JP2003316760A5 - - Google Patents

Claims (33)

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、
   注目している前記第２のデータである注目データを１以上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のに用いるクラスタップを、前記第１のデータから生成するクラスタップ生成手段と、
   前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類手段と、
   前記注目データを求めるのに用いる予測タップを、前記第１のデータから生成する予測タップ生成手段と、
   学習に用いるための、前記第２のデータに対応する第２の学習用データと、前記学習に用いるための、前記第１のデータに対応する第１の学習用データとを用い、前記第２の学習用データと前記第１の学習用データに対して、前記第１の学習用データから生成される前記予測タップのアクティビティに基づく重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより得られたタップ係数から、前記注目データのクラスのタップ係数を取得するタップ係数取得手段と、
   前記注目データのクラスのタップ係数と、前記予測タップとを用いて、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、前記予測タップとの線形結合により、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. 前記第２のデータは、前記第１のデータよりも高品質のデータである
   ことを特徴とする請求項１に記載のデータ変換装置。
4. 前記１以上のクラスごとの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１に記載のデータ変換装置。
5. 複数の特性の重み付けをそれぞれ行いながら前記第２の学習用データと前記第１の学習用データとの関係を学習することにより得られた、前記複数の特性の重み付けそれぞれに対応するタップ係数から、所定の特性の重み付けに対応するタップ係数を選択するタップ係数選択手段をさらに備え、
   前記タップ係数取得手段は、前記タップ係数選択手段によって選択された所定の特性の重み付けに対応するタップ係数から、前記注目データのクラスのタップ係数を取得する
   ことを特徴とする請求項１に記載のデータ変換装置。
6. ユーザによって操作される操作手段をさらに備え、
   前記タップ係数選択手段は、前記操作手段の操作にしたがった特性の重み付けに対応するタップ係数を選択する
   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から、前記タップ係数を生成するタップ係数生成手段をさらに備える
   ことを特徴とする請求項１に記載のデータ変換装置。
8. 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をさらに備える
   ことを特徴とする請求項７に記載のデータ変換装置。
9. 前記タップ係数生成手段は、前記係数種データと、前記重み付けの特性を表すパラメータとを用いて、そのパラメータが表す特性の重み付けに対応する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. 前記パラメータを入力する入力手段をさらに備える
    ことを特徴とする請求項９に記載のデータ変換装置。
11. 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。
12. 前記アクティビティは、前記予測タップのダイナミックレンジの大きさである
    ことを特徴とする請求項１に記載のデータ変換装置。
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、
    注目している前記第２のデータである注目データを１以上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のに用いるクラスタップを、前記第１のデータから生成するクラスタップ生成ステップと、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類ステップと、
    前記注目データを求めるのに用いる予測タップを、前記第１のデータから生成する予測タップ生成ステップと、
    学習に用いるための、前記第２のデータに対応する第２の学習用データと、前記学習に用いるための、前記第１のデータに対応する第１の学習用データとを用い、前記第２の学習用データと前記第１の学習用データに対して、前記第１の学習用データから生成される前記予測タップのアクティビティに基づく重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより得られたタップ係数から、前記注目データのクラスのタップ係数を取得するタップ係数取得ステップと、
    前記注目データのクラスのタップ係数と、前記予測タップとを用いて、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、
    注目している前記第２のデータである注目データを１以上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のに用いるクラスタップを、前記第１のデータから生成するクラスタップ生成ステップと、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類ステップと、
    前記注目データを求めるのに用いる予測タップを、前記第１のデータから生成する予測タップ生成ステップと、
    学習に用いるための、前記第２のデータに対応する第２の学習用データと、前記学習に用いるための、前記第１のデータに対応する第１の学習用データとを用い、前記第２の学習用データと前記第１の学習用データに対して、前記第１の学習用データから生成される前記予測タップのアクティビティに基づく重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより得られたタップ係数から、前記注目データのクラスのタップ係数を取得するタップ係数取得ステップと、
    前記注目データのクラスのタップ係数と、前記予測タップとを用いて、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、
    注目している前記第２のデータである注目データを１以上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のに用いるクラスタップを、前記第１のデータから生成するクラスタップ生成ステップと、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類ステップと、
    前記注目データを求めるのに用いる予測タップを、前記第１のデータから生成する予測タップ生成ステップと、
    学習に用いるための、前記第２のデータに対応する第２の学習用データと、前記学習に用いるための、前記第１のデータに対応する第１の学習用データとを用い、前記第２の学習用データと前記第１の学習用データに対して、前記第１の学習用データから生成される前記予測タップのアクティビティに基づく重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより得られたタップ係数から、前記注目データのクラスのタップ係数を取得するタップ係数取得ステップと、
    前記注目データのクラスのタップ係数と、前記予測タップとを用いて、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、
    前記タップ係数の学習に用いるための、前記第２のデータに対応する第２の学習用データのうちの注目している注目データを１以上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のに用いるクラスタップを、前記学習に用いるための、前記第１のデータに対応する第１の学習用データから生成するクラスタップ生成手段と、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類手段と、
    前記注目データを求めるのに用いる予測タップを、前記第１の学習用データから生成する予測タップ生成手段と、
    前記注目データと予測タップに対して所定の重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記１以上のクラスごとの前記タップ係数を求める学習手段と、
    前記注目データについて得られた予測タップのアクティビティを求めるアクティビティ検出手段と、
    前記注目データについて得られた予測タップのアクティビティに基づいて、その注目データと予測タップに対する、前記学習手段における重み付けを制御する重み付け制御手段と
    を備えることを特徴とする学習装置。
17. 前記学習手段は、前記注目データのクラスのタップ係数と、前記予測タップとの線形結合により前記注目データを求めるためのタップ係数を学習する
    ことを特徴とする請求項１６に記載の学習装置。
18. 前記第２のデータは、前記第１のデータよりも高品質のデータである
    ことを特徴とする請求項１６に記載の学習装置。
19. 前記重み付け制御手段は、複数の特性の重み付けそれぞれにしたがい、前記予測タップのアクティビティに基づいて、前記注目データと予測タップに対する重み付けを制御し、
    前記学習手段は、前記注目データと予測タップに対して、前記複数の特性の重み付けをそれぞれ行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記複数の特性の重み付けそれぞれ対応する、前記１以上のクラスごとの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。
20. 前記第１と第２のデータは、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. 前記アクティビティは、前記予測タップのダイナミックレンジの大きさである
    ことを特徴とする請求項１６に記載の学習装置。
22. 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、
    前記タップ係数の学習に用いるための、前記第２のデータに対応する第２の学習用データのうちの注目している注目データを１以上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のに用いるクラスタップを、前記学習に用いるための、前記第１のデータに対応する第１の学習用データから生成するクラスタップ生成ステップと、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類ステップと、
    前記注目データを求めるのに用いる予測タップを、前記第１の学習用データから生成する予測タップ生成ステップと、
    前記注目データと予測タップに対して所定の重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記１以上のクラスごとの前記タップ係数を求める学習ステップと、
    前記注目データについて得られた予測タップのアクティビティを求めるアクティビティ検出ステップと、
    前記注目データについて得られた予測タップのアクティビティに基づいて、その注目データと予測タップに対する、前記学習ステップにおける重み付けを制御する重み付け制御ステップと
    を備えることを特徴とする学習方法。
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処理を、コンピュータに行わせるプログラムであって、
    前記タップ係数の学習に用いるための、前記第２のデータに対応する第２の学習用データのうちの注目している注目データを１以上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のに用いるクラスタップを、前記学習に用いるための、前記第１のデータに対応する第１の学習用データから生成するクラスタップ生成ステップと、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類ステップと、
    前記注目データを求めるのに用いる予測タップを、前記第１の学習用データから生成する予測タップ生成ステップと、
    前記注目データと予測タップに対して所定の重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記１以上のクラスごとの前記タップ係数を求める学習ステップと、
    前記注目データについて得られた予測タップのアクティビティを求めるアクティビティ検出ステップと、
    前記注目データについて得られた予測タップのアクティビティに基づいて、その注目データと予測タップに対する、前記学習ステップにおける重み付けを制御する重み付け制御ステップと
    を備えることを特徴とするプログラム。
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が記録されている記録媒体であって、
    前記タップ係数の学習に用いるための、前記第２のデータに対応する第２の学習用データのうちの注目している注目データを１以上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のに用いるクラスタップを、前記学習に用いるための、前記第１のデータに対応する第１の学習用データから生成するクラスタップ生成ステップと、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類ステップと、
    前記注目データを求めるのに用いる予測タップを、前記第１の学習用データから生成する予測タップ生成ステップと、
    前記注目データと予測タップに対して所定の重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記１以上のクラスごとの前記タップ係数を求める学習ステップと、
    前記注目データについて得られた予測タップのアクティビティを求めるアクティビティ検出ステップと、
    前記注目データについて得られた予測タップのアクティビティに基づいて、その注目データと予測タップに対する、前記学習ステップにおける重み付けを制御する重み付け制御ステップと
    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。
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の元となる係数種データを学習する学習装置であって、
    前記係数種データの学習に用いるための、前記第２のデータに対応する第２の学習用データのうちの注目している注目データを１以上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のに用いるクラスタップを、前記学習に用いるための、前記第１のデータに対応する第１の学習用データから生成するクラスタップ生成手段と、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類手段と、
    前記注目データを求めるのに用いる予測タップを、前記第１の学習用データから生成する予測タップ生成手段と、
    前記注目データと予測タップに対して所定の重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記１以上のクラスごとの前記係数種データを求める学習手段と、
    前記注目データについて得られた予測タップのアクティビティを求めるアクティビティ検出手段と、
    前記注目データについて得られた予測タップのアクティビティに基づいて、その注目データと予測タップに対する、前記学習手段における重み付けを制御する重み付け制御手段と
    を備えることを特徴とする学習装置。
26. 前記学習手段は、前記注目データのクラスのタップ係数と、前記予測タップとの線形結合により前記注目データを求めるためのタップ係数の元となる係数種データを学習する
    ことを特徴とする請求項２５に記載の学習装置。
27. 前記第２のデータは、前記第１のデータよりも高品質のデータである
    ことを特徴とする請求項２５に記載の学習装置。
28. 前記重み付けの特性を表すパラメータを生成するパラメータ生成手段をさらに備え、
    前記重み付け制御手段は、前記パラメータが表す特性の重み付けにしたがい、前記予測タップのアクティビティに基づいて、前記注目データと予測タップに対する重み付けを制御し、
    前記学習手段は、
    前記注目データと予測タップに対して、複数の前記パラメータが表す特性の重み付けをそれぞれ行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記複数のパラメータが表す特性の重み付けそれぞれ対応する、前記１以上のクラスごとの前記タップ係数を求める第１の学習手段と、
    前記複数のパラメータが表す特性の重み付けそれぞれに対応する、前記１以上のクラスごとの前記タップ係数と、前記複数のパラメータとの関係を学習することにより、前記１以上のクラスごとの前記係数種データを求める第２の学習手段と
    を有する
    ことを特徴とする請求項２５に記載の学習装置。
29. 前記第１と第２のデータは、画像データである
    ことを特徴とする請求項２５に記載の学習装置。
30. 前記アクティビティは、前記予測タップのダイナミックレンジの大きさである
    ことを特徴とする請求項２５に記載の学習装置。
31. 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、
    前記係数種データの学習に用いるための、前記第２のデータに対応する第２の学習用データのうちの注目している注目データを１以上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のに用いるクラスタップを、前記学習に用いるための、前記第１のデータに対応する第１の学習用データから生成するクラスタップ生成ステップと、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類ステップと、
    前記注目データを求めるのに用いる予測タップを、前記第１の学習用データから生成する予測タップ生成ステップと、
    前記注目データと予測タップに対して所定の重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記１以上のクラスごとの前記係数種データを求める学習ステップと、
    前記注目データについて得られた予測タップのアクティビティを求めるアクティビティ検出ステップと、
    前記注目データについて得られた予測タップのアクティビティに基づいて、その注目データと予測タップに対する、前記学習ステップにおける重み付けを制御する重み付け制御ステップと
    を備えることを特徴とする学習方法。
32. 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、
    前記係数種データの学習に用いるための、前記第２のデータに対応する第２の学習用データのうちの注目している注目データを１以上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のに用いるクラスタップを、前記学習に用いるための、前記第１のデータに対応する第１の学習用データから生成するクラスタップ生成ステップと、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類ステップと、
    前記注目データを求めるのに用いる予測タップを、前記第１の学習用データから生成する予測タップ生成ステップと、
    前記注目データと予測タップに対して所定の重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記１以上のクラスごとの前記係数種データを求める学習ステップと、
    前記注目データについて得られた予測タップのアクティビティを求めるアクティビティ検出ステップと、
    前記注目データについて得られた予測タップのアクティビティに基づいて、その注目データと予測タップに対する、前記学習ステップにおける重み付けを制御する重み付け制御ステップと
    を備えることを特徴とするプログラム。
33. 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、
    前記係数種データの学習に用いるための、前記第２のデータに対応する第２の学習用データのうちの注目している注目データを１以上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のに用いるクラスタップを、前記学習に用いるための、前記第１のデータに対応する第１の学習用データから生成するクラスタップ生成ステップと、
    前記クラスタップに基づいて、前記注目データをクラス分類するクラス分類ステップと、
    前記注目データを求めるのに用いる予測タップを、前記第１の学習用データから生成する予測タップ生成ステップと、
    前記注目データと予測タップに対して所定の重み付けを行いながら、前記第２の学習用データと前記第１の学習用データとの関係を、前記１以上のクラスごとに学習することにより、前記１以上のクラスごとの前記係数種データを求める学習ステップと、
    前記注目データについて得られた予測タップのアクティビティを求めるアクティビティ検出ステップと、
    前記注目データについて得られた予測タップのアクティビティに基づいて、その注目データと予測タップに対する、前記学習ステップにおける重み付けを制御する重み付け制御ステップと
    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。