JP2017033307A - プログラム,グループ予測装置,及びグループ予測方法 - Google Patents
プログラム,グループ予測装置,及びグループ予測方法 Download PDFInfo
- Publication number
- JP2017033307A JP2017033307A JP2015152899A JP2015152899A JP2017033307A JP 2017033307 A JP2017033307 A JP 2017033307A JP 2015152899 A JP2015152899 A JP 2015152899A JP 2015152899 A JP2015152899 A JP 2015152899A JP 2017033307 A JP2017033307 A JP 2017033307A
- Authority
- JP
- Japan
- Prior art keywords
- data
- group
- sample
- image
- sample data
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Description
前記各サンプルデータと対象データとの類似度に基づき前記対象データが属するグループを予測するステップとを実行させるプログラムである。
ことができる。
をさらに実行させるようにしても良い。
サンプルデータ及び対象データは、時間及び空間の一方の周波数成分を有するデータである。時間及び空間の一方の周波数成分を有するデータは、画像データ,音声データ,文字列データ,センサデータ,時系列データ,映像(動画)データを含む。
画像データは、イメージスキャナやディジタルカメラのような撮像装置によって得られた画像データであっても良く、コンピュータ上での描画により作成された画像データであっても良い。撮像装置によって得られる画像は、例えば顔を含む女性の写真画像である。もっとも、男性の写真画像であっても良い。人物の写真画像の画像データが適用される場合には、人の顔を含む胸から上の部分が撮影された画像が適用されるのが好ましい。もっとも、腹、腰、膝から上の部分が写っている画像であっても、全身画像であっても良い。
音声データは、例えば、PCM(パルス符号変調)を用いて得られた音声データである。但し、音声データのコーデック(CODEC)形式やファイルフォーマットは問わない。また、音声は楽曲であっても、講演や会話などであっても良い。
(文字列データ)
文字列データは、例えば、DNA配列や、テキストによる文章データを含む。
センサデータは、センサにより検出された時間又は空間の情報を示すデータである。センサデータとしては、例えば、加速度センサによって検出される物体の加速度データ,ジャイロセンサによって検出される物体の角度や角速度データ,地磁気センサにより検出さ
れる方位データなどが考えられる。但し、センサ及びセンサによって検出されるセンサデータの種別は、センサによる検出又は測定の対象に依存する。
時系列データとは、時間的順序を追って一定間隔ごとに観察され,しかも相互に統計的依存関係が認められるようなデータの系列を指す。例えば、株価のデータである。
(映像データ)
映像データは、例えば、映画や動画のデータである。
本実施形態では、サンプルデータと対象データとの類似度を用いて対象データが属するグループを予測する。このため、サンプルデータ及び対象データの特徴量を用いた類似度計算を行う。
画像データについては、例えば、画像の特徴点の計算により得られた特徴量としての特徴点の情報を用いて、画像間の類似度(スコア)を計算する。特徴点の抽出計算に関しては、例えば、Scale-Invariant Feature Transform(SIFT)を用いることができる。
類似度計算については、例えば、文献“Jegou, H.; Perronnin, F.; Douze, M.; Sanchez, J.; Perez, P.; Schmid, C., "Aggregating Local Image Descriptors into Compact Codes", IEEE Transactions on Pattern Analysis and Machine Intelligence, vol.34, no.9, pp.1704-1716, IEEE, Sept 2012.”に記載された周知の方法を適用可能である。
呼ばれる手法を適用し得る。スパースコーディングは、SIFTにて得られた特徴点情報を元に、階層的に疎な辞書(類似すると思われる部分を大まかに纏めたデータ)を生成し、辞書を比較することで対比画像の類似度を数値化する手法である。スパースコーディングは例えば、文献“Jianchao Yang; Kai Yu; Yihong Gong; Huang, T., "Linear spatial
pyramid matching using sparse coding for image classification", In proceedings of IEEE Conference on Computer Vision and Pattern Recognition 2009 (CVPR 2009) ,
pp.1794-1801, IEEE, Jun 2009”に記載された周知の手法である。
音声データに適用可能な類似度の計算手法として、音響的特徴の類似度を楽曲の類似度として用いる手法を適用できる。例えば、メル周波数ケプスロラム係数(Mel-Frequency Cepstrum Coefficient:MFCC)を用いた特徴量や、スペクトル形状に基づく特徴量を
求め、類似度を計算する方法がある。また、人の主観的な特徴量をさらに加える場合もあり得る。
、例えば文献“Logan, Beth; Salomon, A., "A music similarity function based on signal analysis", In proceedings of IEEE International Conference on Multimedia and Expo 2001 (ICME 2001), pp.745-748, IEEE, Aug 2001.”に記載されているような周知の方法である。
文字列データに適用可能な類似度計算方法としては、最小編集距離、例えば、レーベンシュタイン距離を用いた類似度計算を適用することができる。レーベンシュタイン距離を用いた類似度計算方法は、例えば、最低限の編集回数で済むような編集の組み合わせを基準にして類似度を計算する方法である。
センサデータの類似度計算方法としては、例えば、主成分分析によってセンサデータや時系列データの類似度を求めることができる。主成分分析を用いた類似度計算の手法は、例えば、文献“S. Lhermitte, J. Verbesselt, W.W. Verstraeten, P. Coppin, "A comparison of time series similarity measures for classification and change detection
of ecosystem dynamics", Remote Sensing of Environment, Volume 115, Issue 12, Pages 3129-3152, ELSEVIER, Dec 2011.”に記載されたような周知の方法である。
映像データ,動画データの類似度計算方法としては、k近傍法とコサイン類似度を用いた類似度推定法を適用し得る。
図1は、実施形態に係るグループ予測システムの全体構成例を示す図である。図1において、予測システムは、サーバ装置1(以下「サーバ1」)と、サーバ1とネットワーク(NW)2を介して接続される端末装置とを含む。図1に示す例では、端末装置として、ネットワーク2と無線接続される無線端末3Aと、ネットワーク2と有線接続される固定端末3Bとが図示されている。以下の説明において、無線端末3Aと固定端末3Bとを区別しない場合には、「端末3」との表記を用いる。
Programmable Read-Only Memory(EEPROM)などである。また、補助記憶装置は、情報処理装置に対して着脱自在な可搬性記憶媒体を含む。可搬性記憶媒体は、例えばUniversal Serial Bus(USB)メモリである。また、補助記憶装置は、CD−ROMやDVD−ROM,DVD−Rなどのディスク記憶媒体及びディスク記憶媒体のドライブ装置を含む。ディスク記憶媒体は可搬性記憶媒体の一つである。
ータベースプログラムを含む。
3,出力装置34,無線モジュール35を備える。CPU31,メモリ32,入力装置33,出力装置34については、CPU31,メモリ32,入力装置13及び出力装置14と同様のものを適用可能であるので、重ねての説明は省略する。
6と接続されている。無線モジュール35が適合又は準拠する無線アクセス方式として、適宜の方式が適用される。無線アクセス方式としては、3G(W−CDMAなど),Long
Term Evolution(LTE),無線LAN(IEEE802.11シリーズやWi-Fi),WiMax,Bluetooth(登録商標)のような各種の方式を含む。
ジックデバイス(PLD)や集積回路(IC,LSI,Application Specific Integrated Circuit(ASIC)など)のような半導体デバイスで実行されても良い。
得される。一方、“Next”ボタンが押された場合には、二値属性値“NOT LIKE(No)”が取得される。なお、“Next”ボタンが押された場合には、写真画像の表示領域には、記憶部122にて次に格納されている写真画像が表示される。但し、写真画像の表示順は、固定であってもランダムであっても良い。サンプル画像は、一つずつ二値属性値入力装置311(端末3)に供給されても良く、2以上のサンプル画像が纏めて供給されても良い。
に入力されても良い。
単に“YES”の数の多い順でサンプル画像の順序付けをすることもできる。また、目的に
応じて逆順でランキングする場合もあり得る。
が一番高いグループ(ランク1位のグループ)、二番目に高いグループ(ランク2位のグループ)、三番目に高いグループ(ランク3位のグループ)・・・の何れかから各サンプル画像(サンプルデータ)が属するグループを決定する処理である。但し、グループ間が順序づけられていることは必ずしも必要ではなく、サンプルデータのグルーピングの目的に依存する。すなわち、グルーピング条件は、ランキング以外の条件を適宜設定可能である。
ンキング画面におけるグラフ作成用に使用される。
に棒グラフで示される。棒グラフの高さは、“YES”占有率(%)を示す。対象画像が属
するグループは、他のグループと異なる表示態様(例えば色や明度)で表示される。ランキング画面には、対象画像の順位や、偏差値を表示するようにしても良い。
び“NO”)の数が推定値として適用される。或いは、任意の値を推定値として適用することもできる。例えば、サンプル画像の特徴量との比較で得られた最大スコアとスコアの最大値“100”との差分に応じた二値属性値の統計値(推定値)を作成することもできる。例えば、差分に応じて“YES”及び“NO”の数の少なくとも一方を増減させることが考
えられる。
位予測の精度を上げることができる。一方、下位ランキングが選択された場合には、二値属性値の否定的な属性(“NO”)に対する順位予測の精度を上げることができる。
・地理情報(出身地、入力している場所)
・趣味
・嗜好(好きな色や食べ物、動物など、マーケットで良く買うものなどを含む。例えばFacebookの情報から好みを抽出し、それに応じた二値属性値入力情報を選出する、といった使用方法が考えられる)
・年齢、性別、職種、年収、学歴、等の個人情報
・氏名又は名称(例えば、「鈴木」という名前の人の嗜好は、これこれに偏る、のような抽出)
・入力時刻(期間)
・入力時の環境情報(温度、風景、天気など。例えば、晴れの日に選ばれる「美人」はこの人、のような抽出)
3・・・端末
11・・・CPU
12・・・メモリ
Claims (10)
- コンピュータに、
複数のサンプルデータについて複数人から得られた二値属性値を用いて前記各サンプルデータが属するグループを決定するステップと、
前記各サンプルデータと対象データとの類似度を用いて前記対象データが属するグループを予測するステップと
を実行させるプログラム。 - 前記サンプルデータ及び対象データが、画像データ,音声データ,文字列データ,センサデータ,時系列データ,動画データの何れかである
請求項1に記載のプログラム。 - 前記サンプルデータ及び対象データが人の顔を含む写真画像データである
請求項2に記載のプログラム。 - 前記グループは、前記各サンプルデータの二値属性値の統計値に基づき順位付けされており、
前記対象データが前記対象データとの類似度が最も高いサンプルデータが属するグループに属すると予測される
請求項1から3の何れか1項に記載のプログラム。 - 前記コンピュータに、
前記複数のサンプルデータについての二値属性値の更新に応じて前記各サンプルデータが属するグループを再決定するステップ
をさらに実行させる請求項1から4の何れか1項に記載のプログラム。 - 前記コンピュータに、
前記対象データが属するグループの予測結果を反映した前記複数のサンプルデータ及び前記対象データのそれぞれに対するグループ分けの結果を作成するステップ
をさらに実行させる請求項1から5の何れか1項に記載のプログラム。 - 前記複数のサンプルデータが、サンプルデータの属性情報及び前記二値属性値の入力者の属性情報の少なくとも一方に基づき絞り込まれたデータである
請求項1から6の何れかに記載のプログラム。 - 前記複数のサンプルデータが、被写体が撮影された写真画像のデータであり、前記被写体に係る属性情報に基づき抽出されたデータである
請求項1から7の何れか1項に記載のプログラム。 - 複数のサンプルデータについて複数人から得られた二値属性値を用いて前記各サンプルデータが属するグループを決定する決定部と、
前記各サンプルデータと対象データとの類似度を用いて前記対象データが属するグループを予測する予測部と
を含むグループ予測装置。 - コンピュータが、
複数のサンプルデータについて複数人から得られた二値属性値を用いて前記各サンプルデータが属するグループを決定し、
前記各サンプルデータと対象データとの類似度を用いて前記対象データが属するグルー
プを予測する
ことを含むグループ予測方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015152899A JP6620304B2 (ja) | 2015-07-31 | 2015-07-31 | プログラム,グループ予測装置,及びグループ予測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015152899A JP6620304B2 (ja) | 2015-07-31 | 2015-07-31 | プログラム,グループ予測装置,及びグループ予測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017033307A true JP2017033307A (ja) | 2017-02-09 |
JP6620304B2 JP6620304B2 (ja) | 2019-12-18 |
Family
ID=57986149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015152899A Active JP6620304B2 (ja) | 2015-07-31 | 2015-07-31 | プログラム,グループ予測装置,及びグループ予測方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6620304B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019153279A (ja) * | 2017-12-25 | 2019-09-12 | ダッソー システムズDassault Systemes | 物理的システムに影響を与えるイベントの予測 |
JP2022016628A (ja) * | 2017-08-14 | 2022-01-21 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
JP7493752B2 (ja) | 2020-03-26 | 2024-06-03 | 国立研究開発法人量子科学技術研究開発機構 | データ処理装置、データ処理方法、プログラム、及び記録媒体 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002222083A (ja) * | 2001-01-29 | 2002-08-09 | Fujitsu Ltd | 事例蓄積装置および方法 |
JP2011070408A (ja) * | 2009-09-25 | 2011-04-07 | Kddi Corp | サンプル画像取得方法、サンプル画像取得装置及び画像分類装置 |
-
2015
- 2015-07-31 JP JP2015152899A patent/JP6620304B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002222083A (ja) * | 2001-01-29 | 2002-08-09 | Fujitsu Ltd | 事例蓄積装置および方法 |
JP2011070408A (ja) * | 2009-09-25 | 2011-04-07 | Kddi Corp | サンプル画像取得方法、サンプル画像取得装置及び画像分類装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022016628A (ja) * | 2017-08-14 | 2022-01-21 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
JP7198900B2 (ja) | 2017-08-14 | 2023-01-04 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
JP2019153279A (ja) * | 2017-12-25 | 2019-09-12 | ダッソー システムズDassault Systemes | 物理的システムに影響を与えるイベントの予測 |
JP7495777B2 (ja) | 2017-12-25 | 2024-06-05 | ダッソー システムズ | 物理的システムに影響を与えるイベントの予測 |
JP7493752B2 (ja) | 2020-03-26 | 2024-06-03 | 国立研究開発法人量子科学技術研究開発機構 | データ処理装置、データ処理方法、プログラム、及び記録媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP6620304B2 (ja) | 2019-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108304435B (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
US11637797B2 (en) | Automated image processing and content curation | |
US10013637B2 (en) | Optimizing multi-class image classification using patch features | |
KR101782590B1 (ko) | 이미지 분석기반의 관계형 태그생성 및 추천 방법 | |
CN111814620A (zh) | 人脸图像质量评价模型建立方法、优选方法、介质及装置 | |
CN113094552A (zh) | 视频模板的搜索方法、装置、服务器及可读存储介质 | |
CN110414550B (zh) | 人脸识别模型的训练方法、装置、系统和计算机可读介质 | |
JP6633476B2 (ja) | 属性推定装置、属性推定方法および属性推定プログラム | |
JP2014093058A (ja) | 画像管理装置、画像管理方法、プログラム及び集積回路 | |
JP6620304B2 (ja) | プログラム,グループ予測装置,及びグループ予測方法 | |
JP2016015018A (ja) | サービス提供装置、方法、及びプログラム | |
US20230410220A1 (en) | Information processing apparatus, control method, and program | |
CN106815253B (zh) | 一种基于混合数据类型数据的挖掘方法 | |
KR101743169B1 (ko) | 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체 | |
CN112132026B (zh) | 动物识别方法及装置 | |
Hoang | Multiple classifier-based spatiotemporal features for living activity prediction | |
JP2016099716A (ja) | システム、識別装置、識別モデル生成装置、情報処理方法及びプログラム | |
WO2014186392A2 (en) | Summarizing a photo album | |
US11210829B2 (en) | Image processing device, image processing method, program, and recording medium | |
CN113704623A (zh) | 一种数据推荐方法、装置、设备及存储介质 | |
JP2017215784A (ja) | 物体検出装置、方法、及びプログラム | |
CN112766288A (zh) | 图像处理模型构建方法、装置、电子设备和可读存储介质 | |
KR102060110B1 (ko) | 컨텐츠에 포함되는 객체를 분류하는 방법, 장치 및 컴퓨터 프로그램 | |
US20190378496A1 (en) | Recognition device, method and storage medium | |
CN111797765A (zh) | 图像处理方法、装置、服务器及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180619 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180619 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190419 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190514 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190716 |
|
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: 20191001 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191021 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6620304 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |