JP2002032751A - 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体 - Google Patents

学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体

Info

Publication number
JP2002032751A
JP2002032751A JP2000217720A JP2000217720A JP2002032751A JP 2002032751 A JP2002032751 A JP 2002032751A JP 2000217720 A JP2000217720 A JP 2000217720A JP 2000217720 A JP2000217720 A JP 2000217720A JP 2002032751 A JP2002032751 A JP 2002032751A
Authority
JP
Japan
Prior art keywords
learning
area
image
category
mode
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.)
Pending
Application number
JP2000217720A
Other languages
English (en)
Inventor
Fumiyuki Shiratani
文行 白谷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Olympus Corp
Original Assignee
Olympus Optical Co Ltd
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 Olympus Optical Co Ltd filed Critical Olympus Optical Co Ltd
Priority to JP2000217720A priority Critical patent/JP2002032751A/ja
Priority to US09/897,221 priority patent/US6950554B2/en
Publication of JP2002032751A publication Critical patent/JP2002032751A/ja
Pending legal-status Critical Current

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
    • G06V30/19—Recognition using electronic means
    • G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
    • G06V30/194—References adjustable by an adaptive method, e.g. learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

(57)【要約】 （修正有） 【課題】分類対象領域の切出し、指示等の人手による作
業負担を軽減する学習型画像分類装置を提供する。 【解決手段】ユーザが画像表示部１０１に入力表示の分
類希望の画像は、分類カテゴリ内容受付部１０２で受付
けられ、領域切出しモード選択部１０３で分類カテゴリ
対応の領域のモードを選択する。またユーザは学習用画
像を学習用画像選択部１０４で選択し、領域切出し実行
部１０５が指定モードで分類カテゴリ領域を切出す。こ
れに教師信号付与部１０６が分類カテゴリ名を与え、特
徴抽出部１０７で領域の色、形等の特徴を抽出し、分類
パラメータ学習部１０８で特徴パラメータ学習決定し学
習工程を終る。次に画像を分類対象画像入力部１０９に
入力し、領域分割部１１０で分割した各領域の特徴量を
特徴量抽出部で抽出し、学習済みの分類パラメータを用
いて分類し、カテゴリ決定部１１１で決定のカテゴリ名
を付与部１１２で画像に与えて分類工程を終る。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、学習型画像分類装
置及び方法並びにその処理プログラムを記録した記録媒
体に係り、特に、教師付き学習を利用して画像を自動分
類したり、画像検索用のキーワードを自動付与したりす
る際に、教師用データを効率良く取得する学習型画像分
類装置及び方法並びにその処理プログラムを記録した記
録媒体に関する。
【０００２】
【従来の技術】データベース中やコンピュータ中あるい
は、ネットワーク上に存在する無数の画像を人手で分類
整理したり、検索用キーワードを人手で付けたりする作
業は、多大な労力を必要とする。
【０００３】そこで、これらの作業負担を軽減するため
に、画像の自動分類装置や画像検索用のキーワード自動
付与装置が提案されている。
【０００４】画像を自動的に分類する装置の例として
は、特開平１１−３２８４２２号公報、また、画像検索
用のキーワードを自動的に付与する装置としては、特開
平８−２４９３４９号公報、特開平１０−４９５４２号
公報、特開平１０−５５３６６号公報等がある。
【０００５】まず、特開平１１−３２８４２２号公報に
おいては、画像からサンプリングして抽出した特徴量を
利用して、例えば、自然画像と人工画像とに自動分類す
る装置が提案されている。
【０００６】この装置は、画像全体に一様に分布する特
徴によつて分類可能な画像については、うまく動作する
可能性があるが、画像中に局所的に存在するオブジェク
トを分類するには、不充分である。
【０００７】すなわち、オブジェクトを分類するために
は、オブジェクト領域のみを切り出す工夫が必要であ
る。
【０００８】特開平８−２４９３４９号公報、特開平１
０−４９５４２号公報、特開平１０−５５３６６号公報
には、そのような工夫が導入されている。
【０００９】特開平１０−４９５４２号公報において
は、まず、画像中の色もしくは輝度の変化を利用して領
域分割を行い、分割された各領域の特徴を抽出後、領域
間の位相関係を解析し、辞書を参照することによって、
画像に検索用キーワードを自動付与することが提案され
ている。
【００１０】また、特開平８−２４９３４９号公報、特
開平１０−５５３６６号公報においては、画像中の色も
しくは輝度の変化を利用して領域分割を行い、分割され
た領域を統合処理して上位階層の概念へ状態遷移させ、
より高度な概念をキーワードとして画像に自動付与する
装置を提案している。
【００１１】これらの装置は、画像中のオブジェクトの
特徴に基づき、キーワードを自動付与することを狙って
おり、その処理過程において、青空は画像の上部に位置
し、青い色をしている、といつた知識辞書を利用してい
る。
【００１２】従って、知識辞書にないような分類をした
い場合に、分類用パラメータの値をどうやって設定すれ
ば良いかという問題が残る。
【００１３】そのような状況下においても対処できるも
のとして、教師付き学習機能を備えた分類装置があり、
この例として、特開平１１−３４４５０号公報がある。
【００１４】以下、しばらく、この特開平１１−３４４
５０号公報による従来例について少し詳しく説明する。
【００１５】図６は、このような従来の教師付き学習機
能を備えた分類装置の一例を示すブロック図である。
【００１６】図６において、参照符号１００１は、例え
ば、ウェハ画像を入力して表示する画像入力・表示部、
参照符号１００２は、表示された画像をオペレータが監
視し、欠陥画像を選択する欠陥画像選択部、参照符号１
００３は、基準画像からの差異を演算する基準画像との
比較演算部、参照符号１００４は、基準画像との比較演
算部１００３の演算結果に閾値処理を施し、欠陥領域を
抽出する欠陥領域抽出部、参照符号１００５は、学習工
程において、抽出された欠陥領域にオペレータが教師信
号であるカテゴリ名を付与する教師信号（カテゴリ名）
付与部である。
【００１７】そして、参照符号１００６は、抽出された
欠陥領域の特徴量を抽出する特徴抽出部、参照符号１０
０７は、学習工程において、教師信号付きの学習データ
がうまく分類されるように分類パラメータの学習を行う
分類パラメータの学習部である。
【００１８】また、参照符号１００８は、分類工程にお
いて、欠陥領域がどのカテゴリに属するかを決定するカ
テゴリ決定部、参照符号１００９は、決定されたカテゴ
リ名を欠陥画像に付与するカテゴリ名付与部である。
【００１９】次に、動作について説明する。
【００２０】図７の（ａ），（ｂ）は、従来の教師付き
学習機能を備えた分類装置の動作を説明するために示す
フローチャートである。
【００２１】この分類装置の処理は、学習工程と分類工
程に分かれる。
【００２２】最初に、学習工程の流れについて説明す
る。
【００２３】まず、画像入力・表示部１００１におい
て、例えば、ウェハ画像を入力し、表示する（ステップ
ＳＴ１００１）。
【００２４】次に、欠陥画像選択部１００２において、
オペレータが、教師データ用の欠陥画像を選択する（ス
テップＳＴ１００２）。
【００２５】続いて、基準画像との比較演算部１００３
において、選択した欠陥画像と基準画像との差を算出す
る（ステップＳＴ１００３）。
【００２６】この算出結果を欠陥領域抽出部１００４に
おいて、閾値処理して、欠陥領域を抽出する（ステップ
ＳＴ１００４）。
【００２７】オペレータは、教師信号（カテゴリ名）付
与部１００５において、欠陥領域に教師信号であるカテ
ゴリ名を付与する（ステップＳＴ１００５）。
【００２８】次に、特徴抽出部１００６において、抽出
した欠陥領域から特徴量を抽出する（ステップＳＴ１０
０６）。
【００２９】続いて、分類パラメータの学習部１００７
において、教師信号付きの学習データがうまく分類され
るように分類パラメータの学習を行う（ステップＳＴ１
００７）。
【００３０】こうして、学習工程が完了する。
【００３１】次に、分類工程について説明する。
【００３２】分類工程の大まかな流れは、学習工程とほ
ぼ同様なので、異なる処理部分のみ説明する。
【００３３】まず、学習工程では、教師データ用の欠陥
画像を選択したが、分類工程においては、分類対象画像
全てが対象となる（ステップＳＴ１００９）。
【００３４】また、当然のことながら、教師信号を付与
する必要はない。
【００３５】その代わり、どのカテゴリに属するかのカ
テゴリ決定を行い（ステップＳＴ１０１３）、カテゴリ
名を付与する（ステップＳＴ１０１４）ことで、分類工
程が完了する。
【００３６】以上、特開平１１−３４４５０号公報によ
る教師付き学習機能を備えた分類装置の例を説明した。
【００３７】
【発明が解決しようとする課題】ところで、上述したよ
うな特開平１１−３４４５０号公報においては、半導体
ウェハ等の欠陥検査における欠陥の分類装置の提案であ
るので、欠陥のある画像と良品である基準画像との差か
ら、欠陥位置を検出することができるものの、基準画像
等のない一般の写真のような画像のオブジェクト領域を
分類する場合には、分類対象となる領域のみを検出する
ことは、極めて難しい。
【００３８】しかるに、画像検索用キーワード自動付与
装置、画像の自動分類装置においては、以上のように構
成されているので、分類対象領域を検出することが、大
きな課題となる。
【００３９】分類対象領域を検出する一つの方法として
は、領域分割した各領域を知識辞書に照らし合わせて、
取捨選択、統合していく方法が挙げられるが、知識辞書
にないような分類をしたい場合に、分類用パラメータの
値をどうやって設定すれば良いかという問題が残る。
【００４０】学習型の分類装置は、この問題を解決可能
であり、学習したものを知識として蓄積していくことも
できる。
【００４１】特開平１１−３４４５０号公報による教師
付き学習機能を備えた分類装置の構成では、基準画像か
らの変異を調べる場合には都合が良いが、一般の写真か
ら、学習時においてさえ、分類対象領域を切り出しすこ
とは、極めて困難である。
【００４２】このため、学習時に分類対象領域を人手に
よって、地道に切り出していく作業が考えられるが、こ
れは、多大の労力を必要とするので好ましくない。
【００４３】本発明は、これらの事情に対処すべくなさ
れたもので、その目的は、画像検索用のキーワードを自
動付与できるようにして、学習時の分類対象領域の切り
出し、あるいは、分類対象領域の指示等の人手による作
業負担を軽減することのできる学習型画像分類装置及び
方法並びにその処理プログラムを記録した記録媒体を提
供することにある。
【００４４】
【課題を解決するための手段】本発明によると、上記課
題を解決するために、（１）複数の画像を所定の基準で
分類可能な学習型画像分類装置において、画像より領域
を切出すモードを複数の候補の中より選択可能な領域切
出しモードの選択手段と、上記領域切出しモードの選択
手段によって選択されたモードで画像より領域を切出す
領域切出し実行手段と、を有することを特徴とする学習
型画像分類装置が提供される。
【００４５】また、本発明によると、上記課題を解決す
るために、（２）上記学習型画像分類装置は、少なくと
も、学習工程と学習後の分類工程で動作するものであ
り、上記領域切出しモードの選択手段と、上記領域切出
し実行手段とは、上記学習工程で動作するものであるこ
とを特徴とする（１）記載の学習型画像分類装置が提供
される。
【００４６】また、本発明によると、上記課題を解決す
るために、（３）上記画像を切出すモードの候補には、
色または輝度値の変化を利用して自動的に画像を複数領
域に分割し、この分割された複数の領域より選択された
領域を統合した領域を画像より切出すモードが含まれて
いることを特徴とする（１）または（２）記載の学習型
画像分類装置が提供される。
【００４７】また、本発明によると、上記課題を解決す
るために、（４）上記画像を切出すモードの候補には、
学習済みのカテゴリを利用して領域を切出すモードが含
まれていることを特徴とする（１）乃至（３）いずれか
に記載の学習型画像分類装置が提供される。
【００４８】また、本発明によると、上記課題を解決す
るために、（５）上記領域を切出すモードは、上記学習
済みのカテゴリを利用して切出した領域の信頼性を判断
することを特徴とする（４）記載の学習型画像分類装置
が提供される。
【００４９】また、本発明によると、上記課題を解決す
るために、（６）上記領域を切出すモードは、上記学習
済みのカテゴリを利用して切出した領域数を数え、領域
数が１である画像を学習用の画像として抽出することを
特徴とする（４）または（５）記載の学習型画像分類装
置が提供される。
【００５０】また、本発明によると、上記課題を解決す
るために、（７）上記領域切出しモードは、領域切出し
の結果を表示し、操作者が上記領域切出しの結果を採用
するか選択可能であることを特徴とする（１）乃至
（４）のいずれかに記載の学習型画像分類装置が提供さ
れる。
【００５１】また、本発明によると、上記課題を解決す
るために、（８）複数の画像を所定の基準で分類可能と
する学習型画像分類方法であり、画像より領域を切出す
モードを複数の候補の中より選択する手順と、上記選択
されたモードで画像より領域を切出す手順とを有するこ
とを特徴とする学習型画像分類方法が提供される。
【００５２】また、本発明によると、上記課題を解決す
るために、（９）コンピュータによって複数の画像を所
定の基準で分類するための処理プログラムを記録した記
録媒体であって、上記処理プログラムはコンピュータに
複数の候補の中より選択された画像より領域を切出すモ
ードで、画像より領域を切出させることを特徴とする学
習型画像分類プログラムを記録した記録媒体が提供され
る。
【００５３】また、本発明によると、上記課題を解決す
るために、（１０）複数枚の画像を分類したり、あるい
は画像に検索用キーワードを自動付与したりするための
学習工程と学習後の分類工程を備えた学習型画像分類装
置において、学習工程での画像中からの領域切り出しモ
ードが、複数個具備されており、その中からいくつかの
モードを選択可能な領域切り出しモードの選択部を備え
たことを特徴とする学習型画像分類装置が提供される。
【００５４】また、本発明によると、上記課題を解決す
るために、（１１）上記（１０）の学習型画像分類装置
における領域切り出しモードは、半自動領域切り出しモ
ード、学習利用領域切り出しモード、対話型領域切り出
しモードからなることを特徴とする学習型画像分類装置
が提供される。
【００５５】また、本発明によると、上記課題を解決す
るために、（１２）上記（１１）における半自動領域切
り出しモードは、画像中の色や輝度値の変化を利用して
画像をいくつかの領域に自動的に分割する領域分割部
と、この領域分割部で分割された領域のうち分類対象領
域を指定可能とする領域指定部と、この領域指定部によ
り指定された領域を統合して切り出し領域とする領域統
合部とからなることを特徴とする学習型画像分類装置が
提供される。
【００５６】また、本発明によると、上記課題を解決す
るために、（１３）上記（１１）における学習利用領域
切り出しモードは、学習済みのカテゴリと学習中のカテ
ゴリの領域関係を規定するカテゴリ間領域関係規定部
と、学習済みカテゴリによる領域切り出しを実行する学
習済みカテゴリによる領域切り出し実行部とからなるこ
とを特徴とする学習型画像分類装置が提供される。ま
た、本発明によると、上記課題を解決するために、（１
４）上記（１１）における対話型領域切り出しモード
は、学習済みのカテゴリと学習中のカテゴリの領域関係
を規定するカテゴリ間領域関係規定部と、学習済みカテ
ゴリによる領域切り出しを実行する学習済みカテゴリに
よる領域切り出し実行部と、領域切り出し結果表示部
と、領域切り出し採用判断部とからなることを特徴とす
る学習型画像分類装置が提供される。
【００５７】また、本発明によると、上記課題を解決す
るために、（１５）上記（１３）における学習利用領域
切り出しモードは、さらに、学習済みカテゴリによる領
域切り出しの信頼性をシステムが判断する領域切り出し
の信頼性判断部とからなることを特徴とする学習型画像
分類装置が提供される。
【００５８】また、本発明によると、上記課題を解決す
るために、（１６）上記（１３）における学習利用領域
切り出しモードは、さらに、学習済みカテゴリによる領
域切り出し結果の領域数を数える領域数カウント部と、
領域数が１つにカウントされる画像を学習用画像の候補
とする学習用画像候補選択部とからなることを特徴とす
る学習型画像分類装置が提供される。
【００５９】
【発明の実施の形態】以下図面を参照して本発明の実施
の形態について説明する。
【００６０】（第１の実施形態）図１は、本発明による
学習型画像分類装置及び学習型画像分類方法並びに学習
型画像分類プログラムを記録した記録媒体を含む第１の
実施形態の構成を示すブロック図である。
【００６１】図１において、参照符号１０１は、画像入
力・表示部、参照符号１０２は、これからどんなカテゴ
リ分類を行うかをシステムが受け付ける分類カテゴリ内
容受付部、参照符号１０３は、画像中のカテゴリに対応
する領域をどんなモードで切り出し処理するかをユーザ
ーまたはシステムが選択する領域切り出しモードの選択
部、参照符号１０３及び１０４は、カテゴリの学習を行
う時に利用する学習用画像選択部、参照符号１０５は、
領域切り出しモードの選択部１０３で選択したいずれか
のモードで画像中からカテゴリに対応する領域を切り出
す領域切り出し実行部である。
【００６２】そして、参照符号１０６は、分類カテゴリ
のラベルとなるカテゴリ名を画像あるいは切り出した領
域にセットで与える教師信号（カテゴリ名）付与部、参
照符号１０７は、切り出した領域の特徴を定量的に表わ
す特徴量を抽出する特徴量抽出部、参照符号１０８は、
抽出された特徴量データのセットを教師信号に基づき分
類できるようにシステム内のパラメータを調節していく
分類パラメータの学習部である。
【００６３】また、参照符号１０９は、学習後に分類し
たい画像を入力する分類対象画像入力部、参照符号１１
０は、学習後に入力された画像をいくつかの領域に分割
する領域分割部、参照符号１１１は、学習後に入力され
た画像のカテゴリを決定するカテゴリ決定部、参照符号
１１２は、決定したカテゴリ名を画像あるいは領域に付
与するカテゴリ名付与部である。
【００６４】また、参照符号１１３は、上記各部で実行
される学習型画像分類プログラムを記録した記録媒体で
ある。
【００６５】次に、動作について説明する。
【００６６】図２の（ａ），（ｂ）は、本発明による学
習型画像分類装置及び学習型画像分類方法並びに学習型
画像分類プログラムを記録した記録媒体を含む第１の実
施の形態の動作を説明するために示すフローチャートで
ある。
【００６７】最初に学習工程について説明する。
【００６８】まず、画像入力・表示部１０１において、
この装置あるいはシステムに画像を入力し、画面に表示
する（ステップＳＴ１０１）。
【００６９】次に、ユーザーは、画面中に表示された画
像群を見ながら、今から、画像をどういうふうに分類し
たいかを決め、分類カテゴリ内容受付部１０２で、シス
テムにその内容を伝える（ステップＳＴ１０２）。
【００７０】具体的には、システムがある程度の分類ニ
−ズを想定し、例えば、人の顔画像を他の画像とは別に
分類したい、あるいは、個人レベルの顔画像を区別して
扱いたい、等という選択肢の中からユーザーに選択して
もらうようにしておく。
【００７１】次に、領域切り出しモードの選択部１０３
において、人またはシステムが、画像中からカテゴリに
対応する領域をどのようなモードで切り出すかを選択す
る（ステップＳＴ１０３）。
【００７２】領域切り出しモードの種類としては、例え
ば、半自動領域切り出しモード、学習利用領域切り出し
モード、対話型領域切り出しモード等がある。
【００７３】以下、しばらく、この３つのモードについ
て、図３の（ａ），（ｂ），（ｃ）を用いて説明する。
【００７４】最初に、図３の（ａ）に示す半自動領域切
り出しモードについて説明する。
【００７５】まず、領域分割部Ａ１において、色や輝度
値の変化を利用して、システムが画像を自動的に領域分
割する。
【００７６】続いて、領域指定部Ａ２において、人が分
割されたいくつかの領域をクリックする。
【００７７】これにより、領域統合部Ａ３において、シ
ステムがこれらの領域を統台処理し、統合領域を領域切
り出し結果として採用する。
【００７８】次に、図３の（ｂ）に示す学習利用領域切
り出しモードについて説明する。
【００７９】これは、ユーザーに領域の切り出しを意識
させないようなワンタッチ式の領域切り出しモードであ
って、このモードを用いるには、いくつかの制約があ
る。
【００８０】すなわち、今から分類しようとするカテゴ
リの領域切り出しを既に学習済みのカテゴリの領域検出
に帰着させる方法である。
【００８１】これには、まず、カテゴリ間領域関係規定
部Ｂ１において、学習済みのカテゴリと、今、学習しよ
うとしているカテゴリの領域間の関係を例えば辞書に知
識として与えておき、領域間の関係が一致するような場
合に、今、学習しようとしているカテゴリの領域の切り
出しを学習済みカテゴリの領域の切り出しに帰着させる
ことができる。
【００８２】例えば、人の顔画像を他の画像と区別する
ような学習を事前に行っていれば、個人レベルの画像を
区別する分類を行う場合に、学習済みカテゴリによる領
域切り出し実行部Ｂ２において、人の顔画像を学習済み
のパラメータを用いて切り出し、切り出された顔領域に
個人の名前のカテゴリ名を付与していく。
【００８３】このモードが使えれば、ユーザーは、学習
用の画像を収集し、教師信号を与えるだけで、煩わしい
領域切り出し処理を意識しなくて済む。
【００８４】第３に、図３の（ｃ）に示す対話型領域切
り出しモードについて説明する。
【００８５】これは、例えば、今、学習利用領域切り出
しモードにおいて説明した顔領域の切り出し結果を領域
切り出し結果表示部Ｃ３で表示して、領域切り出し結果
採用判断部Ｃ４において、切り出し結果での領域検出率
をユーザーが目で確認して、学習に用いる画像を取捨選
択する方式である。
【００８６】そして、図２に戻って、領域切り出しモー
ドを選択した後、学習用画像選択部１０４でユーザーが
学習用画像を選択し（ステップＳＴ１０４）、領域切り
出し実行部１０５でそれそれのモードの方式で画像中か
ら分類カテゴリ領域を切り出す（ステップＳＴ１０
５）。
【００８７】これに、教師信号（カテゴリ名）付与部１
０６において、顔や田中等の分類カテゴリ名を画像また
は切り出した領域にセットで与える（ステップＳＴ１０
６）。 次に、特徴量抽出部１０７において、指定され
た領域から色や形、テクスチャ等の特徴を抽出する（ス
テップＳＴ１０７）。
【００８８】続いて、分類パラメータの学習部１０８に
おいて、抽出された特徴量から特徴ベクトルを作成し、
この特徴ベクトルを教師信号に従って分類できるように
分類パラメータを学習し、決定する（ステップＳＴ１０
８）。
【００８９】この際、分類に有効な度合いに応じて特徴
量を重み付けする等（例えば、特開平９−１０１９７０
号公報）の処理を利用しても良い。
【００９０】尚、分類パラメータの学習の結果、例え
ば、コホネン型のニューラルネットにおいては、ニュー
ロン素子がベクトル量子化における代表ベクトルに相当
し、この代表ベクトルに分類カテゴリ名を表わすラベル
が付いている状態になっているものとする。
【００９１】さて、以上で学習が完了し、今度は、分類
工程に移行する。
【００９２】まず、画像入力・表示部１０１において画
像群を入力あるいは表示する（ステップＳＴ１０９）。
【００９３】次に、分類対象画像入力部１０９におい
て、分類したい画像を入力し（ステップＳＴ１１０）、
続いて、領域分割部１１０において、色や輝度値の変化
を利用して領域を分割する（ステップＳＴ１１１）。
【００９４】さらに、特徴抽出部１０７において、領域
分割した各領域について、色や形、テクスチャなどの特
徴量を抽出する（ステップＳＴ１１２）。
【００９５】次に、分類パラメータの学習部１０８にお
いて、まず、各領域で得られた特徴量のセットから特徴
ベクトルを生成する。
【００９６】次に、各領域の特徴ベクトルを学習済みの
分類パラメータを用いて分類し、カテゴリ決定部１１１
において、領域がどのカテゴリに属するかを決定する
（ステップＳＴ１１３）。
【００９７】最後に、カテゴリ名付与部１１２におい
て、決定されたカテゴリ名を領域、または、画像に付与
する（ステップＳＴ１１４）。
【００９８】以上で、学習工程及びその後の分類工程の
処理フローを説明したが、上記各部で実行される学習型
画像分類プログラムは、記録媒体１１３に記録されてい
るものとする。
【００９９】（第２の実施の形態）図４は、第２の実施
の形態による学習型画像分類装置における領域切り出し
モードのうち、学習利用領域切り出しモードの構成を示
すブロック図である。
【０１００】第２の実施の形態の構成は、第１の実施の
形態の構成と概ね似ている。
【０１０１】第１の実施の形態との主な違いは、カテゴ
リ間領域関係規定部Ｂ２０１、さらに学習済みカテゴリ
による領域切り出し実行部Ｂ２０２に加えて、学習済み
カテゴリによる領域切り出しの信頼性をシステムが判断
する領域切り出しの信頼性判断部Ｂ２０３が備わってい
る点である。
【０１０２】例えば、信頼性を数値化しておき、この数
値が高い画像の教師データを利用するようにする。
【０１０３】もしくは、ユーザーが選択した画像群での
顔検出の信頼性を表す数値が低ければ、画像中のカテゴ
リ対応領域の半自動切り出しモードに移行する。
【０１０４】これによって、領域切り出しの作業負担を
軽減したために、領域切り出しの精度が悪化してしまう
といった事態を回避することができる。
【０１０５】（第３の実施の形態）図５は、第３の実施
の形態による学習型画像分類装置における領域切り出し
モードのうち、学習利用領域切り出しモードの構成を示
すブロック図である。
【０１０６】第３の実施の形態の構成は、第１の実施の
形態の構成と概ね似ている。
【０１０７】第１の実施の形態との主な違いは、カテゴ
リ間領域関係規定部Ｂ３０１、さらに学習済みカテゴリ
による領域切り出し実行部Ｂ３０２に加えて、さらに学
習済みカテゴリによる領域切り出し結果の領域数を数え
る領域数カウント部Ｂ３０３と、領域数が１つにカウン
トされる画像を学習用画像の候補とする学習用画像候補
選択部Ｂ３０４が備わっている点である。
【０１０８】例えば、個人の顔レベルの分類を行う場
合、事前に人の顔画像を他の風景画像等から分類する学
習を実行しておき、この顔領域の切り出しを利用して、
個人の顔画像領域の切り出しを行うのであるが、１枚の
画像に複数の顔が写っている場合には、どの顔領域を分
類しようとしているかをユーザーに指定してもらう必要
がある。
【０１０９】この第３の実施の形態においては、人の顔
領域の数が１である場合に限り、学習用画像の候補とす
るので、ユーザーにどの領域であるかを指定してもらう
必要もない。
【０１１０】以上説明したように、本発明の各実施の形
態によれば、領域切り出しモードの選択部を備えている
ので、画像分類の学習工程における人手による対象領域
の切り出し処理の負担を大幅に低減することができると
いう効果がある。
【０１１１】また、請求項１０記載の発明のよれば、領
域切り出しモードの選択部を具備しているので、ユーザ
ーの領域切り出しの負担が少なく、かつ、切り出し性能
が良好な領域切り出しのモードを選択できるので、分類
性能を劣化させずに、ユーザーの学習時における領域切
り出しの負担を軽減できる効果がある。
【０１１２】また、請求項１１記載の発明のよれば、学
習済みのカテゴリへの画像の分類適合性判断部を具備し
ているので、適合性の良くない画像を新たなカテゴリ分
類の学習データからはずすことが可能となる。
【０１１３】これによって、分類精度を向上できる効果
がある。
【０１１４】また、請求項１２記載の発明のよれば、領
域数カウント部、及び教師用画像候補選択部を具備して
いるので、領域数が１である画像のみを教師用画像の候
補として選択することによって、人が複数領域のうちか
ら対象領域を選択指示する作業を省くことができ、選択
指示までの時間待ちの問題も回避できるという効果があ
る。
【０１１５】なお、上記各実施の形態では、「学習工
程」での領域切り出しに観点をおいているが、本発明
は、必ずしも「学習工程」での領域切り出しのみに限定
されることなく、すなわち、特には、学習工程に適して
いるが、これには限定されないものとする。
【０１１６】
【発明の効果】従って、以上説明したように、本発明に
よれば、画像検索用のキーワードを自動付与できるよう
にして、学習時の分類対象領域の切り出し、あるいは、
分類対象領域の指示等の人手による作業負担を軽減する
ことが可能な学習型画像分類装置及び方法並びにその処
理プログラムを記録した記録媒体を提供することができ
る。
【図面の簡単な説明】
【図１】図１は、本発明の第１の実施形態による学習型
画像分類装置の構成を示すブロック図である。
【図２】図２の（ａ），（ｂ）は、この発明の第１の実
施の形態による学習型分類装置の動作を説明するために
示すフローチャートである。
【図３】図３の（ａ），（ｂ），（ｃ）は、図２の領域
切り出しモードの種類として、半自動領域切り出しモー
ド、学習利用領域切り出しモード、対話型領域切り出し
モードの３つのモードについて説明するために示す図で
ある。
【図４】図４は、本発明の第２の実施の形態による学習
型画像分類装置における領域切り出しモードのうち、学
習利用領域切り出しモードの構成を示すブロック図であ
る。
【図５】図５は、本発明の第３の実施の形態による学習
型画像分類装置における領域切り出しモードのうち、学
習利用領域切り出しモードの構成を示すブロック図であ
る。
【図６】図６は、従来の教師付き学習機能を備えた分類
装置の一例を示すブロック図である。
【図７】図７の（ａ），（ｂ）は、従来の教師付き学習
機能を備えた分類装置の動作を説明するために示すフロ
ーチャートである。
【符号の説明】
１０１…画像入力・表示部、 １０２…分類カテゴリ内容受付部、 １０３…選択する領域切り出しモードの選択部、 １０３、１０４…学習用画像選択部、 １０５…領域切り出し実行部、 １０６…教師信号（カテゴリ名）付与部、 １０７…特徴量抽出部、 １０８…分類パラメータの学習部、 １０９…分類対象画像入力部、 １１０…領域分割部、 １１１…カテゴリ決定部、 １１２…カテゴリ名付与部、 １１３…記録媒体、 Ｂ２０１、Ｂ３０１…カテゴリ間領域関係規定部、 Ｂ２０２、Ｂ３０２学習済みカテゴリによる領域切り出
し実行部、 Ｂ２０３…信頼性判断部、 Ｂ３０３…領域数カウント部、 Ｂ３０４…学習用画像候補選択部。

Claims (16)

    【特許請求の範囲】
  1. 【請求項１】 複数の画像を所定の基準で分類可能な学
    習型画像分類装置において、 画像より領域を切出すモードを複数の候補の中より選択
    可能な領域切出しモードの選択手段と、 上記領域切出しモードの選択手段によって選択されたモ
    ードで画像より領域を切出す領域切出し実行手段と、 を有することを特徴とする学習型画像分類装置。
  2. 【請求項２】 上記学習型画像分類装置は、 少なくとも、学習工程と学習後の分類工程で動作するも
    のであり、 上記領域切出しモードの選択手段と、上記領域切出し実
    行手段とは、 上記学習工程で動作するものであることを特徴とする請
    求項１記載の学習型画像分類装置。
  3. 【請求項３】 上記画像を切出すモードの候補には、色
    または輝度値の変化を利用して自動的に画像を複数領域
    に分割し、この分割された複数の領域より選択された領
    域を統合した領域を画像より切出すモードが含まれてい
    ることを特徴とする請求項１または２記載の学習型画像
    分類装置。
  4. 【請求項４】 上記画像を切出すモードの候補には、学
    習済みのカテゴリを利用して領域を切出すモードが含ま
    れていることを特徴とする請求項１乃至３いずれかに記
    載の学習型画像分類装置。
  5. 【請求項５】 上記領域を切出すモードは、上記学習済
    みのカテゴリを利用して切出した領域の信頼性を判断す
    ることを特徴とする請求項４記載の学習型画像分類装
    置。
  6. 【請求項６】 上記領域を切出すモードは、上記学習済
    みのカテゴリを利用して切出した領域数を数え、領域数
    が１である画像を学習用の画像として抽出することを特
    徴とする請求項４または５記載の学習型画像分類装置。
  7. 【請求項７】 上記領域切出しモードは、領域切出しの
    結果を表示し、操作者が上記領域切出しの結果を採用す
    るか選択可能であることを特徴とする請求項１乃至４の
    いずれかに記載の学習型画像分類装置。
  8. 【請求項８】 複数の画像を所定の基準で分類可能とす
    る学習型画像分類方法であり、 画像より領域を切出すモードを複数の候補の中より選択
    する手順と、 上記選択されたモードで画像より領域を切出す手順とを
    有することを特徴とする学習型画像分類方法。
  9. 【請求項９】 コンピュータによって複数の画像を所定
    の基準で分類するための処理プログラムを記録した記録
    媒体であって、 上記処理プログラムはコンピュータに複数の候補の中よ
    り選択された画像より領域を切出すモードで、画像より
    領域を切出させることを特徴とする学習型画像分類プロ
    グラムを記録した記録媒体。
  10. 【請求項１０】 複数枚の画像を分類したり、あるいは
    画像に検索用キーワードを自動付与したりするための学
    習工程と学習後の分類工程を備えた学習型画像分類装置
    において、 学習工程での画像中からの領域切り出しモードが、複数
    個具備されており、その中からいくつかのモードを選択
    可能な領域切り出しモードの選択部を備えたことを特徴
    とする学習型画像分類装置。
  11. 【請求項１１】 請求項１０の学習型画像分類装置にお
    ける領域切り出しモードは、 半自動領域切り出しモード、学習利用領域切り出しモー
    ド、対話型領域切り出しモードからなることを特徴とす
    る学習型画像分類装置。
  12. 【請求項１２】 請求項１１における半自動領域切り出
    しモードは、 画像中の色や輝度値の変化を利用して画像をいくつかの
    領域に自動的に分割する領域分割部と、 この領域分割部で分割された領域のうち分類対象領域を
    指定可能とする領域指定部と、 この領域指定部により指定された領域を統合して切り出
    し領域とする領域統合部とからなることを特徴とする学
    習型画像分類装置。
  13. 【請求項１３】 請求項１１における学習利用領域切り
    出しモードは、 学習済みのカテゴリと学習中のカテゴリの領域関係を規
    定するカテゴリ間領域関係規定部と、 学習済みカテゴリによる領域切り出しを実行する学習済
    みカテゴリによる領域切り出し実行部とからなることを
    特徴とする学習型画像分類装置。
  14. 【請求項１４】 請求項１１における対話型領域切り出
    しモードは、 学習済みのカテゴリと学習中のカテゴリの領域関係を規
    定するカテゴリ間領域関係規定部と、 学習済みカテゴリによる領域切り出しを実行する学習済
    みカテゴリによる領域切り出し実行部と、 領域切り出し結果表示部と、 領域切り出し採用判断部とからなることを特徴とする学
    習型画像分類装置。
  15. 【請求項１５】 請求項１３における学習利用領域切り
    出しモードは、さらに、 学習済みカテゴリによる領域切り出しの信頼性をシステ
    ムが判断する領域切り出しの信頼性判断部とからなるこ
    とを特徴とする学習型画像分類装置。
  16. 【請求項１６】 請求項１３における学習利用領域切り
    出しモードは、さらに、 学習済みカテゴリによる領域切り出し結果の領域数を数
    える領域数カウント部と、 領域数が１つにカウントされる画像を学習用画像の候補
    とする学習用画像候補選択部とからなることを特徴とす
    る学習型画像分類装置。
JP2000217720A 2000-07-18 2000-07-18 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体 Pending JP2002032751A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2000217720A JP2002032751A (ja) 2000-07-18 2000-07-18 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体
US09/897,221 US6950554B2 (en) 2000-07-18 2001-07-02 Learning type image classification apparatus, method thereof and processing recording medium on which processing program is recorded

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2000217720A JP2002032751A (ja) 2000-07-18 2000-07-18 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2010252127A Division JP2011100459A (ja) 2010-11-10 2010-11-10 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体撮影装置

Publications (1)

Publication Number Publication Date
JP2002032751A true JP2002032751A (ja) 2002-01-31

Family

ID=18712787

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000217720A Pending JP2002032751A (ja) 2000-07-18 2000-07-18 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体

Country Status (2)

Country Link
US (1) US6950554B2 (ja)
JP (1) JP2002032751A (ja)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005032210A (ja) * 2002-10-31 2005-02-03 Eastman Kodak Co 場面分類を改善するために空間的で一時的な画像の再構成を効果的に使用する方法
JP2005107885A (ja) * 2003-09-30 2005-04-21 Casio Comput Co Ltd 画像分類装置及び画像分類プログラム
JP2005174308A (ja) * 2003-11-14 2005-06-30 Fuji Photo Film Co Ltd 顔認識に基づいたデジタル媒体の整理方法および装置
JP2011048481A (ja) * 2009-08-25 2011-03-10 Fuji Xerox Co Ltd 画像処理装置及びプログラム
US8103091B2 (en) 2006-08-30 2012-01-24 Nec Corporation Object identification parameter learning system
JP2013004093A (ja) * 2011-06-16 2013-01-07 Fujitsu Ltd マルチインスタンス学習による検索方法及びシステム
US8538961B2 (en) 2005-11-02 2013-09-17 Sony Corporation Information processing apparatus and method, and program
JP5929896B2 (ja) * 2011-03-17 2016-06-08 日本電気株式会社 画像認識システム、画像認識方法および画像認識用プログラム
JP2019192227A (ja) * 2013-06-28 2019-10-31 日本電気株式会社 映像監視システム、映像処理方法および映像処理プログラム
WO2020183691A1 (ja) * 2019-03-14 2020-09-17 日本電気株式会社 情報提示方法、情報提示装置及びプログラム
WO2020183706A1 (ja) * 2019-03-14 2020-09-17 日本電気株式会社 学習画像の教師データ修正方法、教師データ修正装置及びプログラム
JPWO2021049119A1 (ja) * 2019-09-13 2021-03-18

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6996268B2 (en) * 2001-12-28 2006-02-07 International Business Machines Corporation System and method for gathering, indexing, and supplying publicly available data charts
DE10234085B4 (de) * 2002-07-26 2012-10-18 Koenig & Bauer Aktiengesellschaft Verfahren zur Analyse von Farbabweichungen von Bildern mit einem Bildsensor
DE10345948B4 (de) * 2003-10-02 2018-08-23 Robert Bosch Gmbh Verfahren zur Bewertung und zeitlichen Stabilisierung von Klassifizierungsergebnissen
US20050208457A1 (en) * 2004-01-05 2005-09-22 Wolfgang Fink Digital object recognition audio-assistant for the visually impaired
US20060193520A1 (en) * 2005-02-28 2006-08-31 Takeshi Mita Object detection apparatus, learning apparatus, object detection system, object detection method and object detection program
US8073189B2 (en) * 2007-08-03 2011-12-06 General Electric Company Methods and systems for selecting an image application based on image content
JP2014207110A (ja) * 2013-04-12 2014-10-30 株式会社日立ハイテクノロジーズ 観察装置および観察方法
JP6339872B2 (ja) * 2014-06-24 2018-06-06 オリンパス株式会社 画像処理装置、内視鏡システム及び画像処理方法
JP6904249B2 (ja) * 2015-03-19 2021-07-14 日本電気株式会社 オブジェクト検出装置、オブジェクト検出方法およびプログラム
CN104732249A (zh) * 2015-03-25 2015-06-24 武汉大学 基于流行学习和混沌粒子群的深度学习图像分类方法
KR102344832B1 (ko) * 2017-05-31 2021-12-28 에이조 가부시키가이샤 수술기구 검출 시스템 및 컴퓨터 프로그램

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000067164A (ja) * 1998-08-26 2000-03-03 Nippon Telegr & Teleph Corp <Ntt> パターン認識方法及び装置並びにテンプレート作成プログラムを記録した記録媒体

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5144683A (en) * 1989-04-28 1992-09-01 Hitachi, Ltd. Character recognition equipment
US5740274A (en) * 1991-09-12 1998-04-14 Fuji Photo Film Co., Ltd. Method for recognizing object images and learning method for neural networks
US5619619A (en) * 1993-03-11 1997-04-08 Kabushiki Kaisha Toshiba Information recognition system and control system using same
JP3974946B2 (ja) * 1994-04-08 2007-09-12 オリンパス株式会社 画像分類装置
JP3199976B2 (ja) 1995-03-14 2001-08-20 正夫 坂内 画像データベース装置
JPH09101970A (ja) 1995-10-06 1997-04-15 Omron Corp 画像検索方法および画像検索装置
US5963670A (en) * 1996-02-12 1999-10-05 Massachusetts Institute Of Technology Method and apparatus for classifying and identifying images
JP3661287B2 (ja) 1996-08-02 2005-06-15 富士ゼロックス株式会社 画像登録装置および方法
JPH1055366A (ja) 1996-08-08 1998-02-24 Masao Sakauchi 画像データベース装置
JPH11328422A (ja) 1998-03-13 1999-11-30 Matsushita Electric Ind Co Ltd 画像識別装置
US6574378B1 (en) * 1999-01-22 2003-06-03 Kent Ridge Digital Labs Method and apparatus for indexing and retrieving images using visual keywords

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000067164A (ja) * 1998-08-26 2000-03-03 Nippon Telegr & Teleph Corp <Ntt> パターン認識方法及び装置並びにテンプレート作成プログラムを記録した記録媒体

Cited By (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005032210A (ja) * 2002-10-31 2005-02-03 Eastman Kodak Co 場面分類を改善するために空間的で一時的な画像の再構成を効果的に使用する方法
JP2005107885A (ja) * 2003-09-30 2005-04-21 Casio Comput Co Ltd 画像分類装置及び画像分類プログラム
JP2005174308A (ja) * 2003-11-14 2005-06-30 Fuji Photo Film Co Ltd 顔認識に基づいたデジタル媒体の整理方法および装置
US8538961B2 (en) 2005-11-02 2013-09-17 Sony Corporation Information processing apparatus and method, and program
US9507802B2 (en) 2005-11-02 2016-11-29 Sony Corporation Information processing apparatus and method, and program
US8103091B2 (en) 2006-08-30 2012-01-24 Nec Corporation Object identification parameter learning system
JP2011048481A (ja) * 2009-08-25 2011-03-10 Fuji Xerox Co Ltd 画像処理装置及びプログラム
JP5929896B2 (ja) * 2011-03-17 2016-06-08 日本電気株式会社 画像認識システム、画像認識方法および画像認識用プログラム
US9600745B2 (en) 2011-03-17 2017-03-21 Nec Corporation Image recognition system, image recognition method, and non-transitory computer readable medium storing image recognition program
JP2013004093A (ja) * 2011-06-16 2013-01-07 Fujitsu Ltd マルチインスタンス学習による検索方法及びシステム
US11210526B2 (en) 2013-06-28 2021-12-28 Nec Corporation Video surveillance system, video processing apparatus, video processing method, and video processing program
JP2019192227A (ja) * 2013-06-28 2019-10-31 日本電気株式会社 映像監視システム、映像処理方法および映像処理プログラム
US11729347B2 (en) 2013-06-28 2023-08-15 Nec Corporation Video surveillance system, video processing apparatus, video processing method, and video processing program
JP7036186B2 (ja) 2013-06-28 2022-03-15 日本電気株式会社 映像処理システム、映像処理方法及び映像処理プログラム
JP7014440B2 (ja) 2013-06-28 2022-02-01 日本電気株式会社 映像監視システム、映像処理方法および映像処理プログラム
JP2021061598A (ja) * 2013-06-28 2021-04-15 日本電気株式会社 映像処理システム、映像処理方法及び映像処理プログラム
JPWO2020183691A1 (ja) * 2019-03-14 2021-11-25 日本電気株式会社 情報提示方法、情報提示装置及びプログラム
WO2020183691A1 (ja) * 2019-03-14 2020-09-17 日本電気株式会社 情報提示方法、情報提示装置及びプログラム
JPWO2020183706A1 (ja) * 2019-03-14 2021-11-18 日本電気株式会社 学習画像の教師データ修正方法、教師データ修正装置及びプログラム
JP7092254B2 (ja) 2019-03-14 2022-06-28 日本電気株式会社 学習画像の教師データ修正方法、教師データ修正装置及びプログラム
WO2020183706A1 (ja) * 2019-03-14 2020-09-17 日本電気株式会社 学習画像の教師データ修正方法、教師データ修正装置及びプログラム
US11798265B2 (en) 2019-03-14 2023-10-24 Nec Corporation Teaching data correction method for training image, teaching data correction device and program
WO2021049119A1 (ja) * 2019-09-13 2021-03-18 日本電気株式会社 学習装置、学習方法及び学習プログラムが格納された非一時的なコンピュータ可読媒体
JPWO2021049119A1 (ja) * 2019-09-13 2021-03-18
JP7236062B2 (ja) 2019-09-13 2023-03-09 日本電気株式会社 学習装置、学習方法及び学習プログラム

Also Published As

Publication number Publication date
US20020012467A1 (en) 2002-01-31
US6950554B2 (en) 2005-09-27

Similar Documents

Publication Publication Date Title
JP2002032751A (ja) 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体
US8792685B2 (en) Presenting image subsets based on occurrences of persons satisfying predetermined conditions
US11449542B2 (en) Systems and methods for identifying unwanted photos stored on a device
US8131021B2 (en) Two stage detection for photographic eye artifacts
US7860319B2 (en) Image management
CN109829882B (zh) 一种糖尿病视网膜病变分期预测方法
JP3828212B2 (ja) 画像処理装置
US6389417B1 (en) Method and apparatus for searching a digital image
KR101049188B1 (ko) 사진에서의 눈동자 결함의 2단계 검출
US8379990B2 (en) Object recognition apparatus, computer readable medium storing object recognition program, and image retrieval service providing method
JP3199976B2 (ja) 画像データベース装置
JP2004334594A (ja) 画像検索装置、画像検索方法、画像検索プログラム及びそのプログラムを記録した記録媒体
US20220044147A1 (en) Teaching data extending device, teaching data extending method, and program
JP4230730B2 (ja) 画像処理システム及び画像処理方法
JP2011100459A (ja) 学習型画像分類装置及び方法並びにその処理プログラムを記録した記録媒体撮影装置
US6580824B2 (en) Classification of photos with sepia tones
US11120541B2 (en) Determination device and determining method thereof
JP2010262531A (ja) 画像情報処理装置、画像情報処理方法及びプログラム
JP2000123173A (ja) 画像特徴抽出方法及び類似画像検索システム、記録媒体
JP4643872B2 (ja) 画像認識方法及び装置
JP6819316B2 (ja) 閾値設定支援プログラム、閾値設定支援装置および閾値設定支援方法
KR20220025435A (ko) 최적화 모델 선택 장치 및 방법
US20100007762A1 (en) Image processing apparatus and image processing method
JPH05205056A (ja) 画像特徴抽出装置及び画像検索装置
CN118474449A (zh) 视频封面图的生成方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20070717

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20100408

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100413

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100614

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20100810

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20101110