２（Ｃ），・・・，Ｔｍ（Ａ）〜Ｔｍ（Ｃ）を２進数
で表現し、それらを接続することによりｍ個の染色体Ｔ
１，Ｔ２，・・・，Ｔｍを作成する（ステップ６８
ａ）。次に、選択部４６ｂが図８に示すように、ｍ個の
適応度を基に各染色体に対して選択操作を行い、２Ｎ
（＜ｍ）個の染色体ｔ11，ｔ12，・・・，ｔN1，ｔN2，
・・・，ｔN1，ｔN2を選択する（ステップ６８ｂ）。次
に、交配部４６ｃが選択された染色体ｔ11〜ｔN2に対し
交配操作を行い、中間染色体Ｕ１〜Ｕm を得る（ステッ
プ６８ｃ）。次に、変異部４６ｄが全ての染色体に対し
て突然変異操作を行い、新染色体Ｔ１’〜Ｔ’ｍを得る
（ステップ６８ｄ）。次に、パラメータ変換部４６ｅが
各染色体を図７とは逆の手順で各認識パラメータ群に変
換し、すなわち、染色体を接合したところを切り離し
（この例では３つに分解し）、各２進数を１０進数に変
換し、認識パラメータ群を通信部４３へ出力し、通信部
４３の処理へ戻る（ステップ７２）。出力部４７はｍ個
の性能評価値のうち最大のものがある閾値以上になって
いれば、その性能評価値に対する認識パラメータ群を、
動作条件３に適応した値に設定されているとして数字認
識システム１に出力する（ステップ６９）。
（ｍ個）の初期認識パラメータ群Ｔ1（Ａ），Ｔ１
（Ｂ），Ｔ１（Ｃ），Ｔ２（Ａ），Ｔ２（Ｂ），Ｔ２
（Ｃ），・・・，Ｔｍ（Ａ），Ｔｍ（Ｂ），Ｔｍ（Ｃ）
を決定する（ステップ６１）。正解入力部４２は上記初
期認識パラメータ群とともに処理対象５に対する正解Ｙ
を入力し、これらを通信部４３に出力し、さらにポイン
タｊを初期化する（ステップ６２）。通信部４３はｊ番
目の認識パラメータ部Ｔｊ（Ａ），Ｔｊ（Ｂ），Ｔｊ
（Ｃ）を数字認識システム１に送信する（ステップ６
３）。数字認識システム１は送信された認識パラメータ
群を設定し直し、処理対象５に対して認識を行い、最大
の一致度Ｍａｘを計算し、最大の一致度Ｍａｘ、認識結
果Ｘ、処理時間Ｔを通信部４３に送信する。通信部４３
は最大の一致度Ｍａｘ、認識結果Ｘ、処理時間Ｔを受信
し、これらを認識パラメータ群とともに性能評価値計算
部４４に出力する（ステップ６４）。性能評価値計算部
４４はｊ番目の認識パラメータ群に対応する性能評価値
を、例えばＭａｘ／（｜Ｘ−Ｙ｜＋Ｔ）と計算）し（ス
テップ６５）、ｊをｍと比較し（ステップ６６）、ｊが
ｍより小さければｊを＋１して通信部４３へ認識パラメ
ータ群を出力し、通信部４３へ認識パラメータ群を出力
し、通信部４３の処理へ戻る。ｊがｍ以上であれば、判
定部４５は、認識パラメータ群を性能評価値計算部４４
から入力するとともに、ｍ個の性能評価値を基に適応度
（例えば適応度＝性能評価値）を計算し、ｍ個の適応度
のうち最大のものがある閾値以上になっているかどうか
判定する（ステップ６７）。最大の性能評価値が閾値未
満であれば、パラメータ改善部４６が認識パラメータ群
を入力し、染色体変換部４６ａが図７に示すように各認
識パラメータ群Ｔ１（Ａ）〜Ｔ１（Ｃ），Ｔ２（Ａ）〜
Ｔ２（Ｃ），・・・，Ｔｍ（Ａ）〜Ｔｍ（Ｃ）を２進数
で表現し、それらを接続することによりｍ個の染色体Ｔ
１，Ｔ２，・・・，Ｔｍを作成する（ステップ６８
ａ）。次に、選択部４６ｂが図８に示すように、ｍ個の
適応度を基に各染色体に対して選択操作を行い、２Ｎ
（＜ｍ）個の染色体ｔ11，ｔ12，・・・，ｔN1，ｔN2，
・・・，ｔN1，ｔN2を選択する（ステップ６８ｂ）。次
に、交配部４６ｃが選択された染色体ｔ11〜ｔN2に対し
交配操作を行い、中間染色体Ｕ１〜Ｕm を得る（ステッ
プ６８ｃ）。次に、変異部４６ｄが全ての染色体に対し
て突然変異操作を行い、新染色体Ｔ１’〜Ｔ’ｍを得る
（ステップ６８ｄ）。次に、パラメータ変換部４６ｅが
各染色体を図７とは逆の手順で各認識パラメータ群に変
換し、すなわち、染色体を接合したところを切り離し
（この例では３つに分解し）、各２進数を１０進数に変
換し、認識パラメータ群を通信部４３へ出力し、通信部
４３の処理へ戻る（ステップ７２）。出力部４７はｍ個
の性能評価値のうち最大のものがある閾値以上になって
いれば、その性能評価値に対する認識パラメータ群を、
動作条件３に適応した値に設定されているとして数字認
識システム１に出力する（ステップ６９）。
【００３４】（第３の実施形態）ただし、処理対象５に
対する正解Ｙを用いずに認識パラメータ群の値を求めて
もよい。その場合、ステップ６２の処理を行わないた
め、正解入力部４２は不要になる。その場合の性能評価
関数としてＭａｘ／Ｔ、適応度として適応度＝性能評価
値などが考えられる。
対する正解Ｙを用いずに認識パラメータ群の値を求めて
もよい。その場合、ステップ６２の処理を行わないた
め、正解入力部４２は不要になる。その場合の性能評価
関数としてＭａｘ／Ｔ、適応度として適応度＝性能評価
値などが考えられる。
【００３５】本実施形態についても、第１の実施形態に
て説明した効果が同様に得られ、かつ、最適なパラメー
タを得る時間を短縮できる。
て説明した効果が同様に得られ、かつ、最適なパラメー
タを得る時間を短縮できる。
【００３６】図１０は以上述べたシステム性能向上装置
２をパーソナルコンピュータ実現したブロック図であ
る。このシステム性能向上装置は入力装置７１と記憶装
置７２，７３と出力装置７４と記録媒体７５とデータ処
理装置７６で構成されている。入力装置７１は正解Ｙ
と、数字認識システム１から一致度Ｍａｘ、認識結果
Ｘ、処理時間Ｔを入力するためのものである。記憶装置
７２は入力データや途中の計算結果を記憶するためのも
のである。記憶装置７３はハードディスクである。出力
装置７４は認識パラメータ群および動作条件に適応した
認識パラメータ群を数字認識システム１に出力するため
のものである。記録媒体７５は図４または図６に示した
処理からなるシステム性能向上プログラムを記録した、
ＦＤ（フロッピィ・ディスク）、ＣＤ−ＲＯＭ、ＭＯ
（光磁気ディスク）等の記録媒体である。データ処理装
置７６は記録媒体７５からシステム性能向上プログラム
を記憶装置７３に読み込んで、これを実行するＣＰＵで
ある。
２をパーソナルコンピュータ実現したブロック図であ
る。このシステム性能向上装置は入力装置７１と記憶装
置７２，７３と出力装置７４と記録媒体７５とデータ処
理装置７６で構成されている。入力装置７１は正解Ｙ
と、数字認識システム１から一致度Ｍａｘ、認識結果
Ｘ、処理時間Ｔを入力するためのものである。記憶装置
７２は入力データや途中の計算結果を記憶するためのも
のである。記憶装置７３はハードディスクである。出力
装置７４は認識パラメータ群および動作条件に適応した
認識パラメータ群を数字認識システム１に出力するため
のものである。記録媒体７５は図４または図６に示した
処理からなるシステム性能向上プログラムを記録した、
ＦＤ（フロッピィ・ディスク）、ＣＤ−ＲＯＭ、ＭＯ
（光磁気ディスク）等の記録媒体である。データ処理装
置７６は記録媒体７５からシステム性能向上プログラム
を記憶装置７３に読み込んで、これを実行するＣＰＵで
ある。
【００３７】
【発明の効果】以上説明したように本発明によれば、シ
ステム導入時、システムの不具合発生時等、システムの
調整が必要になった際、照明条件、温度等のシステムが
動作する条件を基に自動で認識パラメータ群を決定する
ことにより、人的・時間的コストの大幅削減を達成でき
る。また、処理結果に対する教示データを基に自動で認
識パラメータを決定することにより、システムを人間の
意図に沿った動作を行うように調整できる。さらに、教
示データを基に遺伝的アルゴリズムを用いて自動で認識
パラメータ群を決定することにより、人間の意図に沿っ
た動作を行うようにシステムを調整し、人的・時間的コ
ストの大幅削減を達成できる。
ステム導入時、システムの不具合発生時等、システムの
調整が必要になった際、照明条件、温度等のシステムが
動作する条件を基に自動で認識パラメータ群を決定する
ことにより、人的・時間的コストの大幅削減を達成でき
る。また、処理結果に対する教示データを基に自動で認
識パラメータを決定することにより、システムを人間の
意図に沿った動作を行うように調整できる。さらに、教
示データを基に遺伝的アルゴリズムを用いて自動で認識
パラメータ群を決定することにより、人間の意図に沿っ
た動作を行うようにシステムを調整し、人的・時間的コ
ストの大幅削減を達成できる。
【図１】本発明の一実施形態のシステム構成図である。
【図２】認識処理装置４の処理の流れを示す図である。
【図３】システム性能向上装置２の構成図である。
【図４】本発明の第１の実施形態の処理の流れ図であ
る。
る。
【図５】システム性能向上装置２の他の構成図である。
【図６】本発明の第２の実施形態の処理の流れ図であ
る。
る。
【図７】パラメータ群から染色体への変換方法の説明図
である。
である。
【図８】染色体に対する操作の説明図である。
【図９】図１中の数字認識システム１が扱う処理対象の
例を示す図である。
例を示す図である。
【図１０】システム性能向上装置２の他の実施形態を示
すブロック図である。
すブロック図である。
１ 数字認識システム ２ システム性能向上装置 ３ 動作条件 ４ 認識処理装置 ５ 処理対象 ６ 入力画像 １１〜１２ ステップ ２１ 初期認識パラメータ決定部 ２２ 正解入力部 ２３ 通信部 ２４ 性能評価値計算部 ２５ 判定部 ２６ パラメータ改善部 ２７ 出力部 ３１〜３８ ステップ ４１ 初期認識パラメータ決定部 ４２ 正解入力部 ４３ 通信部 ４４ 性能評価値計算部 ４５ 判定部 ４６ パラメータ改善部 ４６ａ 染色体変換部 ４６ｂ 選択部 ４６ｃ 交配部 ４６ｄ 変異部 ４６ｅ パラメータ変換部 ４７ 出力部 ６１〜６９ ステップ ７１ 入力装置 ７２，７３ 記憶装置 ７４ 出力装置 ７５ 記録媒体 ７６ データ処理装置
フロントページの続き (72)発明者 手塚 博久 東京都新宿区西新宿三丁目19番２号 日本 電信電話株式会社内 Ｆターム(参考） 5B064 AB13 CA09 DA27
Claims (16)
- 【請求項１】 処理対象に対し処理を行ってその結果を
出力し、かつ前記処理の性能を決定する調整可能な認識
パラメータ群を有するシステムの性能を向上させるシス
テム性能向上方法であって、 前記認識パラメータ群を変数とし、前記処理対象に対す
る正解と、前記システムが初期認識パラメータ群または
その後変換された認識パラメータ群に基づいて行った処
理の結果の類似度を表す、システムの性能評価値を求
め、該性能評価値が最小値または最大値または局所的最
小値または局所的最大値をとる認識パラメータ群の値
を、前記システムが動作する条件において最高の性能を
発揮するパラメータ群の値と決定するシステム性能向上
方法。 - 【請求項２】 処理対象に対し処理を行ってその結果を
出力し、かつ前記処理の性能を決定する調整可能な認識
パラメータ群を有するシステムの性能を向上させるシス
テム性能向上方法であって、 前記認識パラメータ群を変数とし、前記処理対象に対す
る正解と、前記システムが初期認識パラメータ群に基づ
いて行った処理の結果の類似度を表す、システムの性能
評価値を求め、さらに該性能評価値を基に適応度を求
め、前記正解と、前記初期パラメータ群またはその後変
換された認識パラメータ群を遺伝的アルゴリズムの染色
体に変換し、前記性能評価値を基に該染色体の遺伝的ア
ルゴリズムにおける適応度を計算し、該染色体に遺伝的
操作を施した後変換された認識パラメータ群に基づいて
前記システムが行った処理の結果と前記正解との類似度
を表す性能評価値を求め、前記適応度が最小値または最
大値または局所的最小値または局所的最大値をとる認識
パラメータ群の値を、前記システムが動作する条件にお
いて最高の性能を発揮する認識パラメータ群の値と決定
するシステム性能向上方法。 - 【請求項３】 処理対象に対し処理を行ってその結果を
出力し、かつ前記処理の性能を決定する調整可能な認識
パラメータ群を有するシステムの性能を向上させるシス
テム性能向上方法であって、前記認識パラメータ群を変
数とし、前記システムの性能評価値を基に適応度を求
め、前記認識パラメータ群またはその後変換された認識
パラメータ群を遺伝的アルゴリズムの染色体に変換し、
前記性能評価値を基に該染色体の遺伝的アルゴリズムに
おける適応度を計算し、該染色体に遺伝的操作を施した
後変換された認識パラメータ群に基づいて前記システム
が行った処理の結果の性能評価値に基づいて適応度を求
め、前記適応度の最小値または最大値または局所的最小
値または局所的最大値をとる認識パラメータ群を、前記
システムが動作する条件において最高の性能を発揮する
認識パラメータ群の値と決定するシステム性能向上方
法。 - 【請求項４】 前記処理の結果が、前記処理対象と複数
のモデルの間の最大の一致度と、前記システムの処理時
間を含む請求項１から３のいずれか１項記載の方法。 - 【請求項５】 処理対象に対し処理を行ってその結果を
出力し、かつ前記処理の性能を決定する調整可能な認識
パラメータ群を有するシステムの性能を向上させるシス
テム性能向上方法であって、 前記認識パラメータ群の初期値を決定するステップと、 前記処理対象に対する正解を入力するステップと、 前記システムに認識パラメータ群を送信するステップ
と、 前記システムが前記認識パラメータ群に基づいて前記処
理対象に対して行った処理の結果を受信するステップ
と、 前記正解と前記処理の結果の類似度を表す性能評価値を
計算するステップと、 前記性能評価値が所定の基準に達しているかどうか判定
するステップと、 前記性能評価値が所定の基準に達していない場合、前記
認識パラメータ群を改善し、前記認識パラメータ群を送
信するステップに戻るステップと、 基準に達した性能評価値を実現する認識パラメータ群を
前記システムに出力するステップを有するシステム性能
向上方法。 - 【請求項６】 処理対象に対し処理を行ってその結果を
出力し、かつ前記処理の性能を決定する調整可能な認識
パラメータ群を有するシステムの性能を向上させるシス
テム性能向上方法であって、 前記認識パラメータ群の初期値を決定するステップと、 前記処理対象に対する正解を入力するステップと、 前記システムに認識パラメータ群を送信するステップ
と、 前記システムが前記認識パラメータ群に基づいて前記処
理対象に対して行った処理の結果を受信するステップ
と、 前記正解と前記処理の結果の類似度を表す性能評価値を
計算するステップと、 前記性能評価値を基に遺伝的アルゴリズムにおける適応
度を計算し、該適応度、適応度が複数あればその最大の
ものが所定の基準に達しているかどうか判定するステッ
プと、 前記適応度が所定の基準に達していない場合、前記認識
パラメータ群の値を遺伝的アルゴリズムの染色体に変換
し、該染色体に遺伝的操作を施し、前記染色体を認識パ
ラメータ群に変換し、前記認識パラメータ群を送信する
ステップに戻るステップと、 前記基準に達した適応度を実現する認識パラメータ群の
値を前記システムに出力するステップを有するシステム
性能向上方法。 - 【請求項７】 処理対象に対し処理を行ってその結果を
出力し、かつ前記処理の性能を決定する調整可能な認識
パラメータ群を有するシステムの性能を向上させるシス
テム性能向上方法であって、 前記認識パラメータ群の初期値を決定するステップと、 前記システムに認識パラメータ群を送信するステップ
と、 前記システムが前記認識パラメータ群に基づいて前記処
理対象に対して行った処理の結果を受信するステップ
と、 前記処理の結果から前記システムの性能評価値を計算す
るステップと、 前記性能評価値を基に遺伝的アルゴリズムにおける適応
度を計算し、該適応度、適応度が複数あればその最大の
ものが所定の基準に達しているかどうか判定するステッ
プと、 前記適応度が所定の基準に達していない場合、前記認識
パラメータ群の値を遺伝的アルゴリズムの染色体に変換
し、前記染色体的に遺伝的操作を施し、前記染色体を認
識パラメータ群に変換し、前記認識パラメータ群を送信
するステップに戻るステップと、 前記基準に達した適応度を実現する認識パラメータ群の
値を前記システムに出力するステップを有するシステム
性能向上方法。 - 【請求項８】 前記処理の結果が、前記処理対象と複数
のモデルの間の最大の一致度と、前記システムの処理時
間を含む請求項５から７のいずれか１項記載の方法。 - 【請求項９】 処理対象に対し処理を行ってその結果を
出力し、かつ前記処理の性能を決定する調整可能な認識
パラメータ群を有するシステムの性能を向上させるシス
テム性能向上装置であって、 前記認識パラメータ群の初期値を決定する手段と、 前記処理対象に対する正解を入力する手段と、 前記システムに認識パラメータ群を送信する手段と、 前記システムが前記認識パラメータ群に基づいて前記処
理対象に対して行った処理の結果を受信する手段と、 前記正解と前記処理結果の類似度を表す性能評価値を計
算する手段と、 前記性能評価値が所定の基準に達しているかどうか判定
する手段と、 前記性能評価値が所定の基準に達していない場合、前記
パラメータ群を改善し、前記送信する手段に出力する手
段と、 基準に達した性能評価値を実現する認識パラメータ群を
前記システムに出力する手段を有するシステム性能向上
装置。 - 【請求項１０】 処理対象に対し処理を行ってその結果
を出力し、かつ前記処理の性能を決定する調整可能な認
識パラメータ群を有するシステムの性能を向上させるシ
ステム性能向上装置であって、 前記認識パラメータ群の初期値を決定する手段と、 前記処理対象に対する正解を入力する手段と、 前記システムに認識パラメータ群を送信する手段と、 前記システムが前記認識パラメータ群に基づいて前記処
理対象に対して行った処理の結果を受信する手段と、 前記正解と前記処理の結果の類似度を表す性能評価値を
計算する手段と、 前記性能評価値を基に遺伝的アルゴリズムにおける適応
度を計算し、該適応度、適応度が複数あれば、その最大
のものが所定の基準に達しているかどうか判定する手段
と、 前記適応度が所定の基準に達していない場合、前記認識
パラメータ群の値を遺伝的アルゴリズムの染色体に変換
し、該染色体に遺伝的操作を施し、前記染色体を認識パ
ラメータ群に変換し、前記認識パラメータ群を送信する
手段に出力する手段と、 前記基準に達した適応度を実現する認識パラメータ群の
値を前記システムに出力する手段を有するシステム性能
向上装置。 - 【請求項１１】 処理対象に対し処理を行ってその結果
を出力し、かつ前記処理の性能を決定する調整可能な認
識パラメータ群を有するシステムの性能を向上させるシ
ステム性能向上装置であって、 前記認識パラメータ群の初期値を決定する手段と、 前記システムに認識パラメータ群を送信する手段と、 前記システムが前記認識パラメータ群に基づいて前記処
理対象に対して行った処理の結果を受信する手段と、 前記処理の結果からシステムの性能評価値を計算する手
段と、 前記性能評価値を基に遺伝的アルゴリズムにおける適応
度を計算し、該適応度、適応度が複数あればその最大の
ものが所定の基準に達しているかどうか判定する手段
と、 前記適応度が所定の基準に達していない場合、前記認識
パラメータ群の値を遺伝的アルゴリズムの染色体に変換
し、該染色体に遺伝的操作を施し、前記染色体をパラメ
ータ群に変換し、前記認識パラメータ群を送信する手段
に出力する手段と、 前記基準に達した適応度を実現する認識パラメータ群の
値を前記システムに出力する手段を有するシステム性能
向上装置。 - 【請求項１２】 前記処理の結果が、前記処理対象と複
数のモデルの間の最大の一致度と、前記システムの処理
時間を含む請求項９から１１のいずれか１項記載の装
置。 - 【請求項１３】 処理対象に対し処理を行ってその結果
を出力し、かつ前記処理の性能を決定する調整可能な認
識パラメータ群を有するシステムの性能を向上させるシ
ステム性能向上プログラムを記録した記録媒体であっ
て、 前記認識パラメータ群の初期値を決定する手順と、 前記処理対象に対する正解を入力する手順と、 前記システムに認識パラメータ群を送信する手順と、 前記システムが前記認識パラメータ群に基づいて前記処
理対象に対して行った処理の結果を受信する手順と、 前記正解と前記処理の結果の類似度を表す性能評価値を
計算する手順と、 前記性能評価値が所定の基準に達しているかどうか判定
する手順と、 前記性能評価値が所定の基準に達していない場合、前記
認識パラメータ群を改善し、前記認識パラメータ群を送
信する手順に戻る手順と、 基準に達した性能評価値を実現するパラメータ群を前記
システムに出力する手順をコンピュータに実行させるた
めのシステム性能向上プログラムを記録した記録媒体。 - 【請求項１４】 処理対象に対し処理を行ってその結果
を出力し、かつ前記処理の性能を決定する調整可能な認
識パラメータ群を有するシステムの性能を向上させるシ
ステム性能向上プログラムを記録した記録媒体であっ
て、 前記認識パラメータ群の初期値を決定する手順と、 前記処理対象に対する正解を入力する手順と、 前記システムに認識パラメータ群を送信する手順と、 前記システムが前記認識パラメータ群に基づいて前記処
理対象に対して行った処理の結果を受信する手順と、 前記正解と前記処理の結果の類似度を表す性能評価値を
計算する手順と、 前記性能評価値を基に遺伝的アルゴリズムにおける適応
度を計算し、該適応度、該適応度が複数であれば、その
最大のものが所定の基準に達しているかどうか判定する
手順と、 前記適応度が所定の基準に達していない場合、前記パラ
メータ群の値を遺伝的アルゴリズムの染色体に変換し、
該染色体に遺伝的操作を施し、前記染色体をパラメータ
群に変換し、前記パラメータ群を送信する手順に出力す
る手順と、 前記基準に達した適応度を実現する認識パラメータ群の
値を前記システムに出力する手順をコンピュータに実行
させるためのシステム性能向上プログラムを記録した記
録媒体。 - 【請求項１５】 処理対象に対し処理を行ってその結果
を出力し、かつ前記処理の性能を決定する調整可能な認
識パラメータ群を有するシステムの性能を向上させるシ
ステム性能向上プログラムを記録した記録媒体であっ
て、 前記認識パラメータ群の初期値を決定する手順と、 前記システムに認識パラメータ群を送信する手順と、 前記システムが前記認識パラメータ群に基づいて前記処
理対象に対して行った処理の結果を受信する手順と、 前記システムの性能評価値を計算する手順と、 前記性能評価値を基に遺伝的アルゴリズムにおける適応
度を計算し、該適応度、適応度が複数あればその最大の
ものが所定の基準に達しているかどうか判定する手順
と、 前記適応度が所定の基準に達していない場合、前記パラ
メータ群の値を遺伝的アルゴリズムの染色体に変換し、
該染色体に遺伝的操作を施し、前記染色体を認識パラメ
ータ群に変換し、前記認識パラメータ群を送信する手順
に出力する手順と、 前記基準に達した適応度を実現する認識パラメータ群の
値を前記システムに出力する手順をコンピュータに実行
させるためのシステム性能向上プログラムを記録した記
録媒体。 - 【請求項１６】 前記処理の結果が、前記処理対象と複
数のモデルの間の最大の一致度と、前記システムの処理
時間を含む請求項１３から１５のいずれか１項記載の記
録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00327599A JP3545624B2 (ja) | 1999-01-08 | 1999-01-08 | 画像認識システム性向上方法、装置、および画像認識システム性能向上プログラムを記録した記録媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP00327599A JP3545624B2 (ja) | 1999-01-08 | 1999-01-08 | 画像認識システム性向上方法、装置、および画像認識システム性能向上プログラムを記録した記録媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000207376A true JP2000207376A (ja) | 2000-07-28 |
| JP3545624B2 JP3545624B2 (ja) | 2004-07-21 |
Family
ID=11552897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP00327599A Expired - Fee Related JP3545624B2 (ja) | 1999-01-08 | 1999-01-08 | 画像認識システム性向上方法、装置、および画像認識システム性能向上プログラムを記録した記録媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3545624B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015225459A (ja) * | 2014-05-27 | 2015-12-14 | 京セラドキュメントソリューションズ株式会社 | 画像処理装置 |
| CN105808197A (zh) * | 2014-12-30 | 2016-07-27 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
| CN108154502A (zh) * | 2017-12-22 | 2018-06-12 | 王华锋 | 一种基于卷积神经网络的通孔焊点识别方法 |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101755151B1 (ko) * | 2016-02-22 | 2017-07-07 | 인하대학교 산학협력단 | 지능형 영상 감시 시스템의 실시간 객체 및 이벤트 인식 프로그램의 성능평가 방법 및 시스템 |
| KR102592450B1 (ko) * | 2018-10-25 | 2023-10-23 | 현대모비스 주식회사 | 자율주행을 위한 영상인식 알고리즘의 성능 강화 장치 및 그 제어 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07192093A (ja) * | 1993-12-27 | 1995-07-28 | Sharp Corp | 文字や音声の認識装置における認識評価閾値の作成方法 |
| JP2000155011A (ja) * | 1998-11-19 | 2000-06-06 | Hitachi Ltd | 位置計測方法および装置 |
-
1999
- 1999-01-08 JP JP00327599A patent/JP3545624B2/ja not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH07192093A (ja) * | 1993-12-27 | 1995-07-28 | Sharp Corp | 文字や音声の認識装置における認識評価閾値の作成方法 |
| JP2000155011A (ja) * | 1998-11-19 | 2000-06-06 | Hitachi Ltd | 位置計測方法および装置 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015225459A (ja) * | 2014-05-27 | 2015-12-14 | 京セラドキュメントソリューションズ株式会社 | 画像処理装置 |
| US9449223B2 (en) | 2014-05-27 | 2016-09-20 | Kyocera Document Solutions Inc. | Image processing device and image forming apparatus |
| CN105808197A (zh) * | 2014-12-30 | 2016-07-27 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
| CN105808197B (zh) * | 2014-12-30 | 2019-07-26 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
| CN108154502A (zh) * | 2017-12-22 | 2018-06-12 | 王华锋 | 一种基于卷积神经网络的通孔焊点识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3545624B2 (ja) | 2004-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111292764B (zh) | 辨识系统及辨识方法 | |
| KR102317958B1 (ko) | 화상처리장치 및 방법 | |
| US7206255B2 (en) | Signal processing apparatus and signal processing method | |
| US6917703B1 (en) | Method and apparatus for image analysis of a gabor-wavelet transformed image using a neural network | |
| WO2021218899A1 (zh) | 人脸识别模型训练方法、人脸识别方法及装置 | |
| US20230129816A1 (en) | Speech instruction control method in vehicle cabin and related device | |
| CN104185116A (zh) | 一种自动确定声辐射模式的方法 | |
| CN114663685A (zh) | 一种行人重识别模型训练的方法、装置和设备 | |
| JP2000207376A (ja) | システム性能向上方法、装置、およびシステム性能向上プログラムを記録した記録媒体 | |
| CN117234455B (zh) | 基于环境感知的音频装置智能控制方法及系统 | |
| CN112149500A (zh) | 一种部分遮挡的人脸识别小样本学习方法 | |
| KR20080099443A (ko) | 조명 마스크를 이용하는 사용자 얼굴 검증 시스템 및 방법 | |
| CN111179301A (zh) | 一种基于计算机视频的运动趋势分析方法 | |
| KR101171047B1 (ko) | 음성 및 영상 인식 기능을 갖는 로봇 시스템 및 그의 인식 방법 | |
| CN113870879A (zh) | 智能家电麦克风的共享方法、智能家电和可读存储介质 | |
| KR100719942B1 (ko) | 패턴 인식 | |
| CN116405771B (zh) | 一种用于平板电脑的智能音视频采集方法和系统 | |
| CN117636908B (zh) | 数字化矿山生产管控系统 | |
| CN111914777B (zh) | 一种跨模态识别机器人指令的方法及系统 | |
| WO2020054410A1 (ja) | ニューラルネットワーク装置 | |
| JP2000020725A (ja) | パターン認識辞書作成方法及び装置、記録媒体 | |
| CN116071822A (zh) | 一种手语识别方法及相关装置、设备、存储介质 | |
| JPH09190420A (ja) | パターン認識装置 | |
| CN114495937A (zh) | 一种设备定位方法、智能终端及存储介质 | |
| CN117690435A (zh) | 用于窗帘控制的智能语音识别电开关 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20031226 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20031226 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20031226 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040324 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040408 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090416 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090416 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100416 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |