JP2012504975A - 形状を認識する方法および形状を認識する方法を実施するシステム - Google Patents
形状を認識する方法および形状を認識する方法を実施するシステム Download PDFInfo
- Publication number
- JP2012504975A JP2012504975A JP2011525493A JP2011525493A JP2012504975A JP 2012504975 A JP2012504975 A JP 2012504975A JP 2011525493 A JP2011525493 A JP 2011525493A JP 2011525493 A JP2011525493 A JP 2011525493A JP 2012504975 A JP2012504975 A JP 2012504975A
- Authority
- JP
- Japan
- Prior art keywords
- kernel
- signal
- decomposition
- phase
- atoms
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/52—Scale-space analysis, e.g. wavelet 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
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
- H04N19/97—Matching pursuit coding
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本発明の別の主旨は、この方法を実施する形状認識システムである。
Description
−カーネルと呼ばれ、インデックス付与されたサンプルからなる信号の集合内で完結する学習フェーズであって、上記カーネルはコスト関数を最小化するように適合される、学習フェーズ、
−ソース信号を分解して原子にする符号化フェーズであって、上記原子は、学習フェーズ中に見つけられるカーネルのシフトにより生成され、上記原子のそれぞれには、分解係数が関連付けられる、符号化フェーズ
を含むことを特徴とする、方法である。
−出力として一次元または多次元の信号を生成するセンサまたはセンサアレイと、
−本発明による方法を実施し、上記方法の学習フェーズおよび/または符号化フェーズを実行するために使用される事前処理モジュールと、
−解析、検出、および/または形状認識機能を実行するために使用される認識モジュールと、
−結果解析モジュールと
を備える、システムである。
−例えば、サンプリングされた音声ソースから生じた、時間によりインデックス付与された一連の一次元サンプル、
−例えば、グレーレベル画像から生じた、位置xおよびyにより空間的にインデックス付与された一連の一次元サンプル、
−例えば、多次元移動センサ(三次元加速度計)または地震センサアレイから生じた、時間によりインデックス付与された一連の多次元サンプル、
−カラー画像またはハイパースペクトル画像から生じた、空間的にインデックス付与された一連の多次元サンプル:ベクトルの次元、すなわちピクセルは、ハイパースペクトル画像の色(赤、緑、および青)または周波数帯であり、インデックス付与はピクセルの位置xおよびyに従って行われる、
−例えば、インデックスx、y、およびtを有する映像またはさらには4D仮想シミュレーション(x、y、z、およびt)から生じた、空間−時間によりインデックス付与された一連の一次元または多次元のサンプル、
−例えば、様々な地震アレイステーションに適用され、ひいては周波数によりインデックス付与される多次元サンプル(ステーション毎に1つの次元)の集まりを生成するフーリエ変換から生じた、、必ずしも任意の時間的または時間的な意味を有する必要がない1つまたは複数の変数でインデックス付与される一連の一次元または多次元のサンプル
からなり得る。
e(t)=s(t) (6)
とする。
Claims (25)
- ソース信号を分解して原子と呼ばれる基本要素にする少なくとも1つの事前処理メカニズムと、前記事前処理メカニズムにより実行される前記分解の結果に基づく認識メカニズムとを備える形状を認識する方法であって、前記ソース信号がN次元を含み、前記メカニズムが、少なくとも、
−カーネルと呼ばれ、インデックス付与されたサンプルからなる信号の集合内で完結する学習フェーズであって、前記カーネルはコスト関数を最小化するように適合される(26)、学習フェーズ、
−前記ソース信号を分解して原子にする符号化フェーズであって、前記原子は、前記学習フェーズ中に見つけられる前記カーネルのシフトにより生成され、前記原子のそれぞれには分解係数(αi)が関連付けられる、符号化フェーズ
を備えることを特徴とする、方法。 - 前記学習フェーズの開始時に、ステップが前記カーネルを、選択されたランダム白色雑音で初期化することを特徴とする、請求項1に記載の方法。
- 前記ソース信号の前記N次元が、前記事前処理メカニズムにより互いに独立して処理されることを特徴とする、請求項1または2に記載の方法。
- 前記ソース信号の次元のうちのいくつかが、前記事前処理メカニズムによりまとめて処理されることを特徴とする、請求項1または2に記載の方法。
- 前記学習フェーズ中、前記カーネルが、確率勾配降下法により、処理すべきソースを表す信号データ(24)に基づいて前記コスト関数を最小化することにより適合される(26)ことを特徴とする、請求項1〜4のいずれか一項に記載の方法。
- 前記学習フェーズ中、前記カーネルが、レーベンバーグ−マルカートアルゴリズムにより、処理すべきソースを表す信号データ(26)に基づいて前記コスト関数を最小化することにより適合され(26)、前記アルゴリズムが、前記カーネルのそれぞれの平均ヘッシアンを計算した後に適用されることを特徴とする、請求項1〜4のいずれか一項に記載の方法。
- 前記学習フェーズ中、前記カーネルは、弾性伝播法による勾配降下により、処理すべきソースを表す信号データ(24)に基づいて前記コスト関数を最小化することにより適合される(26)ことを特徴とする、請求項1〜4のいずれか一項に記載の方法。
- 前記ソース信号が心電図に対応し、前記認識すべき形状が心臓の異常を突き止めるために使用されることを特徴とする、請求項1〜7のいずれか一項に記載の方法。
- 前記ソース信号が動きまたは動作を表し、前記認識すべき形状が、前記動きまたは動作を表すことを特徴とする、請求項1〜7のいずれか一項に記載の方法。
- 前記動きまたは動作を表す認識すべき形状が、手書き文字または一連の手書き文字であることを特徴とする、請求項9に記載の方法。
- 前記ソース信号が脳電図または脳磁気図に対応し、前記認識すべき形状が、大脳の活動の種類を突き止めるために使用されることを特徴とする、請求項1〜7のいずれか一項に記載の方法。
- 前記ソース信号が質量分析計により生成され、前記認識すべき形状が、所与の試料内の分子または分子群の存在を突き止めるために使用されることを特徴とする、請求項1〜7のいずれか一項に記載の方法。
- 前記符号化フェーズ中、現在処理中の信号部分の分解に使用されるよりよい原子を探すステップ(3)が、前記カーネルの回転を適用し、したがって、分解に保持される各原子がカーネル、シフトインデックス、および回転係数からなり、前記保持される原子には分解係数が関連付けられることを特徴とする、請求項4〜10のいずれか一項に記載の方法。
- 前記符号化フェーズ中、前記カーネルの前記回転係数が、選択された各カーネルに適用される回転を表す正方行列であり、前記行列の成分が、各カーネルおよび各瞬間にいくつかの回転仮説をとり、最良の回転仮説を選択することにより、前記方法の前記符号化フェーズ中に決定されることを特徴とする、請求項13に記載の方法。
- 前記方法が二次元ソース信号を処理し、前記信号および変換カーネルが複素数で表され、それら複素数の実部が第1の次元に対応し、虚部が第2の次元に対応することを特徴とし、前記方法が、前記分解係数も複素数であり、位相が前記回転係数を表し、回転角度を前記カーネルに適用できるようにすることも特徴とする、請求項13に記載の方法。
- 前記方法が三次元信号を処理し、前記信号および前記変換カーネルが四元数で表されることを特徴とし、前記方法が、前記分解係数も四元数であり、3D回転を前記カーネルに適用できるようにすることも特徴とする、請求項13に記載の方法。
- 前記符号化フェーズが基底追跡法を実施することを特徴とする、請求項1〜16のいずれか一項に記載の方法。
- 前記符号化フェーズがマッチング追跡法を実施することを特徴とする、請求項1〜16のいずれか一項に記載の方法。
- 前記符号化フェーズ中に使用される前記マッチング追跡法が、直交型のものであり、前記分解係数が、新しい原子が選択される都度、その選択後に、処理すべき信号を、すでに保持された前記原子からなる前記基底に射影することにより更新される(4)ことを特徴とする、請求項18に記載の方法。
- 現在処理中の信号の前記符号化フェーズが、選択される原子の数が最大値に達した場合に終了する(7)ことを特徴とする、請求項1〜19のいずれか一項に記載の方法。
- 現在処理中の信号の前記符号化フェーズが、最後の前記分解係数の、前に計算されたその他の係数のうちの最大値に対する選択された最小相対値がもはや保証されない場合に終了する(7)ことを特徴とする、請求項1〜19のいずれか一項に記載の方法。
- 現在処理中の信号の前記符号化フェーズが、前記分解の剰余のエネルギーが、前記符号化が効率的であるとみなされる選択された閾値未満になる場合に終了する(7)ことを特徴とする、請求項1〜19のいずれか一項に記載の方法。
- 請求項1〜22のいずれか一項に記載の方法を実施する形状認識システムであって、少なくとも、
−一次元または多次元の信号を出力として生成するセンサまたはセンサアレイ(40)と、
−本発明による方法を実施し、前記方法の学習フェーズおよび/または符号化フェーズを実行するために使用される事前処理モジュール(41)と、
解析機能、検出機能、および/または形状認識機能を実行するために使用される認識モジュール(44)と、
−結果解析モジュール(45)と
を備えることを特徴等する、形状認識システム。 - 少なくとも2つの離れた物理的機器上のシステム(40、41、44、45)のその他のモジュールを見つけ、結果を交換できるようにする1つまたは複数の通信モジュール(42、43)を備えることを特徴とする、請求項23に記載の形状認識システム。
- 前記事前処理モジュール(41)に接続された少なくとも1つの記憶モジュールを備え、前記事前処理の結果を前記記憶モジュールに記憶することが可能であり、前記記憶モジュールを前記処理モジュールから切断して、離れた機器で前記事前処理の結果を解析するために、その離れた機器に配置された前記認識モジュール(44)に接続することができることを特徴とする、請求項23に記載の形状認識システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR0804880A FR2935822B1 (fr) | 2008-09-05 | 2008-09-05 | Procede de reconnaissance de formes et systeme mettant en oeuvre le procede |
FR0804880 | 2008-09-05 | ||
PCT/EP2009/060477 WO2010026028A1 (fr) | 2008-09-05 | 2009-08-13 | Procede de reconnaissance de formes et systeme mettant en oeuvre le procede |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2012504975A true JP2012504975A (ja) | 2012-03-01 |
JP2012504975A5 JP2012504975A5 (ja) | 2012-04-12 |
JP5509488B2 JP5509488B2 (ja) | 2014-06-04 |
Family
ID=40512562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011525493A Expired - Fee Related JP5509488B2 (ja) | 2008-09-05 | 2009-08-13 | 形状を認識する方法および形状を認識する方法を実施するシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US8693765B2 (ja) |
EP (1) | EP2321769B1 (ja) |
JP (1) | JP5509488B2 (ja) |
FR (1) | FR2935822B1 (ja) |
WO (1) | WO2010026028A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017529527A (ja) * | 2014-08-26 | 2017-10-05 | イマビオテクImabiotech | 質量分析イメージングによってサンプルを特徴づける方法 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8896619B2 (en) * | 2011-03-09 | 2014-11-25 | Mckesson Financial Holdings | Apparatus, method and computer-readable storage medium for compensating for image-quality discrepancies |
US9886945B1 (en) * | 2011-07-03 | 2018-02-06 | Reality Analytics, Inc. | System and method for taxonomically distinguishing sample data captured from biota sources |
US8781187B2 (en) | 2011-07-13 | 2014-07-15 | Mckesson Financial Holdings | Methods, apparatuses, and computer program products for identifying a region of interest within a mammogram image |
US10073518B2 (en) * | 2013-08-19 | 2018-09-11 | Qualcomm Incorporated | Automatic calibration of eye tracking for optical see-through head mounted display |
US9626476B2 (en) | 2014-03-27 | 2017-04-18 | Change Healthcare Llc | Apparatus, method and computer-readable storage medium for transforming digital images |
US9858502B2 (en) | 2014-03-31 | 2018-01-02 | Los Alamos National Security, Llc | Classification of multispectral or hyperspectral satellite imagery using clustering of sparse approximations on sparse representations in learned dictionaries obtained using efficient convolutional sparse coding |
US9946931B2 (en) | 2015-04-20 | 2018-04-17 | Los Alamos National Security, Llc | Change detection and change monitoring of natural and man-made features in multispectral and hyperspectral satellite imagery |
US9684951B2 (en) * | 2014-03-31 | 2017-06-20 | Los Alamos National Security, Llc | Efficient convolutional sparse coding |
EP3129849B1 (en) * | 2014-04-11 | 2020-02-12 | Facebook Technologies, LLC | Systems and methods of eye tracking calibration |
CN104008533B (zh) * | 2014-06-17 | 2017-09-29 | 华北电力大学 | 基于分块自适应特征跟踪的多传感器图像融合方法 |
CN110622211B (zh) * | 2017-03-15 | 2023-11-14 | 特利丹菲力尔有限责任公司 | 用于减少图像中的低频不均匀性的系统和方法 |
EP3684463A4 (en) | 2017-09-19 | 2021-06-23 | Neuroenhancement Lab, LLC | NEURO-ACTIVATION PROCESS AND APPARATUS |
US11717686B2 (en) | 2017-12-04 | 2023-08-08 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to facilitate learning and performance |
US11273283B2 (en) | 2017-12-31 | 2022-03-15 | Neuroenhancement Lab, LLC | Method and apparatus for neuroenhancement to enhance emotional response |
US11364361B2 (en) | 2018-04-20 | 2022-06-21 | Neuroenhancement Lab, LLC | System and method for inducing sleep by transplanting mental states |
US11452839B2 (en) | 2018-09-14 | 2022-09-27 | Neuroenhancement Lab, LLC | System and method of improving sleep |
US11786694B2 (en) | 2019-05-24 | 2023-10-17 | NeuroLight, Inc. | Device, method, and app for facilitating sleep |
FR3109851B1 (fr) * | 2020-05-04 | 2022-04-01 | Commissariat Energie Atomique | Méthode de réception d’un signal modulé en amplitude et récepteur associé |
CN116008911B (zh) * | 2022-12-02 | 2023-08-22 | 南昌工程学院 | 一种基于新型原子匹配准则的正交匹配追踪声源识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6317517B1 (en) * | 1998-11-30 | 2001-11-13 | Regents Of The University Of California | Statistical pattern recognition |
US7180441B2 (en) * | 2004-04-14 | 2007-02-20 | Safeview, Inc. | Multi-sensor surveillance portal |
WO2006106508A2 (en) * | 2005-04-04 | 2006-10-12 | Technion Research & Development Foundation Ltd. | System and method for designing of dictionaries for sparse representation |
-
2008
- 2008-09-05 FR FR0804880A patent/FR2935822B1/fr not_active Expired - Fee Related
-
2009
- 2009-08-13 US US13/062,220 patent/US8693765B2/en not_active Expired - Fee Related
- 2009-08-13 EP EP09811097.6A patent/EP2321769B1/fr not_active Not-in-force
- 2009-08-13 JP JP2011525493A patent/JP5509488B2/ja not_active Expired - Fee Related
- 2009-08-13 WO PCT/EP2009/060477 patent/WO2010026028A1/fr active Application Filing
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017529527A (ja) * | 2014-08-26 | 2017-10-05 | イマビオテクImabiotech | 質量分析イメージングによってサンプルを特徴づける方法 |
Also Published As
Publication number | Publication date |
---|---|
EP2321769A1 (fr) | 2011-05-18 |
JP5509488B2 (ja) | 2014-06-04 |
EP2321769B1 (fr) | 2016-08-31 |
FR2935822A1 (fr) | 2010-03-12 |
US8693765B2 (en) | 2014-04-08 |
US20110182501A1 (en) | 2011-07-28 |
FR2935822B1 (fr) | 2010-09-17 |
WO2010026028A1 (fr) | 2010-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5509488B2 (ja) | 形状を認識する方法および形状を認識する方法を実施するシステム | |
JP7317050B2 (ja) | 異なるデータモダリティの統計モデルを統合するためのシステムおよび方法 | |
Sulam et al. | Multilayer convolutional sparse modeling: Pursuit and dictionary learning | |
US11645835B2 (en) | Hypercomplex deep learning methods, architectures, and apparatus for multimodal small, medium, and large-scale data representation, analysis, and applications | |
Chin et al. | Incremental kernel principal component analysis | |
Tarzanagh et al. | Fast randomized algorithms for t-product based tensor operations and decompositions with applications to imaging data | |
Naik et al. | An overview of independent component analysis and its applications | |
Zayyani et al. | An iterative Bayesian algorithm for sparse component analysis in presence of noise | |
Labusch et al. | Sparse coding neural gas: learning of overcomplete data representations | |
Ni et al. | Example-driven manifold priors for image deconvolution | |
CN110673222B (zh) | 一种基于原子训练的大地电磁信号噪声压制方法及系统 | |
JP2012507793A (ja) | 複雑度正規化パターンの表現、探索、及び圧縮 | |
CN106599903B (zh) | 基于相关性的加权最小二乘字典学习的信号重构方法 | |
Hansen et al. | On independent component analysis for multimedia signals | |
CN111324791A (zh) | 一种多视数据子空间聚类方法 | |
Majumdar | Compressed sensing for magnetic resonance image reconstruction | |
Şimşekli et al. | Non-negative tensor factorization models for Bayesian audio processing | |
Das et al. | ICA methods for blind source separation of instantaneous mixtures: A case study | |
Sezer et al. | Face recognition with independent component-based super-resolution | |
Rafi et al. | Data driven measurement matrix learning for sparse reconstruction | |
CN108009586B (zh) | 封顶概念分解方法及图像聚类方法 | |
CN111798531A (zh) | 一种应用于植株监测的图像深度卷积压缩感知重构方法 | |
CN110266318B (zh) | 一种在压缩感知信号重建中基于梯度投影算法的测量矩阵优化方法 | |
Casas et al. | Few-shot meta-denoising | |
Guhaniyogi et al. | Bayesian data sketching for varying coefficient regression models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120802 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131028 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131203 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131224 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140306 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5509488 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |