JP2013196701A - 画像処理装置、画像処理方法及び設備 - Google Patents
画像処理装置、画像処理方法及び設備 Download PDFInfo
- Publication number
- JP2013196701A JP2013196701A JP2013053511A JP2013053511A JP2013196701A JP 2013196701 A JP2013196701 A JP 2013196701A JP 2013053511 A JP2013053511 A JP 2013053511A JP 2013053511 A JP2013053511 A JP 2013053511A JP 2013196701 A JP2013196701 A JP 2013196701A
- Authority
- JP
- Japan
- Prior art keywords
- image
- soft label
- region
- label
- image processing
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 157
- 238000003672 processing method Methods 0.000 title claims abstract description 37
- 230000000007 visual effect Effects 0.000 claims abstract description 76
- 238000004364 calculation method Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 58
- 230000008569 process Effects 0.000 claims abstract description 21
- 238000000605 extraction Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 97
- 230000006870 function Effects 0.000 abstract description 68
- 230000000694 effects Effects 0.000 abstract description 17
- 241000282376 Panthera tigris Species 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 11
- 238000003709 image segmentation Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
【解決手段】画像の分割を行う画像分割ユニットと、画像レベルと領域レベル視覚特徴を抽出する特徴抽出ユニットと、画像レベルと領域レベルの重み付きグラフの重み付きグラフを生成する生成ユニットと、費用関数を生成する的関数生成ユニットと、費用関数の最適化問題を解くことによって画像のソフトラベルと領域のソフトラベルを獲得する計算ユニットと、前記ソフトラベルに基づいて画像処理行う画像処理ユニットとを備える画像処理装置。前記画像処理装置の機能の処理を実行できる画像処理方法。前記画像処理装置を備える設備。本発明の前記技術を用いてより良い画像処理効果を得ることができ、画像処理分野に応用できる。
【選択図】図1
Description
図面における構成要素は、本発明を明瞭に説明するためのものであり、一定の比例で作成したものではないことを、当業者が理解すべきである。例えば、本発明の実施例を理解するために図面における一部の構成要素の大きさを他の構成要素より拡大した。
図3に示されたように、関数生成ユニット140が第一設定サブユニット310と第二設定サブユニット320と、関数生成サブユニット330とを含むことができる。そのうち、第一設定サブユニット310は重み付きグラフ生成ユニット130で生成された画像レベルの重み付きグラフと領域レベルの重み付きグラフの構成情報に基づいて第一制約条件を設定し、第二設定サブユニット320は、前記画像集の中のラベル付きの画像のソフトラベルと当該画像集の中ラベル付き画像中の領域のソフトラベルとの間の関係に基づいて第二制約条件を設定する。その後、関数生成サブユニット330は以上2種類の制約条件に基づいて費用関数を生成する。上述のように、当該費用関数中の未知数は、前記画像集の中の各画像のソフトラベルと当該画像集の中の各画像の各領域のソフトラベルである。
数式1
数式2:
この場合、下記の数式3と数式4によって検出対象画像のソフトラベル及びそのうちの各領域のソフトラベルを計算することができる。
数式3:
数式5:
また、本発明の目的は下記の方法によって達することができる。即ち、前記実行可能なプログラムコードを保存した記録媒体を直接又は間接的にシステム又は設備に提供し、且つ当該システム又は設備のコンピュータ又はセントラル・プロセッシング・ユニット(CPU)が前記プログラムコードを読み取り、実行する。
(付記1)
画像処理装置であって:
少なくとも一部の画像がラベル付きの画像である画像集の中の各画像をそれぞれ複数の領域に分割する画像分割ユニットと;
前記画像集の中の各画像の画像レベルの視覚特徴と領域レベルの視覚特徴を抽出する特徴抽出ユニットと;
前記画像レベルの視覚特徴に基づいて画像レベルの重み付きグラフを生成し、且つ、前記領域レベルの視覚特徴に基づいて領域レベルの重み付きグラフを生成する重み付きグラフ生成ユニットと、
前記画像集の中の各画像のソフトラベル及び前記画像集の中の各画像の各領域のソフトラベルを未知数とし、前記画像レベルの重み付きグラフと前記領域レベルの重み付きグラフの構成情報、及び前記画像集の中の各画像のソフトラベルと当該画像中の領域のソフトラベルとの間の関係に基づいて費用関数を生成する関数生成ユニットと;
前記費用関数の最適化問題を解くことによって前記未知数の計算値を獲得する計算ユニットと;
前記計算ユニットで獲得した計算値に基づいて画像処理を行う画像処理ユニットと;
を備える画像処理装置。
(付記2)
前記画像処理装置は、画像検索装置であって、前記画像集がラベル付きの検索画像を含み、且つ前記画像処理ユニットは、前記計算ユニットで獲得した計算値に基づいて前記画像集の中の前記検索画像以外の、前記検索画像との類似度が所定範囲内にある画像を検索結果として判断する、
付記1記載の画像処理装置,
(付記3)
前記画像集において、前記検索画像以外の、前記検索画像との類似度が所定範囲内にある画像は:
ソフトラベルが第一所定閾値より高い画像であって、且つ当該画像中の、最大のソフトラベルを有する領域のソフトラベルが第二所定閾値より高い画像と;
画像のソフトラベルと、画像中の、最大のソフトラベルを有する領域のソフトラベルとの重み付け和が最も大きい前のN個の画像であって、Nが正整数である画像と;
のうちの1種類の画像を含む、
付記2記載の画像処理装置。
(付記4)
前記画像処理ユニットは:
前記検索結果と対応する画像のソフトラベルの大きさの順番と;
前記検索結果と対応する画像の中の、最大のソフトラベルを有する領域のソフトラベルの大きさの順番と;
前記検索結果と対応する画像のソフトラベルと画像の中の、最大のソフトラベルを有する領域のソフトラベルとの重み付け和の大きさの順番と;
のうちの1つの順番に従って検索結果を出力する、
付記2又は付記3記載の画像処理装置。
(付記5)
前記画像処理装置は、画像コンセプト検出装置であって、前記画像処理ユニットは、前記計算ユニットで獲得した計算値に基づいて、非ラベル付きの検出対象画像が前記画像集の中のラベル付きの画像と関連するセマンティック概念を含むかを判断する、
付記1記載の画像処理装置。
(付記6)
前記画像処理ユニットは:
前記検出対象画像が前記画像集に含まれるかを判定する第一判定サブユニットと;
前記検出対象画像が前記画像集に含まれない場合、前記検出対象画像を複数の領域に分割し、前記計算ユニットで獲得した前記画像集の中の各画像のソフトラベルの計算値及び前記画像集の中の各画像の各領域のソフトラベルの計算値に基づいて、前記検出対象画像のソフトラベルと前記検出対象画像の各領域のソフトラベルの計算値を獲得する第一計算サブユニットと;
前記検出対象画像のソフトラベルの計算値及び前記検出対象画像の領域のソフトラベルの計算値に基づいて、前記画像集の中のラベル付きの画像と関連するセマンティック概念が前記検出対象画像に含まれる程度の程度値を計算する第二計算サブユニットと;
前記第二計算サブユニットで計算した前記程度値が第三所定閾値より大きい、又は等しい場合、前記検出対象画像に前記画像集の中のラベル付きの画像と関連するセマンティック概念が含まれると判定し、且つ、前記程度値が前記第三所定閾値より小さい場合、前記検出対象画像に前記画像集の中のラベル付きの画像と関連するセマンティック概念が含まれないと判定する第二判定サブユニットと;
を含む付記5記載の画像処理装置。
(付記7)
検出対象画像が前記画像集の中のラベル付きの画像と関連するセマンティック概念を含むと判定された場合、前記画像処理ユニットは、前記検出対象画像に前記画像集の正ラベル付きの画像のラベルを付する、
付記5又は6に記載の画像処理装置。
(付記8)
前記重み付きグラフ生成ユニットは:
前記画像集の中の各画像を節点とし、各2節点間の画像レベル視覚特徴における類似度を前記2節点間の重み付けエッジの重みとして前記画像レベルの重み付きグラフを生成する第一生成サブユニットと;
前記画像集の中の各画像の各領域を節点とし、各2節点間の領域レベル視覚特徴における類似度を前記2節点間の重み付けエッジの重みとして、前記領域レベルの重み付きグラフを生成する第二生成サブユニットと;
を備える付記1乃至7の何れか記載の画像処理装置。
(付記9)
前記関数生成ユニットは:
前記画像レベルの重み付きグラフと前記領域レベルの重み付きグラフの構成情報に基づいて、2つの画像の画像レベルの視覚特徴が類似すればするほど、当該2つの画像のソフトラベル間の差異が小さく、且つ、2つの領域の領域レベルの視覚特徴が類似すればするほど、当該2つの領域のソフトラベル間の差異が小さいである第一制約条件を設定する第一設定サブユニットと;
前記画像集の中のラベル付きの画像のソフトラベルと前記画像集の中のラベル付き画像の領域のソフトラベルとの間の関係に基づいて、負ラベル付きの画像及当該画像のすべての領域のソフトラベルをできるだけ-1に近づけさせ、令正ラベル付きの画像のソフトラベルをできるだけ1に近づけさせ、且つ正ラベル付き画像中の、最大のソフトラベルを有する領域のソフトラベルをできるだけ当該領域が属する画像のソフトラベルに近づけさせるよう第二制約条件を設定する第二設定サブユニットと;
前記画像集の中の各画像のソフトラベル及び前記画像集の中の各画像の各領域のソフトラベルを未知数として、前記第一制約条件と第二制約条件に基づいて費用関数を生成する、第一関数生成サブユニットと;
を含む付記1乃至8の何れか記載の画像処理装置。
(付記10)
前記計算ユニットは、緩和係数を導入することによって費用関数を制約付き最小化問題に変える第三計算サブユニットと、制約付き凹凸過程を利用して当該最小化問題を解き、前記画像集の中の各画像のソフトラベルの計算値及び前記画像集の中の各画像の各領域のソフトラベルの計算値を獲得する第四計算サブユニットと、を備える、
付記1乃至9の何れか記載の画像処理装置。
(付記11)
画像処理方法であって:
少なくとも一部の画像がラベル付きの画像である画像集の中の各画像をそれぞれ複数の領域に分割するステップと;
前記画像集の中の各画像の画像レベル視覚特徴と領域レベル視覚特徴を抽出するステップと、
前記画像レベル視覚特徴に基づいて画像レベルの重み付きグラフを生成し、且つ前記領域レベル視覚特徴に基づいて領域レベルの重み付きグラフを生成するステップと;
前記画像集の中の各画像のソフトラベル及び前記画像集の中の各画像の各領域のソフトラベルを未知数として、前記画像レベルの重み付きグラフと前記領域レベルの重み付きグラフの構成情報、及び前記画像集の中の各画像のソフトラベルと当該画像中の領域のソフトラベルとの間の関係に基づいて費用関数を生成するステップと;
前記費用関数の最適化問題を解くことによって、前記未知数の計算値を獲得し、前記未知数の計算値に基づいて画像処理を行うステップと;
を含む画像処理方法。
(付記12)
前記画像処理方法は画像検索方法であって、
前記画像集はラベル付きの検索画像を含み、
前記未知数の計算値に基づいて画像処理を行う前記ステップは、獲得した計算値に基づいて、前記画像集の中の、前記検索画像以外の、前記検索画像との類似度が所定範囲内にある画像を検索結果と判定する、
付記11記載の画像処理方法。
(付記13)
前記画像集の中の前記検索画像以外の、前記検索画像との類似度が所定範囲にある画像は:
ソフトラベルが第一所定閾値より高い画像であって、且つ当該画像において最大のソフトラベルを有する領域のソフトラベルが第二所定閾値より高い画像と;
Nを正整数として、画像のソフトラベルと、画像において最大のソフトラベルを有する領域のソフトラベルとの重み付け和が最も大きい前のN個の画像と;
のうちの1種類を含む、
付記11記載の画像処理方法。
(付記14)
前記検索結果は:
前記検索結果と対応する画像のソフトラベルの大きさの順番と;
前記検索結果と対応する画像中の、最大のソフトラベルを有する領域のソフトラベルの大きさの順番と;
前記検索結果と対応する画像のソフトラベルと画像中の最大のソフトラベル的領域のソフトラベル的重み付け和の大きさの順番と;
のうちの何れか1つの順番に基づいて出力される、
付記12又は13記載の画像処理方法。
(付記15)
前記画像処理方法は画像コンセプト検出方法であって、
前記未知数の計算値に基づいて画像処理を行う前記ステップは、獲得した計算値に基づいて、非ラベル付きの検出対象画像が前記画像集の中のラベル付きの画像と関連するセマンティック概念を含むかを判定することを含む、
付記11記載の画像処理方法。
(付記16)
前記の、獲得した計算値に基づいて非ラベル付きの検出対象画像が前記画像集の中のラベル付きの画像と関連するセマンティック概念を含むかを判定することは、
前記検出対象画像が前記画像集の中に含まれているかを判定し、
前記検出対象画像が前記画像集に含まれていない場合、前記検出対象画像を複数の領域に分割し、獲得した前記画像集の中の各画像のソフトラベルの計算値及び前記画像集の中の各画像の各領域のソフトラベルの計算値に基づいて、前記検出対象画像のソフトラベルと前記検出対象画像の各領域のソフトラベルの計算値を獲得し、
前記検出対象画像のソフトラベルの計算値及び前記検出対象画像の領域のソフトラベルの計算値に基づいて前記検出対象画像が前記画像集の中のラベル付きの画像と関連するセマンティック概念を含む程度値を計算し、
計算した前記程度値が第三所定閾値より大きい又は等しい場合、前記検出対象画像が前記画像集の中のラベル付きの画像と関連するセマンティック概念を含むと判定し、且つ前記程度値が前記第三所定閾値より小さい場合、前記検出対象画像が前記画像集の中のラベル付きの画像と関連するセマンティック概念を含まないと判定する、
付記15記載の画像処理方法。
(付記17)
検出対象画像が前記画像集の中のラベル付きの画像と関連するセマンティック概念を含むと判定した場合、前記画像集の正ラベル付きの画像のラベルを用いて前記検出対象画像に対してラベルを付けることをさらに含む、
付記15又は16記載の画像処理方法。
(付記18)
前記画像レベル視覚特徴に基づいて画像レベルの重み付きグラフを生成し、且つ前記領域レベル視覚特徴に基づいて領域レベルの重み付きグラフを生成する前記ステップは、
前記画像集の中の各画像を節点として、各2節点間の、画像レベル視覚特徴における類似度を前記2節点間の重み付けエッジの重みとして、前記画像レベルの重み付きグラフを生成し、
前記画像集の中の各画像の各領域を節点として、各2節点間の、領域レベル視覚特徴における類似度を前記2節点間の重み付けエッジの重みとして前記領域レベルの重み付きグラフを生成する、
付記11乃至17の何れか記載の画像処理方法。
(付記19)
前記画像レベルの重み付きグラフと前記領域レベルの重み付きグラフの構成情報、及び前記画像集の中の各画像のソフトラベルと当該画像中の領域のソフトラベルとの間の関係に基づいて費用関数を生成する前記ステップは、
前記画像レベルの重み付きグラフと前記領域レベルの重み付きグラフの構成情報に基づいて、2つの画像の画像レベルの視覚特徴が類似すればするほど、当該2つの画像のソフトラベル間の差異が小さく、且つ、2つの領域の領域レベルの視覚特徴が類似すればするほど、当該2つの領域のソフトラベル間の差異が小さいである第一制約条件を設定し、
前記画像集の中のラベル付きの画像のソフトラベルと前記画像集の中のラベル付き画像の領域のソフトラベルとの間の関係に基づいて、負ラベル付きの画像及び当該画像中のすべての領域のソフトラベルを-1に近づけさせ、正ラベル付きの画像のソフトラベルをできるだけ1に近づけさせ、正ラベル付き画像中の、最大ソフトラベルを有する領域のソフトラベルをできるだけ当該領域が属する画像のソフトラベルに近づけさせる第二制約条件を設定し、
前記第一制約条件と前記第二制約条件に基づいて費用関数を生成することを含む、
付記11乃至18の何れか記載の前記画像処理方法。
(付記20)
前記費用関数の最適化問題を解くことによって、前記未知数の計算値を獲得することは、
緩和係数を導入することによって、費用関数を制約付き最小化問題に変え、且つ、
制約付き凹凸過程を利用して当該最小化問題を解き、画像集の中の各画像のソフトラベルの計算値及び画像集の中の各画像の各領域のソフトラベルの計算値を獲得することを含む、
付記11乃至19の何れか記載の画像処理方法。
(付記21)
付記1乃至10の何れか記載の画像処理装置を備える設備。
(付記22)
前記設備は、カメラと、ビデオカメラと、コンピュータと、携帯電話と、個人デジタルアシスタントと、マルチメディア処理装置との何れかである、
付記21記載の設備。
(付記23)
コンピュータ設備が実行可能なコンピュータプログラムが保存されているコンピュータ読み取り可能な記録媒体であって、前記プログラムが実行される際に、コンピュータ設備に付記11乃至20の何れか記載の画像処理方法を実行させることができるコンピュータ読み取り可能な記録媒体。
Claims (10)
- 画像処理装置であって:
少なくとも一部の画像がラベル付きの画像である画像集の中の各画像をそれぞれ複数の領域に分割する画像分割ユニットと;
前記画像集の中の各画像の画像レベルの視覚特徴と領域レベルの視覚特徴を抽出する特徴抽出ユニットと;
前記画像レベルの視覚特徴に基づいて画像レベルの重み付きグラフを生成し、且つ、前記領域レベルの視覚特徴に基づいて領域レベルの重み付きグラフを生成する重み付きグラフ生成ユニットと;
前記画像集の中の各画像のソフトラベル及び前記画像集の中の各画像の各領域のソフトラベルを未知数とし、前記画像レベルの重み付きグラフと前記領域レベルの重み付きグラフの構成情報、及び前記画像集の中の各画像のソフトラベルと当該画像中の領域のソフトラベルとの間の関係に基づいて費用関数を生成する関数生成ユニットと;
前記費用関数の最適化問題を解くことによって前記未知数の計算値を獲得する計算ユニットと;
前記計算ユニットで獲得した計算値に基づいて画像処理を行う画像処理ユニットと;
を備える画像処理装置。 - 前記画像処理装置は、画像検索装置であって、
前記画像集がラベル付きの検索画像を含み、且つ、
前記画像処理ユニットは、前記計算ユニットで獲得した計算値に基づいて前記画像集の中の前記検索画像以外の、前記検索画像との類似度が所定範囲内にある画像を検索結果として判断する、
請求項1記載の画像処理装置。 - 前記画像集において、前記検索画像以外の、前記検索画像との類似度が所定範囲内にある画像は:
ソフトラベルが第一所定閾値より高い画像であって、且つ当該画像中の、最大のソフトラベルを有する領域のソフトラベルが第二所定閾値より高い画像と;
画像のソフトラベルと、画像中の、最大のソフトラベルを有する領域のソフトラベルとの重み付け和が最も大きい前のN個の画像であって、Nが正整数である画像と;
のうちの1種類の画像を含む、
請求項2記載の画像処理装置。 - 前記画像処理装置は、画像コンセプト検出装置であって、
前記画像処理ユニットは、前記計算ユニットで獲得した計算値に基づいて、非ラベル付きの検出対象画像が前記画像集の中のラベル付きの画像と関連するセマンティック概念を含むかを判断する、
請求項1記載の画像処理装置。 - 前記画像処理ユニットは:
前記検出対象画像が前記画像集に含まれるかを判定する第一判定サブユニットと;
前記検出対象画像が前記画像集に含まれない場合、前記検出対象画像を複数の領域に分割し、前記計算ユニットで獲得した前記画像集の中の各画像のソフトラベルの計算値及び前記画像集の中の各画像の各領域のソフトラベルの計算値に基づいて、前記検出対象画像のソフトラベルと前記検出対象画像の各領域のソフトラベルの計算値を獲得する第一計算サブユニットと;
前記検出対象画像のソフトラベルの計算値及び前記検出対象画像の領域のソフトラベルの計算値に基づいて前記画像集の中のラベル付きの画像と関連するセマンティック概念が前記検出対象画像に含まれる程度の程度値を計算する第二計算サブユニットと;
前記第二計算サブユニットで計算した前記程度値が第三所定閾値より大きい、又は等しい場合、前記検出対象画像に前記画像集の中のラベル付きの画像と関連するセマンティック概念が含まれると判定し、且つ、前記程度値が前記第三所定閾値より小さい場合、前記検出対象画像に前記画像集の中のラベル付きの画像と関連するセマンティック概念が含まれないと判定する第二判定サブユニットと;
を備える請求項4記載の画像処理装置。 - 前記重み付きグラフ生成ユニットは:
前記画像集の中の各画像を節点とし、各2節点間の画像レベル視覚特徴における類似度を前記2節点間の重み付けエッジの重みとして前記画像レベルの重み付きグラフを生成する第一生成サブユニットと;
前記画像集の中の各画像の各領域を節点とし、各2節点間の領域レベル視覚特徴における類似度を前記2節点間の重み付けエッジの重みとして、前記領域レベルの重み付きグラフを生成する第二生成サブユニットと;
を備える請求項1乃至5の何れか記載の画像処理装置。 - 前記関数生成ユニットは:
前記画像レベルの重み付きグラフと前記領域レベルの重み付きグラフの構成情報に基づいて、2つの画像の画像レベルの視覚特徴が類似すればするほど、当該2つの画像のソフトラベル間の差異が小さく、且つ、2つの領域の領域レベルの視覚特徴が類似すればするほど、当該2つの領域のソフトラベル間の差異が小さいである第一制約条件を設定する第一設定サブユニットと;
前記画像集の中のラベル付きの画像のソフトラベルと前記画像集の中のラベル付き画像の領域のソフトラベルとの間の関係に基づいて、負ラベル付きの画像及当該画像のすべての領域のソフトラベルをできるだけ-1に近づけさせ、令正ラベル付きの画像のソフトラベルをできるだけ1に近づけさせ、且つ正ラベル付き画像中の、最大のソフトラベルを有する領域のソフトラベルをできるだけ当該領域が属する画像のソフトラベルに近づけさせるよう第二制約条件を設定する第二設定サブユニットと;
前記画像集の中の各画像のソフトラベル及び前記画像集の中の各画像の各領域のソフトラベルを未知数として、前記第一制約条件と第二制約条件に基づいて費用関数を生成する、関数生成サブユニットと;
を備える請求項1乃至6の何れか記載の画像処理装置。 - 前記計算ユニットは:
緩和係数を導入することによって費用関数を制約付き最小化問題に変える第三計算サブユニットと;
制約付き凹凸過程を利用して当該最小化問題を解き、前記画像集の中の各画像のソフトラベルの計算値及び前記画像集の中の各画像の各領域のソフトラベルの計算値を獲得する第四計算サブユニットと;
を備える請求項1乃至7の何れか記載の画像処理装置。 - 画像処理方法であって:
少なくとも一部の画像がラベル付きの画像である画像集の中の各画像をそれぞれ複数の領域に分割するステップと;
前記画像集の中の各画像の画像レベル視覚特徴と領域レベル視覚特徴を抽出するステップと;
前記画像レベル視覚特徴に基づいて画像レベルの重み付きグラフを生成し、且つ前記領域レベル視覚特徴に基づいて領域レベルの重み付きグラフを生成するステップと;
前記画像集の中の各画像のソフトラベル及び前記画像集の中の各画像の各領域のソフトラベルを未知数として、前記画像レベルの重み付きグラフと前記領域レベルの重み付きグラフの構成情報、及び前記画像集の中の各画像のソフトラベルと当該画像中の領域のソフトラベルとの間の関係に基づいて費用関数を生成するステップと、
前記費用関数の最適化問題を解くことによって、前記未知数の計算値を獲得ステップと;
前記未知数の計算値に基づいて画像処理を行うステップと;
を含む画像処理方法。 - 請求項1乃至8の何れか記載の画像処理装置を備える設備。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210071428.6A CN103310221B (zh) | 2012-03-16 | 2012-03-16 | 图像处理装置、图像处理方法以及设备 |
CN201210071428.6 | 2012-03-16 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013196701A true JP2013196701A (ja) | 2013-09-30 |
JP6160143B2 JP6160143B2 (ja) | 2017-07-12 |
Family
ID=49135416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013053511A Active JP6160143B2 (ja) | 2012-03-16 | 2013-03-15 | 画像処理装置、画像処理方法及び設備 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6160143B2 (ja) |
CN (1) | CN103310221B (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150070973A (ko) * | 2013-12-17 | 2015-06-25 | 삼성전자주식회사 | 무선 통신 시스템에서 비직교 통신 방법과 이를 위한 eNB 및 단말 |
WO2019092931A1 (ja) * | 2017-11-07 | 2019-05-16 | 日本電気株式会社 | 判別モデル生成装置、判別モデル生成方法および判別モデル生成プログラム |
CN112784691A (zh) * | 2020-12-31 | 2021-05-11 | 杭州海康威视数字技术股份有限公司 | 一种目标检测模型训练方法、目标检测方法和装置 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657427A (zh) * | 2015-01-23 | 2015-05-27 | 华东师范大学 | 一种基于优化视觉词袋信息量权重的图像概念检测方法 |
CN104657742A (zh) * | 2015-01-23 | 2015-05-27 | 华东师范大学 | 一种基于汉明嵌入核的图像概念检测方法及其汉明嵌入核 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004047026A1 (ja) * | 2002-11-20 | 2004-06-03 | Fujitsu Limited | 画像検索プログラム |
JP2012027713A (ja) * | 2010-07-23 | 2012-02-09 | Sony Corp | 画像処理装置および方法、並びにプログラム |
JP2012054873A (ja) * | 2010-09-03 | 2012-03-15 | Casio Comput Co Ltd | 画像処理装置、画像処理方法及びプログラム |
JP2013196700A (ja) * | 2012-03-16 | 2013-09-30 | Fujitsu Ltd | ビデオ処理装置、ビデオ処理方法及び設備 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7715640B2 (en) * | 2002-11-05 | 2010-05-11 | Konica Minolta Business Technologies, Inc. | Image processing device, image processing method, image processing program and computer-readable recording medium on which the program is recorded |
CN101493892B (zh) * | 2009-02-27 | 2012-03-28 | 中国农业大学 | 图像特征提取方法及装置 |
CN101540061B (zh) * | 2009-04-10 | 2011-06-22 | 西北工业大学 | 基于模拟退火的无序图像拓扑有序化匹配方法 |
JP4862930B2 (ja) * | 2009-09-04 | 2012-01-25 | カシオ計算機株式会社 | 画像処理装置、画像処理方法及びプログラム |
-
2012
- 2012-03-16 CN CN201210071428.6A patent/CN103310221B/zh active Active
-
2013
- 2013-03-15 JP JP2013053511A patent/JP6160143B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004047026A1 (ja) * | 2002-11-20 | 2004-06-03 | Fujitsu Limited | 画像検索プログラム |
JP2012027713A (ja) * | 2010-07-23 | 2012-02-09 | Sony Corp | 画像処理装置および方法、並びにプログラム |
JP2012054873A (ja) * | 2010-09-03 | 2012-03-15 | Casio Comput Co Ltd | 画像処理装置、画像処理方法及びプログラム |
JP2013196700A (ja) * | 2012-03-16 | 2013-09-30 | Fujitsu Ltd | ビデオ処理装置、ビデオ処理方法及び設備 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150070973A (ko) * | 2013-12-17 | 2015-06-25 | 삼성전자주식회사 | 무선 통신 시스템에서 비직교 통신 방법과 이를 위한 eNB 및 단말 |
WO2019092931A1 (ja) * | 2017-11-07 | 2019-05-16 | 日本電気株式会社 | 判別モデル生成装置、判別モデル生成方法および判別モデル生成プログラム |
CN112784691A (zh) * | 2020-12-31 | 2021-05-11 | 杭州海康威视数字技术股份有限公司 | 一种目标检测模型训练方法、目标检测方法和装置 |
CN112784691B (zh) * | 2020-12-31 | 2023-06-02 | 杭州海康威视数字技术股份有限公司 | 一种目标检测模型训练方法、目标检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103310221A (zh) | 2013-09-18 |
JP6160143B2 (ja) | 2017-07-12 |
CN103310221B (zh) | 2016-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Sequential discrete hashing for scalable cross-modality similarity retrieval | |
CN110363213B (zh) | 服装图像的认知分析和分类的方法和系统 | |
Li et al. | Bootstrapping visual categorization with relevant negatives | |
JP5861539B2 (ja) | 複数の画像の記述的情報を取得する方法及び装置、並びに画像マッチング方法 | |
JP6160143B2 (ja) | 画像処理装置、画像処理方法及び設備 | |
CN113661487A (zh) | 使用机器训练词条频率加权因子的产生密集嵌入向量的编码器 | |
Shen et al. | Leveraging loosely-tagged images and inter-object correlations for tag recommendation | |
US11373117B1 (en) | Artificial intelligence service for scalable classification using features of unlabeled data and class descriptors | |
US20210117802A1 (en) | Training a Neural Network Using Small Training Datasets | |
US10755332B2 (en) | Multi-perceptual similarity detection and resolution | |
US10163036B2 (en) | System and method of analyzing images using a hierarchical set of models | |
JP2014197412A (ja) | 画像の類似検索システム及び方法 | |
Vo et al. | Active learning strategies for weakly-supervised object detection | |
CN111738009A (zh) | 实体词标签生成方法、装置、计算机设备和可读存储介质 | |
US20210089539A1 (en) | Associating user-provided content items to interest nodes | |
JP6015504B2 (ja) | ビデオ処理装置、ビデオ処理方法及び設備 | |
US20230267175A1 (en) | Systems and methods for sample efficient training of machine learning models | |
CN111475641B (zh) | 一种数据抽取方法、装置、存储介质及设备 | |
Yang et al. | Computing object-based saliency via locality-constrained linear coding and conditional random fields | |
CN111723199A (zh) | 文本的分类方法、装置和计算机可读存储介质 | |
Wang et al. | Multi-concept multi-modality active learning for interactive video annotation | |
Shi et al. | Audio classification with low-rank matrix representation features | |
Kumar et al. | What and where you have seen? Bag of Words-based local feature pooling for visual event detection | |
JP5379749B2 (ja) | 文書分類装置、文書分類方法、そのプログラムおよび記録媒体 | |
Belghith et al. | Hui2Vec: learning transaction embedding through high utility itemsets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151007 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160927 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161221 |
|
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: 20170516 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170529 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6160143 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |