JP2018055195A - 学習装置、画像識別装置、学習方法、画像識別方法及びプログラム - Google Patents
学習装置、画像識別装置、学習方法、画像識別方法及びプログラム Download PDFInfo
- Publication number
- JP2018055195A JP2018055195A JP2016187442A JP2016187442A JP2018055195A JP 2018055195 A JP2018055195 A JP 2018055195A JP 2016187442 A JP2016187442 A JP 2016187442A JP 2016187442 A JP2016187442 A JP 2016187442A JP 2018055195 A JP2018055195 A JP 2018055195A
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- sensor information
- identification
- subset
- 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
- G06V10/70—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
- G06V10/776—Validation; Performance evaluation
-
- 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
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Abstract
【解決手段】画像と、前記画像に対応する、少なくとも1種類以上のセンサ情報とに基づく画像識別に用いる識別器を学習する学習装置であって、画像と、センサ情報とを含む、学習用のデータセットを取得する取得手段と、 前記学習用のデータセットから、少なくとも画像を含み、画像とセンサ情報の組み合わせの異なる、複数のサブセットを作成する作成手段と、複数のサブセットそれぞれに基づいて、複数のサブセットそれぞれに対応した複数の第1の識別器を学習する第1の学習手段とを有する。
【選択図】図2
Description
(第1の実施形態)
図1は、第1の実施形態に係る学習装置100のハードウェア構成を示す図である。学習装置100は、CPU101と、ROM102と、RAM103と、HDD104と、表示部105と、入力部106と、通信部107と、を有している。CPU101は、ROM102に記憶された制御プログラムを読み出して各種処理を実行する。RAM103は、CPU101の主メモリ、ワークエリア等の一時記憶領域として用いられる。HDD104は、各種データや各種プログラム等を記憶する。なお、後述する学習装置100の機能や処理は、CPU101がROM102又はHDD104に格納されているプログラムを読み出し、このプログラムを実行することにより実現されるものである。
A.Shaji,K.Smith,A.Lucchi,"SLIC Superpixels,R.Achanta",EPFL Technical Report,2010.
なお、小領域は、実施形態に限定されるものではなく、第1学習部204は、矩形形状に分割した碁盤目状の小領域を利用してもよい。
第2の実施形態に係る学習装置及び画像識別装置は、さらに画像の特徴量を用いて、識別器の学習、画像識別を行う。図10は、第2の実施形態に係る学習装置1000の機能構成を示す図である。学習装置1000は、第1の実施形態に係る学習装置1000の機能構成に加えて、特徴抽出部1001と、特徴記憶部1002と、類似度算出部1003と、類似度記憶部1004と、を有している。特徴抽出部1001は、学習データセットに含まれる画像の特徴量であるグローバル特徴を抽出し、抽出したグローバル特徴を特徴記憶部1002に格納する。特徴抽出部1001は、交差検証の検証用画像と各領域識別器の学習に用いた画像それぞれのグローバル特徴の類似度を算出し、類似度記憶部1004に格納する。
G.Csurka,C.Dance,L.Fan,J.Willamowski,C.Bray,"Visual categorization with bags of keypoints",ECCV SLCV Workshop,2004
S.Lazebnik,C.Schmid and .Ponce,"Beyond Bags of Features,Spatial Pyramid Matching for Recognizing,Neural Scene Categories",CVPR2006
A.Oliva and A.Torralba,"Modeling the shape of the scene:a holistic representation of the spatial envelope",International Journal of Computer Vision,2001
0.8+0.7+0.65+0.6+0.59=3.34 …(式6)
0.7+0.65+0.6+0.55+0.52=3.02 …(式7)
0.7+0.6+0.52+0.5+0.48=2.8 …(式8)
w1=3.34/3.2=1.04 …(式9)
w2=3.02/3.1=0.97 …(式10)
w3=2.8/2.5=1.12 …(式11)
f={W1L1,A1,W2L2,A2,W3L3,A3} …(式12)
f={v1,L1,A1,v2,L2,A2,v3,L3,A3} …(式13)
以上のように、画像識別装置1200は、学習データセットに識別対象となる対象画像に類似する画像があった場合に、類似する画像で学習したサブセット識別器による識別結果を優先するような最終的な識別結果を得ることができる。
第3の実施形態に係る学習装置及び画像識別装置は、特定の1カテゴリの領域を検出するような識別器の学習及び画像識別を行う。図15は、第3の実施形態に係る学習装置1500の機能構成を示す図である。学習装置1500は、第1の実施形態に係る学習装置100の第2学習データ記憶部208、第2学習部209及び統合識別器記憶部210を有さない。また、第1学習部204、検証部206及び信頼度特定部207の処理が異なる。各部の処理については、図16を参照しつつ後述する。
I=sgn(A1L1+A2L2+A3L3) …(式15)
なお、第3の実施形態に係る学習装置及び画像識別装置のこれ以外の構成及び処理は、他の実施形態に係る学習装置及び画像識別装置の構成及び処理と同様である。
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。
202 サブセット作成部
204 第1学習部
209 第2学習部
700 画像識別装置
705 第1識別部
706 第2識別部
Claims (18)
- 画像と、前記画像に対応する、少なくとも1種類以上のセンサ情報とに基づく画像識別に用いる識別器を学習する学習装置であって、
前記画像と、前記センサ情報とを含む、学習用のデータセットを取得する取得手段と、
前記学習用のデータセットから、少なくとも前記画像を含み、前記画像と前記センサ情報の組み合わせの異なる、複数のサブセットを作成する作成手段と、
前記複数のサブセットそれぞれに基づいて、複数のサブセットそれぞれに対応した複数の第1の識別器を学習する第1の学習手段と
を有することを特徴とする学習装置。 - 前記複数の第1の識別器それぞれの識別結果を統合する第2の識別器を学習する第2の学習手段をさらに有することを特徴とする請求項1に記載の学習装置。
- 前記サブセットを、学習データと検証データに分割する分割手段をさらに有し、
前記第1の学習手段は、前記サブセットそれぞれに含まれる前記学習データを用いて、前記サブセットそれぞれに対応する、複数の第1の識別器を学習することを特徴とする請求項1又は2に記載の学習装置。 - 前記サブセットを、学習データと検証データに分割する分割手段と、
前記複数の第1の識別器それぞれを用いて、対応するサブセットの前記検証データの判別結果から前記複数の第1の識別器それぞれの信頼度を決定する決定手段と
をさらに有し、
前記第2の学習手段は、さらに前記信頼度に基づいて、前記第2の識別器を学習することを特徴とする請求項2に記載の学習装置。 - 前記サブセットに含まれる画像の特徴量を抽出する抽出手段と、
サブセット毎の前記特徴量に基づいて、前記複数の第1の識別器それぞれに対する重み値を決定する決定手段と
をさらに有し、
前記第2の学習手段は、さらに前記重み値に基づいて、前記第2の識別器を学習することを特徴とする請求項4に記載の学習装置。 - 前記作成手段は、前記画像のみを含む第1のサブセットと、前記画像と少なくとも1種類以上のセンサ情報とを含む第2のサブセットと、を作成することを特徴とする請求項1乃至5の何れか1項に記載の学習装置。
- 前記センサ情報は、第1のセンサに対応する第1のセンサ情報と、前記第1のセンサと種類の異なる第2のセンサに対応する第2のセンサ情報とを含み、
前記作成手段は、前記画像と、前記第1のセンサ情報とを含む第1のサブセットと、前記画像と前記第2のセンサ情報とを含む第2のサブセットと、前記画像と、前記第1のセンサ情報と前記第2のセンサ情報とを含む第3のサブセットのうち少なくとも2つのサブセットを作成することを特徴とする請求項1乃至6の何れか1項に記載の学習装置。 - 前記センサ情報は、前記画像と共に撮像手段により得られる情報であることを特徴とする請求項1乃至7の何れか1項に記載の学習装置。
- 前記センサ情報は、前記画像の撮像手段による撮像タイミングに対応するタイミングにおいてセンサ手段により得られる情報であることを特徴とする請求項1乃至8の何れか1項に記載の学習装置。
- 画像と、前記画像に対応する、少なくとも1種類以上のセンサ情報とに基づく画像識別に用いる識別器を学習する学習装置であって、
前記画像と、前記センサ情報とを含む、学習用のデータセットを取得する取得手段と、
前記学習用のデータセットから、少なくとも前記画像を含み、前記画像と前記センサ情報の組み合わせの異なる、複数のサブセットを作成する作成手段と、
前記複数のサブセットに基づいて、前記識別器を学習する学習手段と
を有することを特徴とする学習装置。 - 識別器を用いた画像識別を行う画像識別装置であって、
前記画像識別の対象となる対象画像と、前記対象画像に対応するセンサ情報とを受け付ける受付手段と、
少なくとも前記画像を含み、前記画像と、前記センサ情報の組み合わせの異なる複数のサブセットに対応した複数の第1の識別器を用いて、前記対象画像に対する識別結果を得る第1の識別手段と
を有することを特徴とする画像識別装置。 - 前記第1の識別手段による識別結果を統合する第2の識別器を用いて、最終的な識別結果を得る第2の識別手段をさらに有することを特徴とする請求項11に記載の画像識別装置。
- 前記第2の識別手段は、さらに複数の第1の識別器それぞれの信頼度に基づいて、前記最終的な識別結果を得ることを特徴とする請求項12に記載の画像識別装置。
- 前記第2の識別手段は、さらに前記対象画像の特徴量に基づいて、前記最終的な識別結果を得ることを特徴とする請求項12に記載の画像識別装置。
- 画像と、前記画像に対応する、少なくとも1種類以上のセンサ情報とに基づく画像識別に用いる識別器を学習する学習装置が実行する学習方法であって、
前記画像と、前記センサ情報とを含む、学習用のデータセットを取得する取得ステップと、
前記学習用のデータセットから、少なくとも前記画像を含み、前記画像と前記センサ情報の組み合わせの異なる、複数のサブセットを作成する作成ステップと、
前記複数のサブセットそれぞれに基づいて、複数のサブセットそれぞれに対応した複数の第1の識別器を学習する第1の学習ステップと
を含むことを特徴とする学習方法。 - 画像識別装置が実行する画像識別方法であって、
前記画像識別の対象となる対象画像と、前記対象画像に対応するセンサ情報とを受け付ける受付ステップと、
少なくとも前記画像を含み、前記画像と、前記センサ情報の組み合わせの異なる複数のサブセットに対応した複数の第1の識別器を用いて、前記対象画像に対する識別結果を得る第1の識別ステップと
を含むことを特徴とする画像識別方法。 - 画像と、前記画像に対応する、少なくとも1種類以上のセンサ情報とに基づく画像識別に用いる識別器を学習する学習装置のコンピュータを、
前記画像と、前記センサ情報とを含む、学習用のデータセットを取得する取得手段と、
前記学習用のデータセットから、少なくとも前記画像を含み、前記画像と前記センサ情報の組み合わせの異なる、複数のサブセットを作成する作成手段と、
前記複数のサブセットそれぞれに基づいて、複数のサブセットそれぞれに対応した複数の第1の識別器を学習する第1の学習手段と
して機能させるためのプログラム。 - コンピュータを、
画像識別の対象となる対象画像と、前記対象画像に対応するセンサ情報とを受け付ける受付手段と、
少なくとも前記画像を含み、前記画像と、前記センサ情報の組み合わせの異なる複数のサブセットに対応した複数の第1の識別器を用いて、前記対象画像に対する識別結果を得る第1の識別手段と
して機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016187442A JP6866095B2 (ja) | 2016-09-26 | 2016-09-26 | 学習装置、画像識別装置、学習方法、画像識別方法及びプログラム |
US15/683,103 US10706326B2 (en) | 2016-09-26 | 2017-08-22 | Learning apparatus, image identification apparatus, learning method, image identification method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016187442A JP6866095B2 (ja) | 2016-09-26 | 2016-09-26 | 学習装置、画像識別装置、学習方法、画像識別方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018055195A true JP2018055195A (ja) | 2018-04-05 |
JP6866095B2 JP6866095B2 (ja) | 2021-04-28 |
Family
ID=61686529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016187442A Active JP6866095B2 (ja) | 2016-09-26 | 2016-09-26 | 学習装置、画像識別装置、学習方法、画像識別方法及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10706326B2 (ja) |
JP (1) | JP6866095B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200025810A (ko) * | 2018-08-31 | 2020-03-10 | (주)뉴빌리티 | 동영상 콘텐츠 인식 방법 및 장치, 그리고 이를 포함하는 영상 처리 시스템 |
JP2021085833A (ja) * | 2019-11-29 | 2021-06-03 | 富士通株式会社 | 類別プログラム、類別装置及び類別方法 |
JP2022118706A (ja) * | 2021-02-02 | 2022-08-15 | ザイメド カンパニー リミテッド | 実時間生体イメージ認識方法及び装置 |
US11935277B2 (en) | 2019-03-14 | 2024-03-19 | Nec Corporation | Generation method, training data generation device and program |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10163197B2 (en) * | 2016-12-02 | 2018-12-25 | Tata Consultancy Services Limited | System and method for layer-wise training of deep neural networks |
EP3913548A4 (en) * | 2019-01-15 | 2022-03-09 | Sony Group Corporation | SERVER AND LEARNING SYSTEM |
US11416707B2 (en) * | 2019-12-04 | 2022-08-16 | Panasonic Intellectual Property Corporation Of America | Information processing method, information processing system, and information processing apparatus |
WO2021172633A1 (ko) * | 2020-02-28 | 2021-09-02 | (주)뉴빌리티 | 동영상 콘텐츠 인식 방법 및 장치, 그리고 이를 포함하는 영상 처리 시스템 |
CN111666957B (zh) * | 2020-07-17 | 2023-04-25 | 湖南华威金安企业管理有限公司 | 图像真实性的识别方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009026326A (ja) * | 2008-09-26 | 2009-02-05 | Sony Corp | 集団学習装置及び方法 |
JP2015082245A (ja) * | 2013-10-23 | 2015-04-27 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
JP2016099734A (ja) * | 2014-11-19 | 2016-05-30 | キヤノン株式会社 | 画像処理装置、情報処理方法及びプログラム |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005135287A (ja) * | 2003-10-31 | 2005-05-26 | National Agriculture & Bio-Oriented Research Organization | 予測装置、予測方法および予測プログラム |
US8458520B2 (en) * | 2008-12-01 | 2013-06-04 | Electronics And Telecommunications Research Institute | Apparatus and method for verifying training data using machine learning |
CN101833749B (zh) | 2009-03-12 | 2012-03-28 | 株式会社理光 | 检测图像中阴影的装置和方法 |
WO2016094330A2 (en) * | 2014-12-08 | 2016-06-16 | 20/20 Genesystems, Inc | Methods and machine learning systems for predicting the liklihood or risk of having cancer |
US9767380B2 (en) * | 2015-04-13 | 2017-09-19 | Varian Medical Systems International Ag. | Image comparison tool tolerant to deformable image matching |
JP6639113B2 (ja) * | 2015-06-05 | 2020-02-05 | キヤノン株式会社 | 画像認識装置、画像認識方法及びプログラム |
US10706063B2 (en) * | 2015-10-28 | 2020-07-07 | Qomplx, Inc. | Automated scalable contextual data collection and extraction system |
JP6750854B2 (ja) * | 2016-05-25 | 2020-09-02 | キヤノン株式会社 | 情報処理装置および情報処理方法 |
JP7043191B2 (ja) * | 2017-06-30 | 2022-03-29 | キヤノン株式会社 | 画像認識装置、学習装置、画像認識方法、学習方法及びプログラム |
-
2016
- 2016-09-26 JP JP2016187442A patent/JP6866095B2/ja active Active
-
2017
- 2017-08-22 US US15/683,103 patent/US10706326B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009026326A (ja) * | 2008-09-26 | 2009-02-05 | Sony Corp | 集団学習装置及び方法 |
JP2015082245A (ja) * | 2013-10-23 | 2015-04-27 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
JP2016099734A (ja) * | 2014-11-19 | 2016-05-30 | キヤノン株式会社 | 画像処理装置、情報処理方法及びプログラム |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200025810A (ko) * | 2018-08-31 | 2020-03-10 | (주)뉴빌리티 | 동영상 콘텐츠 인식 방법 및 장치, 그리고 이를 포함하는 영상 처리 시스템 |
KR102089000B1 (ko) * | 2018-08-31 | 2020-03-13 | (주)뉴빌리티 | 동영상 콘텐츠 인식 방법 및 장치, 그리고 이를 포함하는 영상 처리 시스템 |
US11935277B2 (en) | 2019-03-14 | 2024-03-19 | Nec Corporation | Generation method, training data generation device and program |
JP2021085833A (ja) * | 2019-11-29 | 2021-06-03 | 富士通株式会社 | 類別プログラム、類別装置及び類別方法 |
JP7401747B2 (ja) | 2019-11-29 | 2023-12-20 | 富士通株式会社 | 類別プログラム、類別装置及び類別方法 |
JP2022118706A (ja) * | 2021-02-02 | 2022-08-15 | ザイメド カンパニー リミテッド | 実時間生体イメージ認識方法及び装置 |
JP7297334B2 (ja) | 2021-02-02 | 2023-06-26 | ザイメド カンパニー リミテッド | 実時間生体イメージ認識方法及び装置 |
Also Published As
Publication number | Publication date |
---|---|
US10706326B2 (en) | 2020-07-07 |
JP6866095B2 (ja) | 2021-04-28 |
US20180089537A1 (en) | 2018-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6866095B2 (ja) | 学習装置、画像識別装置、学習方法、画像識別方法及びプログラム | |
US11256955B2 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
CN108154082B (zh) | 航拍影像自动物体侦测的方法及系统 | |
Grabner et al. | On-line boosting-based car detection from aerial images | |
US9824294B2 (en) | Saliency information acquisition device and saliency information acquisition method | |
JP6332937B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP6330385B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP6448325B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
US10395136B2 (en) | Image processing apparatus, image processing method, and recording medium | |
JP6351240B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
EP2879080B1 (en) | Image processing device and method, and computer readable medium | |
Hu et al. | Automatic recognition of cloud images by using visual saliency features | |
WO2013088175A1 (en) | Image processing method | |
JP6702716B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
WO2019197021A1 (en) | Device and method for instance-level segmentation of an image | |
JP2017033197A (ja) | 変化領域検出装置、方法、及びプログラム | |
Hichri et al. | Interactive segmentation for change detection in multispectral remote-sensing images | |
Samadzadegan et al. | A multiple classifier system for classification of LIDAR remote sensing data using multi-class SVM | |
Huerta et al. | Combining where and what in change detection for unsupervised foreground learning in surveillance | |
CN111274964A (zh) | 一种基于无人机视觉显著性分析水面污染物的检测方法 | |
WO2017129115A1 (en) | Orientation-based subject-matching in images | |
US20200242410A1 (en) | System for Training Descriptor with Active Sample Selection | |
US20220414393A1 (en) | Methods and Systems for Generating Composite Image Descriptors | |
JP6855175B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2016081472A (ja) | 画像処理装置、画像処理方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190924 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201106 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210204 |
|
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: 20210309 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210407 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6866095 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |