JP2018026122A - 情報処理装置、情報処理方法及びプログラム - Google Patents
情報処理装置、情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP2018026122A JP2018026122A JP2017146800A JP2017146800A JP2018026122A JP 2018026122 A JP2018026122 A JP 2018026122A JP 2017146800 A JP2017146800 A JP 2017146800A JP 2017146800 A JP2017146800 A JP 2017146800A JP 2018026122 A JP2018026122 A JP 2018026122A
- Authority
- JP
- Japan
- Prior art keywords
- learning
- data
- recognizer
- information processing
- error
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/1916—Validation; Performance evaluation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
Description
学習データを認識器に入力して出力データを得る処理手段と、
前記出力データを複数の識別器に入力することにより得られる前記学習データの識別結果の誤差を判定する判定手段と、
前記識別結果の誤差に基づいて前記認識器の学習処理を行う第1の学習手段と、
を備えることを特徴とする。
本発明の1つの実施形態である実施形態1では、検出対象データを入力データとしてニューラルネットワーク(NN)に入力して出力データを得て、この出力データを識別器に入力することにより入力データの識別結果を得ることができる。そして、このような識別を行うために、学習データを用いて、NNと、NNの出力を受け取る識別器と、について同時に学習処理が行われる。本実施形態では、識別のために複数の識別器が用いられ、より具体的には複数のハッシュ関数が用いられる。
図1は、実施形態1に係る異常検知システムの構成の一例を示す概略ブロック図である。まず、図1に示す異常検知システム1の構成に関する説明を行う。図1の異常検知システム1は、学習装置10と、認識装置20と、端末装置30と、を備える。これらの装置内の各部、及びこれらの装置間は、電子回路を介して接続されていても、外部記憶装置を介して接続されていても、またネットワークを介して接続されていてもよい。このネットワークとしては、例えば携帯電話回線網又はインターネット等を利用することができる。
以降では、各装置が備える処理部の構成及び動作について、詳細な説明を行う。まずは、NN学習部12及び識別器学習部13の詳細な説明を行う。
次に、NN認識部22及び識別部23の詳細な説明を行う。まず、NN認識部22の構成を、図11を参照して説明する。NN認識部22は、小領域抽出部121と、前処理部122と、辞書読込部221と、NN認識実行部125と、を備える。小領域抽出部121、前処理部122、及びNN認識実行部125は、NN学習部12が備える処理部と同様の機能を持つ。すなわち、小領域抽出部121は検出対象の映像データ(画像データ)から小領域画像を抽出し、前処理部122は抽出された小領域画像に対して前処理を行う。そして、NN認識実行部125は前処理された小領域画像データを入力データとしてNNに入力して出力を得る。また、辞書読込部221は、辞書記憶部M1からNNの辞書を読み込み、パラメータをNN認識実行部125が用いるNNに設定する。
実施形態1では、一例として、ハッシュ関数の学習に用いる目的関数として式(3)を用いたが、異なる目的関数を用いてもよい。例えば、複数の識別器間の直交性が高いほど評価値が高くなる目的関数を用いて学習を行うことができる。一例として、目的関数として式(11)を用いることができる。
実施形態1では、NNと組み合わせるハッシュ関数としてNSHを用いる例を示した。実施形態2では、NNと組み合わせるハッシュ関数として、p-stable hashを用いる例について説明する。p-stable hashは、例えばM. Datar et al. "Locality-Sensitive Hashing Scheme Based on p-Stable Distributions", SoCG, 2004.(以下、Datarと呼ぶ)に記載されている。
実施形態1,2では、NNの出力を用いて識別を行う識別器としてハッシュ関数を用いる場合について説明した。実施形態3では、アダブーストを用いて識別器を構成する場合の例を示す。ここで、アダブーストとは、複数の弱識別器を用いて1つの強識別器を構成する方法であり、ブースティング手法の一種であるとされる。アダブーストの一例は、P. Viola et al. "Rapid Object Detection using a Boosted Cascade of Simple Features", CVPR 2001.(以降、Viola)に示されている。しかしながら、アダブーストを行うための具体的な手法には様々なバリエーションが存在している。上記の文献に示される手法、及び本実施形態で説明する方法は、様々なアダブーストの方法のうち1つを用いた場合の具体例にすぎず、使用するブースティング方法に特に制限はないことに注意すべきである。
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
Claims (23)
- 学習データを認識器に入力して出力データを得る処理手段と、
前記出力データを複数の識別器に入力することにより得られる前記学習データの識別結果の誤差を判定する判定手段と、
前記識別結果の誤差に基づいて前記認識器の学習処理を行う第1の学習手段と、
前記識別結果の誤差に基づいて前記複数の識別器のOne−class学習処理を行う第2の学習手段と、
を備え、
前記第1の学習手段は、前記識別結果の誤差を認識器に逆伝播することにより前記認識器の学習処理を行うことを特徴とする、情報処理装置。 - 学習データを認識器に入力して出力データを得る処理手段と、
前記出力データを複数の識別器に入力することにより得られる前記学習データの識別結果の誤差を判定する判定手段と、
前記識別結果の誤差に基づいて前記認識器の学習処理を行う第1の学習手段と、
を備えることを特徴とする情報処理装置。 - 前記第1の学習手段は、前記識別結果の誤差を認識器に逆伝播することにより前記認識器の学習処理を行うことを特徴とする、請求項2に記載の情報処理装置。
- 前記判定手段は、前記複数の識別器のそれぞれに前記出力データを入力することにより得られる、前記複数の識別器のそれぞれによる前記学習データの識別結果の誤差に基づいて、前記複数の識別器全体についての識別結果の誤差を判定し、
前記第1の学習手段は、前記判定された前記複数の識別器全体についての識別結果の誤差を認識器に逆伝播する
ことを特徴とする、請求項1乃至3の何れか一項に記載の情報処理装置。 - 前記第1の学習手段は、前記複数の識別器による識別能力を低下させ、前記識別能力が低下した状態で得られる前記識別結果の誤差を認識器に逆伝播することにより、前記認識器の学習処理を行うことを特徴とする、請求項1乃至4の何れか一項に記載の情報処理装置。
- 前記複数の識別器から一部の識別器を選択する選択手段をさらに備え、
前記第1の学習手段は、前記学習データを前記認識器に入力して得られた出力データを前記一部の識別器に入力することにより得られる前記識別結果の誤差を、前記認識器に逆伝播することにより、前記認識器の学習処理を行う
ことを特徴とする、請求項1乃至5の何れか1項に記載の情報処理装置。 - 前記選択手段は、前記複数の識別器から第1の識別器セットと第2の識別器セットとを選択し、
前記第1の学習手段は、
学習データを前記認識器に入力して得られた出力データを前記第1の識別器セットに入力することにより得られる識別結果の誤差を、前記認識器に逆伝播することにより、前記認識器のパラメータを更新し、
学習データをパラメータ更新後の前記認識器に入力して得られた出力データを前記第2の識別器セットに入力することにより得られる識別結果の誤差を、前記認識器に逆伝播することにより、前記認識器のパラメータを再度更新する
ことを特徴とする、請求項6に記載の情報処理装置。 - 前記識別結果の誤差に基づいて前記複数の識別器の学習処理を行う第2の学習手段をさらに備えることを特徴とする、請求項2乃至7の何れか1項に記載の情報処理装置。
- 学習データを認識器に入力して出力データを得る処理手段と、
前記出力データを複数の識別器に入力することにより得られる前記学習データの識別結果の誤差を判定する判定手段と、
前記識別結果の誤差に基づいて前記複数の識別器の学習処理を行う第2の学習手段と、
を備えることを特徴とする情報処理装置。 - 前記第2の学習手段は、前記複数の識別器間の類似度が低いほど評価値が高くなる目的関数を用いて学習を行うことを特徴とする、請求項1、8、及び9の何れか1項に記載の情報処理装置。
- 前記第2の学習手段は、前記複数の識別器間の直交性が高いほど評価値が高くなる目的関数を用いて学習を行うことを特徴とする、請求項1及び8乃至10の何れか1項に記載の情報処理装置。
- 画像を表す画像データ及び当該画像の種類を示す教師情報を取得し、画像処理により1つの前記画像から複数の前記学習データを生成する前処理手段をさらに備え、
前記前処理手段は、前記画像処理により前記画像の種類が変化しない画像を選択し、前記選択された画像に対して前記画像処理を行い、前記画像処理前の前記選択された画像と、前記画像処理後の前記選択された画像と、を前記学習データとして出力することを特徴とする、請求項1乃至11の何れか1項に記載の情報処理装置。 - 画像データを前記学習処理後の認識器に入力して得られた出力データを前記複数の識別器に入力することにより得られた識別結果に基づいて、前記画像データ中の異常を検知する検知手段をさらに備えることを特徴とする、請求項1乃至12の何れか1項に記載の情報処理装置。
- 入力データを認識器に入力して出力データを得る処理手段と、
前記出力データを複数の識別器に入力することにより前記入力データの識別結果を得る識別手段と、
を備えることを特徴とする情報処理装置。 - 前記複数の識別器は、前記複数の識別器の類似度が低いほど評価が高くなるように学習により最適化されていることを特徴とする、請求項14に記載の情報処理装置。
- 前記認識器は、学習データを認識器に入力して得られた出力データを前記複数の識別器に入力することにより得られる識別結果の誤差を、前記認識器に逆伝播する学習処理によって得られていることを特徴とする、請求項14又は15に記載の情報処理装置。
- 前記複数の識別器はOne−class識別器、弱識別器、線形識別器、又はハッシュ関数を含むことを特徴とする、請求項1乃至16の何れか1項に記載の情報処理装置。
- 入力データを認識器に入力して得られた出力データを識別器に入力することにより前記入力データの識別結果を得るシステムが有する前記認識器の学習処理を行う情報処理装置であって、
前記識別器の識別能力を低下させ、学習データを認識器に入力して得られた出力データを前記識別能力が低下した識別器に入力することにより得られる識別結果の誤差を前記認識器に逆伝播することにより、前記認識器の学習処理を行う手段を備えることを特徴とする、情報処理装置。 - 前記認識器はニューラルネットワークであることを特徴とする、請求項1乃至18の何れか1項に記載の情報処理装置。
- 前記情報処理装置は、入力された製品の画像に基づいて異常を検知することを特徴とする、請求項1乃至19の何れか1項に記載の情報処理装置。
- 前記識別器は、カーネル法に基づいて非線形にデータを写像することを特徴とする、請求項1乃至20の何れか1項に記載の情報処理装置。
- 情報処理装置が行う情報処理方法であって、
学習データを認識器に入力して出力データを得る処理工程と、
前記出力データを複数の識別器に入力することにより得られる前記学習データの識別結果の誤差を判定する判定工程と、
前記識別結果の誤差を前記認識器に逆伝播することにより前記認識器の学習処理を行う第1の学習工程と、
を備えることを特徴とする情報処理方法。 - コンピュータを、請求項1乃至21の何れか1項に記載の情報処理装置が備える各手段として機能させるためのプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016153212 | 2016-08-03 | ||
JP2016153212 | 2016-08-03 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018026122A true JP2018026122A (ja) | 2018-02-15 |
JP2018026122A5 JP2018026122A5 (ja) | 2020-09-03 |
JP7007829B2 JP7007829B2 (ja) | 2022-01-25 |
Family
ID=61069309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017146800A Active JP7007829B2 (ja) | 2016-08-03 | 2017-07-28 | 情報処理装置、情報処理方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10706327B2 (ja) |
JP (1) | JP7007829B2 (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019212073A (ja) * | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
CN110619047A (zh) * | 2019-09-16 | 2019-12-27 | 出门问问信息科技有限公司 | 一种自然语言模型的构建方法、装置以及可读存储介质 |
CN111488979A (zh) * | 2019-01-28 | 2020-08-04 | 斯特拉德视觉公司 | 设备上持续学习用于分析输入数据的神经网络的方法及装置 |
WO2020209191A1 (ja) * | 2019-04-09 | 2020-10-15 | 日本電気株式会社 | 学習装置、学習方法、及び非一時的なコンピュータ可読媒体 |
WO2021039797A1 (ja) * | 2019-08-30 | 2021-03-04 | 株式会社Nttドコモ | クリック率予測モデル構築装置 |
JPWO2021064856A1 (ja) * | 2019-10-01 | 2021-04-08 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6766839B2 (ja) * | 2018-03-14 | 2020-10-14 | オムロン株式会社 | 検査システム、画像識別システム、識別システム、識別器生成システム、及び学習データ生成装置 |
CN110581834A (zh) * | 2018-06-11 | 2019-12-17 | 中国移动通信集团浙江有限公司 | 一种通信能力开放异常检测方法和装置 |
CN110399897B (zh) * | 2019-04-10 | 2021-11-02 | 北京百卓网络技术有限公司 | 图像识别方法和装置 |
US11068752B2 (en) | 2019-10-31 | 2021-07-20 | General Electric Company | Inspection systems and methods including image classification module |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04364564A (ja) * | 1991-06-12 | 1992-12-16 | Matsushita Graphic Commun Syst Inc | ニューラルネットワーク装置 |
JP2005258801A (ja) * | 2004-03-11 | 2005-09-22 | Matsushita Electric Ind Co Ltd | 個人認証システム |
JP2013182621A (ja) * | 2012-02-29 | 2013-09-12 | Canon Inc | 分類器の学習方法及び装置、並びに処理装置 |
JP2016004550A (ja) * | 2014-06-19 | 2016-01-12 | ヤフー株式会社 | 生成装置、生成方法及び生成プログラム |
JP2017520864A (ja) * | 2014-04-09 | 2017-07-27 | エントルピー インコーポレーテッドEntrupy Inc. | 微視的差異からの機械学習を使用する物体の真贋鑑定 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0683792A (ja) * | 1991-06-12 | 1994-03-25 | Hitachi Ltd | ニューラルネットワークの学習装置およびニューラルネットワークの学習パターン呈示方法 |
US5428710A (en) * | 1992-06-29 | 1995-06-27 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Fast temporal neural learning using teacher forcing |
JP2005242640A (ja) * | 2004-02-26 | 2005-09-08 | Fuji Photo Film Co Ltd | 対象物検出方法および装置並びにプログラム |
JP4573036B2 (ja) * | 2005-03-16 | 2010-11-04 | オムロン株式会社 | 検査装置および検査方法 |
JP4787322B2 (ja) * | 2006-06-16 | 2011-10-05 | ビ−エイイ− システムズ パブリック リミテッド カンパニ− | 目標追跡に関する改善策 |
JP5335536B2 (ja) * | 2009-04-23 | 2013-11-06 | キヤノン株式会社 | 情報処理装置及び情報処理方法 |
US9235799B2 (en) * | 2011-11-26 | 2016-01-12 | Microsoft Technology Licensing, Llc | Discriminative pretraining of deep neural networks |
US9406017B2 (en) | 2012-12-24 | 2016-08-02 | Google Inc. | System and method for addressing overfitting in a neural network |
JP6164899B2 (ja) | 2013-04-05 | 2017-07-19 | キヤノン株式会社 | ハッシュ値生成装置、システム、判定方法、プログラム、記憶媒体 |
US9665823B2 (en) * | 2013-12-06 | 2017-05-30 | International Business Machines Corporation | Method and system for joint training of hybrid neural networks for acoustic modeling in automatic speech recognition |
CN105900116A (zh) * | 2014-02-10 | 2016-08-24 | 三菱电机株式会社 | 分层型神经网络装置、判别器学习方法以及判别方法 |
US10043261B2 (en) * | 2016-01-11 | 2018-08-07 | Kla-Tencor Corp. | Generating simulated output for a specimen |
KR101899101B1 (ko) * | 2016-06-01 | 2018-09-14 | 서울대학교 산학협력단 | 인공 신경망 기반 예측 모델 생성 장치 및 방법 |
US10783639B2 (en) * | 2016-10-19 | 2020-09-22 | University Of Iowa Research Foundation | System and method for N-dimensional image segmentation using convolutional neural networks |
US11106974B2 (en) * | 2017-07-05 | 2021-08-31 | International Business Machines Corporation | Pre-training of neural network by parameter decomposition |
US11120337B2 (en) * | 2017-10-20 | 2021-09-14 | Huawei Technologies Co., Ltd. | Self-training method and system for semi-supervised learning with generative adversarial networks |
JP7040104B2 (ja) * | 2018-02-19 | 2022-03-23 | 富士通株式会社 | 学習プログラム、学習方法および学習装置 |
US20190378017A1 (en) * | 2018-06-12 | 2019-12-12 | Sun-Yuan Kung | System and method for implementing a neural network |
US11797864B2 (en) * | 2018-06-18 | 2023-10-24 | Fotonation Limited | Systems and methods for conditional generative models |
US10540798B1 (en) * | 2019-01-10 | 2020-01-21 | Capital One Services, Llc | Methods and arrangements to create images |
-
2017
- 2017-07-27 US US15/661,624 patent/US10706327B2/en active Active
- 2017-07-28 JP JP2017146800A patent/JP7007829B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04364564A (ja) * | 1991-06-12 | 1992-12-16 | Matsushita Graphic Commun Syst Inc | ニューラルネットワーク装置 |
JP2005258801A (ja) * | 2004-03-11 | 2005-09-22 | Matsushita Electric Ind Co Ltd | 個人認証システム |
JP2013182621A (ja) * | 2012-02-29 | 2013-09-12 | Canon Inc | 分類器の学習方法及び装置、並びに処理装置 |
JP2017520864A (ja) * | 2014-04-09 | 2017-07-27 | エントルピー インコーポレーテッドEntrupy Inc. | 微視的差異からの機械学習を使用する物体の真贋鑑定 |
JP2016004550A (ja) * | 2014-06-19 | 2016-01-12 | ヤフー株式会社 | 生成装置、生成方法及び生成プログラム |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019212073A (ja) * | 2018-06-06 | 2019-12-12 | アズビル株式会社 | 画像判別装置および方法 |
CN111488979A (zh) * | 2019-01-28 | 2020-08-04 | 斯特拉德视觉公司 | 设备上持续学习用于分析输入数据的神经网络的方法及装置 |
JP2020119567A (ja) * | 2019-01-28 | 2020-08-06 | 株式会社ストラドビジョンStradvision,Inc. | スマートフォン、ドローン、船舶もしくは軍事的目的に利用するための、入力データを分析するニューラルネットワークをオンデバイス連続学習する方法及び装置、並びにこれによって学習されたニューラルネットワークをテストする方法及び装置 |
US11315021B2 (en) | 2019-01-28 | 2022-04-26 | StradVision, Inc. | Method and device for on-device continual learning of a neural network which analyzes input data, and method and device for testing the neural network to be used for smartphones, drones, vessels, or military purpose |
CN111488979B (zh) * | 2019-01-28 | 2023-11-07 | 斯特拉德视觉公司 | 设备上持续学习用于分析输入数据的神经网络的方法及装置 |
WO2020209191A1 (ja) * | 2019-04-09 | 2020-10-15 | 日本電気株式会社 | 学習装置、学習方法、及び非一時的なコンピュータ可読媒体 |
WO2021039797A1 (ja) * | 2019-08-30 | 2021-03-04 | 株式会社Nttドコモ | クリック率予測モデル構築装置 |
CN110619047A (zh) * | 2019-09-16 | 2019-12-27 | 出门问问信息科技有限公司 | 一种自然语言模型的构建方法、装置以及可读存储介质 |
CN110619047B (zh) * | 2019-09-16 | 2022-09-02 | 出门问问信息科技有限公司 | 一种自然语言模型的构建方法、装置以及可读存储介质 |
JPWO2021064856A1 (ja) * | 2019-10-01 | 2021-04-08 | ||
WO2021064856A1 (ja) * | 2019-10-01 | 2021-04-08 | 日本電気株式会社 | ロバスト学習装置、ロバスト学習方法、プログラム及び記憶装置 |
JP7331937B2 (ja) | 2019-10-01 | 2023-08-23 | 日本電気株式会社 | ロバスト学習装置、ロバスト学習方法、プログラム及び記憶装置 |
Also Published As
Publication number | Publication date |
---|---|
JP7007829B2 (ja) | 2022-01-25 |
US20180039861A1 (en) | 2018-02-08 |
US10706327B2 (en) | 2020-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7007829B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
Ruff et al. | Deep one-class classification | |
US11721131B2 (en) | Liveness test method and apparatus | |
Basly et al. | CNN-SVM learning approach based human activity recognition | |
JP6708385B2 (ja) | 識別器作成装置、識別器作成方法、およびプログラム | |
US8340439B2 (en) | Image conversion method and apparatus, and pattern identification method and apparatus | |
US20180157892A1 (en) | Eye detection method and apparatus | |
KR20160096460A (ko) | 복수의 분류기를 포함하는 딥 러닝 기반 인식 시스템 및 그 제어 방법 | |
Charalampous et al. | On-line deep learning method for action recognition | |
Kumar et al. | Automatic live facial expression detection using genetic algorithm with haar wavelet features and SVM | |
JP5591178B2 (ja) | テスト画像内のオブジェクトを分類するための方法 | |
KR102592551B1 (ko) | Ar장치를 위한 객체 인식 처리 장치 및 방법 | |
Haque et al. | Two-handed bangla sign language recognition using principal component analysis (PCA) and KNN algorithm | |
US11334759B2 (en) | Information processing apparatus, information processing method, and medium | |
Parashar et al. | Deep learning pipelines for recognition of gait biometrics with covariates: a comprehensive review | |
KR20170108339A (ko) | 영상에서 다수의 객체를 인식하는 방법 | |
CN113269010B (zh) | 一种人脸活体检测模型的训练方法和相关装置 | |
Jemilda et al. | Moving object detection and tracking using genetic algorithm enabled extreme learning machine | |
US11423262B2 (en) | Automatically filtering out objects based on user preferences | |
Khedher et al. | Fusion of appearance and motion-based sparse representations for multi-shot person re-identification | |
CN112529025A (zh) | 一种数据处理方法及装置 | |
Ramachandra et al. | Perceptual metric learning for video anomaly detection | |
CN111753583A (zh) | 一种识别方法及装置 | |
Bhattacharya | HybridFaceMaskNet: A novel face-mask detection framework using hybrid approach | |
Pryor et al. | Deepfake Detection Analyzing Hybrid Dataset Utilizing CNN and SVM |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200722 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200722 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20210103 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210113 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210729 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210730 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210927 |
|
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: 20211210 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220107 |