JP2002373177A - 類似オブジェクト検索方法及び装置 - Google Patents
類似オブジェクト検索方法及び装置Info
- Publication number
- JP2002373177A JP2002373177A JP2001182045A JP2001182045A JP2002373177A JP 2002373177 A JP2002373177 A JP 2002373177A JP 2001182045 A JP2001182045 A JP 2001182045A JP 2001182045 A JP2001182045 A JP 2001182045A JP 2002373177 A JP2002373177 A JP 2002373177A
- Authority
- JP
- Japan
- Prior art keywords
- search
- operator
- objects
- feature
- feature amount
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99935—Query augmenting and refining, e.g. inexact access
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99941—Database schema or data structure
- Y10S707/99944—Object-oriented database structure
- Y10S707/99945—Object-oriented database structure processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 特徴量の重み係数を自動的に調整し、目的の
オブジェクトを効率良く検索することが可能な類似オブ
ジェクト検索方法を提供する。 【解決手段】 操作者によって選択されたオブジェクト
（４）内において、前記複数の特徴量の各々について各
オブジェクト間の分布を得、さらに、検索範囲のオブジ
ェクト内において、前記複数の特徴量の各々について各
オブジェクト間の分布を得、各特徴量毎に前記両方の分
布を比較し、前記比較の結果、選択されたオブジェクト
内の方が分布が集中している特微量（５）について、そ
れ以外の特徴量より重みづけを重くして、各特微量に重
みづけをし（７）、前記重みづけされた特微量に基づい
て、前記検索範囲からオブジェクトを検索する（９）こ
とを特徴とするオブジェクト検索方法を用いる。
オブジェクトを効率良く検索することが可能な類似オブ
ジェクト検索方法を提供する。 【解決手段】 操作者によって選択されたオブジェクト
（４）内において、前記複数の特徴量の各々について各
オブジェクト間の分布を得、さらに、検索範囲のオブジ
ェクト内において、前記複数の特徴量の各々について各
オブジェクト間の分布を得、各特徴量毎に前記両方の分
布を比較し、前記比較の結果、選択されたオブジェクト
内の方が分布が集中している特微量（５）について、そ
れ以外の特徴量より重みづけを重くして、各特微量に重
みづけをし（７）、前記重みづけされた特微量に基づい
て、前記検索範囲からオブジェクトを検索する（９）こ
とを特徴とするオブジェクト検索方法を用いる。
Description
【０００１】
【発明の属する技術分野】本発明は、オブジェクトの特
徴量を利用する類似オブジェクト検索方法及び装置に関
し、特にはマルチメディアオブジェクトの特徴量を利用
する類似オブジェクト検索方法及び装置に関する。
徴量を利用する類似オブジェクト検索方法及び装置に関
し、特にはマルチメディアオブジェクトの特徴量を利用
する類似オブジェクト検索方法及び装置に関する。
【０００２】
【従来の技術】近年、デジタルデータとしての静止画や
動画、音声、音楽といったマルチメディアオブジェクト
データが様々な場面で利用されている。例えば、３次元
オブジェクトを表現するデータに関しても、従来からの
ＣＡＤデータに加え、商品の３次元オブジェクトデー
タ、また、考古学的遺産、美術・芸術品の３次元オブジ
ェクトデータ化のよるデジタルアーカイブ等、盛んに利
用されている。
動画、音声、音楽といったマルチメディアオブジェクト
データが様々な場面で利用されている。例えば、３次元
オブジェクトを表現するデータに関しても、従来からの
ＣＡＤデータに加え、商品の３次元オブジェクトデー
タ、また、考古学的遺産、美術・芸術品の３次元オブジ
ェクトデータ化のよるデジタルアーカイブ等、盛んに利
用されている。
【０００３】また、多数のデジタル画像データやデジタ
ル音楽データがインターネッとを介してやりとりされて
いる。これらのデータは増大する一方であり、データの
効率的な管理や、利用者の要求するデータを効率よく検
索する要求が高まっている。このような要求に答えるべ
く、様々な技術が提案されており、類似オブジェクトの
検索技術に関しても、マルチメディアオブジェクトの持
つ特徴を算出し、これらの特徴量に従って検索を行う方
法が提案されている。特徴量による類似オブジェクト検
索では、操作者（ユーザ）が検索結果として希望するオ
ブジェクトを指定し、このオブジェクトの特徴量とデー
タベースに登録されたオブジェクトの特徴量とを比較す
ることにより類似なオブジェクトを検索することができ
る。この際、各特徴量の重要性を表現する重み係数を設
定することが一般的である。重み係数を適切に設定する
ことによって、例えば色は異なるが形状が類似なオブジ
ェクトを検索することができる。この重み係数を適切に
設定し、より効率的な検索を行う方法が提案されてい
る、例えば、特開２０００−２８５１４１公報（「画像
検索装置、画像分類装置およびそれらの装置としてコン
ピュータを機能させるためのプログラムを記録したコン
ピュータ読み取り可能な記録媒体」）では、画像が持つ
各種類の特徴量毎の重要度を指定することが可能な画像
検索装置が提案されている。この装置により、画像が持
つ各種類の特徴量毎に重要度を操作者が指定でき、より
重要と判断した特徴に基づいて画像検索を行うことがで
きる。
ル音楽データがインターネッとを介してやりとりされて
いる。これらのデータは増大する一方であり、データの
効率的な管理や、利用者の要求するデータを効率よく検
索する要求が高まっている。このような要求に答えるべ
く、様々な技術が提案されており、類似オブジェクトの
検索技術に関しても、マルチメディアオブジェクトの持
つ特徴を算出し、これらの特徴量に従って検索を行う方
法が提案されている。特徴量による類似オブジェクト検
索では、操作者（ユーザ）が検索結果として希望するオ
ブジェクトを指定し、このオブジェクトの特徴量とデー
タベースに登録されたオブジェクトの特徴量とを比較す
ることにより類似なオブジェクトを検索することができ
る。この際、各特徴量の重要性を表現する重み係数を設
定することが一般的である。重み係数を適切に設定する
ことによって、例えば色は異なるが形状が類似なオブジ
ェクトを検索することができる。この重み係数を適切に
設定し、より効率的な検索を行う方法が提案されてい
る、例えば、特開２０００−２８５１４１公報（「画像
検索装置、画像分類装置およびそれらの装置としてコン
ピュータを機能させるためのプログラムを記録したコン
ピュータ読み取り可能な記録媒体」）では、画像が持つ
各種類の特徴量毎の重要度を指定することが可能な画像
検索装置が提案されている。この装置により、画像が持
つ各種類の特徴量毎に重要度を操作者が指定でき、より
重要と判断した特徴に基づいて画像検索を行うことがで
きる。
【０００４】また、特開平９−１０１９７０号公報
（「画像検索方法および画像検索装置」）では、複数の
候補画像間で値が近似する特徴量を抽出し、該特徴量の
重み付けを増加させるステップを有する画像検索方法が
提案されている。この方法により、データベースから選
択した複数の候補画像間の値に基づいて特徴量の重み付
けを行うことができる、また、この提案では、類似検索
の結果として得られた画像を再度候補画像として選択で
きる。
（「画像検索方法および画像検索装置」）では、複数の
候補画像間で値が近似する特徴量を抽出し、該特徴量の
重み付けを増加させるステップを有する画像検索方法が
提案されている。この方法により、データベースから選
択した複数の候補画像間の値に基づいて特徴量の重み付
けを行うことができる、また、この提案では、類似検索
の結果として得られた画像を再度候補画像として選択で
きる。
【０００５】
【発明が解決しようとする課題】しかし、従来の方法で
は、操作者が特徴量の意味を十分に理解した上で重み係
数を指定しなければ、希望する検索結果を得ることが非
常に困難である。例えば、特開２０００−２８５１４１
公報では、画像が持つ各種類の特徴量毎の重要度を指定
できる。しかし、望みの検索結果を得るためには、望み
の検索結果に対応する特徴量の種類を操作者自身が正確
に把握した上で各特徴量毎の重要度を指定しなければな
らない。また、オブジェクトの持つ特徴量は、人が直観
的に理解しやすいものばかりではない。また、多くの場
合、望みの検索結果と特徴量項目が一対一に対応せず、
望みの検索結果を得るための特徴量項目は複数になって
いる。このため、特徴量毎の重要度を全て手動で指定し
て、望みの検索結果を得ることは非常に困難であり、効
率が悪い。また、特開平９−１０１９７０号公報では、
複数の候補画像間で値が近似する特徴量を抽出し、該特
徴量の重み付けを自動的に変化させることができる、し
かし、実際には特徴量の値の近さだけで特徴の重要度を
判断するためには、データベース上の特徴量が検索範囲
に含まれる全てのオブジェクトに対して正規化されてい
る必要がある。一般的な検索システムでは、検索のキー
となるオブジェクトと操作者の意図に応じて検索範囲を
調整する。例えば、インテリアのデータベースに対して
希望する椅子に類似な他の椅子を検索する場合、検索範
囲をデータベース全てではなく椅子を含む最小範囲に限
定するのが一般的な検索システムである、このように検
索範囲を変更した場合、検索範囲に含まれるオブジェク
トの統計量が変化するため、予め特徴量を正規化してお
くことは困難である。つまり、データベースが現在の検
索範囲において正規化されていることを前提とした特開
平９−１０１９７０号公報の特徴量重み付け自動化方法
は現実的でない。また、データベースに存在しないオブ
ジェクトを検索する場合には、該オブジェクトを含めた
特徴量の正規化が行われていないため、特開平９−１０
１９７０号公報の手法で特徴量重み付け自動化を行うこ
とは困難である。即ち、選択された複数の画像の特徴の
特徴量を比較し、その値が近似している特徴量の重みを
大きくしており、このように、選択された群内での特徴
量のみで判断しているので、検索範囲を変更する度に、
その検索範囲について特徴量を正規化する必要がある。
は、操作者が特徴量の意味を十分に理解した上で重み係
数を指定しなければ、希望する検索結果を得ることが非
常に困難である。例えば、特開２０００−２８５１４１
公報では、画像が持つ各種類の特徴量毎の重要度を指定
できる。しかし、望みの検索結果を得るためには、望み
の検索結果に対応する特徴量の種類を操作者自身が正確
に把握した上で各特徴量毎の重要度を指定しなければな
らない。また、オブジェクトの持つ特徴量は、人が直観
的に理解しやすいものばかりではない。また、多くの場
合、望みの検索結果と特徴量項目が一対一に対応せず、
望みの検索結果を得るための特徴量項目は複数になって
いる。このため、特徴量毎の重要度を全て手動で指定し
て、望みの検索結果を得ることは非常に困難であり、効
率が悪い。また、特開平９−１０１９７０号公報では、
複数の候補画像間で値が近似する特徴量を抽出し、該特
徴量の重み付けを自動的に変化させることができる、し
かし、実際には特徴量の値の近さだけで特徴の重要度を
判断するためには、データベース上の特徴量が検索範囲
に含まれる全てのオブジェクトに対して正規化されてい
る必要がある。一般的な検索システムでは、検索のキー
となるオブジェクトと操作者の意図に応じて検索範囲を
調整する。例えば、インテリアのデータベースに対して
希望する椅子に類似な他の椅子を検索する場合、検索範
囲をデータベース全てではなく椅子を含む最小範囲に限
定するのが一般的な検索システムである、このように検
索範囲を変更した場合、検索範囲に含まれるオブジェク
トの統計量が変化するため、予め特徴量を正規化してお
くことは困難である。つまり、データベースが現在の検
索範囲において正規化されていることを前提とした特開
平９−１０１９７０号公報の特徴量重み付け自動化方法
は現実的でない。また、データベースに存在しないオブ
ジェクトを検索する場合には、該オブジェクトを含めた
特徴量の正規化が行われていないため、特開平９−１０
１９７０号公報の手法で特徴量重み付け自動化を行うこ
とは困難である。即ち、選択された複数の画像の特徴の
特徴量を比較し、その値が近似している特徴量の重みを
大きくしており、このように、選択された群内での特徴
量のみで判断しているので、検索範囲を変更する度に、
その検索範囲について特徴量を正規化する必要がある。
【０００６】本発明はこの点に着目し、特徴量の重み係
数を自動的に調整し、目的のオブジェクトを効率良く検
索することが可能な類似オブジェクト検索方法及び装置
を提供することを課題とする。
数を自動的に調整し、目的のオブジェクトを効率良く検
索することが可能な類似オブジェクト検索方法及び装置
を提供することを課題とする。
【０００７】
【課題を解決するための手段】本発明による類似オブジ
ェクト検索方法は、操作者の選択したオブジェクトに基
づいて、検索範囲のオブジェクトから、複数の所定特徴
量を用いてオブジェクトを検索する方法であり、操作者
によって選択されたオブジェクト内において、前記複数
の特徴量の各々について各オブジェクト間の分布を得る
工程と、前記検索範囲のオブジェクト内において、前記
複数の特徴量の各々について各オブジェクト間の分布を
得る工程と、各特徴量毎に前記両方の分布を比較する工
程と、前記比較の結果、選択されたオブジェクト内の方
が分布が集中している特微量について、それ以外の特徴
量より重みづけを重くして、各特微量に重みづけをする
工程と、前記重みづけされた特微量に基づいて、前記検
索範囲からオブジェクトを検索する工程とを備えること
を特徴とする。
ェクト検索方法は、操作者の選択したオブジェクトに基
づいて、検索範囲のオブジェクトから、複数の所定特徴
量を用いてオブジェクトを検索する方法であり、操作者
によって選択されたオブジェクト内において、前記複数
の特徴量の各々について各オブジェクト間の分布を得る
工程と、前記検索範囲のオブジェクト内において、前記
複数の特徴量の各々について各オブジェクト間の分布を
得る工程と、各特徴量毎に前記両方の分布を比較する工
程と、前記比較の結果、選択されたオブジェクト内の方
が分布が集中している特微量について、それ以外の特徴
量より重みづけを重くして、各特微量に重みづけをする
工程と、前記重みづけされた特微量に基づいて、前記検
索範囲からオブジェクトを検索する工程とを備えること
を特徴とする。
【０００８】クレーム中の構成要素である特徴量を抽出
する工程は、図３のステップ１０３が該当する。また、
クレーム中の構成要素である重み係数を決定する工程
は、図３のステップ１０５が該当する。また、クレーム
中の構成要素である分布を比較する工程は、図５のステ
ップ３０２−ａ、ｂが該当する。また、クレーム中の構
成要素である各オブジェクトの分布を得る工程は、図５
のステップ３０３−ａ、ｂが該当する。また、クレーム
中の構成要素であるオブジェクトを検索す工程は、図３
のステップ１０６が該当する。
する工程は、図３のステップ１０３が該当する。また、
クレーム中の構成要素である重み係数を決定する工程
は、図３のステップ１０５が該当する。また、クレーム
中の構成要素である分布を比較する工程は、図５のステ
ップ３０２−ａ、ｂが該当する。また、クレーム中の構
成要素である各オブジェクトの分布を得る工程は、図５
のステップ３０３−ａ、ｂが該当する。また、クレーム
中の構成要素であるオブジェクトを検索す工程は、図３
のステップ１０６が該当する。
【０００９】本発明により、検索結果として希望するオ
ブジェクトとして指定した複数のオブジェクトの特徴量
から重み係数を自動的に設定し、類似オブジェクト検索
を行い、使用者がオブジェクトの特徴量の意味を知らな
くとも、検索結果として希望するオブジェクトに共通す
る特徴量の重み係数を大きく、共通しない特徴量の重み
係数を小さく自動的に設定するので、使用者が希望する
要素として重要視している特徴量が類似なオブジェクト
をより上位の結果として表示することができる。また、
各々の特徴量について、選択された群の特徴量の統計値
と検索範囲の統計値を比較するので、検索範囲を変える
度に各特徴量を正規化する必要がない。
ブジェクトとして指定した複数のオブジェクトの特徴量
から重み係数を自動的に設定し、類似オブジェクト検索
を行い、使用者がオブジェクトの特徴量の意味を知らな
くとも、検索結果として希望するオブジェクトに共通す
る特徴量の重み係数を大きく、共通しない特徴量の重み
係数を小さく自動的に設定するので、使用者が希望する
要素として重要視している特徴量が類似なオブジェクト
をより上位の結果として表示することができる。また、
各々の特徴量について、選択された群の特徴量の統計値
と検索範囲の統計値を比較するので、検索範囲を変える
度に各特徴量を正規化する必要がない。
【００１０】また、本発明は、前記操作者によるオブジ
ェクトの選択は、操作者が検索結果として希望するオブ
ジェクトを選択するものであることを特徴とする。
ェクトの選択は、操作者が検索結果として希望するオブ
ジェクトを選択するものであることを特徴とする。
【００１１】また、前記操作者によるオブジェクトの選
択は、操作者が検索結果として希望しないオブジェクト
を選択するものであることを特徴とする。
択は、操作者が検索結果として希望しないオブジェクト
を選択するものであることを特徴とする。
【００１２】また、前記操作者によるオブジェクトの選
択は、操作者が検索結果として希望するオブジェクト
と、操作が検索結果として希望しないオブジェクトを選
択するものであることを特徴とする。
択は、操作者が検索結果として希望するオブジェクト
と、操作が検索結果として希望しないオブジェクトを選
択するものであることを特徴とする。
【００１３】また、前記操作者によって選択されたオブ
ジェクト内において前記複数の特徴量の各々について各
オブジェクト間の分布を得る工程はさらに、各オブジェ
クト毎に重みづけをする工程と、前記複数の特徴量の各
々について、各オブジェクトの特徴量を求める工程と、
前記複数の特徴量の各々について、この重みづけを反映
させて各オブジェクト間の分布を得る工程とを備えるこ
とを特徴とする。
ジェクト内において前記複数の特徴量の各々について各
オブジェクト間の分布を得る工程はさらに、各オブジェ
クト毎に重みづけをする工程と、前記複数の特徴量の各
々について、各オブジェクトの特徴量を求める工程と、
前記複数の特徴量の各々について、この重みづけを反映
させて各オブジェクト間の分布を得る工程とを備えるこ
とを特徴とする。
【００１４】また、前記各オブジェクト毎に重みづけを
する工程は、操作者がオブジェクトを選択する序列に基
づいて、オブジェクトの重みづけ係数が決定されること
を特徴とする。
する工程は、操作者がオブジェクトを選択する序列に基
づいて、オブジェクトの重みづけ係数が決定されること
を特徴とする。
【００１５】また、前記オブジェクト間の分布として分
散値または標準偏差値を採用したことを特徴とする。
散値または標準偏差値を採用したことを特徴とする。
【００１６】また、前記オブジェクトは、データベース
に登録されたオブジェクトから、操作者によって選択さ
れることを特徴とするオブジェクト検索方法である。
に登録されたオブジェクトから、操作者によって選択さ
れることを特徴とするオブジェクト検索方法である。
【００１７】また、本発明は、操作者の選択したオブジ
ェクトに基づいて、検索範囲のオブジェクトから、複数
の所定特徴量を用いてオブジェクトを検索する装置であ
り、操作者によって選択されたオブジェクト内におい
て、前記複数の特徴量の各々について各オブジェクト間
の分布を得る手段と、前記検索範囲のオブジェクト内に
おいて、前記複数の特徴量の各々について各オブジェク
ト間の分布を得る手段と、各特徴量毎に前記両方の分布
を比較する手段と、前記比較の結果、選択されたオブジ
ェクト内の方が分布が集中している特微量について、そ
れ以外の特徴量より重みづけを重くして、各特微量に重
みづけをする手段と、前記重みづけされた特微量に基づ
いて、前記検索範囲からオブジェクトを検索する手段と
を備えることを特徴とする。
ェクトに基づいて、検索範囲のオブジェクトから、複数
の所定特徴量を用いてオブジェクトを検索する装置であ
り、操作者によって選択されたオブジェクト内におい
て、前記複数の特徴量の各々について各オブジェクト間
の分布を得る手段と、前記検索範囲のオブジェクト内に
おいて、前記複数の特徴量の各々について各オブジェク
ト間の分布を得る手段と、各特徴量毎に前記両方の分布
を比較する手段と、前記比較の結果、選択されたオブジ
ェクト内の方が分布が集中している特微量について、そ
れ以外の特徴量より重みづけを重くして、各特微量に重
みづけをする手段と、前記重みづけされた特微量に基づ
いて、前記検索範囲からオブジェクトを検索する手段と
を備えることを特徴とする。
【００１８】また、前記操作者によるオブジェクトの選
択は、操作者が検索結果として希望するオブジェクトを
選択するものであることを特徴とする。
択は、操作者が検索結果として希望するオブジェクトを
選択するものであることを特徴とする。
【００１９】また、前記操作者によるオブジェクトの選
択は、操作者が検索結果として希望しないオブジェクト
を選択するものであることを特徴とする。
択は、操作者が検索結果として希望しないオブジェクト
を選択するものであることを特徴とする。
【００２０】また、前記操作者によるオブジェクトの選
択は、操作者が検索結果として希望するオブジェクト
と、操作が検索結果として希望しないオブジェクトを選
択するものであることを特徴とする。
択は、操作者が検索結果として希望するオブジェクト
と、操作が検索結果として希望しないオブジェクトを選
択するものであることを特徴とする。
【００２１】また、前記操作者によって選択されたオブ
ジェクト内において前記複数の特徴量の各々について各
オブジェクト間の分布を得る手段はさらに、各オブジェ
クト毎に重みづけをする手段と、前記複数の特徴量の各
々について、各オブジェクトの特徴量を求める手段と、
前記複数の特徴量の各々について、この重みづけを反映
させて各オブジェクト間の分布を得る手段とを備えるこ
とを特徴とするオブジェクト検索装置である。
ジェクト内において前記複数の特徴量の各々について各
オブジェクト間の分布を得る手段はさらに、各オブジェ
クト毎に重みづけをする手段と、前記複数の特徴量の各
々について、各オブジェクトの特徴量を求める手段と、
前記複数の特徴量の各々について、この重みづけを反映
させて各オブジェクト間の分布を得る手段とを備えるこ
とを特徴とするオブジェクト検索装置である。
【００２２】
【発明の実施の形態】本発明の実施形態を以下に図面を
用いて説明する。
用いて説明する。
【００２３】図１は、本発明の構成を示す概念図であ
る。演算装置１は、ＣＲＴ、ＬＣＤディスプレイ、３次
元表示装置等のオブジェクトデータ表示装置２、キーボ
ード、マウス、タブレット、データ入力、または音声入
力等の操作入力を行う入力装置３に接続されている。ま
た、前記演算装置１内部は、以下のように構成されてい
る。オブジェクト指定部４は特徴量決定部５に接続され
ている。この特徴量決定部５は重み係数決定部７に接続
されている。また、検索範囲指定部６は、前記重み係数
決定部７に接続されている。そして、検索範囲指定部６
は検索部９に接続されている。前記重み係数決定部７も
また検索部９に接続されている。また、前記重み係数決
定部７は、特徴量データベース８にネットワークを介し
て接続されている。
る。演算装置１は、ＣＲＴ、ＬＣＤディスプレイ、３次
元表示装置等のオブジェクトデータ表示装置２、キーボ
ード、マウス、タブレット、データ入力、または音声入
力等の操作入力を行う入力装置３に接続されている。ま
た、前記演算装置１内部は、以下のように構成されてい
る。オブジェクト指定部４は特徴量決定部５に接続され
ている。この特徴量決定部５は重み係数決定部７に接続
されている。また、検索範囲指定部６は、前記重み係数
決定部７に接続されている。そして、検索範囲指定部６
は検索部９に接続されている。前記重み係数決定部７も
また検索部９に接続されている。また、前記重み係数決
定部７は、特徴量データベース８にネットワークを介し
て接続されている。
【００２４】また、前記検索部９は、前記特徴量データ
ベース８および原オブジェクトデータベース１０にネッ
トワークを介して接続されている。前記原オブジェクト
データベース１０には、椅子、テーブル等インテリア用
品の３次元形状データが登録されている。また、前記特
徴量データベース８には、原オブジェクトデータベース
１０に登録されているマルチメディアオブジェクトの特
徴量が登録されている。特徴量としては、３次元オブジ
ェクトのテクスチャに対して算出できるＲＧＢ、ＨＳ
Ｖ、Ｌａｂ等の各色情報毎の値を量子化したヒストグラ
ム、エッジ微分を量子化した形状ヒストグラム、３次元
オブジェクトの形状特徴として利用できる、３次元オブ
ジェクトの体積や表面積等を用いる。さらに、３次元オ
ブジェクトの特徴として扱うことのできる特微量であれ
ば、任意の特徴量を定義して利用することが可能であ
る。また、これらの特徴量は、さまざまな部位に渡って
取り出して、それぞれ別々の特徴量としてもよい。
ベース８および原オブジェクトデータベース１０にネッ
トワークを介して接続されている。前記原オブジェクト
データベース１０には、椅子、テーブル等インテリア用
品の３次元形状データが登録されている。また、前記特
徴量データベース８には、原オブジェクトデータベース
１０に登録されているマルチメディアオブジェクトの特
徴量が登録されている。特徴量としては、３次元オブジ
ェクトのテクスチャに対して算出できるＲＧＢ、ＨＳ
Ｖ、Ｌａｂ等の各色情報毎の値を量子化したヒストグラ
ム、エッジ微分を量子化した形状ヒストグラム、３次元
オブジェクトの形状特徴として利用できる、３次元オブ
ジェクトの体積や表面積等を用いる。さらに、３次元オ
ブジェクトの特徴として扱うことのできる特微量であれ
ば、任意の特徴量を定義して利用することが可能であ
る。また、これらの特徴量は、さまざまな部位に渡って
取り出して、それぞれ別々の特徴量としてもよい。
【００２５】次に、前記表示装置２に表示される実施形
態を図２に示す。画面上には検索結果として希望するオ
ブジェクトを指定するためのウィンドウ１４、検索結果
として希望しないオブジェクトを指定するためのウィン
ドウ１２、検索範囲を指定するためのウィンドウ１３、
検索結果を表示するためのウィンドウ１４、データベー
スに登録されたオブジェクトを表示するウィンドウ１５
がある。
態を図２に示す。画面上には検索結果として希望するオ
ブジェクトを指定するためのウィンドウ１４、検索結果
として希望しないオブジェクトを指定するためのウィン
ドウ１２、検索範囲を指定するためのウィンドウ１３、
検索結果を表示するためのウィンドウ１４、データベー
スに登録されたオブジェクトを表示するウィンドウ１５
がある。
【００２６】次に、操作の手順を図３に示す。ステップ
１０１では、操作者が検索結果として希望するオブジェ
クトおよび希望しないオブジェクトを指定し、オブジェ
クト指定部４にて処理される。また、オブジェクトの指
定は、希望するオブジェクトを指定するためのウィンド
ウ１１（図２参照、以下同様）または、希望しないオブ
ジェクトを指定するためのウィンドウ１２上ヘオブジェ
クトを登録することにより行う。さらに、前記ウィンド
ウ１１およびウィンドウ１２への登録は、データベース
に登録されたオブジェクトを表示するウィンドウ１５に
表示されている。そして、各オブジェクトをウィンドウ
１１およびウィンドウ１２ヘドラッグアンドドロップす
ることにより行うことができる。また、本発明の装置で
の取り扱いが可能なオブジェクトを、アプリケーション
のオープンメニューから選択することにより行うことが
できる。
１０１では、操作者が検索結果として希望するオブジェ
クトおよび希望しないオブジェクトを指定し、オブジェ
クト指定部４にて処理される。また、オブジェクトの指
定は、希望するオブジェクトを指定するためのウィンド
ウ１１（図２参照、以下同様）または、希望しないオブ
ジェクトを指定するためのウィンドウ１２上ヘオブジェ
クトを登録することにより行う。さらに、前記ウィンド
ウ１１およびウィンドウ１２への登録は、データベース
に登録されたオブジェクトを表示するウィンドウ１５に
表示されている。そして、各オブジェクトをウィンドウ
１１およびウィンドウ１２ヘドラッグアンドドロップす
ることにより行うことができる。また、本発明の装置で
の取り扱いが可能なオブジェクトを、アプリケーション
のオープンメニューから選択することにより行うことが
できる。
【００２７】次に、ステップ１０２では、ウィンドウ１
１およびウィンドウ１２上に登録されたオブジェクトに
対して、個別にオブジェクト重み係数を設定する。この
オブジェクト重み係数は、オブジェクトの重要度を表現
するパラメータである。前記操作者は、自ら適切なオブ
ジェクト重み係数を設定する方法と、前記ウィンドウ１
１およびウィンドウ１２上の順位からオブジェクト指定
部４が自動的にオブジェクト重み係数を設定する方法と
を選択することができる。例えば、図２のオブジェクト
２０〜２４に対して、オブジェクト指定部４が自動的に
オブジェクトの重み係数を決定する場合、オブジェクト
２０〜２４のウィンドウ上の順位１、２、３、４、５に
応じて、１、１／２、１／３、１／４、１／５という値
をオブジェクト重み係数wo２０、wo２１、wo２２、wo２
３、wo２４として設定する。
１およびウィンドウ１２上に登録されたオブジェクトに
対して、個別にオブジェクト重み係数を設定する。この
オブジェクト重み係数は、オブジェクトの重要度を表現
するパラメータである。前記操作者は、自ら適切なオブ
ジェクト重み係数を設定する方法と、前記ウィンドウ１
１およびウィンドウ１２上の順位からオブジェクト指定
部４が自動的にオブジェクト重み係数を設定する方法と
を選択することができる。例えば、図２のオブジェクト
２０〜２４に対して、オブジェクト指定部４が自動的に
オブジェクトの重み係数を決定する場合、オブジェクト
２０〜２４のウィンドウ上の順位１、２、３、４、５に
応じて、１、１／２、１／３、１／４、１／５という値
をオブジェクト重み係数wo２０、wo２１、wo２２、wo２
３、wo２４として設定する。
【００２８】ここで、オブジェクトに対する重み係数は
特に上記の値に限定されるものでなく、任意の比、また
は差分値により与えることが可能であり、さらにシステ
ムに対して設定するためのインタフェースを備えており
操作者が任意に設定することも可能である。
特に上記の値に限定されるものでなく、任意の比、また
は差分値により与えることが可能であり、さらにシステ
ムに対して設定するためのインタフェースを備えており
操作者が任意に設定することも可能である。
【００２９】次に、ステップ１０３に移り、ここでは、
ウィンドウ１１およびウィンドウ１２上に登録された各
オブジェクトの特徴量を決定する。また、前記ウィンド
ウ１１に登録されたオブジェクトを代表する希望の代表
オブジェクトの特徴量およびウィンドウ１２に登録され
たオブジェクトを代表する非希望代表オブジェクトの特
徴量を決定する。
ウィンドウ１１およびウィンドウ１２上に登録された各
オブジェクトの特徴量を決定する。また、前記ウィンド
ウ１１に登録されたオブジェクトを代表する希望の代表
オブジェクトの特徴量およびウィンドウ１２に登録され
たオブジェクトを代表する非希望代表オブジェクトの特
徴量を決定する。
【００３０】なお、代表オブジェクトとは、選択された
オブジェクト群の全体をひとつのオブジェクトとしてい
る意味であり、選択されたオブジェクト全体を代表する
仮想的なオブジェクトである。また、代表オブジェクト
の特徴量は、「各オブジェクトの重み付き平均値」以外
にも、各オブジェクトの特徴量の中心値等、選択された
各オブジェクトの特徴量に基づいて、選択されたオブジ
ェクト群全体に対して特徴量を設定したものである。ま
た、非希望（希望しない）は、単に希望しないに留まら
ず、積極的に忌避する意味合いである。
オブジェクト群の全体をひとつのオブジェクトとしてい
る意味であり、選択されたオブジェクト全体を代表する
仮想的なオブジェクトである。また、代表オブジェクト
の特徴量は、「各オブジェクトの重み付き平均値」以外
にも、各オブジェクトの特徴量の中心値等、選択された
各オブジェクトの特徴量に基づいて、選択されたオブジ
ェクト群全体に対して特徴量を設定したものである。ま
た、非希望（希望しない）は、単に希望しないに留まら
ず、積極的に忌避する意味合いである。
【００３１】続いてステップ１０３では、特徴量決定部
５にて処理される。さらに、各オブジェクトの特徴量
は、特徴量データベース８を構築する際の演算と共通で
ある。また、ウィンドウ１１およびウィンドウ１２上に
登録されたオブジェクトの特徴量が特徴量データベース
８上に存在する場合には、特徴量を算出する代りに、特
徴量データベース８から特徴量を読み込む。希望代表オ
ブジェクトの特徴量は、ウィンドウ１１上に登録された
各オブジェクトの特徴量の重み付き平均値とする。ま
た、非望代表オブジェクトの特徴量は、ウィンドウ１２
上に登録された各オブジェクトの特徴量の重み付き平均
値とする。
５にて処理される。さらに、各オブジェクトの特徴量
は、特徴量データベース８を構築する際の演算と共通で
ある。また、ウィンドウ１１およびウィンドウ１２上に
登録されたオブジェクトの特徴量が特徴量データベース
８上に存在する場合には、特徴量を算出する代りに、特
徴量データベース８から特徴量を読み込む。希望代表オ
ブジェクトの特徴量は、ウィンドウ１１上に登録された
各オブジェクトの特徴量の重み付き平均値とする。ま
た、非望代表オブジェクトの特徴量は、ウィンドウ１２
上に登録された各オブジェクトの特徴量の重み付き平均
値とする。
【００３２】例えば、図２のオブジェクト２０〜２４が
持つ特徴量のひとつである「高さ方向の大きさ」につい
ての考える。オブジェクト２０〜２４の「高さ方向の大
きさ」をそれぞれh２０、h２１、h２２、h２３、h２
４、各オブジェクトの重み係数をwo２０、wo２１、wo２
２、wo２３、wo２４とすると、高さ方向の大きさ」の平
均値havは、以下の式１から算出できる。
持つ特徴量のひとつである「高さ方向の大きさ」につい
ての考える。オブジェクト２０〜２４の「高さ方向の大
きさ」をそれぞれh２０、h２１、h２２、h２３、h２
４、各オブジェクトの重み係数をwo２０、wo２１、wo２
２、wo２３、wo２４とすると、高さ方向の大きさ」の平
均値havは、以下の式１から算出できる。
【００３３】 hav=（wo２０＊h２０＋wo２１＊h２１＋、＋wo２４＊h２４）／（wo２０＋w o２１＋＋wo２４）・・・（式１） このhavがオブジェクト２０〜２４を代表する代表オブ
ジェクトの「高さ方向の大きさ」の特徴量となる。ま
た、オブジェクト２０〜２４が持つ特徴量のひとつであ
る「形状複雑度」について考える。この「形状複雑度」
は、オブジェクトの表面積を体積で除算した値である。
オブジェクト２０〜２４の「形状複雑度」をそれぞれc
２０、c２１、c２２、c２３、c２４とすると、「形状複
雑度」の平均値cavは式１と同様の計算により算出でき
る。
ジェクトの「高さ方向の大きさ」の特徴量となる。ま
た、オブジェクト２０〜２４が持つ特徴量のひとつであ
る「形状複雑度」について考える。この「形状複雑度」
は、オブジェクトの表面積を体積で除算した値である。
オブジェクト２０〜２４の「形状複雑度」をそれぞれc
２０、c２１、c２２、c２３、c２４とすると、「形状複
雑度」の平均値cavは式１と同様の計算により算出でき
る。
【００３４】次に、ステップ１０４では、ウィンドウ１
３に表示されている検索ジャンルを指定することによ
り、検索範囲を設定する。ステップ１０４は、検索範囲
指定部６にて処理される。前記検索ジャンルは、椅子、
テーブル等に分類されている。また、以前に検索を行っ
ている場合には、過去の検索結果に含まれていたオブジ
ェクトが、独立した検索ジャンルとして分類されてい
る。操作者は、これらの検索ジャンルをひとつ、もしく
は複数選択できる。ステップ１０５では、ステップ１０
３で決定したウィンドウ１１およびウィンドウ１２上に
登録されたオブジェクトの特徴量と特徴量データベース
８に蓄えられた情報とから各特徴量の重み係数を決定す
る。
３に表示されている検索ジャンルを指定することによ
り、検索範囲を設定する。ステップ１０４は、検索範囲
指定部６にて処理される。前記検索ジャンルは、椅子、
テーブル等に分類されている。また、以前に検索を行っ
ている場合には、過去の検索結果に含まれていたオブジ
ェクトが、独立した検索ジャンルとして分類されてい
る。操作者は、これらの検索ジャンルをひとつ、もしく
は複数選択できる。ステップ１０５では、ステップ１０
３で決定したウィンドウ１１およびウィンドウ１２上に
登録されたオブジェクトの特徴量と特徴量データベース
８に蓄えられた情報とから各特徴量の重み係数を決定す
る。
【００３５】続いて、ステップ１０５は、重み係数決定
部７にて処理される。ステップ１０５での処理の詳細を
図４に示す。ステップ２０１では、前記ステップ１０３
にて決定された各オブジェクトの特微量について、その
統計量として例えば、分散値を算出する。例えば、上述
した図２のオブジェクト２０〜２４が持つ特徴量のひと
つである「高さ方向の大きさ」について考える。オブジ
ェクト２０〜２４の「高さ方向の大きさ」をそれぞれh
２０、h２１、h２２、h２８、h２４、代表オブジェクト
の「高さ方向の大きさ」をhav、各オブジェクトの重み
係数をwo２０、wo２１、wo２２、wo２３、wo２４とする
と、「高さ方向の大きさ」の分散値hsdは、以下の式２
から算出できる、 hsd=（wo２０＊（h２０−hav）２＋wo２１＊（h２１−hav）２＋、、、＋wo ２４＊（h２４−hav）２）／（wo２０＋wo２１＋、、、＋wo２４） ・・・（式２） このhsdがオブジェクト２０〜２４の「高さ方向の大き
さ」特微量に関する分散値となる。オブジェクト２０〜
２４の「形状複雑度」の分散値csdも前記式２と同様の
計算により算出できる。
部７にて処理される。ステップ１０５での処理の詳細を
図４に示す。ステップ２０１では、前記ステップ１０３
にて決定された各オブジェクトの特微量について、その
統計量として例えば、分散値を算出する。例えば、上述
した図２のオブジェクト２０〜２４が持つ特徴量のひと
つである「高さ方向の大きさ」について考える。オブジ
ェクト２０〜２４の「高さ方向の大きさ」をそれぞれh
２０、h２１、h２２、h２８、h２４、代表オブジェクト
の「高さ方向の大きさ」をhav、各オブジェクトの重み
係数をwo２０、wo２１、wo２２、wo２３、wo２４とする
と、「高さ方向の大きさ」の分散値hsdは、以下の式２
から算出できる、 hsd=（wo２０＊（h２０−hav）２＋wo２１＊（h２１−hav）２＋、、、＋wo ２４＊（h２４−hav）２）／（wo２０＋wo２１＋、、、＋wo２４） ・・・（式２） このhsdがオブジェクト２０〜２４の「高さ方向の大き
さ」特微量に関する分散値となる。オブジェクト２０〜
２４の「形状複雑度」の分散値csdも前記式２と同様の
計算により算出できる。
【００３６】次に、ステップ２０２では、前記ステップ
１０４で決定した検索範囲に含まれる、特微量データベ
ース８上のオブジェクトの特微量について、その分散値
を算出する、例えば、特徴量データベース８上に登録さ
れたオブジェクトが持つ特徴量のひとつである「高さ方
向の大きさ」の分散値hdbsdと「形状複雑度」の分散値c
dbsdは式２と同様の計算により求めることができる。
１０４で決定した検索範囲に含まれる、特微量データベ
ース８上のオブジェクトの特微量について、その分散値
を算出する、例えば、特徴量データベース８上に登録さ
れたオブジェクトが持つ特徴量のひとつである「高さ方
向の大きさ」の分散値hdbsdと「形状複雑度」の分散値c
dbsdは式２と同様の計算により求めることができる。
【００３７】そして、ステップ２０３では、ステップ２
０１にて算出した分散値をステップ２０２にて算出した
分散値で除算することにより、分散比を算出する。例え
ば、ステップ２０１で算出した「高さ方向の大きさ」の
分散値hsdが１０．０で、ステップ２０２で算出した分
散値hdbsdが２００．０とする。この場合、分散比hsdr
は１０．０／２００．０となる。また、ステップ２０１
で算出した「形状複雑度」の分散値csdが０．６で、ス
テップ２０２で算出した分散値cdbsdが０．５とする。
この場合、分散比csdrは０．６／０．５となる。
０１にて算出した分散値をステップ２０２にて算出した
分散値で除算することにより、分散比を算出する。例え
ば、ステップ２０１で算出した「高さ方向の大きさ」の
分散値hsdが１０．０で、ステップ２０２で算出した分
散値hdbsdが２００．０とする。この場合、分散比hsdr
は１０．０／２００．０となる。また、ステップ２０１
で算出した「形状複雑度」の分散値csdが０．６で、ス
テップ２０２で算出した分散値cdbsdが０．５とする。
この場合、分散比csdrは０．６／０．５となる。
【００３８】そして、ステップ２０４では、ステップ２
０３で算出した分散比を評価する。ここで、分散比は、
検索範囲に含まれるデータベース上のオブジェクトの各
特徴量のバラつき具合に対して、ステップ１０１で指定
したオブジェクトの各特徴量のバラつき具合の程度を表
現したものである。
０３で算出した分散比を評価する。ここで、分散比は、
検索範囲に含まれるデータベース上のオブジェクトの各
特徴量のバラつき具合に対して、ステップ１０１で指定
したオブジェクトの各特徴量のバラつき具合の程度を表
現したものである。
【００３９】分散比が１の状態は、ウィンドウ１１また
は１２上に、オブジェクトを無作為に指定した状態と同
じであり、重要視している特徴量は無い。特徴量の分散
比が１未満であることは、データベース上のオブジェク
トに比べてステップ１０１で指定したオブジェクトの特
徴量が均質であることを意味する。つまり、操作者はこ
の特徴量の類似性を重要視していると言うことができ
る、一方、特徴量の分散比が１以上であることは、デー
タベース上のオブジェクトに比べてステップ１０１で指
定したオブジェクトの特徴量が、同程度かそれ以上にバ
ラついていることを意味する。つまり、操作者はこの特
徴量の類似性を重要視していないと言うことができる。
ステップ２０３で算出した、図２のオブジェクト２０〜
２４が持つ特徴量のひとつである「高さ方向の大きさ」
の分散比hsdrは０．０５である。つまり、操作者は「高
さ方向の大きさ」が非常に揃ったオブジェクトをウィン
ドウ１１で指定しており、この特徴量の類似性を重要視
していると言うことができる。
は１２上に、オブジェクトを無作為に指定した状態と同
じであり、重要視している特徴量は無い。特徴量の分散
比が１未満であることは、データベース上のオブジェク
トに比べてステップ１０１で指定したオブジェクトの特
徴量が均質であることを意味する。つまり、操作者はこ
の特徴量の類似性を重要視していると言うことができ
る、一方、特徴量の分散比が１以上であることは、デー
タベース上のオブジェクトに比べてステップ１０１で指
定したオブジェクトの特徴量が、同程度かそれ以上にバ
ラついていることを意味する。つまり、操作者はこの特
徴量の類似性を重要視していないと言うことができる。
ステップ２０３で算出した、図２のオブジェクト２０〜
２４が持つ特徴量のひとつである「高さ方向の大きさ」
の分散比hsdrは０．０５である。つまり、操作者は「高
さ方向の大きさ」が非常に揃ったオブジェクトをウィン
ドウ１１で指定しており、この特徴量の類似性を重要視
していると言うことができる。
【００４０】一方、ステップ２０３で算出した、図２の
オブジェクト２０〜２４が持つ特徴量のひとつである
「形状複雑度」の分散比csdrは１．２である。つまり、
操作者がウィンドウ１１で指定したオブジェクトの「形
状複雑度」は、データベース上に登録されたオブジェク
トの「形状複雑度」と比べて、同程度にバラついてお
り、この特徴量の類似性を重要視していないと言うこと
ができる。
オブジェクト２０〜２４が持つ特徴量のひとつである
「形状複雑度」の分散比csdrは１．２である。つまり、
操作者がウィンドウ１１で指定したオブジェクトの「形
状複雑度」は、データベース上に登録されたオブジェク
トの「形状複雑度」と比べて、同程度にバラついてお
り、この特徴量の類似性を重要視していないと言うこと
ができる。
【００４１】次に、ステップ２０４にて分散比が１未満
であると判断した場合、ステップ２０５に進み、各特徴
量の重み係数を以下の式３により設定する。
であると判断した場合、ステップ２０５に進み、各特徴
量の重み係数を以下の式３により設定する。
【００４２】 ｆ（x）=（（sdr−１）２）／２＋０．５・・・（式３） 例えば、図２のオブジェクト２０〜２４が持つ特徴量の
ひとつである「高さ方向の大きさ」の分散比は０．０５
であるので、「高さ方向の大きさ」に対応する重み係数
は式３より０．９５１２５となる。
ひとつである「高さ方向の大きさ」の分散比は０．０５
であるので、「高さ方向の大きさ」に対応する重み係数
は式３より０．９５１２５となる。
【００４３】次に、ステップ２０４にて分散比が１以上
であると判断した場合、ステップ２０６で各特徴量の重
み係数を０．５に設定する、例えば、図２のオブジェク
ト２０〜２４が持つ特徴量のひとつである「形状複雑
度」の分散比は１．２であるので、「形状複雑度」に対
応する重み係数は０．５となる。
であると判断した場合、ステップ２０６で各特徴量の重
み係数を０．５に設定する、例えば、図２のオブジェク
ト２０〜２４が持つ特徴量のひとつである「形状複雑
度」の分散比は１．２であるので、「形状複雑度」に対
応する重み係数は０．５となる。
【００４４】また、図３のステップ１０６では、ステッ
プ１０３で決定した希望代表オブジェクトおよび非希望
代表オブジェクトの特徴量とステップ１０５で決定した
各特徴量の重み係数と特徴量データベース８に蓄えられ
た情報とから、希望代表オブジェクトおよび非希望代表
オブジェクトとデータベースに登録されているオブジェ
クトとの類似度を算出する。さらに、希望代表オブジェ
クトとデータベースに登録されているオブジェクトとの
類似度および非希望代表オブジェクトとデータベースに
登録されているオブジェクトとの類似度から総合の類似
度を算出する。
プ１０３で決定した希望代表オブジェクトおよび非希望
代表オブジェクトの特徴量とステップ１０５で決定した
各特徴量の重み係数と特徴量データベース８に蓄えられ
た情報とから、希望代表オブジェクトおよび非希望代表
オブジェクトとデータベースに登録されているオブジェ
クトとの類似度を算出する。さらに、希望代表オブジェ
クトとデータベースに登録されているオブジェクトとの
類似度および非希望代表オブジェクトとデータベースに
登録されているオブジェクトとの類似度から総合の類似
度を算出する。
【００４５】次に、ステップ１０６は、前記検索部９に
て処理される。ステップ１０６での処理の詳細を図５に
示す。図５に示すように、ステップ３０１では、ステッ
プ１０４にて決定された検索範囲と特徴量データベース
８とから検索の対象となるオブジェクトを抽出する。ス
テップ３０２以降では、この対象オブジェクトと代表オ
ブジェクトとの類似度を算出するステップ３０２−ａで
は、特徴量データベース８から抽出した対象オブジェク
トの特徴量および希望代表オブジェクトの特徴量を正規
化する。各特徴量は単位やスケールが各々異なってお
り、そのままの数値を単純に比較することができない。
例えば、オブジェクトが持つ特微量である「高さ方向の
大きさ」と「形状複雑度」を考えると、同じ１という値
であっても、その意味は全く異なる。つまり、「高さ方
向の大きさ」が１異なるということと、「形状複雑度」
が１異なるということを同じように処理することはでき
ない。よって、各特徴量問のスケールを合わせるよう正
規化する必要がある。
て処理される。ステップ１０６での処理の詳細を図５に
示す。図５に示すように、ステップ３０１では、ステッ
プ１０４にて決定された検索範囲と特徴量データベース
８とから検索の対象となるオブジェクトを抽出する。ス
テップ３０２以降では、この対象オブジェクトと代表オ
ブジェクトとの類似度を算出するステップ３０２−ａで
は、特徴量データベース８から抽出した対象オブジェク
トの特徴量および希望代表オブジェクトの特徴量を正規
化する。各特徴量は単位やスケールが各々異なってお
り、そのままの数値を単純に比較することができない。
例えば、オブジェクトが持つ特微量である「高さ方向の
大きさ」と「形状複雑度」を考えると、同じ１という値
であっても、その意味は全く異なる。つまり、「高さ方
向の大きさ」が１異なるということと、「形状複雑度」
が１異なるということを同じように処理することはでき
ない。よって、各特徴量問のスケールを合わせるよう正
規化する必要がある。
【００４６】本実施の形態では、標準偏差に基づく正規
化を行う。まず、対象オブジェクトおよび希望代表オブ
ジェクトの各特徴量の平均値および標準偏差を算出す
る。次に、以下の式４に示すように、対象オブジェクト
および希望代表オブジェクトの各特徴量から平均値を引
き、標準偏差で除算する。
化を行う。まず、対象オブジェクトおよび希望代表オブ
ジェクトの各特徴量の平均値および標準偏差を算出す
る。次に、以下の式４に示すように、対象オブジェクト
および希望代表オブジェクトの各特徴量から平均値を引
き、標準偏差で除算する。
【００４７】ｆ=（f_org−f_av）／f_sd・・・（式４） 各特徴量の分布が正規分布に従っている場合、標準偏差
の３倍以内に９９．７パーセントが含まれることから、
前記式４で算出したｆが３以上の場合はｆ=３、ｆが−
３以下の場合はｆ=−３とする。
の３倍以内に９９．７パーセントが含まれることから、
前記式４で算出したｆが３以上の場合はｆ=３、ｆが−
３以下の場合はｆ=−３とする。
【００４８】以上の手順により±３のスケールに正規化
することができる。また、ステップ３０３−ａでは、対
象オブジェクトの特徴量と希望代表オブジェクトの特徴
量との差分を算出する。
することができる。また、ステップ３０３−ａでは、対
象オブジェクトの特徴量と希望代表オブジェクトの特徴
量との差分を算出する。
【００４９】次に、ステップ３０４−ａでは、特徴量を
ベクトルの成分と考え、特徴量ベクトルの自乗和を算出
する。この際、特徴量ベクトルの成分にステップ１０５
で決定した特徴量重み係数を乗算する。例えば、図２の
オブジェクト２０〜２４が持つ特徴量である「高さ方向
の大きさ」に対応する重み係数は０．９５１２５であ
り、「形状複雑度」に対応する重み係数は０．５であ
る。ステップ３０４−ａの計算において、特徴量重み係
数を乗算することによって、これらの特徴量の差分が共
に１であったとしても、「高さ方向の大きさ」は０．９
５１２５として特徴量ベクトルの自乗和計算が行われ、
「形状複雑度」は０．５として特徴量ベクトルの自乗和
計算が行われる。つまり、特徴量の差分としては同じ値
であっても、重み係数に応じて値の大きさが変化するの
で、重み係数が小さい特徴量については特徴量ベクトル
の自乗和への影響が小さくなる。
ベクトルの成分と考え、特徴量ベクトルの自乗和を算出
する。この際、特徴量ベクトルの成分にステップ１０５
で決定した特徴量重み係数を乗算する。例えば、図２の
オブジェクト２０〜２４が持つ特徴量である「高さ方向
の大きさ」に対応する重み係数は０．９５１２５であ
り、「形状複雑度」に対応する重み係数は０．５であ
る。ステップ３０４−ａの計算において、特徴量重み係
数を乗算することによって、これらの特徴量の差分が共
に１であったとしても、「高さ方向の大きさ」は０．９
５１２５として特徴量ベクトルの自乗和計算が行われ、
「形状複雑度」は０．５として特徴量ベクトルの自乗和
計算が行われる。つまり、特徴量の差分としては同じ値
であっても、重み係数に応じて値の大きさが変化するの
で、重み係数が小さい特徴量については特徴量ベクトル
の自乗和への影響が小さくなる。
【００５０】次に、ステップ３０５−ａでは、以下の式
５により、ステップ３０４−ａで算出した特徴量ベクト
ルの自乗和vLengthから類似度を算出する。
５により、ステップ３０４−ａで算出した特徴量ベクト
ルの自乗和vLengthから類似度を算出する。
【００５１】 Similarity=exp（−１＊vLength）・・・（式５） そして、希望代表オブジェクトと完全に一致する特徴量
を持ったオブジェクトが対象オブジェクトに含まれてい
る場合、ステップ３０４−ａで算出した特徴量ベクトル
の自乗和vLengthは０となるので、前記式５より算出さ
れる類似度は１となる。
を持ったオブジェクトが対象オブジェクトに含まれてい
る場合、ステップ３０４−ａで算出した特徴量ベクトル
の自乗和vLengthは０となるので、前記式５より算出さ
れる類似度は１となる。
【００５２】一方、希望代表オブジェクトと大きく異な
る特徴量を持ったオブジェクトの場合、ステップ３０４
−ａで算出した特徴量ベクトルの自乗和vLengthが大き
くなるので、式５より算出される類似度は０に近くな
る。ステップ３０２−ｂから３０５−ｂでは、ステップ
３０２−ａから３０５−aで希望代表オブジェクトを対
象に行った各処理を、非希望代表オブジェクトに対して
行う。この処理により、ステップ３０５−ｂでは、希望
しないオブジェクトに対する類似度が算出される。非希
望代表オブジェクトと完全に一致する特徴量を持ったオ
ブジェクトが対象オブジェクトに含まれている場合、ス
テップ３０４−ｂで算出した特徴量ベクトルの自乗和vL
engthは０となるので、式５より算出される類似度は１
となる。
る特徴量を持ったオブジェクトの場合、ステップ３０４
−ａで算出した特徴量ベクトルの自乗和vLengthが大き
くなるので、式５より算出される類似度は０に近くな
る。ステップ３０２−ｂから３０５−ｂでは、ステップ
３０２−ａから３０５−aで希望代表オブジェクトを対
象に行った各処理を、非希望代表オブジェクトに対して
行う。この処理により、ステップ３０５−ｂでは、希望
しないオブジェクトに対する類似度が算出される。非希
望代表オブジェクトと完全に一致する特徴量を持ったオ
ブジェクトが対象オブジェクトに含まれている場合、ス
テップ３０４−ｂで算出した特徴量ベクトルの自乗和vL
engthは０となるので、式５より算出される類似度は１
となる。
【００５３】一方、非希望代表オブジェクトと大きく異
なる特徴量を持ったオブジェクトの場合、ステップ３０
４−ｂで算出した特徴量ベクトルの自乗和vLengthが大
きくなるので、式５より算出される類似度は０に近くな
る。
なる特徴量を持ったオブジェクトの場合、ステップ３０
４−ｂで算出した特徴量ベクトルの自乗和vLengthが大
きくなるので、式５より算出される類似度は０に近くな
る。
【００５４】そして、ステップ３０６では、ステップ３
０５−ａおよびステップ３０５−bで算出された希望す
るオブジェクトに対する類似度similarity_aおよび希望
しないオブジェクトに対する類似度similarity_bから総
合の類似度を算出する。総合の類似度は、式６に示すよ
うに希望するオブジェクトに類似であり且つより希望し
ないオブジェクトに類似でない量を表現する。
０５−ａおよびステップ３０５−bで算出された希望す
るオブジェクトに対する類似度similarity_aおよび希望
しないオブジェクトに対する類似度similarity_bから総
合の類似度を算出する。総合の類似度は、式６に示すよ
うに希望するオブジェクトに類似であり且つより希望し
ないオブジェクトに類似でない量を表現する。
【００５５】 total_similarity＝similarity_a／similarity_b・・・（式６） 続いて、ステップ１０７では、ステップ１０６で行った
類似検索の結果に基づいて、原オブジェクトデータベー
ス１０からオブジェクトを読み込み、総合の類似度順に
並べ、ウィンドウ１４に表示する、操作者は、ウィンド
ウ１４に表示されたオブジェクトをウィンドウ１１およ
びウィンドウ１２に登録し、再検索することができる。
類似検索の結果に基づいて、原オブジェクトデータベー
ス１０からオブジェクトを読み込み、総合の類似度順に
並べ、ウィンドウ１４に表示する、操作者は、ウィンド
ウ１４に表示されたオブジェクトをウィンドウ１１およ
びウィンドウ１２に登録し、再検索することができる。
【００５６】なお、特徴量データベース８および原オブ
ジェクトデータベース１０は、ネットワークを介した接
続に限定されるものではなく、演算装置１内部に含まれ
ていてもよい。また、ステップ１０２で設定するオブジ
ェクト重み係数は、一部のオブジェクト重み係数を操作
者自らが設定し、残りを重み係数決定部７が自動的に設
定する方法であってもよい。さらに、ステップ３０２−
ａおよび３０２−ｂで行う特徴量の正規化は、上記手法
に限定されることなく、最大値を１とする正規化手法等
一般によく知られた方法に置き換えることができる。ま
た、本発明のシステムが対象とするマルチメディアオブ
ジェクトは３次元オブジェクトに限定されるものではな
く、例えば動画であってもよい。動画を時間方向の各レ
イヤとして積層化することにより、３次元ボリュームデ
ータと同等の情報となる。また、音楽データであっても
よい。音楽データをフーリエ変換することにより、周波
数領域での特徴量が得られる、また、時間領域での振幅
の変化等も特徴量となる。また、グラフィックスイコラ
イザーのように音楽データを可視化するツールで生成し
た画像または映像から特徴量を算出することもできる。
ジェクトデータベース１０は、ネットワークを介した接
続に限定されるものではなく、演算装置１内部に含まれ
ていてもよい。また、ステップ１０２で設定するオブジ
ェクト重み係数は、一部のオブジェクト重み係数を操作
者自らが設定し、残りを重み係数決定部７が自動的に設
定する方法であってもよい。さらに、ステップ３０２−
ａおよび３０２−ｂで行う特徴量の正規化は、上記手法
に限定されることなく、最大値を１とする正規化手法等
一般によく知られた方法に置き換えることができる。ま
た、本発明のシステムが対象とするマルチメディアオブ
ジェクトは３次元オブジェクトに限定されるものではな
く、例えば動画であってもよい。動画を時間方向の各レ
イヤとして積層化することにより、３次元ボリュームデ
ータと同等の情報となる。また、音楽データであっても
よい。音楽データをフーリエ変換することにより、周波
数領域での特徴量が得られる、また、時間領域での振幅
の変化等も特徴量となる。また、グラフィックスイコラ
イザーのように音楽データを可視化するツールで生成し
た画像または映像から特徴量を算出することもできる。
【００５７】なお、前記統計量は、本発明の実施形態で
は、「分散」を用いたが、標準偏差や最大値最小値幅な
どの特徴量の「分布」を示す統計量の採用が可能であ
る。
は、「分散」を用いたが、標準偏差や最大値最小値幅な
どの特徴量の「分布」を示す統計量の採用が可能であ
る。
【００５８】以上、本発明の実施形態を用いることによ
り、ステップ１０５では、ステップ１０３で決定した各
特徴量毎に分散比を算出し、分散比が小さい特徴量の重
み係数を大きく、分散比が大きい特徴量の重み係数を小
さく、自動的に決定する。この結果、操作者が各特徴量
が持つ意味を理解していなくとも、重要視している特微
量に大きい重み係数を設定し、重要視していない特微量
に小さい重み係数を設定することができ、より的確な検
索結果を表示することができる。
り、ステップ１０５では、ステップ１０３で決定した各
特徴量毎に分散比を算出し、分散比が小さい特徴量の重
み係数を大きく、分散比が大きい特徴量の重み係数を小
さく、自動的に決定する。この結果、操作者が各特徴量
が持つ意味を理解していなくとも、重要視している特微
量に大きい重み係数を設定し、重要視していない特微量
に小さい重み係数を設定することができ、より的確な検
索結果を表示することができる。
【００５９】また、ステップ１０５では、ステップl０
４で設定した検索範囲に対して特徴量毎に分散値を算出
し、ウィンドウ１１およびウィンドウ１２に登録された
オブジェクトと特徴量データベース８に登録されたオブ
ジェクトとの分散比に基づいて特徴量重み係数を決定す
るので、本発明のシステムが扱う特徴量を予め正規化し
ておく必要はない。この結果、操作者は本システム使用
時に、予めデータベースに登録されていないオブジェク
トをウィンドウ１１およびウィンドウ１２に登録し、類
似検索を行うことができる。
４で設定した検索範囲に対して特徴量毎に分散値を算出
し、ウィンドウ１１およびウィンドウ１２に登録された
オブジェクトと特徴量データベース８に登録されたオブ
ジェクトとの分散比に基づいて特徴量重み係数を決定す
るので、本発明のシステムが扱う特徴量を予め正規化し
ておく必要はない。この結果、操作者は本システム使用
時に、予めデータベースに登録されていないオブジェク
トをウィンドウ１１およびウィンドウ１２に登録し、類
似検索を行うことができる。
【００６０】さらに、操作者は、検索結果を表示するウ
ィンドウ１４上のオブジェクトをウィンドウ１１および
ウィンドウ１２に登録し、再検索することができる。こ
の操作により、希望するオブジェクトおよび希望しない
オブジェクトを繰り返し絞り込んでいくことができ、効
率良く重要視している特徴量および重要視していない特
徴量を指定することができる。
ィンドウ１４上のオブジェクトをウィンドウ１１および
ウィンドウ１２に登録し、再検索することができる。こ
の操作により、希望するオブジェクトおよび希望しない
オブジェクトを繰り返し絞り込んでいくことができ、効
率良く重要視している特徴量および重要視していない特
徴量を指定することができる。
【００６１】また、各々の特徴量について、選択された
群の特徴量の統計値と検索範囲の統計値を比較するの
で、検索範囲を変える度に各特徴量を正規化する必要が
ない。
群の特徴量の統計値と検索範囲の統計値を比較するの
で、検索範囲を変える度に各特徴量を正規化する必要が
ない。
【００６２】
【発明の効果】本発明を用いることにより、検索結果と
して希望するオブジェクトとして指定した複数のオブジ
ェクトの特徴量から重み係数を自動的に設定し、類似オ
ブジェクト検索を行い、使用者がオブジェクトの特徴量
の意味を知らなくとも、検索結果として希望するオブジ
ェクトに共通する特徴量の重み係数を大きく、共通しな
い特徴量の重み係数を小さく自動的に設定するので、使
用者が希望する要素として重要視している特徴量が類似
なオブジェクトをより上位の結果として表示することが
できる。また、各々の特徴量について、選択された群の
特徴量の統計値と検索範囲の統計値を比較するので、検
索範囲を変える度に各特徴量を正規化する必要がない。
して希望するオブジェクトとして指定した複数のオブジ
ェクトの特徴量から重み係数を自動的に設定し、類似オ
ブジェクト検索を行い、使用者がオブジェクトの特徴量
の意味を知らなくとも、検索結果として希望するオブジ
ェクトに共通する特徴量の重み係数を大きく、共通しな
い特徴量の重み係数を小さく自動的に設定するので、使
用者が希望する要素として重要視している特徴量が類似
なオブジェクトをより上位の結果として表示することが
できる。また、各々の特徴量について、選択された群の
特徴量の統計値と検索範囲の統計値を比較するので、検
索範囲を変える度に各特徴量を正規化する必要がない。
【図１】本発明の実施形態に係る構成を示す概念図。
【図２】本発明の実施形態に係る表示装置に表示される
形態を示す図。
形態を示す図。
【図３】本発明の実施形態に係る操作の手順を示す図。
【図４】本発明の実施形態に係るステップ１０５での処
理の詳細を示す図。
理の詳細を示す図。
【図５】本発明の実施形態に係るステップ１０６での処
理の詳細を示す図。
理の詳細を示す図。
１…演算装置、２…オブジェクトデータ表示装置、２…
表示装置、３…入力装置、４…オブジェクト指定部、５
…特徴量決定部、６…検索範囲指定部、７…重み係数決
定部、８…特微量データベース、９…検索部、１０…原
オブジェクトデータベース、１１、１２、１３、１４、
１５…ウィンドウ、２０〜２４…オブジェクト
表示装置、３…入力装置、４…オブジェクト指定部、５
…特徴量決定部、６…検索範囲指定部、７…重み係数決
定部、８…特微量データベース、９…検索部、１０…原
オブジェクトデータベース、１１、１２、１３、１４、
１５…ウィンドウ、２０〜２４…オブジェクト
───────────────────────────────────────────────────── フロントページの続き (72)発明者 柴▲崎▼ 隆男 東京都渋谷区幡ヶ谷２丁目43番２号 オリ ンパス光学工業株式会社内 Ｆターム(参考） 5B075 ND06 ND16 NK06 PP02 PP03 PQ02 PR06 QM08 5L096 BA20 DA01 EA39 FA02 FA33 FA35 JA03 JA11 JA16
Claims (15)
- 【請求項１】 操作者の選択したオブジェクトに基づい
て、検索範囲のオブジェクトから、複数の所定特徴量を
用いてオブジェクトを検索する方法であり、操作者によ
って選択されたオブジェクト内において、前記複数の特
徴量の各々について各オブジェクト間の分布を得る工程
と、前記検索範囲のオブジェクト内において、前記複数
の特徴量の各々について各オブジェクト間の分布を得る
工程と、 各特徴量毎に前記両方の分布を比較する工程と、 前記比較の結果、選択されたオブジェクト内の方が分布
が集中している特微量について、それ以外の特徴量より
重みづけを重くして、各特微量に重みづけをする工程
と、 前記重みづけされた特微量に基づいて、前記検索範囲か
らオブジェクトを検索する工程とを備えることを特徴と
するオブジェクト検索方法。 - 【請求項２】 前記操作者によるオブジェクトの選択
は、操作者が検索結果として希望するオブジェクトを選
択するものであることを特徴とする請求項１記載のオブ
ジェクト検索方法。 - 【請求項３】 前記操作者によるオブジェクトの選択
は、操作者が検索結果として希望しないオブジェクトを
選択するものであることを特徴とする請求項１記載のオ
ブジェクト検索方法。 - 【請求項４】 前記操作者によるオブジェクトの選択
は、操作者が検索結果として希望するオブジェクトと、
操作が検索結果として希望しないオブジェクトを選択す
るものであることを特徴とする請求項１記載のオブジェ
クト検索方法。 - 【請求項５】 前記操作者によって選択されたオブジェ
クト内において前記複数の特徴量の各々について各オブ
ジェクト間の分布を得る工程はさらに、各オブジェクト
毎に重みづけをする工程と、 前記複数の特徴量の各々について、各オブジェクトの特
徴量を求める工程と、前記複数の特徴量の各々につい
て、この重みづけを反映させて各オブジェクト間の分布
を得る工程とを備えることを特徴とする請求項１記載の
オブジェクト検索方法。 - 【請求項６】 前記各オブジェクト毎に重みづけをする
工程は、操作者がオブジェクトを選択する序列に基づい
て、オブジェクトの重みづけ係数が決定されることを特
徴とする請求項５記載のオブジェクト検索方法。 - 【請求項７】 前記オブジェクト間の分布として分散値
または標準偏差値を採用したことを特徴とする請求項１
記載のオブジェクト検索方法。 - 【請求項８】 前記オブジェクトは、データベースに登
録されたオブジェクトから、操作者によって選択される
ことを特徴とする請求項１記載のオブジェクト検索方
法。 - 【請求項９】 前記オブジェクトは、検索結果として得
られたオブジェクトから、操作者によって選択可能であ
ることを特徴とする請求項１記載のオブジェクト検索方
法。 - 【請求項１０】 前記各オブジェクトの特徴量は、予め
データベースに登録されていることを特徴とする請求項
１記載のオブジェクト検索方法。 - 【請求項１１】 操作者の選択したオブジェクトに基づ
いて、検索範囲のオブジェクトから、複数の所定特徴量
を用いてオブジェクトを検索する装置であり、操作者に
よって選択されたオブジェクト内において、前記複数の
特徴量の各々について各オブジェクト間の分布を得る手
段と、前記検索範囲のオブジェクト内において、前記複
数の特徴量の各々について各オブジェクト間の分布を得
る手段と、 各特徴量毎に前記両方の分布を比較する手段と、 前記比較の結果、選択されたオブジェクト内の方が分布
が集中している特微量について、それ以外の特徴量より
重みづけを重くして、各特微量に重みづけをする手段
と、 前記重みづけされた特微量に基づいて、前記検索範囲か
らオブジェクトを検索する手段とを備えることを特徴と
するオブジェクト検索装置。 - 【請求項１２】 前記操作者によるオブジェクトの選択
は、操作者が検索結果として希望するオブジェクトを選
択するものであることを特徴とする請求項１１記載のオ
ブジェクト検索装置。 - 【請求項１３】 前記操作者によるオブジェクトの選択
は、操作者が検索結果として希望しないオブジェクトを
選択するものであることを特徴とする請求項１１記載の
オブジェクト検索装置。 - 【請求項１４】 前記操作者によるオブジェクトの選択
は、操作者が検索結果として希望するオブジェクトと、
操作が検索結果として希望しないオブジェクトを選択す
るものであることを特徴とする請求項１１記載のオブジ
ェクト検索装置。 - 【請求項１５】 前記操作者によって選択されたオブジ
ェクト内において前記複数の特徴量の各々について各オ
ブジェクト間の分布を得る手段はさらに、各オブジェク
ト毎に重みづけをする手段と、 前記複数の特徴量の各々について、各オブジェクトの特
徴量を求める手段と、 前記複数の特徴量の各々について、この重みづけを反映
させて各オブジェクト間の分布を得る手段とを備えるこ
とを特徴とする請求項１１記載のオブジェクト検索装
置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001182045A JP2002373177A (ja) | 2001-06-15 | 2001-06-15 | 類似オブジェクト検索方法及び装置 |
| US10/172,322 US7206779B2 (en) | 2001-06-15 | 2002-06-14 | Method and apparatus for retrieving similar objects |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001182045A JP2002373177A (ja) | 2001-06-15 | 2001-06-15 | 類似オブジェクト検索方法及び装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2002373177A true JP2002373177A (ja) | 2002-12-26 |
Family
ID=19022213
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001182045A Pending JP2002373177A (ja) | 2001-06-15 | 2001-06-15 | 類似オブジェクト検索方法及び装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US7206779B2 (ja) |
| JP (1) | JP2002373177A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006137271A1 (ja) * | 2005-06-24 | 2006-12-28 | Pioneer Corporation | 楽曲検索装置、楽曲検索方法および楽曲検索プログラム |
| JP2007149018A (ja) * | 2005-11-30 | 2007-06-14 | Fujitsu Ltd | 図形検索プログラム、該プログラムを記録した記録媒体、図形検索装置、および図形検索方法 |
| JP2009230260A (ja) * | 2008-03-19 | 2009-10-08 | Dainippon Printing Co Ltd | メディア制作システム |
| JP2010250636A (ja) * | 2009-04-17 | 2010-11-04 | Seiko Epson Corp | 画像検索端末装置および画像検索要求方法 |
| JP2010250632A (ja) * | 2009-04-17 | 2010-11-04 | Seiko Epson Corp | 画像サーバー、画像検索システムおよび画像検索方法 |
| WO2011158406A1 (ja) * | 2010-06-16 | 2011-12-22 | パナソニック株式会社 | 映像検索装置、映像検索方法、記録媒体、プログラム、集積回路 |
| JP2013089064A (ja) * | 2011-10-19 | 2013-05-13 | Mitsubishi Electric Corp | パターン認識装置およびパターン認識方法 |
| JP2013097351A (ja) * | 2011-11-07 | 2013-05-20 | Nippon Telegr & Teleph Corp <Ntt> | 画像評価方法 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004145555A (ja) * | 2002-10-23 | 2004-05-20 | Olympus Corp | データベース登録システム及びデータベース登録方法 |
| JP2004348706A (ja) * | 2003-04-30 | 2004-12-09 | Canon Inc | 情報処理装置及び情報処理方法ならびに記憶媒体、プログラム |
| JP2005277981A (ja) * | 2004-03-26 | 2005-10-06 | Seiko Epson Corp | 画像処理のための対象画像の選択 |
| US7471825B2 (en) * | 2005-08-04 | 2008-12-30 | Sony Corporation | System and method for utilizing a graphic equalizer in performing image search procedures |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| JPH11175537A (ja) * | 1997-12-08 | 1999-07-02 | Nec Corp | 情報検索装置、方法及び記録媒体 |
| JP2001134599A (ja) * | 1999-11-08 | 2001-05-18 | Nippon Telegr & Teleph Corp <Ntt> | データベースの検索方法とその装置並びにデータベースの検索プログラムを記録した記録媒体 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6240423B1 (en) * | 1998-04-22 | 2001-05-29 | Nec Usa Inc. | Method and system for image querying using region based and boundary based image matching |
| JP4340367B2 (ja) | 1999-01-27 | 2009-10-07 | 株式会社リコー | 画像分類装置およびその装置としてコンピュータを機能させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
| US6574616B1 (en) * | 2000-02-16 | 2003-06-03 | Index Stock Imagery, Inc. | Stochastic visually based image query and retrieval system |
-
2001
- 2001-06-15 JP JP2001182045A patent/JP2002373177A/ja active Pending
-
2002
- 2002-06-14 US US10/172,322 patent/US7206779B2/en not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| JPH11175537A (ja) * | 1997-12-08 | 1999-07-02 | Nec Corp | 情報検索装置、方法及び記録媒体 |
| JP2001134599A (ja) * | 1999-11-08 | 2001-05-18 | Nippon Telegr & Teleph Corp <Ntt> | データベースの検索方法とその装置並びにデータベースの検索プログラムを記録した記録媒体 |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006137271A1 (ja) * | 2005-06-24 | 2006-12-28 | Pioneer Corporation | 楽曲検索装置、楽曲検索方法および楽曲検索プログラム |
| JPWO2006137271A1 (ja) * | 2005-06-24 | 2009-01-08 | パイオニア株式会社 | 楽曲検索装置、楽曲検索方法および楽曲検索プログラム |
| JP4560544B2 (ja) * | 2005-06-24 | 2010-10-13 | パイオニア株式会社 | 楽曲検索装置、楽曲検索方法および楽曲検索プログラム |
| JP2007149018A (ja) * | 2005-11-30 | 2007-06-14 | Fujitsu Ltd | 図形検索プログラム、該プログラムを記録した記録媒体、図形検索装置、および図形検索方法 |
| JP4682030B2 (ja) * | 2005-11-30 | 2011-05-11 | 富士通株式会社 | 図形検索プログラム、該プログラムを記録した記録媒体、図形検索装置、および図形検索方法 |
| JP2009230260A (ja) * | 2008-03-19 | 2009-10-08 | Dainippon Printing Co Ltd | メディア制作システム |
| JP2010250632A (ja) * | 2009-04-17 | 2010-11-04 | Seiko Epson Corp | 画像サーバー、画像検索システムおよび画像検索方法 |
| JP2010250636A (ja) * | 2009-04-17 | 2010-11-04 | Seiko Epson Corp | 画像検索端末装置および画像検索要求方法 |
| WO2011158406A1 (ja) * | 2010-06-16 | 2011-12-22 | パナソニック株式会社 | 映像検索装置、映像検索方法、記録媒体、プログラム、集積回路 |
| JPWO2011158406A1 (ja) * | 2010-06-16 | 2013-08-19 | パナソニック株式会社 | 映像検索装置、映像検索方法、記録媒体、プログラム、集積回路 |
| US8718444B2 (en) | 2010-06-16 | 2014-05-06 | Panasonic Corporation | Video search device, video search method, recording medium, program, and integrated circuit |
| JP5632472B2 (ja) * | 2010-06-16 | 2014-11-26 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 映像検索装置、映像検索方法、記録媒体、プログラム、集積回路 |
| JP2013089064A (ja) * | 2011-10-19 | 2013-05-13 | Mitsubishi Electric Corp | パターン認識装置およびパターン認識方法 |
| JP2013097351A (ja) * | 2011-11-07 | 2013-05-20 | Nippon Telegr & Teleph Corp <Ntt> | 画像評価方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20020191016A1 (en) | 2002-12-19 |
| US7206779B2 (en) | 2007-04-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5344715B2 (ja) | コンテンツ検索装置およびコンテンツ検索プログラム | |
| Peng et al. | A mixed bag of emotions: Model, predict, and transfer emotion distributions | |
| US11636342B2 (en) | Searching for music | |
| Lai et al. | A user-oriented image retrieval system based on interactive genetic algorithm | |
| JP5229744B2 (ja) | 画像分類装置および画像分類プログラム | |
| US6556710B2 (en) | Image searching techniques | |
| JP4388301B2 (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 | |
| US20060036597A1 (en) | Information processing apparatus and method, recording medium, and program | |
| JPH11509019A (ja) | 自動コラボラティブ・フィルタリングを使用した項目推奨方法および装置 | |
| US20090177651A1 (en) | Information processing device and method, program, and recording medium | |
| JPH1196364A (ja) | 画像特徴量比較装置および画像特徴量比較プログラムを記録した記録媒体 | |
| JP2002373177A (ja) | 類似オブジェクト検索方法及び装置 | |
| JP4111198B2 (ja) | 画像検索システム、画像検索プログラムおよび記憶媒体、並びに画像検索方法 | |
| JP2010527055A (ja) | コンテンツアイテムを組織する方法 | |
| CN111259192A (zh) | 音频推荐方法和装置 | |
| WO2004031991A1 (en) | Reduction of search ambiguity with multiple media references | |
| JP2017054214A (ja) | 判定装置、学習装置、情報配信装置、判定方法及び判定プログラム | |
| JP2017201535A (ja) | 判定装置、学習装置、判定方法及び判定プログラム | |
| US7310630B2 (en) | Multimedia-object-retrieving method and system | |
| WO2014034257A1 (ja) | 情報処理装置、情報処理方法およびシステム | |
| CN111931256B (zh) | 配色推荐的方法、装置、设备及存储介质 | |
| US6522779B2 (en) | Representing an image with a posterized joint histogram | |
| JP3492991B2 (ja) | 画像処理装置及び画像処理方法並びに記録媒体 | |
| JP2000048041A (ja) | データ検索システム及びこれに用いる装置 | |
| JP2000132557A (ja) | 検索システム、及び、当該検索システムのプログラムを記録したコンピュータ読み取り可能な記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070612 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100115 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100126 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100323 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100706 |