JP2019046390A - 学習装置、学習方法、およびプログラム - Google Patents
学習装置、学習方法、およびプログラム Download PDFInfo
- Publication number
- JP2019046390A JP2019046390A JP2017171578A JP2017171578A JP2019046390A JP 2019046390 A JP2019046390 A JP 2019046390A JP 2017171578 A JP2017171578 A JP 2017171578A JP 2017171578 A JP2017171578 A JP 2017171578A JP 2019046390 A JP2019046390 A JP 2019046390A
- Authority
- JP
- Japan
- Prior art keywords
- data
- unit
- image data
- learning
- pseudo
- 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
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
-
- 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
- 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
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Abstract
Description
図1は、第1実施形態における学習装置100を含む学習システム1の全体構成の一例を示す図である。学習システム1は、例えば、遠隔操縦または自律式で飛行する一以上のドローン(無人航空機)10と、端末装置20と、学習装置100とを備える。これらの装置は、通信ネットワークNWを介して通信する。通信ネットワークNWは、例えば、無線基地局、Wi‐Fiアクセスポイント、通信回線、プロバイダ、インターネットなどを含む。
まず、学習処理部116は、取得部112によって実画像データIMGRが取得されると、この実画像データIMGRが未学習の実画像データIMGRであるか否かを判定する(ステップS400)。「未学習」とは、例えば、人間の知見として、分類結果の正解がラベル情報として付与されておらずに、分類器300の識別境界を決定する際にデータが使用されなかったことをいう。
以下、第1実施形態の変形例について説明する。上述した第1実施形態では、学習データとする実データが画像データであり、この実データと種類が同じであり、且つ類似する複数の画像データを、ネットワーク200を利用して自動生成するものとして説明したがこれに限られない。例えば、実データは、マイクロフォンを介して録音された音声データや、スキャナなどで読み取られた文章のテキストデータなどであってもよい。この場合、学習処理部116は、ネットワーク200の生成器210に、人工的な音声データやテキストデータを生成させる。そして、学習処理部116は、実空間上において各データの分布を近づけると共に、特徴空間上において各データから抽出された特徴が互いに離れすぎないように制約を設けた上で生成器210を学習する。これによって、実データが音声データやテキストデータであっても、各データに類似した疑似データを自動生成することができる。
以下、第2実施形態における学習装置100について説明する。第2実施形態における学習装置100では、識別境界の精度を向上させるために、ネットワーク200を利用して、識別境界付近に分布するデータを自動生成する点で第1実施形態と相違する。従って、係る相違点を中心に説明し、共通する部分についての説明は省略する。
この(これらの)生成画像データIMGIに使用された乱数を基に新たな乱数を生成し、この乱数を第1ニューラルネットワークNNの入力層に入力して、新たな生成画像データIMGIを生成する。この処理を所定回数繰り返すことで、図中(b)に示すように、識別境界Bと交差するように、識別境界Bまでの距離が互いに異なる所定数の生成画像データIMGIが生成される。(a)の例では、識別境界Bに最も近い生成画像データIMGIとして、二つの生成画像データIMGIが抽出されているため、(b)の例では、抽出された二つの生成画像データIMGIの其々を起点とした2箇所において、生成画像データIMGIの探索が行われている。
上述した実施形態の学習システム1に含まれる複数の装置のうち、少なくとも学習装置100は、例えば、図14に示すようなハードウェア構成により実現される。図14は、実施形態の学習装置100のハードウェア構成の一例を示す図である。
Claims (10)
- 実データを取得する取得部と、
第1ニューラルネットワークを利用して、前記実データとデータの種類が同じ疑似データを生成する生成部と、
前記実データまたは前記疑似データである入力データが、前記取得部により取得された実データであるのか、または前記生成部により生成された疑似データであるのかを識別する第1識別部と、
前記入力データから、データの特徴を抽出する抽出部と、
前記抽出部により抽出された特徴が、前記取得部により取得された実データの特徴であるのか、または前記生成部により生成された疑似データの特徴であるのかを識別する第2識別部と、
前記第1識別部および前記第2識別部の識別結果に基づいて、前記第1識別部および前記第2識別部によって、前記疑似データと前記実データとが区別されないように、前記第1ニューラルネットワークを学習する学習処理部と、
を備える学習装置。 - 前記第1識別部は、前記入力データが、前記実データであること、または前記疑似データであることの確からしさの程度に基づく第1スコアを導出し、
前記第2識別部は、前記抽出部により抽出された特徴が、前記実データの特徴であること、または前記疑似データの特徴であることの確からしさの程度に基づく第2スコアを導出し、
前記学習処理部は、ある着目する疑似データから前記第1識別部によって導出された第1スコアと、前記着目する疑似データから前記第2識別部によって導出された第2スコアとに基づいて、前記第1ニューラルネットワークを学習する、
請求項1に記載の学習装置。 - 前記抽出部は、入力されたデータに応じて特徴を出力するように構成された第2ニューラルネットワークを利用して、前記入力データの特徴を抽出する、
請求項1または2に記載の学習装置。 - 前記第2ニューラルネットワークを構成する入力層は、前記第1ニューラルネットワークを構成する出力層と同じ構成であり、
前記第2ニューラルネットワークを構成する出力層は、前記第1ニューラルネットワークを構成する一以上の中間層のうちのいずれかと同じ構成である、
請求項3に記載の学習装置。 - 前記学習処理部は、更に、前記実データおよび前記疑似データに基づいて、前記入力データを、一以上のグループを含むグループ群のいずれかに分類する分類器を生成する、
請求項1から4のうちいずれか1項に記載の学習装置。 - 前記学習処理部は、前記分類器によって互いに異なる複数のグループの境界付近に分類されるデータを、前記生成部に、前記疑似データとして生成させる、
請求項5に記載の学習装置。 - 利用者の操作を受け付ける受付部と、
画像を表示する表示部と、
前記表示部に画像を表示させる表示制御部と、を更に備え、
前記表示制御部は、前記生成部によって生成された疑似データのうち、前記境界付近の疑似データを、前記表示部に画像として表示させ、
前記学習処理部は、前記表示部によって画像として表示された疑似データの中から一以上の疑似データに、当該疑似データが分類されるべきグループの正解を与える操作が、前記受付部によって受け付けられた場合、前記分類器に、前記利用者によってグループ分類の正解が与えられた疑似データに基づいて、前記境界を再学習させる、
請求項6に記載の学習装置。 - 前記表示制御部は、前記表示部に、前記境界付近の疑似データを画像として、前記境界との距離に応じた順番に並び替えて表示させる、
請求項7に記載の学習装置。 - コンピュータが、
実データを取得し、
第1ニューラルネットワークを利用して、前記実データとデータの種類が同じ疑似データを生成し、
前記実データまたは前記疑似データである入力データが、前記取得した実データであるのか、または前記生成した疑似データであるのかを識別する第1識別処理を行い、
前記入力データから、データの特徴を抽出し、
前記抽出した特徴が、前記取得した実データの特徴であるのか、または前記生成した疑似データの特徴であるのかを識別する第2識別処理を行い、
前記第1識別処理および前記第2識別処理の結果に基づいて、前記第1識別処理および前記第2識別処理によって、前記疑似データと前記実データとが区別されないように、前記第1ニューラルネットワークを学習する、
学習方法。 - コンピュータに、
実データを取得させ、
第1ニューラルネットワークを利用して、前記実データとデータの種類が同じ疑似データを生成させ、
前記実データまたは前記疑似データである入力データが、前記取得させた実データであるのか、または前記生成させた疑似データであるのかを識別する第1識別処理を行わせ、
前記入力データから、データの特徴を抽出させ、
前記抽出させた特徴が、前記取得させた実データの特徴であるのか、または前記生成させた疑似データの特徴であるのかを識別する第2識別処理を行わせ、
前記第1識別処理および前記第2識別処理の結果に基づいて、前記第1識別処理および前記第2識別処理によって、前記疑似データと前記実データとが区別されないように、前記第1ニューラルネットワークを学習させる、
プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017171578A JP6572269B2 (ja) | 2017-09-06 | 2017-09-06 | 学習装置、学習方法、およびプログラム |
US16/121,358 US10762391B2 (en) | 2017-09-06 | 2018-09-04 | Learning device, learning method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017171578A JP6572269B2 (ja) | 2017-09-06 | 2017-09-06 | 学習装置、学習方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019046390A true JP2019046390A (ja) | 2019-03-22 |
JP6572269B2 JP6572269B2 (ja) | 2019-09-04 |
Family
ID=65518697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017171578A Active JP6572269B2 (ja) | 2017-09-06 | 2017-09-06 | 学習装置、学習方法、およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10762391B2 (ja) |
JP (1) | JP6572269B2 (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102144975B1 (ko) * | 2019-11-08 | 2020-08-14 | 주식회사 알체라 | 머신 러닝 시스템 및 머신 러닝 시스템의 동작 방법 |
JP2020181392A (ja) * | 2019-04-25 | 2020-11-05 | ピクシーダストテクノロジーズ株式会社 | 情報処理装置、方法及びプログラム |
KR20200132580A (ko) * | 2019-05-17 | 2020-11-25 | 라온피플 주식회사 | 불량 이미지 생성 장치 및 방법 |
WO2020261362A1 (ja) * | 2019-06-25 | 2020-12-30 | 日本電気株式会社 | 学習装置、物体検出装置、学習方法、及び、記録媒体 |
JP2021110968A (ja) * | 2020-01-06 | 2021-08-02 | 株式会社東芝 | 学習装置、学習方法及びプログラム |
JP2021149838A (ja) * | 2020-03-23 | 2021-09-27 | 学校法人 関西大学 | 学習装置およびその学習方法、制御プログラム |
WO2021205568A1 (ja) * | 2020-04-08 | 2021-10-14 | 三菱電機株式会社 | 学習用データ生成装置、学習用データ生成方法、学習モデル生成装置及び異常検出装置 |
KR20220008530A (ko) * | 2020-07-14 | 2022-01-21 | 한국생산기술연구원 | 입출력 데이터 생성 및 변형을 이용한 딥러닝 기반 제품 결함 검사 시스템 및 방법 |
JP2022072841A (ja) * | 2020-10-30 | 2022-05-17 | みずほリサーチ&テクノロジーズ株式会社 | モデル評価システム、モデル評価方法及びモデル評価プログラム |
JP7527488B2 (ja) | 2020-11-23 | 2024-08-02 | 京▲東▼城市(北京)数字科技有限公司 | モデル訓練方法、データ強化方法、装置、電子機器及び記憶媒体 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10460206B2 (en) * | 2017-11-22 | 2019-10-29 | Facebook, Inc. | Differentiating physical and non-physical events |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6582416B2 (ja) | 2014-05-15 | 2019-10-02 | 株式会社リコー | 画像処理装置、画像処理方法及びプログラム |
JP6547275B2 (ja) * | 2014-10-29 | 2019-07-24 | 株式会社リコー | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
KR102061810B1 (ko) * | 2018-03-23 | 2020-01-02 | 단국대학교 산학협력단 | 멀티모달 딥러닝 기반의 이종 센서 신호 처리를 위한 장치 및 방법 |
US10769428B2 (en) * | 2018-08-13 | 2020-09-08 | Google Llc | On-device image recognition |
-
2017
- 2017-09-06 JP JP2017171578A patent/JP6572269B2/ja active Active
-
2018
- 2018-09-04 US US16/121,358 patent/US10762391B2/en active Active
Non-Patent Citations (2)
Title |
---|
ERIC TZENG ET AL.: "Adversarial Discriminative Domain Adaptation", ARXIV [ONLINE], JPN6019013137, 17 February 2017 (2017-02-17), ISSN: 0004016781 * |
長場景子、進藤智則: "東芝が送電線点検に新種のディープラーニング "知能"より"創作者"と呼ぶべき新AI「生成モデル」", 日経ROBOTICS, vol. 第21号, JPN6019013135, 10 March 2017 (2017-03-10), JP, pages 3 - 9, ISSN: 0004016780 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7055300B2 (ja) | 2019-04-25 | 2022-04-18 | ピクシーダストテクノロジーズ株式会社 | 情報処理装置、方法及びプログラム |
JP2020181392A (ja) * | 2019-04-25 | 2020-11-05 | ピクシーダストテクノロジーズ株式会社 | 情報処理装置、方法及びプログラム |
KR20200132580A (ko) * | 2019-05-17 | 2020-11-25 | 라온피플 주식회사 | 불량 이미지 생성 장치 및 방법 |
WO2020235854A1 (ko) * | 2019-05-17 | 2020-11-26 | 라온피플 주식회사 | 불량 이미지 생성 장치 및 방법 |
KR102225099B1 (ko) * | 2019-05-17 | 2021-03-09 | 라온피플 주식회사 | 불량 이미지 생성 장치 및 방법 |
WO2020261362A1 (ja) * | 2019-06-25 | 2020-12-30 | 日本電気株式会社 | 学習装置、物体検出装置、学習方法、及び、記録媒体 |
US12046000B2 (en) | 2019-06-25 | 2024-07-23 | Nec Corporation | Learning device, object detection device, learning method, and recording medium |
KR102144975B1 (ko) * | 2019-11-08 | 2020-08-14 | 주식회사 알체라 | 머신 러닝 시스템 및 머신 러닝 시스템의 동작 방법 |
JP2021110968A (ja) * | 2020-01-06 | 2021-08-02 | 株式会社東芝 | 学習装置、学習方法及びプログラム |
JP7414531B2 (ja) | 2020-01-06 | 2024-01-16 | 株式会社東芝 | 学習装置、学習方法及びプログラム |
JP2021149838A (ja) * | 2020-03-23 | 2021-09-27 | 学校法人 関西大学 | 学習装置およびその学習方法、制御プログラム |
WO2021205568A1 (ja) * | 2020-04-08 | 2021-10-14 | 三菱電機株式会社 | 学習用データ生成装置、学習用データ生成方法、学習モデル生成装置及び異常検出装置 |
JPWO2021205568A1 (ja) * | 2020-04-08 | 2021-10-14 | ||
KR102475851B1 (ko) | 2020-07-14 | 2022-12-09 | 한국생산기술연구원 | 입출력 데이터 생성 및 변형을 이용한 딥러닝 기반 제품 결함 검사 시스템 및 방법 |
KR20220008530A (ko) * | 2020-07-14 | 2022-01-21 | 한국생산기술연구원 | 입출력 데이터 생성 및 변형을 이용한 딥러닝 기반 제품 결함 검사 시스템 및 방법 |
JP2022072841A (ja) * | 2020-10-30 | 2022-05-17 | みずほリサーチ&テクノロジーズ株式会社 | モデル評価システム、モデル評価方法及びモデル評価プログラム |
JP7085605B2 (ja) | 2020-10-30 | 2022-06-16 | みずほリサーチ&テクノロジーズ株式会社 | モデル評価システム、モデル評価方法及びモデル評価プログラム |
JP7527488B2 (ja) | 2020-11-23 | 2024-08-02 | 京▲東▼城市(北京)数字科技有限公司 | モデル訓練方法、データ強化方法、装置、電子機器及び記憶媒体 |
Also Published As
Publication number | Publication date |
---|---|
US10762391B2 (en) | 2020-09-01 |
US20190073567A1 (en) | 2019-03-07 |
JP6572269B2 (ja) | 2019-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6572269B2 (ja) | 学習装置、学習方法、およびプログラム | |
KR102252081B1 (ko) | 이미지 특성의 획득 | |
US11983394B2 (en) | System and method for generating photorealistic synthetic images based on semantic information | |
EP3757729B1 (en) | Apparatus and method for providing sentence based on user input | |
KR102607208B1 (ko) | 뉴럴 네트워크 학습 방법 및 디바이스 | |
US11669781B2 (en) | Artificial intelligence server and method for updating artificial intelligence model by merging plurality of pieces of update information | |
KR20190028235A (ko) | 클래스 인식을 위한 뉴럴 네트워크 학습 방법 및 디바이스 | |
US11475218B2 (en) | Apparatus and method for providing sentence based on user input | |
WO2017183242A1 (ja) | 情報処理装置及び情報処理方法 | |
CN112771544A (zh) | 重构人工智能模型的电子装置及其控制方法 | |
US11887224B2 (en) | Method, apparatus, and computer program for completing painting of image, and method, apparatus, and computer program for training artificial neural network | |
JP7095599B2 (ja) | 辞書学習装置、辞書学習方法、データ認識方法およびコンピュータプログラム | |
CN112214677B (zh) | 一种兴趣点推荐方法、装置、电子设备及存储介质 | |
EP3661218A1 (en) | Method and terminal for providing content | |
JP2018109906A (ja) | 画像データ作成プログラム、画像データ作成装置および画像データ作成方法 | |
KR20220084136A (ko) | 학습 지원 장치, 학습 장치, 학습 지원 방법 및 학습 지원 프로그램 | |
KR20180086021A (ko) | 랜덤한 트리 cnn에 기반한 영상 분석 방법 및 포레스트 cnn에 기반한 영상 분석 방법 | |
CN110335237B (zh) | 用于生成模型的方法、装置和用于识别图像的方法、装置 | |
KR101867586B1 (ko) | 영상 처리 장치 및 방법 | |
EP4339832A1 (en) | Method for constructing ai integrated model, and inference method and apparatus of ai integrated model | |
CN114898184A (zh) | 模型训练方法、数据处理方法、装置及电子设备 | |
KR102678177B1 (ko) | 조합형 의사 표현 이미지 아이템을 제공하는 메시지 처리 방법 및 그 장치 | |
KR102596684B1 (ko) | 조합형 의사 표현 이미지 아이템을 제공하는 메시지 처리 방법 및 그 장치 | |
US20240012881A1 (en) | Information processing method, information processing apparatus, and non-transitory computer-readable storage medium | |
KR20240111174A (ko) | 인공지능 학습 모델을 이용하여 이차원 도면을 삼차원 도면으로 자동 변환하는 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180329 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190416 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190617 |
|
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: 20190716 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190809 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6572269 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |