JP2008287437A - 情報処理方法、情報処理装置 - Google Patents
情報処理方法、情報処理装置 Download PDFInfo
- Publication number
- JP2008287437A JP2008287437A JP2007130898A JP2007130898A JP2008287437A JP 2008287437 A JP2008287437 A JP 2008287437A JP 2007130898 A JP2007130898 A JP 2007130898A JP 2007130898 A JP2007130898 A JP 2007130898A JP 2008287437 A JP2008287437 A JP 2008287437A
- Authority
- JP
- Japan
- Prior art keywords
- data
- distance
- mapping
- information
- classes
- 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
Images
Classifications
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2132—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on discrimination criteria, e.g. discriminant analysis
-
- 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
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2137—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on criteria of topology preservation, e.g. multidimensional scaling or self-organising maps
- G06F18/21375—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on criteria of topology preservation, e.g. multidimensional scaling or self-organising maps involving differential geometry, e.g. embedding of pattern manifold
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】 それぞれ異なるクラスに属する処理データと共に、当該処理データが属するクラスを示すラベルデータを入力する(S20)。入力したそれぞれの処理データ間の距離関係を求める(S22)。クラス間のクラス間分離度を設定する(S23)。距離関係を示す情報を、ラベルデータと、クラス間分離度を示す情報と、に基づいて更新する(S24)。更新された情報が示す距離関係を近似するデータ写像関係を示す情報を求める(S25)。
【選択図】 図2
Description
入力手段が、それぞれ異なるクラスに属する処理データと共に、当該処理データが属するクラスを示すラベルデータを入力する入力工程と、
第1の計算手段が、前記入力工程で入力したそれぞれの処理データ間の距離関係を求める第1の計算工程と、
設定手段が、前記クラス間のクラス間分離度を設定する設定工程と、
更新手段が、前記距離関係を示す情報を、前記ラベルデータと、前記クラス間分離度を示す情報と、に基づいて更新する更新工程と、
第2の計算手段が、前記更新工程で更新された情報が示す距離関係を近似するデータ写像関係を示す情報を求める第2の計算工程と
を備えることを特徴とする。
入力手段が、それぞれ異なるクラスに属する処理データと共に、当該処理データが属するクラスを示すラベルデータを入力する入力工程と、
第1の計算手段が、前記入力工程で入力したそれぞれの処理データ間の距離関係を求める第1の計算工程と、
設定手段が、前記クラス間のクラス間分離度を設定する設定工程と、
更新手段が、前記距離関係を示す情報を、前記ラベルデータと、前記クラス間分離度を示す情報と、に基づいて更新する更新工程と、
第2の計算手段が、前記更新工程で更新された情報が示す距離関係を近似するデータ写像関係を示す情報を求める第2の計算工程と、
生成手段が、前記データ写像関係により写像される空間において定義可能な前記それぞれ異なるクラスを識別する識別規則を示す情報を生成する生成工程と、
第2の入力手段が、識別対象データを入力する第2の入力工程と、
写像手段が、前記識別対象データを、前記生成工程で生成した情報が示す前記データ写像規則を用いて写像する写像工程と、
識別手段が、前記写像工程で写像されたデータと、前記生成工程で生成した情報が示す前記データ写像規則を用いて、前記識別対象データのラベルを識別する識別工程と
を備えることを特徴とする。
それぞれ異なるクラスに属する処理データと共に、当該処理データが属するクラスを示すラベルデータを入力する入力手段と、
前記入力手段が入力したそれぞれの処理データ間の距離関係を求める第1の計算手段と、
前記クラス間のクラス間分離度を設定する設定手段と、
前記距離関係を示す情報を、前記ラベルデータと、前記クラス間分離度を示す情報と、に基づいて更新する更新手段と、
前記更新手段によって更新された情報が示す距離関係を近似するデータ写像関係を示す情報を求める第2の計算手段と
を備えることを特徴とする。
それぞれ異なるクラスに属する処理データと共に、当該処理データが属するクラスを示すラベルデータを入力する入力手段と、
前記入力手段が入力したそれぞれの処理データ間の距離関係を求める第1の計算手段と、
前記クラス間のクラス間分離度を設定する設定手段と、
前記距離関係を示す情報を、前記ラベルデータと、前記クラス間分離度を示す情報と、に基づいて更新する更新手段と、
前記更新手段によって更新された情報が示す距離関係を近似するデータ写像関係を示す情報を求める第2の計算手段と、
前記データ写像関係により写像される空間において定義可能な前記それぞれ異なるクラスを識別する識別規則を示す情報を生成する生成手段と、
識別対象データを入力する第2の入力手段と、
前記識別対象データを、前記生成手段が生成した情報が示す前記データ写像規則を用いて写像する写像手段と、
前記写像手段によって写像されたデータと、前記生成手段が生成した情報が示す前記データ写像規則を用いて、前記識別対象データのラベルを識別する識別手段と
を備えることを特徴とする。
なる誤差関数J(A)を最小化する線形写像行列Aを求める手法が挙げられる。
なる誤差関数J(Γ)を最小化する行列Γを求め、求めた行列Γのi行目の行ベクトルを、αiとすることにより求められる。または、更に、λを正の定数、|γk|L1を行列Γのk番目の列ベクトルのL1ノルムとした時、
なる誤差関数J(Γ)を最小化する行列Γを求め、求めた行列Γのi行目の行ベクトルを、αiとするようにして求めてもよい。これらの写像を求める際に、少なくとも、写像後の距離関係の順序が、更新後の距離関係の順序を満たすようにしてもよい。
本実施形態で取り扱う画像は、人物の顔を含む原画像からこの顔の領域を切り出すことで得られる、縦20画素、横20画素のサイズの抽出画像(パターン画像)であって、グレースケール画像であるとする。もちろん、複数の人物の顔が原画像中に含まれている場合には、パターン画像(データ)は複数存在する。また、それぞれのパターン画像中の顔領域(パターン)には、誰の顔であるのかを示すラベルが付けられている(ラベリング処理済み)。即ち、本実施形態で取り扱うこのパターン画像には、このラベルのデータも含まれているものとして説明する。
本実施形態では、第1の実施形態で示したデータ表現方法を応用する。本実施形態では、人物の顔を含む原画像からこの顔の領域を切り出すことで得られる縦20画素、横20画素のサイズの抽出画像(パターン画像)であって、グレースケール画像であるパターン画像を入力し、それが何れの人物を含むものであるのかを識別する。もちろん、この入力するパターン画像には、第1の実施形態で説明したようなラベリング処理は行っていない。
図4は、本実施形態に係る情報処理装置を構成する各部のうち、学習モード時において動作する各部についてのみ、その機能構成を示したブロック図である。なお、図4において、図1に示した構成と共通の部分については、同じ番号を付けており、その説明は省略する。
図7は、本実施形態に係る情報処理装置を構成する各部のうち、識別モード時において動作する各部についてのみ、その機能構成を示したブロック図である。
本実施形態では、第2の実施形態で示したパターン識別方法の変形として、第2の実施形態と同様に、ラベリング処理がなされていないパターン画像を入力し、それが何れの人物であるかを識別する、パターン識別方法の例を示す。
図9は、本実施形態に係る情報処理装置を構成する各部のうち、学習モード時において動作する各部についてのみ、その機能構成を示したブロック図である。なお、図9において、図1に示した構成と共通の部分については、同じ番号を付けており、その説明は省略する。
本実施形態に係る識別モードは、処理部の基本的な構成は、第2の実施形態における識別モードの構成と同様であり、図7のデータ写像処理部77に対応する処理部における処理の内容のみが異なる。そのため、ここでは特に処理部の構成を図示せず、データ写像処理部77に対応する処理部における処理の内容のみ説明し、その他の処理については、説明を省略する。
本実施形態では、第3の実施形態で示したパターン識別方法の変形として、第3の実施形態における線形写像を、カーネル関数を用いて非線形写像に拡張した場合のパターン識別方法の例を示す。
図1,4,7,9に示した各部(メモリを除く)は、上記実施形態では全てハードウェアでもって構成されているものとして説明した。しかしこれら各部をソフトウェアでもって実装しても良い。即ち、各部に対応する処理をコンピュータに実行させるためのコンピュータプログラムとして実装しても良い。
また、本発明の目的は、以下のようにすることによって達成されることはいうまでもない。即ち、前述した実施形態の機能を実現するソフトウェアのプログラムコードを記録したコンピュータ読み取り可能な記録媒体(または記憶媒体)を、システムあるいは装置に供給する。そして、そのシステムあるいは装置のコンピュータ(またはCPUやMPU)が記録媒体に格納されたプログラムコードを読み出し実行する。この場合、記録媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコードを記録した記録媒体は本発明を構成することになる。
Claims (30)
- 情報処理装置が行う情報処理方法であって、
入力手段が、それぞれ異なるクラスに属する処理データと共に、当該処理データが属するクラスを示すラベルデータを入力する入力工程と、
第1の計算手段が、前記入力工程で入力したそれぞれの処理データ間の距離関係を求める第1の計算工程と、
設定手段が、前記クラス間のクラス間分離度を設定する設定工程と、
更新手段が、前記距離関係を示す情報を、前記ラベルデータと、前記クラス間分離度を示す情報と、に基づいて更新する更新工程と、
第2の計算手段が、前記更新工程で更新された情報が示す距離関係を近似するデータ写像関係を示す情報を求める第2の計算工程と
を備えることを特徴とする情報処理方法。 - 前記距離関係は測地線距離関係であり、前記データ写像関係を示す情報を用いて近似される距離関係はユークリッド距離関係であることを特徴とする請求項1に記載の情報処理方法。
- 2つの処理データx1、x2間のグラフ距離dG(x1、x2)が、x1、x2が近傍で無い場合は∞であるとした時、
2つの処理データξ、ζ間の測地線距離dM(ξ、ζ)は、dG(ξ、ζ)か、当該処理データとは異なる処理データaを経由するdG(ξ、a)+dG(a、ζ)の、何れか小さい方であることを特徴とする請求項2に記載の情報処理方法。 - 前記2つの処理データx1、x2間のグラフ距離dG(x1、x2)が、x1、x2が近傍である場合、ユークリッド距離であることを特徴とする請求項3に記載の情報処理方法。
- 前記2つの処理データx1、x2間のグラフ距離dG(x1、x2)が、x1、x2が近傍である場合、ミンコフスキー距離またはマハラノビス距離であることを特徴とする請求項3に記載の情報処理方法。
- 前記設定工程では、予め定義されたクラス間の分離度に応じて前記クラス間分離度を設定することを特徴とする請求項1に記載の情報処理方法。
- 前記設定工程では、前記分離度が大きい場合には前記クラス間分離度を大きく設定し、前記分離度が小さい場合には前記クラス間分離度を小さく設定することを特徴とする請求項6に記載の情報処理方法。
- 前記設定工程は、前記クラス間の距離を求める第1工程を有し、当該クラス間の距離に基づいて前記クラス間分離度を設定することを特徴とする請求項1に記載の情報処理方法。
- 前記設定工程では、前記クラス間の距離が小さい場合、前記クラス間分離度を大きく設定することを特徴とする請求項8に記載の情報処理方法。
- 前記第1工程では、最短距離法、最長距離法、群平均法、重心法、メジアン法、ウォード法、可変法のいずれかを用いて前記クラス間の距離を求めることを特徴とする請求項8に記載の情報処理方法。
- 前記2つの処理データx1、x2が近傍であるか否かは、処理データx1から距離の近いものから順番に予め設定された個数までの処理データに処理データx2が存在する場合に、前記2つのデータx1、x2が近傍であると判定することを特徴とする請求項3乃至5の何れか1項に記載の情報処理方法。
- 前記2つの処理データx1、x2が近傍であるか否かは、前記2つの処理データx1、x2間の距離が予め設定された距離以内である場合に、前記2つの処理データx1、x2が近傍であると判定することを特徴とする請求項3乃至5の何れか1項に記載の情報処理方法。
- 前記更新工程では、2つの処理データのそれぞれが属するクラスの前記クラス間分離度に比例して処理データ間の距離を更新するとともに、同クラスに属する処理データとの距離が、他クラスに属する処理データとの距離よりも小さくなるように更新することを特徴とする請求項1に記載の情報処理方法。
- 前記更新工程では、2つの処理データのそれぞれが属するクラスの前記クラス間分離度に比例して処理データ間の距離を更新するとともに、同クラスに属する処理データとの距離に1より小さい正の数を乗じることを特徴とする請求項1に記載の情報処理方法。
- 前記更新工程では、2つの処理データのそれぞれが属するクラスの前記クラス間分離度に比例して処理データ間の距離を更新するとともに、同クラスに属する処理データとの距離を、他クラスに属する処理データとの距離よりも小さくなるような正の数とすることを特徴とする請求項1に記載の情報処理方法。
- 前記第2の計算工程では、写像後の空間における距離関係と更新後の距離関係の誤差を最小にする写像を求めることを特徴とする請求項1に記載の情報処理方法。
- 前記第2の計算工程では、多次元尺度法を用いて処理データの写像後の対応関係を求めることを特徴とする請求項1に記載の情報処理方法。
- 前記第2の計算工程では、求めた前記対応関係を教師データとしてトレーニングしたニューラルネットワークを構築することを特徴とする請求項17に記載の情報処理方法。
- 前記ニューラルネットワークは、多層フィードフォワード型ニューラルネットワークであることを特徴とする請求項18に記載の情報処理方法。
- 前記第2の計算工程では、写像後の空間における距離関係と更新後の距離関係の誤差を最小にする線形写像を求めることを特徴とする請求項1に記載の情報処理方法。
- 前記第2の計算工程では、写像後の空間における距離関係と更新後の距離関係の誤差を最小にする非線形写像φ(x)を求め、当該非線形写像φ(x)は、半正定値性を満たす実対称関数であるカーネル関数K(ξ、ζ)と、処理データxi(i=1、2、・・・)用いて、φ(x)=Σαi・K(x、xi)と表されることを特徴とする請求項1に記載の情報処理方法。
- 前記第2の計算工程では少なくとも、写像後の距離関係の順序が更新後の距離関係の順序を満たすことを特徴とする請求項16乃至24の何れか1項に記載の情報処理方法。
- 情報処理装置が行う情報処理方法であって、
入力手段が、それぞれ異なるクラスに属する処理データと共に、当該処理データが属するクラスを示すラベルデータを入力する入力工程と、
第1の計算手段が、前記入力工程で入力したそれぞれの処理データ間の距離関係を求める第1の計算工程と、
設定手段が、前記クラス間のクラス間分離度を設定する設定工程と、
更新手段が、前記距離関係を示す情報を、前記ラベルデータと、前記クラス間分離度を示す情報と、に基づいて更新する更新工程と、
第2の計算手段が、前記更新工程で更新された情報が示す距離関係を近似するデータ写像関係を示す情報を求める第2の計算工程と、
生成手段が、前記データ写像関係により写像される空間において定義可能な前記それぞれ異なるクラスを識別する識別規則を示す情報を生成する生成工程と、
第2の入力手段が、識別対象データを入力する第2の入力工程と、
写像手段が、前記識別対象データを、前記生成工程で生成した情報が示す前記データ写像規則を用いて写像する写像工程と、
識別手段が、前記写像工程で写像されたデータと、前記生成工程で生成した情報が示す前記データ写像規則を用いて、前記識別対象データのラベルを識別する識別工程と
を備えることを特徴とする情報処理方法。 - コンピュータに請求項1乃至26の何れか1項に記載の情報処理方法を実行させるためのコンピュータプログラム。
- 請求項27に記載のコンピュータプログラムを格納した、コンピュータ読み取り可能な記憶媒体。
- 情報処理装置であって、
それぞれ異なるクラスに属する処理データと共に、当該処理データが属するクラスを示すラベルデータを入力する入力手段と、
前記入力手段が入力したそれぞれの処理データ間の距離関係を求める第1の計算手段と、
前記クラス間のクラス間分離度を設定する設定手段と、
前記距離関係を示す情報を、前記ラベルデータと、前記クラス間分離度を示す情報と、に基づいて更新する更新手段と、
前記更新手段によって更新された情報が示す距離関係を近似するデータ写像関係を示す情報を求める第2の計算手段と
を備えることを特徴とする情報処理装置。 - 情報処理装置であって、
それぞれ異なるクラスに属する処理データと共に、当該処理データが属するクラスを示すラベルデータを入力する入力手段と、
前記入力手段が入力したそれぞれの処理データ間の距離関係を求める第1の計算手段と、
前記クラス間のクラス間分離度を設定する設定手段と、
前記距離関係を示す情報を、前記ラベルデータと、前記クラス間分離度を示す情報と、に基づいて更新する更新手段と、
前記更新手段によって更新された情報が示す距離関係を近似するデータ写像関係を示す情報を求める第2の計算手段と、
前記データ写像関係により写像される空間において定義可能な前記それぞれ異なるクラスを識別する識別規則を示す情報を生成する生成手段と、
識別対象データを入力する第2の入力手段と、
前記識別対象データを、前記生成手段が生成した情報が示す前記データ写像規則を用いて写像する写像手段と、
前記写像手段によって写像されたデータと、前記生成手段が生成した情報が示す前記データ写像規則を用いて、前記識別対象データのラベルを識別する識別手段と
を備えることを特徴とする情報処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007130898A JP5144123B2 (ja) | 2007-05-16 | 2007-05-16 | 情報処理方法、情報処理装置 |
US12/120,481 US8027544B2 (en) | 2007-05-16 | 2008-05-14 | Information processing method and information processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007130898A JP5144123B2 (ja) | 2007-05-16 | 2007-05-16 | 情報処理方法、情報処理装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012256706A Division JP5284530B2 (ja) | 2012-11-22 | 2012-11-22 | 情報処理方法、情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008287437A true JP2008287437A (ja) | 2008-11-27 |
JP5144123B2 JP5144123B2 (ja) | 2013-02-13 |
Family
ID=40027542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007130898A Expired - Fee Related JP5144123B2 (ja) | 2007-05-16 | 2007-05-16 | 情報処理方法、情報処理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US8027544B2 (ja) |
JP (1) | JP5144123B2 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011008631A (ja) * | 2009-06-26 | 2011-01-13 | Canon Inc | 画像変換方法及び装置並びにパターン識別方法及び装置 |
WO2012050108A1 (ja) * | 2010-10-14 | 2012-04-19 | 住友金属工業株式会社 | 溶接品質判別装置 |
JP2015007826A (ja) * | 2013-06-24 | 2015-01-15 | 日本電信電話株式会社 | 信号処理装置、方法、及びプログラム |
JP2020061157A (ja) * | 2018-10-11 | 2020-04-16 | 澤蒼 顧 | 自動機械学習の構成方法 |
JP2020107351A (ja) * | 2016-08-15 | 2020-07-09 | セイコーエプソン株式会社 | 回路装置、電子機器及びエラー検出方法 |
US11169872B2 (en) | 2018-02-14 | 2021-11-09 | Seiko Epson Corporation | Circuit device, electronic apparatus, and error detection method |
JP7265837B2 (ja) | 2017-07-20 | 2023-04-27 | ヤフー株式会社 | 学習装置および学習方法 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5258915B2 (ja) * | 2011-02-28 | 2013-08-07 | 株式会社デンソーアイティーラボラトリ | 特徴変換装置、それを含む類似情報探索装置、コード化パラメータ生成方法、及びコンピュータ・プログラム |
JP5814700B2 (ja) | 2011-08-25 | 2015-11-17 | キヤノン株式会社 | 画像処理システム及び画像処理方法 |
US8924316B2 (en) | 2012-07-31 | 2014-12-30 | Hewlett-Packard Development Company, L.P. | Multiclass classification of points |
US9158992B2 (en) * | 2013-03-14 | 2015-10-13 | Here Global B.V. | Acceleration of linear classifiers |
CN104951545B (zh) * | 2015-06-23 | 2018-07-10 | 百度在线网络技术(北京)有限公司 | 输出对象的数据处理方法及装置 |
US10909459B2 (en) | 2016-06-09 | 2021-02-02 | Cognizant Technology Solutions U.S. Corporation | Content embedding using deep metric learning algorithms |
EP3407273A1 (de) * | 2017-05-22 | 2018-11-28 | Siemens Aktiengesellschaft | Verfahren und anordnung zur ermittlung eines anomalen zustands eines systems |
US10755142B2 (en) | 2017-09-05 | 2020-08-25 | Cognizant Technology Solutions U.S. Corporation | Automated and unsupervised generation of real-world training data |
US10755144B2 (en) | 2017-09-05 | 2020-08-25 | Cognizant Technology Solutions U.S. Corporation | Automated and unsupervised generation of real-world training data |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004086262A (ja) * | 2002-08-23 | 2004-03-18 | Nippon Telegr & Teleph Corp <Ntt> | 視覚的情報分類方法、視覚的情報分類装置、視覚的情報分類プログラムおよびそのプログラムを記録した記録媒体 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6822758B1 (en) * | 1998-07-01 | 2004-11-23 | Canon Kabushiki Kaisha | Image processing method, system and computer program to improve an image sensed by an image sensing apparatus and processed according to a conversion process |
US7379602B2 (en) * | 2002-07-29 | 2008-05-27 | Honda Giken Kogyo Kabushiki Kaisha | Extended Isomap using Fisher Linear Discriminant and Kernel Fisher Linear Discriminant |
US20050065733A1 (en) * | 2003-08-08 | 2005-03-24 | Paul Caron | Visualization of databases |
KR100601957B1 (ko) * | 2004-07-07 | 2006-07-14 | 삼성전자주식회사 | 얼굴 인식을 위한 영상간 대응 결정 방법 및 장치, 이를이루기위한 영상 보정 방법 및 장치 |
US8116566B2 (en) * | 2006-08-28 | 2012-02-14 | Colorado State University Research Foundation | Unknown pattern set recognition |
US7822252B2 (en) * | 2006-11-28 | 2010-10-26 | Siemens Medical Solutions Usa, Inc. | Method of multiple instance learning and classification with correlations in object detection |
JP5072693B2 (ja) * | 2007-04-11 | 2012-11-14 | キヤノン株式会社 | パターン識別装置及びその制御方法、異常パターン検出装置及びその制御方法、プログラム、記憶媒体 |
US7853432B2 (en) * | 2007-10-02 | 2010-12-14 | The Regents Of The University Of Michigan | Method and apparatus for clustering and visualization of multicolor cytometry data |
US7970727B2 (en) * | 2007-11-16 | 2011-06-28 | Microsoft Corporation | Method for modeling data structures by creating digraphs through contexual distances |
-
2007
- 2007-05-16 JP JP2007130898A patent/JP5144123B2/ja not_active Expired - Fee Related
-
2008
- 2008-05-14 US US12/120,481 patent/US8027544B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004086262A (ja) * | 2002-08-23 | 2004-03-18 | Nippon Telegr & Teleph Corp <Ntt> | 視覚的情報分類方法、視覚的情報分類装置、視覚的情報分類プログラムおよびそのプログラムを記録した記録媒体 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011008631A (ja) * | 2009-06-26 | 2011-01-13 | Canon Inc | 画像変換方法及び装置並びにパターン識別方法及び装置 |
WO2012050108A1 (ja) * | 2010-10-14 | 2012-04-19 | 住友金属工業株式会社 | 溶接品質判別装置 |
JP2015007826A (ja) * | 2013-06-24 | 2015-01-15 | 日本電信電話株式会社 | 信号処理装置、方法、及びプログラム |
JP2020107351A (ja) * | 2016-08-15 | 2020-07-09 | セイコーエプソン株式会社 | 回路装置、電子機器及びエラー検出方法 |
JP7265837B2 (ja) | 2017-07-20 | 2023-04-27 | ヤフー株式会社 | 学習装置および学習方法 |
US11169872B2 (en) | 2018-02-14 | 2021-11-09 | Seiko Epson Corporation | Circuit device, electronic apparatus, and error detection method |
US11354186B2 (en) | 2018-02-14 | 2022-06-07 | Seiko Epson Corporation | Circuit device, electronic apparatus, and error detection method using at least an index indicating similarity between foreground image and reference image |
JP2020061157A (ja) * | 2018-10-11 | 2020-04-16 | 澤蒼 顧 | 自動機械学習の構成方法 |
Also Published As
Publication number | Publication date |
---|---|
JP5144123B2 (ja) | 2013-02-13 |
US8027544B2 (en) | 2011-09-27 |
US20080285861A1 (en) | 2008-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5144123B2 (ja) | 情報処理方法、情報処理装置 | |
Zhou et al. | Deep semantic dictionary learning for multi-label image classification | |
JP4618098B2 (ja) | 画像処理システム | |
CN111695415B (zh) | 图像识别方法及相关设备 | |
US20190087726A1 (en) | Hypercomplex deep learning methods, architectures, and apparatus for multimodal small, medium, and large-scale data representation, analysis, and applications | |
Wang et al. | Stochastic optimization for deep CCA via nonlinear orthogonal iterations | |
WO2022178977A1 (zh) | 一种基于自适应近邻图嵌入的无监督数据降维方法 | |
CN107832458B (zh) | 一种字符级的基于嵌套深度网络的文本分类方法 | |
JP6908302B2 (ja) | 学習装置、識別装置及びプログラム | |
CN110717519B (zh) | 训练、特征提取、分类方法、设备及存储介质 | |
US11775851B2 (en) | User verification method and apparatus using generalized user model | |
CN112530584A (zh) | 一种医疗诊断辅助方法及系统 | |
US11625612B2 (en) | Systems and methods for domain adaptation | |
JP5284530B2 (ja) | 情報処理方法、情報処理装置 | |
Macêdo et al. | Improving entropic out-of-distribution detection using isometric distances and the minimum distance score | |
CA3068891C (en) | Method and system for generating a vector representation of an image | |
JP7347750B2 (ja) | 照合装置、学習装置、方法、及びプログラム | |
Atukorale et al. | Hierarchical overlapped neural gas network with application to pattern classification | |
Perwej et al. | The State of the Art Handwritten Recognition of Arabic Script Using Simplified Fuzzy ARTMAP and Hidden Markov Models | |
Alkhateem et al. | Auto Encoder Fixed-Target Training Features Extraction Approach for Binary Classification Problems | |
Doaud et al. | Using swarm optimization to enhance autoencoders images | |
Li et al. | Laplacian sparse dictionary learning for image classification based on sparse representation | |
WO2022190301A1 (ja) | 学習装置、学習方法、及びコンピュータ可読媒体 | |
WO2023084759A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
WO2021192249A1 (ja) | 類似度計算機、認証システム、類似度計算方法、類似度計算プログラムおよび類似度計算プログラムの生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120717 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120918 |
|
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: 20121026 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121122 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151130 Year of fee payment: 3 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5144123 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
LAPS | Cancellation because of no payment of annual fees |