JP2018073308A - 認識装置、プログラム - Google Patents
認識装置、プログラム Download PDFInfo
- Publication number
- JP2018073308A JP2018073308A JP2016215759A JP2016215759A JP2018073308A JP 2018073308 A JP2018073308 A JP 2018073308A JP 2016215759 A JP2016215759 A JP 2016215759A JP 2016215759 A JP2016215759 A JP 2016215759A JP 2018073308 A JP2018073308 A JP 2018073308A
- Authority
- JP
- Japan
- Prior art keywords
- correction
- recognition
- value
- pixel
- label
- 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
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000011176 pooling Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 4
- 230000004931 aggregating effect Effects 0.000 claims 1
- 230000001419 dependent effect Effects 0.000 claims 1
- 239000013598 vector Substances 0.000 description 24
- 238000003384 imaging method Methods 0.000 description 5
- 230000005484 gravity Effects 0.000 description 3
- 238000013138 pruning Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
Description
gpn s=[ωpn K1,ωpn K2,ωpn K3,ωpn K4]・・・(1)
上の式のsは、シーンsの位置関係特徴量gであることを示す。pnは、p1〜p16の何れか1つであることを示す。K1〜K4は、ラベルを示す。以下では、K1〜K4の何れか1つであることをKmとも表記する。
ωpn Km=[v(pn,q1)Km K1,…,v(pn,q4)Km K1,…,v(pn,q1)Km K4,…,v(pn,q4)Km K4]・・・(2)
v(pn,q1)Km K1は、(パッチpnでラベルKm)−(レセプタq1でラベルK1)の2次元平均空間ベクトルである。v(pn,q4)Km K1は、(パッチpnでラベルKm)−(レセプタq4でラベルK1)の2次元平均空間ベクトルである。v(pn,q1)Km K4は、(パッチpnでラベルKm)−(レセプタq1でラベルK4)の2次元平均空間ベクトルである。v(pn,q4)Km K4は、(パッチpnでラベルKm)−(レセプタq4でラベルK4)の2次元平均空間ベクトルである。
ωpn Km=[0,…,0,…,0,…,0]・・・(3)
(2)中間データの1つであるシーン識別用中間データは、シーンの識別に用いられる。このため、識別シーンを利用した訂正を実行できる。
(3)シーン識別用中間データとしての中間データP5は、複数回のプーリング処理によって、7×7までに情報が圧縮されたデータであるので、シーンの識別用として適している。
(4)シーンの識別は、教師あり学習によって学習済みのデータとの比較に基づき実行するため、精度が高い。
(6)中間データC1は、入力データに対して1回の畳み込み処理によって得られるデータであるので、入力データとの関係を示す特徴量として適している。
(7)中間データC1は、プーリング処理が施されておらず、圧縮されていないので、入力データとの関係を示す特徴量として適している。
(9)位置関係特徴量の算出は、パッチとレセプタとを用いることによって適切に実行できる。
(12)位置関係特徴量の算出対象から、エラー領域を含まないパッチが除外されるので、処理負荷が軽減される。
(13)各エラー領域の訂正は、エラー領域を代表する画素の訂正結果を援用して実行されるので、処理負荷が軽減される。
(14)エラー領域を代表する画素は、重心画素であるので、エラー領域の端に位置するような画素が代表となる場合と比べ、訂正の精度が向上する。
Claims (15)
- 認識対象の画像から取得された画素毎の情報を入力データとして、複数の中間層を含むディープニューラルネットワーク(13)に入力することによって、前記画素毎にラベル付けをし、初期認識値を取得する初期認識部(S200)と、
前記初期認識値を対象に、前記複数の中間層の少なくとも1層から出力される中間データに基づく訂正を実行する訂正部(S500)と、
を備える認識装置。 - 前記認識対象の画像が属するシーンを、前記中間データの少なくとも一部であるシーン識別用中間データに基づき識別するシーン識別部(S300)を更に備え、
前記訂正部は、前記訂正を、前記識別されたシーンに基づき実行する訂正実行部(S740)を備える
請求項1に記載の認識装置。 - 前記シーン識別用中間データは、少なくとも1回のプーリング処理が施されたデータである
請求項2に記載の認識装置。 - 前記シーン識別部は、前記シーンの識別を、前記シーン識別用中間データと、教師あり学習によって学習済みのデータとの比較に基づき実行する
請求項2から請求項3までの何れか一項に記載の認識装置。 - 前記訂正部は、前記中間データの少なくとも一部である絞り込み用中間データから、前記入力データに含まれるパラメータに対応する特徴量である情報特徴量を取得する情報特徴量取得部(S730)を更に備え、
前記訂正実行部は、前記訂正を、前記取得された情報特徴量と、前記識別されたシーンを真値とした教師あり学習によって学習済みの情報特徴量との比較に基づき実行する
請求項2から請求項4までの何れか一項に記載の認識装置。 - 前記絞り込み用中間データは、前記入力データに少なくとも1回の畳み込み処理が施されたデータである
請求項5に記載の認識装置。 - 前記絞り込み用中間データは、前記入力データに対して、プーリング処理が施されていないデータである
請求項5又は請求項6に記載の認識装置。 - 前記訂正部は、前記初期認識値における前記ラベル同士の相対的な位置関係に関する位置関係特徴量を算出する算出部(S630)を更に備え、
前記訂正実行部は、前記訂正を、前記取得された位置関係特徴量と、前記識別されたシーンを真値とした教師あり学習によって学習済みの位置関係特徴量との比較に基づき実行する
請求項2から請求項7までの何れか一項に記載の認識装置。 - 前記算出部は、前記位置関係特徴量の算出を、前記初期認識値に含まれるラベル付き画素を第1の大きさで集合させて構成される複数のパッチと、前記初期認識値に含まれるラベル付き画素を前記第1の大きさよりも大きい第2の大きさで集合させて構成される複数のレセプタとを用意し、前記複数のパッチそれぞれに含まれるラベルと、前記複数のレセプタそれぞれに含まれるラベルとの関係を導出することによって実現する
請求項8に記載の認識装置。 - 前記訂正実行部は、前記訂正を、前記情報特徴量および前記位置関係特徴量を用いて訂正候補となるラベルを絞り込むことによって実行する
請求項5、請求項6又は請求項7に従属する請求項8又は請求項9に記載の認識装置。 - 前記初期認識値としてのラベルの信頼性が閾値未満である画素による閉領域であるエラー領域を特定する特定部(S400)を更に備え、
前記訂正部は、前記訂正を、前記初期認識値として前記特定されたエラー領域に含まれる画素に付されたラベルの少なくとも一部を対象に実行する
請求項1から請求項10までの何れか一項に記載の認識装置。 - 前記算出部は、前記特定されたエラー領域を含む前記パッチを対象に、前記位置関係特徴量を算出する
請求項9に従属する請求項11に記載の認識装置。 - 前記訂正実行部は、前記エラー領域それぞれの代表となる画素についての前記訂正を、前記エラー領域それぞれについての前記訂正に適用する
請求項5から請求項7までの何れか一項に従属する請求項11に記載の認識装置。 - 前記訂正実行部は、前記エラー領域それぞれの重心となる画素を、前記代表となる画素として取得する重心画素取得部(S710)を更に備える
請求項13に記載の認識装置。 - 認識対象の画像から取得された画素毎の情報を入力データとして、複数の中間層を含むディープニューラルネットワーク(13)に入力することによって、前記画素毎にラベル付けをし、初期認識値を取得し、
前記初期認識値を対象に、前記複数の中間層の少なくとも1層から出力される中間データに基づき訂正する
ことを認識装置に実行させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016215759A JP6701057B2 (ja) | 2016-11-04 | 2016-11-04 | 認識装置、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016215759A JP6701057B2 (ja) | 2016-11-04 | 2016-11-04 | 認識装置、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018073308A true JP2018073308A (ja) | 2018-05-10 |
JP6701057B2 JP6701057B2 (ja) | 2020-05-27 |
Family
ID=62115505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016215759A Active JP6701057B2 (ja) | 2016-11-04 | 2016-11-04 | 認識装置、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6701057B2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020006788A (ja) * | 2018-07-06 | 2020-01-16 | 株式会社明電舎 | 建築限界判定装置 |
JP2020042816A (ja) * | 2018-09-07 | 2020-03-19 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 物体検出方法、装置、機器、記憶媒体及び車両 |
JPWO2021161410A1 (ja) * | 2020-02-12 | 2021-08-19 | ||
JP2022008345A (ja) * | 2018-07-06 | 2022-01-13 | 株式会社明電舎 | 建築限界判定方法 |
-
2016
- 2016-11-04 JP JP2016215759A patent/JP6701057B2/ja active Active
Non-Patent Citations (2)
Title |
---|
水野 雄太、外7名: ""Deep learningを用いた脂肪組織画像における細胞の認識"", 情報処理学会 研究報告, vol. Vol.2016-MPS-107, No.10, JPN6019049695, 1 March 2016 (2016-03-01), JP, pages 1 - 6, ISSN: 0004176981 * |
相澤 宏旭、加藤 邦人: ""航空機画像セグメンテーションへのEncoder−Decoder CNNの適用とその改良"", 映像情報メディア学会技術報告, vol. 40, no. 28, JPN6019049696, 24 August 2016 (2016-08-24), JP, pages 9 - 10, ISSN: 0004249504 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020006788A (ja) * | 2018-07-06 | 2020-01-16 | 株式会社明電舎 | 建築限界判定装置 |
JP2022008345A (ja) * | 2018-07-06 | 2022-01-13 | 株式会社明電舎 | 建築限界判定方法 |
JP7020322B2 (ja) | 2018-07-06 | 2022-02-16 | 株式会社明電舎 | 建築限界判定装置 |
JP7207479B2 (ja) | 2018-07-06 | 2023-01-18 | 株式会社明電舎 | 建築限界判定方法 |
JP2020042816A (ja) * | 2018-09-07 | 2020-03-19 | バイドゥ オンライン ネットワーク テクノロジー (ベイジン) カンパニー リミテッド | 物体検出方法、装置、機器、記憶媒体及び車両 |
US11379699B2 (en) | 2018-09-07 | 2022-07-05 | Apollo Intelligent Driving Technology (Beijing) Co., Ltd. | Object detection method and apparatus for object detection |
JPWO2021161410A1 (ja) * | 2020-02-12 | 2021-08-19 | ||
WO2021161410A1 (ja) * | 2020-02-12 | 2021-08-19 | 三菱電機株式会社 | 物体認識装置、運転支援装置、サーバ、および、物体認識方法 |
DE112020006708T5 (de) | 2020-02-12 | 2022-12-01 | Mitsubishi Electric Corporation | Objekterkennungsvorrichtung, Fahrassistenzvorrichtung, Server und Objekterkennungsverfahren |
JP7214018B2 (ja) | 2020-02-12 | 2023-01-27 | 三菱電機株式会社 | 物体認識装置、運転支援装置、サーバ、および、物体認識方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6701057B2 (ja) | 2020-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110411441B (zh) | 用于多模态映射和定位的系统和方法 | |
JP6682833B2 (ja) | 物体認識アルゴリズムの機械学習のためのデータベース構築システム | |
Asvadi et al. | 3D object tracking using RGB and LIDAR data | |
EP3627446B1 (en) | System, method and medium for generating a geometric model | |
CN107735797B (zh) | 用于确定第一坐标系与第二坐标系之间的运动的方法 | |
CN114144809A (zh) | 通过摄像机进行交通工具环境建模 | |
JP5782088B2 (ja) | 歪みのあるカメラ画像を補正するシステム及び方法 | |
WO2022188663A1 (zh) | 一种目标检测方法及装置 | |
US11887336B2 (en) | Method for estimating a relative position of an object in the surroundings of a vehicle and electronic control unit for a vehicle and vehicle | |
JP6891954B2 (ja) | 物体検知装置、物体検知方法、及びプログラム | |
JP2016081525A (ja) | 車両用画像認識システム、及び対応法 | |
WO2018128667A1 (en) | Systems and methods for lane-marker detection | |
JP2017526082A (ja) | 動作推定方法、移動体、およびプロセッサに動作推定方法を実行させるコンピュータプログラムコードでコード化された非一時的コンピュータ可読媒体 | |
JP6701057B2 (ja) | 認識装置、プログラム | |
JP2014138420A (ja) | 自律車両用の奥行き検知方法及びシステム | |
US20210190535A1 (en) | Information processing apparatus, information processing method, and medium | |
EP3716210B1 (en) | Three-dimensional point group data generation method, position estimation method, three-dimensional point group data generation device, and position estimation device | |
JP6544257B2 (ja) | 情報処理システム、情報処理方法及び情報処理プログラム | |
Michot et al. | Bi-objective bundle adjustment with application to multi-sensor slam | |
US11748998B1 (en) | Three-dimensional object estimation using two-dimensional annotations | |
CN113052907B (zh) | 一种动态环境移动机器人的定位方法 | |
JP2011179909A (ja) | 位置姿勢計測装置、位置姿勢計測方法、プログラム | |
KR20210090384A (ko) | 카메라 및 라이다 센서를 이용한 3d 객체 검출방법 및 장치 | |
Liang et al. | Image-based positioning of mobile devices in indoor environments | |
CN114088081A (zh) | 一种基于多段联合优化的用于精确定位的地图构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190118 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191211 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200124 |
|
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: 20200407 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200501 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6701057 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |