JP2003303330A5 - - Google Patents

Claims (39)

1. 第１のデータを第２のデータに変換するデータ変換装置であって、
   所定の統計量が所定の基準値に一致する前記第１のデータの範囲である基準範囲を、前記第１のデータのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記第２のデータを求めるのに用いる複数のデータを決定する決定手段と、
   前記決定手段における決定にしたがい、注目している前記第２のデータである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記第１のデータから生成するデータ生成手段と、
   前記データ生成手段において生成された前記複数のデータに基づいて、前記注目データを求める演算手段と
   を備えることを特徴とするデータ変換装置。
2. 前記データ生成手段において生成された前記複数のデータに基づき、前記注目データを、複数のクラスのうちのいずれかのクラスにクラス分けするクラス分類を行うクラス分類手段をさらに備え、
   前記演算手段は、前記注目データのクラスに対応する処理を行うことにより、前記注目データを求める
   ことを特徴とする請求項１に記載のデータ変換装置。
3. 前記演算手段は、前記データ生成手段において生成された前記複数のデータと、所定のタップ係数とを用いて、前記注目データを求める
   ことを特徴とする請求項１に記載のデータ変換装置。
4. 前記注目データを、複数のクラスのうちのいずれかのクラスにクラス分けするクラス分類を行うクラス分類手段をさらに備え、
   前記演算手段は、前記クラスごとのタップ係数のうちの前記注目データのクラスのタップ係数と、前記データ生成手段において生成された前記複数のデータとを用いて、前記注目データを求める
   ことを特徴とする請求項３に記載のデータ変換装置。
5. 前記タップ係数を記憶するタップ係数記憶手段をさらに備え
   る
   ことを特徴とする請求項３に記載のデータ変換装置。
6. 前記注目データを、複数のクラスのうちのいずれかのクラスにクラス分けするクラス分類を行うクラス分類手段をさらに備え、
   前記タップ係数記憶手段は、前記クラスごとのタップ係数を記憶し、
   前記演算手段は、前記注目データのクラスのタップ係数と、前記データ生成手段において生成された前記複数のデータとを用いて、前記注目データを求める
   ことを特徴とする請求項５に記載のデータ変換装置。
7. 前記タップ係数の元となる係数種データを記憶する係数種記憶手段と、
   前記係数種データから、前記タップ係数を生成するタップ係数生成手段と
   をさらに備える
   ことを特徴とする請求項３に記載のデータ変換装置。
8. 前記注目データを、複数のクラスのうちのいずれかのクラスにクラス分けするクラス分類を行うクラス分類手段をさらに備え、
   前記係数種記憶手段は、前記クラスごとの係数種データを記憶し、
   前記タップ係数生成手段は、前記注目データのクラスの係数種データから、前記注目データのクラスのタップ係数を生成し、
   前記演算手段は、前記注目データのクラスのタップ係数と、前記データ生成手段において生成された前記複数のデータとを用いて、前記注目データを求める
   ことを特徴とする請求項７に記載のデータ変換装置。
9. 前記基準値を入力する入力手段をさらに備え、
   前記タップ係数生成手段は、前記係数種データから、前記入力手段によって入力された 前記基準値に対応する前記タップ係数を生成する
   ことを特徴とする請求項７に記載のデータ変換装置。
10. 前記第１と第２のデータは、それぞれ、第１と第２の画像データである
    ことを特徴とする請求項１に記載のデータ変換装置。
11. 前記統計量は、前記第１の画像データの前記基準範囲から求められるアクティビティである
    ことを特徴とする請求項１０に記載のデータ変換装置。
12. 前記決定手段は、前記基準範囲を、前記第１の画像データの画素の間隔未満の単位で求める
    ことを特徴とする請求項１０に記載のデータ変換装置。
13. 第１のデータを第２のデータに変換するデータ変換方法であって、
    所定の統計量が所定の基準値に一致する前記第１のデータの範囲である基準範囲を、前記第１のデータのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記第２のデータを求めるのに用いる複数のデータを決定する決定ステップと、
    前記決定ステップにおける決定にしたがい、注目している前記第２のデータである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記第１のデータから生成するデータ生成ステップと、
    前記データ生成ステップにおいて生成された前記複数のデータに基づいて、前記注目データを求める演算ステップと
    を備えることを特徴とするデータ変換方法。
14. 第１のデータを第２のデータに変換するデータ変換処理を、コンピュータに行わせるプログラムであって、
    所定の統計量が所定の基準値に一致する前記第１のデータの範囲である基準範囲を、前記第１のデータのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記第２のデータを求めるのに用いる複数のデータを決定する決定ステップと、
    前記決定ステップにおける決定にしたがい、注目している前記第２のデータである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記第１のデータから生成するデータ生成ステップと、
    前記データ生成ステップにおいて生成された前記複数のデータに基づいて、前
    記注目データを求める演算ステップと
    を備えることを特徴とするプログラム。
15. 第１のデータを第２のデータに変換するデータ変換処理を、コンピュータに行わせるプログラムが記録されている記録媒体であって、
    所定の統計量が所定の基準値に一致する前記第１のデータの範囲である基準範囲を、前記第１のデータのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記第２のデータを求めるのに用いる複数のデータを決定する決定ステップと、
    前記決定ステップにおける決定にしたがい、注目している前記第２のデータである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記第１のデータから生成するデータ生成ステップと、
    前記データ生成ステップにおいて生成された前記複数のデータに基づいて、前記注目データを求める演算ステップと
    を備えるプログラムが記録されていることを特徴とする記録媒体。
16. 第１のデータを第２のデータに変換するときに用いられるタップ係数を学習する学習装置であって、
    学習用のデータから、前記タップ係数の学習の教師となる、前記第２のデータに対応する教師データと、前記学習の生徒となる、前記第１のデータに対応する生徒データとのセットである学習対データを生成する学習対生成手段と、
    所定の統計量が所定の基準値に一致する前記生徒データの範囲である基準範囲を、前記生徒データのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記教師データ を求めるのに用いる複数のデータを決定する決定手段と、
    前記決定手段における決定にしたがい、注目している前記教師データである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記生徒データから生成するデータ生成手段と、
    前記データ生成手段において生成された前記複数のデータに基づき、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記タップ係数を求める学習を行う学習手段と
    を備えることを特徴とする学習装置。
17. 前記データ生成手段において生成された前記複数のデータに基づき、前記注目データを、複数のクラスのうちのいずれかのクラスにクラス分けするクラス分類を行うクラス分類手段をさらに備え、
    前記学習手段は、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記タップ係数を、前記クラスごとに求める
    ことを特徴とする請求項１６に記載の学習装置。
18. 前記学習手段は、前記タップ係数と、前記データ生成手段において生成された前記複数のデータとを用いて求められる前記注目データの予測誤差を統計的に最小にする前記タップ係数を求める
    ことを特徴とする請求項１６に記載の学習装置。
19. 前記注目データを、複数のクラスのうちのいずれかのクラスにクラス分けするクラス分類を行うクラス分類手段をさらに備え、
    前記学習手段は、前記タップ係数と、前記データ生成手段において生成された前記複数のデータとを用いて求められる前記注目データの予測誤差を統計的に最小にする前記タップ係数を、前記クラスごとに求める
    ことを特徴とする請求項１８に記載の学習装置。
20. 前記教師データと生徒データは、画像データである
    ことを特徴とする請求項１６に記載の学習装置。
21. 前記統計量は、前記生徒データとしての画像データの前記基準範囲から求められるアクティビティである
    ことを特徴とする請求項２０に記載の学習装置。
22. 前記決定手段は、前記基準範囲を、前記生徒データとしての画像データの画素の間隔未満の単位で求める
    ことを特徴とする請求項２０に記載の学習装置。
23. 第１のデータを第２のデータに変換するときに用いられるタップ係数を学習する学習方法であって、
    学習用のデータから、前記タップ係数の学習の教師となる、前記第２のデータに対応する教師データと、前記学習の生徒となる、前記第１のデータに対応する生徒データとのセットである学習対データを生成する学習対生成ステップと、
    所定の統計量が所定の基準値に一致する前記生徒データの範囲である基準範囲を、前記生徒データのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記教師データを求めるのに用いる複数のデータを決定する決定ステップと、
    前記決定ステップにおける決定にしたがい、注目している前記教師データである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記生徒データから生成するデータ生成ステップと、
    前記データ生成ステップにおいて生成された前記複数のデータに基づき、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記タップ係数を求める学習を行う学習ステップと
    を備えることを特徴とする学習方法。
24. 第１のデータを第２のデータに変換するときに用いられるタップ係数を学習する学習処理を、コンピュータに行わせるプログラムであって、
    学習用のデータから、前記タップ係数の学習の教師となる、前記第２のデータに対応す る教師データと、前記学習の生徒となる、前記第１のデータに対応する生徒データとのセットである学習対データを生成する学習対生成ステップと、
    所定の統計量が所定の基準値に一致する前記生徒データの範囲である基準範囲を、前記生徒データのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記教師データを求めるのに用いる複数のデータを決定する決定ステップと、
    前記決定ステップにおける決定にしたがい、注目している前記教師データである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記生徒データから生成するデータ生成ステップと、
    前記データ生成ステップにおいて生成された前記複数のデータに基づき、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記タップ係数を求める学習を行う学習ステップと
    を備えることを特徴とするプログラム。
25. 第１のデータを第２のデータに変換するときに用いられるタップ係数を学習する学習処理を、コンピュータに行わせるプログラムが記録されている記録媒体であって、
    学習用のデータから、前記タップ係数の学習の教師となる、前記第２のデータに対応する教師データと、前記学習の生徒となる、前記第１のデータに対応する生徒データとのセットである学習対データを生成する学習対生成ステップと、
    所定の統計量が所定の基準値に一致する前記生徒データの範囲である基準範囲を、前記生徒データのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記教師データを求めるのに用いる複数のデータを決定する決定ステップと、
    前記決定ステップにおける決定にしたがい、注目している前記教師データである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記生徒データから生成するデータ生成ステップと、
    前記データ生成ステップにおいて生成された前記複数のデータに基づき、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記タップ係数を求める学習を行う学習ステップと
    を備えるプログラムが記録されている
    ことを特徴とする記録媒体。
26. 第１のデータを第２のデータに変換するときに用いられるタップ係数の元となる係数種データを学習する学習装置であって、
    学習用のデータから、前記係数種データの学習の教師となる、前記第２のデータに対応する教師データと、前記学習の生徒となる、前記第１のデータに対応する生徒データとのセットである学習対データを生成する学習対生成手段と、
    所定の統計量が所定の基準値に一致する前記生徒データの範囲である基準範囲を、前記生徒データのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記教師データを求めるのに用いる複数のデータを決定する決定手段と、
    前記決定手段における決定にしたがい、注目している前記教師データである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記生徒データから生成するデータ生成手段と、
    前記データ生成手段において生成された前記複数のデータに基づき、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記係数種データを求める学習を行う学習手段と
    を備えることを特徴とする学習装置。
27. 前記データ生成手段において生成された前記複数のデータに基づき、前記注目データを、複数のクラスのうちのいずれかのクラスにクラス分けするクラス分類を行うクラス分類手段をさらに備え、
    前記学習手段は、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記係数種データを、前記クラスごとに求める
    ことを特徴とする請求項２６に記載の学習装置。
28. 前記学習手段は、前記タップ係数と、前記データ生成手段において生成された前記複数のデータとを用いて求められる前記注目データの予測誤差を統計的に最小にする前記係数種データを求める
    ことを特徴とする請求項２６に記載の学習装置。
29. 前記注目データを、複数のクラスのうちのいずれかのクラスにクラス分けするクラス分類を行うクラス分類手段をさらに備え、
    前記学習手段は、前記タップ係数と、前記データ生成手段において生成された前記複数のデータとを用いて求められる前記注目データの予測誤差を統計的に最小にする前記係数種データを、前記クラスごとに求める
    ことを特徴とする請求項２８に記載の学習装置。
30. 前記クラス分類手段は、前記データ生成手段において生成された前記複数のデータに基づき、前記注目データをクラス分類する
    ことを特徴とする請求項２９に記載の学習装置。
31. 前記教師データと生徒データは、画像データである
    ことを特徴とする請求項２６に記載の学習装置。
32. 前記統計量は、前記生徒データとしての画像データの前記基準範囲から求められるアクティビティである
    ことを特徴とする請求項３１に記載の学習装置。
33. 前記決定手段は、前記基準範囲を、前記生徒データとしての画像データの画素の間隔未満の単位で求める
    ことを特徴とする請求項３１に記載の学習装置。
34. 前記決定手段は、前記基準範囲における所定の位置の複数の画素を、前記教師データとしての画像データを求めるのに用いる複数のデータとして決定する
    ことを特徴とする請求項３３に記載の学習装置。
35. 前記データ生成手段は、
    前記基準範囲における所定の位置に、前記生徒データとしての画像データの画素が存在する場合、その画素を、前記注目データを求めるのに用いる画素とし、
    前記基準範囲における所定の位置に、前記生徒データとしての画像データの画素が存在しない場合、前記所定の位置に近い前記生徒データとしての画像データの画素から、前記所定の位置における仮想的な画素を求め、その仮想的な画素を、前記注目データを求めるのに用いる画素とする
    ことを特徴とする請求項３４に記載の学習装置。
36. 前記基準値を生成する基準値生成手段をさらに備え、
    前記学習手段は、前記決定手段において、前記基準値生成手段によって生成された前記基準値ごとに決定される複数のデータに基づき、各値の基準値に対応する前記タップ係数の元となる前記係数種データを求める
    ことを特徴とする請求項２６に記載の学習装置。
37. 第１のデータを第２のデータに変換するときに用いられるタップ係数の元となる係数種データを学習する学習方法であって、
    学習用のデータから、前記係数種データの学習の教師となる、前記第２のデータに対応する教師データと、前記学習の生徒となる、前記第１のデータに対応する生徒データとのセットである学習対データを生成する学習対生成ステップと、
    所定の統計量が所定の基準値に一致する前記生徒データの範囲である基準範囲を、前記生徒データのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記教師データを求めるのに用いる複数のデータを決定する決定ステップと、
    前記決定ステップにおける決定にしたがい、注目している前記教師データである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記生徒データから生成するデータ生成ステップと、
    前記データ生成ステップにおいて生成された前記複数のデータに基づき、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記係数種データ を求める学習を行う学習ステップと
    を備えることを特徴とする学習方法。
38. 第１のデータを第２のデータに変換するときに用いられるタップ係数の元となる係数種データを学習する学習処理を、コンピュータに行わせるプログラムであって、
    学習用のデータから、前記係数種データの学習の教師となる、前記第２のデータに対応する教師データと、前記学習の生徒となる、前記第１のデータに対応する生徒データとのセットである学習対データを生成する学習対生成ステップと、
    所定の統計量が所定の基準値に一致する前記生徒データの範囲である基準範囲を、前記生徒データのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記教師データを求めるのに用いる複数のデータを決定する決定ステップと、
    前記決定ステップにおける決定にしたがい、注目している前記教師データである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記生徒データから生成するデータ生成ステップと、
    前記データ生成ステップにおいて生成された前記複数のデータに基づき、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記係数種データを求める学習を行う学習ステップと
    を備えることを特徴とするプログラム。
39. 第１のデータを第２のデータに変換するときに用いられるタップ係数の元となる係数種データを学習する学習処理を、コンピュータに行わせるプログラムが記録されている記録媒体であって、
    学習用のデータから、前記係数種データの学習の教師となる、前記第２のデータに対応する教師データと、前記学習の生徒となる、前記第１のデータに対応する生徒データとのセットである学習対データを生成する学習対生成ステップと、
    所定の統計量が所定の基準値に一致する前記生徒データの範囲である基準範囲を、前記生徒データのサンプル間隔未満の単位で求め、その基準範囲に基づいて、前記教師データを求めるのに用いる複数のデータを決定する決定ステップと、
    前記決定ステップにおける決定にしたがい、注目している前記教師データである注目データについて、その注目データを求めるのに用いる前記複数のデータを、前記生徒データから生成するデータ生成ステップと、
    前記データ生成ステップにおいて生成された前記複数のデータに基づき、前記タップ係数を用いて求められる前記注目データの予測誤差を統計的に最小にする前記係数種データを求める学習を行う学習ステップと
    を備えるプログラムが記録されている
    ことを特徴とする記録媒体。