JP2016153984A - ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、検出装置、検出方法、および、車両 - Google Patents
ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、検出装置、検出方法、および、車両 Download PDFInfo
- Publication number
- JP2016153984A JP2016153984A JP2015032258A JP2015032258A JP2016153984A JP 2016153984 A JP2016153984 A JP 2016153984A JP 2015032258 A JP2015032258 A JP 2015032258A JP 2015032258 A JP2015032258 A JP 2015032258A JP 2016153984 A JP2016153984 A JP 2016153984A
- Authority
- JP
- Japan
- Prior art keywords
- map
- input image
- neural network
- processing unit
- output
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 248
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 110
- 238000003672 processing method Methods 0.000 title claims abstract description 6
- 239000013598 vector Substances 0.000 claims abstract description 209
- 238000011176 pooling Methods 0.000 claims abstract description 104
- 238000000034 method Methods 0.000 claims description 126
- 230000008569 process Effects 0.000 claims description 110
- 238000010586 diagram Methods 0.000 description 38
- 238000004364 calculation method Methods 0.000 description 11
- 238000001994 activation Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000004913 activation Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
【解決手段】入力画像に基づくマップに対して、非線形化処理およびプーリング処理を行い、前記入力画像の水平方向の解像度を保ったまま、前記入力画像における検出対象物の水平方向位置を示す行ベクトル(51)を出力する水平方向処理部(120h)と、前記入力画像に基づくマップに対して、非線形化処理およびプーリング処理を行い、前記入力画像の垂直方向の解像度を保ったまま、前記入力画像における前記検出対象物の垂直方向位置を示す列ベクトル(52)を出力する垂直方向処理部(120v)と、を備えるニューラルネットワーク処理装置(1)が提供される。
【選択図】図3
Description
この構成により、サンプル画像から正解データを生成でき、学習処理に用いることができる。
この構成により、サンプル画像から正解データを生成でき、学習処理に用いることができる。特に、検出対象物が複数ある場合に有効である。
これにより、行ベクトルにおける各列の値および列ベクトルにおける各行の値によって、検出対象物の位置を示すことができる。
この構成によれば、複数種類の検出対象物を検出できる。
この構成によれば、入力画像に検出対象物の一部のみしか含まれない場合でも、当該検出対象物を検出できる。
この構成によれば、検出対象物が縦長である場合に、検出精度を向上できる。
この構成によれば、検出対象物がない場合には垂直方向処理部が処理を行わず、演算量を削減できる。
この構成によれば、出力される行ベクトルおよび列ベクトルのノイズを除去でき、検出精度が向上する。
この構成によれば、やはり、出力される行ベクトルおよび列ベクトルのノイズを除去でき、検出精度が向上する。
第1の実施形態では、入力画像における検出対象物の上下左右端の位置、より詳しくは、左端位置xl、右端位置xr、上端位置ytおよび下端位置ybを、入力画像の解像度を損なうことなく特定する。
続いて、学習処理について説明する。
そして、学習部2は下記(1)式のように目的関数E(W)を定義する。
続いて、検出処理について説明する。
次に説明する第2の実施形態では、垂直方向処理部120vで生成されるマップも使用して水平方向処理部120hが行ベクトル51を生成するとともに、水平方向処理部120hで生成されるマップも使用して垂直方向処理部120vが列ベクトル52を生成するものである。
マップ91〜94の生成法は共通しているため、以下、代表してマップ93の生成について詳しく説明する。
このようにフィルタを2画素ずつ右にずらしながらマップ64の1行を処理することで、中間マップ64’の2列の値が定まる。
また、以上の説明の水平方向と垂直方向を入れ替えることで、非線形化処理部121h’はマップ91,92を生成できる。
第3の実施形態では、特定部3について詳しく説明する。なお、本実施形態では、検出対象物が1種類であると仮定する。
以降、選択された最大値が閾値より小さくなるまで(パラメータflagがfalseに設定されるまで)、ステップS2〜S5を繰り返す。
2つの左右端候補が検出された場合、特定部3は、左側を左端候補とし、右側を右端候補とすることができる。
xl=(xla+xlb)/2
xr=(xra+xrb)/2
yt=(ytb+ytc)/2
yb=(ybb+ybc)/2
そして、特定部3は、例えば平均値を用いて得られる4点を結んだ矩形を検出対象物の位置と特定することができる。
Z=fh/yb
このとき、図示のように、三角形の相似関係から、特定部3は下式に基づいて車載カメラ101と検出対象物102との横方向の距離XL,XRを算出できる。
XL=Zxl/f
XR=Zxr/f
上述した第1〜3の実施形態は、検出対象物が1種類(例えば人)であることを念頭に置いていた。これに対し、以下に説明する第4の実施形態では、複数種類の検出対象物(例えば人と車両)の位置を特定するものである。
なお、入力画像の画素数およびプーリング部122hの段数に応じて、1つのマップにつき複数の行ベクトル51や列ベクトル52が出力され得る。
次に説明する第5の実施形態は、ニューラルネットワーク構造自体は第1の実施形態などと変わらないが、出力される行ベクトルおよび列ベクトルの形態が第1〜4の実施形態とは異なるものである。そして、入力画像における検出対象物を、必ずしも上下左右端の矩形でなく、任意の形状で特定するものである。
このような行ベクトル51’および列ベクトル52’を出力するためには、学習処理を次のようにすればよい。
次に説明する第6の実施形態では、検出対象物が二輪車や人など縦長であることを想定している。そして、検出装置におけるニューラルネットワーク処理部は、入力画像において、まず検出対象物の水平方向位置を検出し、続いて垂直方向位置を検出するものである。
2 学習部
3 特定部
11 非線形化処理部
12h,12h’ 水平方向マップ生成部
12v,12v’ 垂直方向マップ生成部
121h,121h’,121v,121v’ 非線形化処理部
122h,122v プーリング部
120h 水平方向処理部
120v 垂直方向処理部
13 領域設定部
51,51a,51b,51’ 行ベクトル
52,52a〜52c,52’ 列ベクトル
100 検出装置
101 車載カメラ
102 検出対象物
110 車両
111 車両本体
Claims (19)
- 入力画像に基づくマップに対して、非線形化処理およびプーリング処理を行い、前記入力画像の水平方向の解像度を保ったまま、前記入力画像における検出対象物の水平方向位置を示す行ベクトルを出力する水平方向処理部と、
前記入力画像に基づくマップに対して、非線形化処理およびプーリング処理を行い、前記入力画像の垂直方向の解像度を保ったまま、前記入力画像における前記検出対象物の垂直方向位置を示す列ベクトルを出力する垂直方向処理部と、を備えるニューラルネットワーク処理装置。 - 前記水平方向処理部は、前記入力画像に基づくマップに対して、垂直方向のみのプーリング処理を行う第1プーリング部を有し、
前記垂直方向処理部は、前記入力画像に基づくマップに対して、水平方向にのみプーリング処理を行う第2プーリング部を有する、請求項1に記載のニューラルネットワーク処理装置。 - 前記水平方向処理部は、第1水平方向マップ生成部および第2水平方向マップ生成部を有し、
前記垂直方向処理部は、第1垂直方向マップ生成部および第2垂直方向マップ生成部を有し、
前記第1水平方向マップ生成部は、前記入力画像に基づくマップに対して、非線形化処理および垂直方向のみのプーリング処理を行って、第1出力マップを生成し、
前記第1垂直方向マップ生成部は、前記入力画像に基づくマップに対して、非線形化処理および水平方向のみのプーリング処理を行って、第2出力マップを生成し、
前記第2水平方向マップ生成部は、前記第1出力マップおよび前記第2出力マップに対して、非線形化処理およびプーリング処理を行って、前記第1出力マップと水平方向の解像度が等しい第3出力マップを生成し、
前記第2垂直方向マップ生成部は、前記第1出力マップおよび前記第2出力マップに対して、非線形化処理およびプーリング処理を行って、前記第2出力マップと垂直方向の解像度が等しい第4出力マップを生成し、
前記第3出力マップに基づいて前記行ベクトルが生成され、
前記第4出力マップに基づいて前記列ベクトルが生成される、請求項1または2に記載のニューラルネットワーク処理装置。 - 前記第2水平方向マップ生成部は、
前記第1出力マップおよび前記第2出力マップに対して畳み込み演算を行って前記第1出力マップと解像度が等しい第1中間マップおよび第2中間マップをそれぞれ生成し、前記第1中間マップおよび前記第2中間マップを加算して第3中間マップを生成する第1非線形化処理部と、
前記第3中間マップに対して、垂直方向のみのプーリング処理を行って前記第3出力マップを生成する第3プーリング部と、
を有し、
前記第2垂直方向マップ生成部は、
前記第1出力マップおよび前記第2出力マップに対して畳み込み演算を行って前記第2出力マップと解像度が等しい第4中間マップおよび第5中間マップをそれぞれ生成し、前記第4中間マップおよび前記第5中間マップを加算して第6中間マップを生成する第2非線形化処理部と、
前記第6中間マップに対して、水平方向のみのプーリング処理を行って前記第4出力マップを生成する第4プーリング部と、
を有する、請求項3に記載のニューラルネットワーク処理装置。 - 前記第2中間マップの水平方向および垂直方向の解像度は、前記第2出力マップの水平方向および垂直方向の解像度のそれぞれp1倍および1/q1倍(p1,q1は整数)であり、
前記第1非線形化処理部は、前記第2出力マップのある一部の画素値と、第1フィルタのフィルタ係数との内積を、前記第2出力マップのある一部と対応する前記第2中間マップにおける画素およびその右の(p1−1)個の画素の値に設定する処理を、前記第2出力マップの垂直方向においてはq1画素ずつ前記第1フィルタをシフトしながら行うことで、前記第2中間マップを生成し、
前記第4中間マップの水平方向および垂直方向の解像度は、前記第1出力マップの水平方向および垂直方向の解像度のそれぞれ1/p2倍およびq2倍(p2,q2は整数)であり、
前記第2非線形化処理部は、前記第1出力マップのある一部の画素値と、第2フィルタのフィルタ係数との内積を、前記第1出力マップのある一部と対応する前記第4中間マップにおける画素およびその下の(q2−1)個の画素の値に設定する処理を、前記第1出力マップの水平方向においてはp2画素ずつ前記第2フィルタをシフトしながら行うことで、前記第4中間マップを生成する、請求項4に記載のニューラルネットワーク処理装置。 - サンプル画像における前記検出対象物の上下左右端に対応する画素が第1値で他の画素が第2値である画像を前記入力画像とし、
前記水平方向処理部および前記垂直方向処理部は、中央が前記第1値であり他が前記第2値であるフィルタを用いた畳み込み演算を含む前記非線形化処理を行って、正解データとしての前記行ベクトルおよび前記列ベクトルを出力する、請求項1乃至5のいずれかに記載のニューラルネットワーク処理装置。 - サンプル画像における前記検出対象物がある画素が第1値で他の画素が第2値である画素を前記入力画像とし、
前記水平方向処理部および前記垂直方向処理部は、中央が前記第1値であり他が前記第2値であるフィルタを用いた畳み込み演算を含む前記非線形化処理を行って、正解データとしての前記行ベクトルおよび前記列ベクトルを出力する、請求項1乃至5のいずれかに記載のニューラルネットワーク処理装置。 - 前記サンプル画像および前記正解データに基づいて、前記非線形化処理で用いられるニューラルネットワークパラメータが生成される、請求項6または7に記載のニューラルネットワーク処理装置。
- 前記水平方向処理部が、前記検出対象物の左端および右端に対応する列が前記第1値であり、前記左端より左側および前記右端より右側に対応する列が前記第2値である前記行ベクトルを出力し、かつ、
前記垂直方向処理部が、前記検出対象物の上端および下端に対応する行が前記第1値であり、前記上端より上側および前記下端より下側に対応する行が前記第2値である前記列ベクトルを出力するよう、前記ニューラルネットワークパラメータが生成される、請求項8に記載のニューラルネットワーク処理装置。 - 前記サンプル画像は、第1検出対象物を含むサンプル画像と、前記第1検出対象物とは異なる第2検出対象物を含むサンプル画像と、を含む、請求項6乃至9のいずれかに記載のニューラルネットワーク処理装置。
- 前記サンプル画像は、前記検出対象物の一部のみを含むサンプル画像を含む、請求項6乃至10のいずれかに記載のニューラルネットワーク処理装置。
- 前記行ベクトルに基づいて、前記入力画像から前記検出対象物を含む領域を特定する領域特定部を備え、
前記垂直方向処理部は、前記入力画像に基づくマップとして、前記特定された領域に対して、非線形処理およびプーリング処理を行う、請求項1または2に記載のニューラルネットワーク処理装置。 - 前記行ベクトルに基づいて、前記入力画像に前記検出対象物が含まれないと判断される場合、前記垂直方向処理部は非線形処理およびプーリング処理を行わない、請求項12に記載のニューラルネットワーク処理装置。
- 請求項1乃至13のいずれかに記載のニューラルネットワーク処理装置と、
前記ニューラルネットワーク装置によって出力された前記行ベクトルおよび前記列ベクトルに基づいて、前記入力画像における前記検出対象物の位置を特定する特定部と、を備える検出装置。 - 前記特定部は、
前記行ベクトルにおける列であって、その値が第1閾値条件を満たす列を前記検出対象物の左端候補または右端候補とし、
前記列ベクトルにおける行であって、その値が第2閾値条件を満たす行を前記検出対象物の上端候補または下端候補とする、請求項14に記載の検出装置。 - 前記特定部が特定する前記前記検出対象物の左端候補と右端候補は、第1画素数以上離れており、
前記特定部が特定する前記前記検出対象物の上端候補と下端候補は、第2画素数以上離れている、請求項14または15に記載の検出装置。 - 車両本体と、
車両本体に取り付けられたカメラと、
前記カメラからの画像を前記入力画像として処理する請求項14乃至16のいずれかに記載の検出装置と、を備える車両。 - 入力画像に基づくマップに対して、非線形化処理およびプーリング処理を行い、前記入力画像の水平方向の解像度を保ったまま、前記入力画像における検出対象物の水平方向位置を示す行ベクトルを出力するステップと、
前記入力画像に基づくマップに対して、非線形化処理およびプーリング処理を行い、前記入力画像の垂直方向の解像度を保ったまま、前記入力画像における前記検出対象物の垂直方向位置を示す列ベクトルを出力するステップと、を備える、ニューラルネットワーク処理方法。 - 入力画像に基づくマップに対して、非線形化処理およびプーリング処理を行い、前記入力画像の水平方向の解像度を保ったまま、前記入力画像における検出対象物の水平方向位置を示す行ベクトルを出力するステップと、
前記入力画像に基づくマップに対して、非線形化処理およびプーリング処理を行い、前記入力画像の垂直方向の解像度を保ったまま、前記入力画像における前記検出対象物の垂直方向位置を示す列ベクトルを出力するステップと、
前記行ベクトルおよび前記列ベクトルに基づいて、前記入力画像における前記検出対象物の位置を特定するステップと、を備える検出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015032258A JP6360802B2 (ja) | 2015-02-20 | 2015-02-20 | ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、検出装置、検出方法、および、車両 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015032258A JP6360802B2 (ja) | 2015-02-20 | 2015-02-20 | ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、検出装置、検出方法、および、車両 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016153984A true JP2016153984A (ja) | 2016-08-25 |
JP6360802B2 JP6360802B2 (ja) | 2018-07-18 |
Family
ID=56760461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015032258A Expired - Fee Related JP6360802B2 (ja) | 2015-02-20 | 2015-02-20 | ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、検出装置、検出方法、および、車両 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6360802B2 (ja) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170091140A (ko) * | 2015-04-02 | 2017-08-08 | 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 | 컨볼루션 신경망 모델의 트레이닝 방법 및 장치 |
JP2018060296A (ja) * | 2016-10-03 | 2018-04-12 | グローリー株式会社 | 画像処理装置、画像処理システム及び画像処理方法 |
JP2018088151A (ja) * | 2016-11-29 | 2018-06-07 | 株式会社Soken | 境界線推定装置 |
JP2019008383A (ja) * | 2017-06-21 | 2019-01-17 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理方法、プログラム、および、記憶媒体 |
JP2019075035A (ja) * | 2017-10-19 | 2019-05-16 | 株式会社日立製作所 | ソフトウェアテスト装置および方法 |
JP2019101519A (ja) * | 2017-11-29 | 2019-06-24 | Kddi株式会社 | 画素に基づく画像セグメンテーション用のプログラム |
US10387298B2 (en) | 2017-04-04 | 2019-08-20 | Hailo Technologies Ltd | Artificial neural network incorporating emphasis and focus techniques |
JP2019537139A (ja) * | 2016-11-10 | 2019-12-19 | グーグル エルエルシー | ハードウェアにおけるカーネルストライドの実行 |
JP2020035380A (ja) * | 2018-08-31 | 2020-03-05 | 株式会社小松製作所 | 画像処理システム、表示装置、画像処理方法、学習済みモデルの生成方法、および学習用データセット |
JP2020061132A (ja) * | 2018-09-12 | 2020-04-16 | コグネックス・コーポレイション | マシンビジョン用の画像データを処理するための方法及び装置 |
JP2021512378A (ja) * | 2018-12-29 | 2021-05-13 | ベイジン センスタイム テクノロジー デベロップメント カンパニー, リミテッド | アンカー決定方法及び装置、電子機器並びに記憶媒体 |
JP2021530771A (ja) * | 2018-07-25 | 2021-11-11 | 深▲せん▼市商▲湯▼科技有限公司Shenzhen Sensetime Technology Co., Ltd. | レーザレーダスパース深度マップの処理方法、装置、機器および媒体 |
CN113777571A (zh) * | 2021-08-04 | 2021-12-10 | 中山大学 | 一种基于深度学习的无人机集群动态方向图综合方法 |
US11221929B1 (en) | 2020-09-29 | 2022-01-11 | Hailo Technologies Ltd. | Data stream fault detection mechanism in an artificial neural network processor |
US11238334B2 (en) | 2017-04-04 | 2022-02-01 | Hailo Technologies Ltd. | System and method of input alignment for efficient vector operations in an artificial neural network |
US11237894B1 (en) | 2020-09-29 | 2022-02-01 | Hailo Technologies Ltd. | Layer control unit instruction addressing safety mechanism in an artificial neural network processor |
US11263077B1 (en) | 2020-09-29 | 2022-03-01 | Hailo Technologies Ltd. | Neural network intermediate results safety mechanism in an artificial neural network processor |
US11475593B2 (en) | 2018-09-12 | 2022-10-18 | Cognex Corporation | Methods and apparatus for processing image data for machine vision |
US11544545B2 (en) | 2017-04-04 | 2023-01-03 | Hailo Technologies Ltd. | Structured activation based sparsity in an artificial neural network |
US11551028B2 (en) | 2017-04-04 | 2023-01-10 | Hailo Technologies Ltd. | Structured weight based sparsity in an artificial neural network |
US11615297B2 (en) | 2017-04-04 | 2023-03-28 | Hailo Technologies Ltd. | Structured weight based sparsity in an artificial neural network compiler |
WO2023053674A1 (ja) * | 2021-09-30 | 2023-04-06 | 富士フイルム株式会社 | 検出方法、撮像装置、及びプログラム |
US11657630B2 (en) | 2018-09-12 | 2023-05-23 | Cognex Corporation | Methods and apparatus for testing multiple fields for machine vision |
US11811421B2 (en) | 2020-09-29 | 2023-11-07 | Hailo Technologies Ltd. | Weights safety mechanism in an artificial neural network processor |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0451374A (ja) * | 1990-06-19 | 1992-02-19 | Canon Inc | 画像処理装置 |
JPH05324837A (ja) * | 1992-05-20 | 1993-12-10 | Glory Ltd | パターン認識装置 |
JP2002373333A (ja) * | 2001-05-28 | 2002-12-26 | Honda R & D Europe (Deutschland) Gmbh | 階層ネットワークを用いたパターン認識方法 |
JP2007047965A (ja) * | 2005-08-09 | 2007-02-22 | Fujifilm Corp | デジタル画像の対象物検出方法および装置並びにプログラム |
JP2013058160A (ja) * | 2011-09-09 | 2013-03-28 | Mega Chips Corp | 物体検出装置 |
-
2015
- 2015-02-20 JP JP2015032258A patent/JP6360802B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0451374A (ja) * | 1990-06-19 | 1992-02-19 | Canon Inc | 画像処理装置 |
JPH05324837A (ja) * | 1992-05-20 | 1993-12-10 | Glory Ltd | パターン認識装置 |
JP2002373333A (ja) * | 2001-05-28 | 2002-12-26 | Honda R & D Europe (Deutschland) Gmbh | 階層ネットワークを用いたパターン認識方法 |
JP2007047965A (ja) * | 2005-08-09 | 2007-02-22 | Fujifilm Corp | デジタル画像の対象物検出方法および装置並びにプログラム |
JP2013058160A (ja) * | 2011-09-09 | 2013-03-28 | Mega Chips Corp | 物体検出装置 |
Non-Patent Citations (1)
Title |
---|
鄭 明燮、外2名: ""多重構造ニューラルネットワークを用いた車載センサ情報統合に基づく車種認識"", 映像情報メディア学会誌, vol. 59, no. 4, JPN6018020043, 1 April 2005 (2005-04-01), JP, pages 621 - 628, ISSN: 0003807221 * |
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170091140A (ko) * | 2015-04-02 | 2017-08-08 | 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 | 컨볼루션 신경망 모델의 트레이닝 방법 및 장치 |
JP2018503152A (ja) * | 2015-04-02 | 2018-02-01 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | コンボリューションニューラルネットワークモデルの訓練方法及び装置 |
US9977997B2 (en) | 2015-04-02 | 2018-05-22 | Tencent Technology (Shenzhen) Company Limited | Training method and apparatus for convolutional neural network model |
KR101887558B1 (ko) | 2015-04-02 | 2018-08-10 | 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 | 컨볼루션 신경망 모델의 트레이닝 방법 및 장치 |
US10607120B2 (en) | 2015-04-02 | 2020-03-31 | Tencent Technology (Shenzhen) Company Limited | Training method and apparatus for convolutional neural network model |
JP2018060296A (ja) * | 2016-10-03 | 2018-04-12 | グローリー株式会社 | 画像処理装置、画像処理システム及び画像処理方法 |
JP2022037022A (ja) * | 2016-11-10 | 2022-03-08 | グーグル エルエルシー | ハードウェアにおけるカーネルストライドの実行 |
US11816532B2 (en) | 2016-11-10 | 2023-11-14 | Google Llc | Performing kernel striding in hardware |
JP7394104B2 (ja) | 2016-11-10 | 2023-12-07 | グーグル エルエルシー | ハードウェアにおけるカーネルストライドの実行 |
JP2019537139A (ja) * | 2016-11-10 | 2019-12-19 | グーグル エルエルシー | ハードウェアにおけるカーネルストライドの実行 |
JP2018088151A (ja) * | 2016-11-29 | 2018-06-07 | 株式会社Soken | 境界線推定装置 |
US11544545B2 (en) | 2017-04-04 | 2023-01-03 | Hailo Technologies Ltd. | Structured activation based sparsity in an artificial neural network |
US11514291B2 (en) | 2017-04-04 | 2022-11-29 | Hailo Technologies Ltd. | Neural network processing element incorporating compute and local memory elements |
US11354563B2 (en) | 2017-04-04 | 2022-06-07 | Hallo Technologies Ltd. | Configurable and programmable sliding window based memory access in a neural network processor |
US11461614B2 (en) | 2017-04-04 | 2022-10-04 | Hailo Technologies Ltd. | Data driven quantization optimization of weights and input data in an artificial neural network |
US11675693B2 (en) | 2017-04-04 | 2023-06-13 | Hailo Technologies Ltd. | Neural network processor incorporating inter-device connectivity |
US11263512B2 (en) | 2017-04-04 | 2022-03-01 | Hailo Technologies Ltd. | Neural network processor incorporating separate control and data fabric |
US11615297B2 (en) | 2017-04-04 | 2023-03-28 | Hailo Technologies Ltd. | Structured weight based sparsity in an artificial neural network compiler |
US11216717B2 (en) | 2017-04-04 | 2022-01-04 | Hailo Technologies Ltd. | Neural network processor incorporating multi-level hierarchical aggregated computing and memory elements |
US11551028B2 (en) | 2017-04-04 | 2023-01-10 | Hailo Technologies Ltd. | Structured weight based sparsity in an artificial neural network |
US11238334B2 (en) | 2017-04-04 | 2022-02-01 | Hailo Technologies Ltd. | System and method of input alignment for efficient vector operations in an artificial neural network |
US11461615B2 (en) | 2017-04-04 | 2022-10-04 | Hailo Technologies Ltd. | System and method of memory access of multi-dimensional data |
US11238331B2 (en) | 2017-04-04 | 2022-02-01 | Hailo Technologies Ltd. | System and method for augmenting an existing artificial neural network |
US10387298B2 (en) | 2017-04-04 | 2019-08-20 | Hailo Technologies Ltd | Artificial neural network incorporating emphasis and focus techniques |
JP2019008383A (ja) * | 2017-06-21 | 2019-01-17 | キヤノン株式会社 | 画像処理装置、撮像装置、画像処理方法、プログラム、および、記憶媒体 |
US11354537B2 (en) | 2017-06-21 | 2022-06-07 | Canon Kabushiki Kaisha | Image processing apparatus, imaging apparatus, image processing method, and storage medium |
JP2019075035A (ja) * | 2017-10-19 | 2019-05-16 | 株式会社日立製作所 | ソフトウェアテスト装置および方法 |
JP2019101519A (ja) * | 2017-11-29 | 2019-06-24 | Kddi株式会社 | 画素に基づく画像セグメンテーション用のプログラム |
JP7016434B2 (ja) | 2018-07-25 | 2022-02-04 | 深▲セン▼市商▲湯▼科技有限公司 | レーザレーダスパース深度マップの処理方法、装置、機器および媒体 |
JP2021530771A (ja) * | 2018-07-25 | 2021-11-11 | 深▲せん▼市商▲湯▼科技有限公司Shenzhen Sensetime Technology Co., Ltd. | レーザレーダスパース深度マップの処理方法、装置、機器および媒体 |
JP2020035380A (ja) * | 2018-08-31 | 2020-03-05 | 株式会社小松製作所 | 画像処理システム、表示装置、画像処理方法、学習済みモデルの生成方法、および学習用データセット |
WO2020044852A1 (ja) * | 2018-08-31 | 2020-03-05 | 株式会社小松製作所 | 画像処理システム、表示装置、画像処理方法、学習済みモデルの生成方法、および学習用データセット |
US11414837B2 (en) | 2018-08-31 | 2022-08-16 | Komatsu Ltd. | Image processing system, display device, image processing method, method for generating trained model, and dataset for learning |
JP7166108B2 (ja) | 2018-08-31 | 2022-11-07 | 株式会社小松製作所 | 画像処理システム、表示装置、画像処理方法、学習済みモデルの生成方法、および学習用データセット |
US11475593B2 (en) | 2018-09-12 | 2022-10-18 | Cognex Corporation | Methods and apparatus for processing image data for machine vision |
JP7182528B2 (ja) | 2018-09-12 | 2022-12-02 | コグネックス・コーポレイション | マシンビジョン用の画像データを処理するための方法及び装置 |
US11657630B2 (en) | 2018-09-12 | 2023-05-23 | Cognex Corporation | Methods and apparatus for testing multiple fields for machine vision |
JP2020061132A (ja) * | 2018-09-12 | 2020-04-16 | コグネックス・コーポレイション | マシンビジョン用の画像データを処理するための方法及び装置 |
US11301726B2 (en) | 2018-12-29 | 2022-04-12 | Beijing Sensetime Technology Development Co., Ltd. | Anchor determination method and apparatus, electronic device, and storage medium |
JP2021512378A (ja) * | 2018-12-29 | 2021-05-13 | ベイジン センスタイム テクノロジー デベロップメント カンパニー, リミテッド | アンカー決定方法及び装置、電子機器並びに記憶媒体 |
US11263077B1 (en) | 2020-09-29 | 2022-03-01 | Hailo Technologies Ltd. | Neural network intermediate results safety mechanism in an artificial neural network processor |
US11237894B1 (en) | 2020-09-29 | 2022-02-01 | Hailo Technologies Ltd. | Layer control unit instruction addressing safety mechanism in an artificial neural network processor |
US11221929B1 (en) | 2020-09-29 | 2022-01-11 | Hailo Technologies Ltd. | Data stream fault detection mechanism in an artificial neural network processor |
US11811421B2 (en) | 2020-09-29 | 2023-11-07 | Hailo Technologies Ltd. | Weights safety mechanism in an artificial neural network processor |
CN113777571A (zh) * | 2021-08-04 | 2021-12-10 | 中山大学 | 一种基于深度学习的无人机集群动态方向图综合方法 |
CN113777571B (zh) * | 2021-08-04 | 2023-08-11 | 中山大学 | 一种基于深度学习的无人机集群动态方向图综合方法 |
WO2023053674A1 (ja) * | 2021-09-30 | 2023-04-06 | 富士フイルム株式会社 | 検出方法、撮像装置、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6360802B2 (ja) | 2018-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6360802B2 (ja) | ニューラルネットワーク処理装置、ニューラルネットワーク処理方法、検出装置、検出方法、および、車両 | |
CN109522966B (zh) | 一种基于密集连接卷积神经网络的目标检测方法 | |
CN110738207B (zh) | 一种融合文字图像中文字区域边缘信息的文字检测方法 | |
CN111104838B (zh) | 基于障碍物的下端线检测roi的方法和装置 | |
CN109447994A (zh) | 结合完全残差与特征融合的遥感图像分割方法 | |
CN110879958B (zh) | 用于检测障碍物的方法和装置 | |
CN107169421A (zh) | 一种基于深度卷积神经网络的汽车驾驶场景目标检测方法 | |
CN110348383B (zh) | 一种基于卷积神经网络回归的道路中心线和双线提取方法 | |
CN110929665A (zh) | 一种自然场景曲线文本检测方法 | |
EP4174792A1 (en) | Method for scene understanding and semantic analysis of objects | |
KR101869266B1 (ko) | 극한 심층학습 기반 차선 검출 시스템 및 그 방법 | |
CN111401380A (zh) | 一种基于深度特征增强和边缘优化的rgb-d图像语义分割方法 | |
CN111460894A (zh) | 一种基于卷积神经网络的车标智能检测方法 | |
CN117037119A (zh) | 基于改进YOLOv8的道路目标检测方法及系统 | |
CN114612937A (zh) | 基于单模态增强的红外与可见光融合行人检测方法 | |
CN110598665B (zh) | 一种基于车载移动深度学习平台的杆号识别方法 | |
CN118134952B (zh) | 一种基于特征交互的医学图像分割方法 | |
CN113378812A (zh) | 一种基于Mask R-CNN和CRNN的数字表盘识别方法 | |
KR20100064140A (ko) | 지능형 자동차를 위한 교통 표지판 검출 방법 및 상기 방법을 실행하는 시스템 | |
CN115661607A (zh) | 一种基于改进YOLOv5的小目标识别方法 | |
CN111104840B (zh) | 基于回归损失的学习及测试的方法及装置 | |
CN107832732A (zh) | 基于三叉树遍历的车道线检测方法 | |
CN112926500B (zh) | 一种结合头部和整体信息的行人检测方法 | |
KR20110057595A (ko) | 상호 정보 최대화 기반의 국부 이진 패턴 코드를 이용한 패턴 인식 방법, 장치 및 그 기록 매체 | |
CN103955706B (zh) | 一种基于直接双侧二维主成分分析的图像识别和图像重建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170609 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180525 |
|
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: 20180605 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180625 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6360802 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |