JP2010009518A - パターン検出器の学習装置、学習方法及びプログラム - Google Patents
パターン検出器の学習装置、学習方法及びプログラムInfo
- Publication number
- JP2010009518A JP2010009518A JP2008171230A JP2008171230A JP2010009518A JP 2010009518 A JP2010009518 A JP 2010009518A JP 2008171230 A JP2008171230 A JP 2008171230A JP 2008171230 A JP2008171230 A JP 2008171230A JP 2010009518 A JP2010009518 A JP 2010009518A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- weak
- weak classifiers
- synthesis
- classifiers
- 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
Landscapes
- Image Analysis (AREA)
Abstract
高い検出性能のパターン検出器を現実的な学習時間で構築できるようにしたパターン検出器の学習装置、学習方法及びプログラムを提供する。
【解決手段】
複数の弱判別器から構成され、複数の弱判別器による判別により入力データから特定パターンを検出するパターン検出器の学習装置であって、特定パターンを含むか否かが既知であるデータから構成される複数の学習用データを取得し、当該取得した学習用データから特定パターンを検出させることにより複数の弱判別器を学習させ、当該学習が済んだ弱判別器の中から合成対象となる複数の弱判別器を選択するとともに、当該選択された複数の弱判別器を合成した場合の合成後の弱判別器の性能と複数の弱判別器の性能との比較に基づき複数の弱判別器を1つに合成する。
【選択図】 図1
Description
Viola & Jones (2001) "Rapid Object Detection using a Boosted Cascade of Simple Features", Computer Vision and Pattern Recognition. C. Huang, H. Ai, Y. Li, S. Lao (2006) "Learning Sparse Features in Granular Space for Multi-View Face Detection", Proceedings of the IEEE International Conference of Automatic Face and Gesture Recognition, pp. 401-406.
図1は、本実施形態に係わるパターン検出器の学習装置100の構成の一例を示すブロック図である。
図2は、図1に示す学習装置100における全体処理の一例を示すフロー図である。図2を参照しながら、学習装置100が学習用データから特定パターンを検出する検出器を構築する際の処理の流れについて説明する。なお、以下では、学習用データが画像であり、検出する特定パターンが人物の顔である場合を例に挙げて説明する。
ここでは、図2に示すステップS01における弱判別器学習処理について説明する。なお、ここで説明する処理は、概ね公知の技術であるため、本実施形態に関連する部分以外についての説明は適宜省略する。図3は、学習部2の構成の一例を示すブロック図である。
ここでは、図2に示すステップS05における弱判別器選択処理について説明する。弱判別器選択処理では、所定の条件に基づいて合成の対象となる弱判別器を選択する処理が行なわれる。
ここでは、図2に示すステップS06における弱判別器合成処理について説明する。
次に、実施形態2について説明する。実施形態2においては、通常の弱判別器の学習時に弱判別器の合成を取り入れて、有効な弱判別器を探索する場合について説明する。実施形態2では、上述した実施形態1と比べて、弱判別器学習処理と弱判別器合成処理との関係が異なる。具体的には、実施形態1では、所定の弱判別器数になった、又は検出器全体としての性能が目標に達した、など弱判別器の学習が一通り終了した時点で合成候補の弱判別器を選択し、合成処理を行っていた。これに対して、実施形態2では、弱判別器の学習の終了後、所定のタイミングで弱判別器を選択し合成処理を行なう。
図14は、実施形態2に係わる学習装置100における全体処理の一例を示すフロー図である。
2 学習部
3 選択部
4 合成部
5 性能評価部
6 統計情報保持部
7 モニタリング部
8 接続バス
21 候補保持部
22 候補選択部
23 学習用データ保持部
24 信頼度算出部
25 打ち切り閾値算出部
26 学習用データ重み更新部
41 統計情報バッファ
42 類似度基準選択部
43 性能基準選択部
44 統合判定部
51 合成対象統計情報バッファ
52 合成条件生成部
53 フィルタ初期化部
54 フィルタ更新部
Claims (21)
- 複数の弱判別器から構成され、該複数の弱判別器による判別により入力データから特定パターンを検出するパターン検出器の学習装置であって、
前記特定パターンを含むか否かが既知であるデータから構成される複数の学習用データを取得する取得手段と、
前記取得手段により取得された学習用データから前記特定パターンを検出させることにより前記複数の弱判別器を学習させる学習手段と、
前記学習手段による学習が済んだ弱判別器の中から合成対象となる複数の弱判別器を選択する選択手段と、
前記選択手段により選択された複数の弱判別器を合成した場合の合成後の弱判別器の性能と該複数の弱判別器の性能との比較に基づき該複数の弱判別器を1つに合成する合成手段と
を具備することを特徴とするパターン検出器の学習装置。 - 前記選択手段は、
弱判別器間の類似度を含む情報に基づいて合成対象となる弱判別器を選択する
ことを特徴とする請求項1記載のパターン検出器の学習装置。 - 前記弱判別器間の類似度は、
前記弱判別器各々のフィルタ構造のミンコフスキー距離、ハウスドルフ距離、又はユークリッド距離の少なくともいずれかに基づく
ことを特徴とする請求項2記載のパターン検出器の学習装置。 - 前記弱判別器間の類似度は、
前記弱判別器各々のフィルタ構造をベクトル表現したときの、ベクトル間の内積、ベクトル間のユークリッド距離、又はベクトル間のミンコフスキー距離の少なくともいずれかに基づく
ことを特徴とする請求項2記載のパターン検出器の学習装置。 - 弱判別器の検出性能を示す特性評価値に係わる統計情報を保持する統計情報保持手段
を更に具備し、
前記選択手段は、
前記統計情報保持手段により保持された弱判別器の特性評価値を含む情報に基づいて合成対象となる弱判別器を選択する
ことを特徴とする請求項1又は2記載のパターン検出器の学習装置。 - 前記学習手段は、
前記学習用データに対して重み付けする重み付け手段
を具備し、
前記重み付け手段により付与された重みに基づいて複数の学習用データの中から選択した学習用データを用いて前記複数の弱判別器を順番に学習させ、前記重み付け手段により各弱判別器が学習を終える度にその学習結果に基づき前記学習用データに付与する重みを更新する
ことを特徴とする請求項1乃至5のいずれか1項に記載のパターン検出器の学習装置。 - 前記合成手段は、
前記選択手段により選択された合成対象となる複数の弱判別器と該選択された弱判別器の学習の順番により生じる弱判別器間の依存関係を維持しつつ、前記弱判別器の合成を行なう
ことを特徴とする請求項6記載のパターン検出器の学習装置。 - 前記合成手段は、
前記弱判別器間の依存関係を維持するために、前記選択手段により選択された複数の弱判別器のうち、最後に学習した弱判別器の学習結果に基づき更新された学習用データに付与された重みと、合成後の弱判別器の学習結果に基づき更新される学習用データの重みとの差が所定範囲内に収まる場合に前記合成を行なう
ことを特徴とする請求項7記載のパターン検出器の学習装置。 - 前記合成手段は、
前記弱判別器間の依存関係を維持するために、前記選択手段により選択された複数の弱判別器のうち、最後に学習した弱判別器の学習結果に基づき更新された学習用データに付与された重みと、合成後の弱判別器の学習結果に基づき更新される学習用データの重みとをベクトルとして表現し、該表現された重み付けベクトル間の類似度が所定の値より大きくなる場合に前記合成を行なう
ことを特徴とする請求項7記載のパターン検出器の学習装置。 - 前記重み付けベクトル間の類似度は、
ベクトルの内積、又はユークリッド距離の少なくともいずれかに基づく
ことを特徴とする請求項9記載のパターン検出器の学習装置。 - 前記合成手段は、
合成後の弱判別器の特性評価値が前記選択手段により選択された合成対象となる複数の弱判別器の特性評価値を累積した累積特性評価値を上回る場合に前記合成を行なう
ことを特徴とする請求項1乃至10のいずれか1項に記載のパターン検出器の学習装置。 - 前記合成手段は、
合成後の弱判別器をフィルタ構造を初期化する初期化手段
を具備し、
前記初期化手段は、
前記選択手段により選択された合成対象となる複数の弱判別器のフィルタ構造を重ね合わせることにより前記合成後の弱判別器のフィルタ構造を初期化する
ことを特徴とする請求項1乃至11のいずれか1項に記載のパターン検出器の学習装置。 - 前記初期化手段は、
前記選択手段により選択された弱判別器の特性評価値と、学習に用いた学習用データの重みに基づく学習結果とを考慮して前記複数の弱判別器のフィルタ構造を重ね合わせる
ことを特徴とする請求項12記載のパターン検出器の学習装置。 - 前記初期化手段は、
前記選択手段により選択された合成対象となる複数の弱判別器のフィルタ構造をベクトル表現し、主成分分析、独立成分分析の少なくともいずれかの処理を行なうことにより前記合成後の弱判別器のフィルタ構造を初期化する
ことを特徴とする、請求項12記載のパターン検出器の学習装置。 - 前記合成手段は、
前記合成後の弱判別器のフィルタ構造を更新する更新手段
を具備することを特徴とする請求項1乃至14のいずれか1項に記載のパターン検出器の学習装置。 - 前記更新手段は、
マルコフ連鎖モンテカルロ法を用いて前記更新を行なう
ことを特徴とする請求項15記載のパターン検出器の学習装置。 - 前記更新手段は、
前記弱判別器の状態を該弱判別器のフィルタ構造として、該弱判別器の状態をベクトル要素とする評価関数を用いてマルコフ連鎖モンテカルロ法により該弱判別器の状態を更新する
ことを特徴とする請求項16記載のパターン検出器の学習装置。 - 前記弱判別器の特性評価値は、
前記学習手段により弱判別器に学習用データを用いて学習させたときの、特定パターンの検出率、特定パターンの検出速度、又は打ち切り率の少なくとも1つに基づく
ことを特徴とする請求項1乃至17のいずれか1項に記載のパターン検出器の学習装置。 - 前記弱判別器の特性評価値は、
少なくとも前記弱判別器のフィルタ構造の複雑度に基づく
ことを特徴とする請求項1乃至18のいずれか1項に記載のパターン検出器の学習装置。 - 複数の弱判別器から構成され、該複数の弱判別器による判別により入力データから特定パターンを検出するパターン検出器の学習方法であって、
前記特定パターンを含むか否かが既知であるデータから構成される複数の学習用データを取得する取得工程と、
前記取得された学習用データから前記特定パターンを検出させることにより前記複数の弱判別器を順番に学習させる学習工程と、
前記学習が済んだ弱判別器の中から合成対象となる複数の弱判別器を選択する選択工程と、
前記選択された複数の弱判別器を合成した場合の合成後の弱判別器の性能と該複数の弱判別器の性能との比較に基づき該複数の弱判別器を1つに合成する合成工程と
含むことを特徴とするパターン検出器の学習方法。 - 複数の弱判別器から構成され、該複数の弱判別器による判別により入力データから特定パターンを検出するパターン検出器の学習装置に内蔵されたコンピュータを、
前記特定パターンを含むか否かが既知であるデータから構成される複数の学習用データを取得する取得手段、
前記取得手段により取得された学習用データから前記特定パターンを検出させることにより前記複数の弱判別器を順番に学習させる学習手段、
前記学習手段による学習が済んだ弱判別器の中から合成対象となる複数の弱判別器を選択する選択手段、
前記選択手段により選択された複数の弱判別器を合成した場合の合成後の弱判別器の性能と該複数の弱判別器の性能との比較に基づき該複数の弱判別器を1つに合成する合成手段
として機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008171230A JP5123759B2 (ja) | 2008-06-30 | 2008-06-30 | パターン検出器の学習装置、学習方法及びプログラム |
US12/485,020 US8331655B2 (en) | 2008-06-30 | 2009-06-15 | Learning apparatus for pattern detector, learning method and computer-readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008171230A JP5123759B2 (ja) | 2008-06-30 | 2008-06-30 | パターン検出器の学習装置、学習方法及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2010009518A true JP2010009518A (ja) | 2010-01-14 |
JP2010009518A5 JP2010009518A5 (ja) | 2011-08-11 |
JP5123759B2 JP5123759B2 (ja) | 2013-01-23 |
Family
ID=41589886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008171230A Expired - Fee Related JP5123759B2 (ja) | 2008-06-30 | 2008-06-30 | パターン検出器の学習装置、学習方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5123759B2 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011165188A (ja) * | 2010-02-08 | 2011-08-25 | Ricoh Co Ltd | 多角度の特定物体の判断装置及び多角度の特定物体の判断方法 |
JP2016224900A (ja) * | 2015-05-27 | 2016-12-28 | 安一恒通(北京)科技有限公司 | 悪性コード検出方法及びシステム |
JP2017091083A (ja) * | 2015-11-06 | 2017-05-25 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2019215868A1 (ja) * | 2018-05-10 | 2019-11-14 | 日本電気株式会社 | パターン認識システム、パラメータ生成方法およびパラメータ生成プログラム |
JP2020038699A (ja) * | 2017-12-26 | 2020-03-12 | 株式会社エイシング | 汎用学習済モデルの生成方法 |
WO2022181303A1 (ja) * | 2021-02-26 | 2022-09-01 | 株式会社アダコテック | アンサンブル学習システムおよびアンサンブル学習プログラム |
WO2022190518A1 (ja) * | 2021-03-12 | 2022-09-15 | オムロン株式会社 | 統合モデルの生成方法、画像検査システム、画像検査用モデルの生成装置、画像検査用モデルの生成プログラム及び画像検査装置 |
JP7452149B2 (ja) | 2020-03-20 | 2024-03-19 | 株式会社アイシン | ブロックノイズ検出の為の学習装置及びコンピュータプログラム |
JP7453767B2 (ja) | 2019-09-25 | 2024-03-21 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005044330A (ja) * | 2003-07-24 | 2005-02-17 | Univ Of California San Diego | 弱仮説生成装置及び方法、学習装置及び方法、検出装置及び方法、表情学習装置及び方法、表情認識装置及び方法、並びにロボット装置 |
-
2008
- 2008-06-30 JP JP2008171230A patent/JP5123759B2/ja not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005044330A (ja) * | 2003-07-24 | 2005-02-17 | Univ Of California San Diego | 弱仮説生成装置及び方法、学習装置及び方法、検出装置及び方法、表情学習装置及び方法、表情認識装置及び方法、並びにロボット装置 |
Non-Patent Citations (2)
Title |
---|
CSNG200600856010; 三田雄志 外2名: '顔検出に適した共起に基づくJoint Haar-like特徴' 電子情報通信学会論文誌 (J89-D) 第8号 第J89-D巻 第8号, 20060801, p.1791-1801, 社団法人電子情報通信学会 * |
JPN6012035766; 三田雄志 外2名: '顔検出に適した共起に基づくJoint Haar-like特徴' 電子情報通信学会論文誌 (J89-D) 第8号 第J89-D巻 第8号, 20060801, p.1791-1801, 社団法人電子情報通信学会 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011165188A (ja) * | 2010-02-08 | 2011-08-25 | Ricoh Co Ltd | 多角度の特定物体の判断装置及び多角度の特定物体の判断方法 |
JP2016224900A (ja) * | 2015-05-27 | 2016-12-28 | 安一恒通(北京)科技有限公司 | 悪性コード検出方法及びシステム |
JP2017091083A (ja) * | 2015-11-06 | 2017-05-25 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2020038699A (ja) * | 2017-12-26 | 2020-03-12 | 株式会社エイシング | 汎用学習済モデルの生成方法 |
JP7510637B2 (ja) | 2017-12-26 | 2024-07-04 | 株式会社エイシング | 汎用学習済モデルの生成方法 |
WO2019215868A1 (ja) * | 2018-05-10 | 2019-11-14 | 日本電気株式会社 | パターン認識システム、パラメータ生成方法およびパラメータ生成プログラム |
JPWO2019215868A1 (ja) * | 2018-05-10 | 2021-04-01 | 日本電気株式会社 | パターン認識システム、パラメータ生成方法およびパラメータ生成プログラム |
US11586850B2 (en) | 2018-05-10 | 2023-02-21 | Nec Corporation | Pattern recognition system, parameter generation method, and parameter generation program |
JP7453767B2 (ja) | 2019-09-25 | 2024-03-21 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
JP7452149B2 (ja) | 2020-03-20 | 2024-03-19 | 株式会社アイシン | ブロックノイズ検出の為の学習装置及びコンピュータプログラム |
JP7479591B2 (ja) | 2021-02-26 | 2024-05-09 | 株式会社アダコテック | アンサンブル学習システムおよびアンサンブル学習プログラム |
WO2022181303A1 (ja) * | 2021-02-26 | 2022-09-01 | 株式会社アダコテック | アンサンブル学習システムおよびアンサンブル学習プログラム |
WO2022190518A1 (ja) * | 2021-03-12 | 2022-09-15 | オムロン株式会社 | 統合モデルの生成方法、画像検査システム、画像検査用モデルの生成装置、画像検査用モデルの生成プログラム及び画像検査装置 |
Also Published As
Publication number | Publication date |
---|---|
JP5123759B2 (ja) | 2013-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5123759B2 (ja) | パターン検出器の学習装置、学習方法及びプログラム | |
US8331655B2 (en) | Learning apparatus for pattern detector, learning method and computer-readable storage medium | |
Odena et al. | Conditional image synthesis with auxiliary classifier gans | |
CN109905772B (zh) | 视频片段查询方法、装置、计算机设备及存储介质 | |
US20180260531A1 (en) | Training random decision trees for sensor data processing | |
Sznitman et al. | Active testing for face detection and localization | |
JP4517633B2 (ja) | 対象物検出装置及び方法 | |
JP5506722B2 (ja) | マルチクラス分類器をトレーニングするための方法 | |
JP5440394B2 (ja) | 評価予測装置、評価予測方法、及びプログラム | |
CN112949693B (zh) | 图像分类模型的训练方法、图像分类方法、装置和设备 | |
JP5880454B2 (ja) | 画像識別装置及びプログラム | |
US11335118B2 (en) | Signal retrieval apparatus, method, and program | |
JP7058941B2 (ja) | 辞書生成装置、辞書生成方法、及びプログラム | |
US9842279B2 (en) | Data processing method for learning discriminator, and data processing apparatus therefor | |
JP2008217589A (ja) | 学習装置及びパターン認識装置 | |
JP2008009893A (ja) | パラメータ学習方法及びその装置、パターン識別方法及びその装置、プログラム | |
JP4553044B2 (ja) | 集団学習装置及び方法 | |
JP2008262331A (ja) | オブジェクト追跡装置およびオブジェクト追跡方法 | |
JP5821590B2 (ja) | 画像識別情報付与プログラム及び画像識別情報付与装置 | |
JP5311899B2 (ja) | パターン検出器の学習装置、学習方法及びプログラム | |
CN113939870A (zh) | 为基于生成和检索的应用学习有效音乐特征的技术 | |
JP5777390B2 (ja) | 情報処理方法及び装置、パターン識別方法及び装置 | |
US9330662B2 (en) | Pattern classifier device, pattern classifying method, computer program product, learning device, and learning method | |
US20190303714A1 (en) | Learning apparatus and method therefor | |
JP6606849B2 (ja) | 識別器生成装置、識別器生成方法、推定装置、推定方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110629 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110629 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120629 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120713 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120910 |
|
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: 20120928 |
|
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: 20121026 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151102 Year of fee payment: 3 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5123759 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151102 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |