JP2019153092A - 位置特定装置、位置特定方法及びコンピュータプログラム - Google Patents
位置特定装置、位置特定方法及びコンピュータプログラム Download PDFInfo
- Publication number
- JP2019153092A JP2019153092A JP2018038042A JP2018038042A JP2019153092A JP 2019153092 A JP2019153092 A JP 2019153092A JP 2018038042 A JP2018038042 A JP 2018038042A JP 2018038042 A JP2018038042 A JP 2018038042A JP 2019153092 A JP2019153092 A JP 2019153092A
- Authority
- JP
- Japan
- Prior art keywords
- image
- feature
- subject
- unit
- feature map
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Abstract
Description
図1は、第1の実施形態における、位置特定装置の機能構成の例を示す機能ブロック図である。位置特定装置100は、被写体と背景とが一緒に写っている画像において、画像に含まれる被写体の領域を検出する。位置特定装置100は、例えば、ドローン等の飛翔体によって空撮された画像に含まれる被写体の領域を特定する。
本実施例では特徴モデルについてDRNを例として説明するが、入力データの畳み込みにより画像若しくは画像の所定の領域毎の特徴を抽出する処理を中間層で行うニューラルネットワークであればDRNに限定されない。
還元すると、第1画像特徴量取得部105で取得された輝度特徴量と、特徴マップ取得部104で所望の被写体に適すると判定された特徴マップとを関連付けるといってもよい。
Indexは、上述した通り第2画像特徴量取得部110で取得した輝度特徴量と最も近い特徴量・Indexデータベースに格納されている輝度特徴量に対応するIndexを用いてもよいし、第2画像特徴量取得部110で取得した輝度特徴量と、特徴量・Indexデータベースに格納されている輝度特徴量との差が所定の閾値以下である特徴量・Indexデータベースに格納されている輝度特徴量に対応するIndex、すなわち複数のIndexを用いてもよい。
対応マスク検索部111の処理は、データベース生成部106で説明した、輝度特徴量と特徴マップとの関連に基づいて、対象画像をDRNに入力・伝搬することで得られた特徴マップの中から、所望の被写体に反応すると推定される特徴マップの推定を行うと言い換えてもよい。
対応マスク検索部111は、複数枚の特徴マップからマスク画像を生成する場合、特徴量・Indexデータベースを用いて、重み付き和の重みを算出する。対応マスク検索部111は、算出された重みに基づいて、マスク画像を生成する。対応マスク検索部111は、例えば、輝度特徴量の値が近い順に距離等を用いることで重みを算出してもよい。対応マスク検索部111は、その他の公知の手法を用いて重みを算出してもよい。なお、対応マスク検索部111は、特徴量・Indexデータベースに記録された確率分布を取得して、モデル化し、関連付けることでマスク画像を生成するように構成されてもよい。
この実施形態のポイントを記載すると、
1.被写体画像を学習済みのDRNに入力・伝搬させ、中間層の出力である特徴マップを複数得る
2.得られた特徴マップのうち、所望の被写体に適する特徴マップを取得する
3.被写体画像からあらかじめ定められた特徴量を抽出する
4.抽出された特徴量と、所望の被写体に適する特徴マップに対応するIndexを関連付ける
5.対象画像を、1.と同じ学習済みのDRNに入力・伝搬させ、特徴マップを複数取得する
6.3.と同じ手法により対象画像から特徴量を抽出する
7.6.で抽出された特徴量と近い、4.で関連付けられた特徴量に対応するIndexを取得する
8.5.で得られた特徴マップのうち、7.で得られたIndexに対応する特徴マップを取得する
9.8.で得られた特徴マップをマスクとして対象画像に適用することで所望の被写体の位置を取得する得る
となる。これは、本来であればブラックボックスである学習済みのニューラルネットワークの中間層の出力である特徴マップをマスクとして利用するため、3.6.に記載したような、特徴量をキーとして関連付けるための構成である。
次に、第2の実施形態における位置特定装置100aについて説明する。第1の実施形態の位置特定装置100は、輝度特徴量などの予め決定された特徴量を用いて、複数枚の特徴マップから合成マスク画像を生成した。第1の実施形態は、位置を特定したい被写体内と背景等の位置を特定したい被写体以外(以下「背景等」という。)の間で輝度値の差分値が顕著な場合に特に有効な手法であったが、それ以外の場合には、精度が十分に得られない可能性があった。そこで、第2の実施形態の位置特定装置100aは、被写体と背景等との輝度値の差分値が十分に大きくない場合に、機械学習によって重みを決定する。言い換えると、被写体の特徴量の分布と背景等の特徴量の分布が重複する領域が大きい場合に特に有効な手法を本実施例では提供する。本実施例のポイントは、学習用の画像をDRNに入力・伝搬させた際に得られる特徴マップのうち、被写体に強く反応する特徴マップについて大きい重みが、被写体以外に強く反応する特徴マップについて小さな重みが設定されるように学習を行う点である。強く反応する、とは特徴マップ取得部104と同様である。
Claims (6)
- 少なくとも所望の第一の被写体を含む画像である第一の画像から前記所望の第一の被写体の位置を特定する位置特定装置であって、
前記第一の画像の所定の特徴を表す第一の特徴量を取得する特徴量取得部と、
第二の被写体を含む第二の画像から得られた前記所定の特徴を表す第二の特徴量と、前記第二の画像の特徴を表すマップである特徴マップの集合である特徴マップ複数のうち前記第二の被写体に対応する特徴マップである選択特徴マップと、が対応付けられている推定部と、
前記推定部により前記第一の特徴量に対応付けられると推定された推定第一特徴マップと、
前記推定第一特徴マップを用いて前記所望の第一の被写体の位置を特定する位置特定部と、
を備える、位置特定装置。 - 前記第二の画像の特徴を表す特徴マップ複数に含まれる特徴マップは、前記第二の画像に対して第一の畳み込み処理を行った出力、もしくは畳み込み処理を行った出力に対してさらに第二の畳み込み処理を行った出力、である
請求項1記載の位置特定装置。 - 前記第一の畳み込み処理と前記第二の畳み込み処理は、学習済みのニューラルネットワークの中間層であり、
前記特徴マップ複数に含まれる特徴マップは、前記中間層の出力値である
請求項2記載の位置特定装置。 - 前記選択特徴マップは、前記第二の画像のうち、前記第二の被写体以外の領域よりも前記第二の被写体を含む領域に強く反応する特徴マップである
請求項3記載の位置特定装置。 - 少なくとも所望の第一の被写体を含む画像である第一の画像から前記所望の第一の被写体の位置を特定する位置特定方法であって、
前記第一の画像の所定の特徴を表す第一の特徴量を取得する特徴量取得ステップと、
第二の被写体を含む第二の画像から得られた前記所定の特徴を表す第二の特徴量と、前記第二の画像の特徴を表すマップの集合である特徴マップ複数のうち前記第二の被写体に対応する特徴マップである選択特徴マップと、が対応付けられている推定ステップと、
前記推定ステップにより前記第一の特徴量に対応付けられると推定された推定第一特徴マップを用いて前記第一の画像から前記所望の第一の被写体の位置を特定する位置特定ステップと、
を備える、位置特定方法。 - 請求項1から4のいずれか一項に記載の位置特定装置としてコンピュータを機能させるためのコンピュータプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018038042A JP6892606B2 (ja) | 2018-03-02 | 2018-03-02 | 位置特定装置、位置特定方法及びコンピュータプログラム |
US16/976,487 US11410327B2 (en) | 2018-03-02 | 2019-02-21 | Location determination apparatus, location determination method and computer program |
PCT/JP2019/006512 WO2019167784A1 (ja) | 2018-03-02 | 2019-02-21 | 位置特定装置、位置特定方法及びコンピュータプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018038042A JP6892606B2 (ja) | 2018-03-02 | 2018-03-02 | 位置特定装置、位置特定方法及びコンピュータプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019153092A true JP2019153092A (ja) | 2019-09-12 |
JP6892606B2 JP6892606B2 (ja) | 2021-06-23 |
Family
ID=67806096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018038042A Active JP6892606B2 (ja) | 2018-03-02 | 2018-03-02 | 位置特定装置、位置特定方法及びコンピュータプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11410327B2 (ja) |
JP (1) | JP6892606B2 (ja) |
WO (1) | WO2019167784A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021140705A (ja) * | 2020-03-10 | 2021-09-16 | 三菱電機インフォメーションシステムズ株式会社 | 検出結果分析装置、検出結果分析方法及び検出結果分析プログラム |
WO2022113883A1 (ja) * | 2020-11-30 | 2022-06-02 | ソニーセミコンダクタソリューションズ株式会社 | 学習装置、学習方法、撮像装置、信号処理装置、信号処理方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6892606B2 (ja) * | 2018-03-02 | 2021-06-23 | 日本電信電話株式会社 | 位置特定装置、位置特定方法及びコンピュータプログラム |
CN112508027B (zh) * | 2020-11-30 | 2024-03-26 | 北京百度网讯科技有限公司 | 用于实例分割的头部模型、实例分割模型、图像分割方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016115248A (ja) * | 2014-12-17 | 2016-06-23 | 株式会社デンソー | 演算処理装置 |
JP2017059207A (ja) * | 2015-09-18 | 2017-03-23 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 画像認識方法 |
US20180060701A1 (en) * | 2016-08-31 | 2018-03-01 | Adobe Systems Incorporated | Deep-learning network architecture for object detection |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008130907A1 (en) * | 2007-04-17 | 2008-10-30 | Mikos, Ltd. | System and method for using three dimensional infrared imaging to identify individuals |
JP5706647B2 (ja) * | 2010-09-03 | 2015-04-22 | キヤノン株式会社 | 情報処理装置、およびその処理方法 |
US10417525B2 (en) * | 2014-09-22 | 2019-09-17 | Samsung Electronics Co., Ltd. | Object recognition with reduced neural network weight precision |
CN108027972B (zh) * | 2015-07-30 | 2022-03-15 | 北京市商汤科技开发有限公司 | 用于对象跟踪的系统和方法 |
US10296796B2 (en) * | 2016-04-06 | 2019-05-21 | Nec Corporation | Video capturing device for predicting special driving situations |
US10169647B2 (en) * | 2016-07-27 | 2019-01-01 | International Business Machines Corporation | Inferring body position in a scan |
US10769411B2 (en) * | 2017-11-15 | 2020-09-08 | Qualcomm Technologies, Inc. | Pose estimation and model retrieval for objects in images |
JP2019096072A (ja) * | 2017-11-22 | 2019-06-20 | 株式会社東芝 | 物体検出装置、物体検出方法およびプログラム |
JP6892606B2 (ja) * | 2018-03-02 | 2021-06-23 | 日本電信電話株式会社 | 位置特定装置、位置特定方法及びコンピュータプログラム |
-
2018
- 2018-03-02 JP JP2018038042A patent/JP6892606B2/ja active Active
-
2019
- 2019-02-21 US US16/976,487 patent/US11410327B2/en active Active
- 2019-02-21 WO PCT/JP2019/006512 patent/WO2019167784A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016115248A (ja) * | 2014-12-17 | 2016-06-23 | 株式会社デンソー | 演算処理装置 |
JP2017059207A (ja) * | 2015-09-18 | 2017-03-23 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 画像認識方法 |
US20180060701A1 (en) * | 2016-08-31 | 2018-03-01 | Adobe Systems Incorporated | Deep-learning network architecture for object detection |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021140705A (ja) * | 2020-03-10 | 2021-09-16 | 三菱電機インフォメーションシステムズ株式会社 | 検出結果分析装置、検出結果分析方法及び検出結果分析プログラム |
WO2021181858A1 (ja) * | 2020-03-10 | 2021-09-16 | 三菱電機株式会社 | 検出結果分析装置、検出結果分析方法及び検出結果分析プログラム |
JP7139369B2 (ja) | 2020-03-10 | 2022-09-20 | 三菱電機インフォメーションシステムズ株式会社 | 検出結果分析装置、検出結果分析方法及び検出結果分析プログラム |
EP4089632A4 (en) * | 2020-03-10 | 2023-02-08 | Mitsubishi Electric Corporation | DETECTION RESULT ANALYZER, DETECTION RESULT ANALYSIS METHOD AND DETECTION RESULT ANALYSIS PROGRAM |
WO2022113883A1 (ja) * | 2020-11-30 | 2022-06-02 | ソニーセミコンダクタソリューションズ株式会社 | 学習装置、学習方法、撮像装置、信号処理装置、信号処理方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2019167784A1 (ja) | 2019-09-06 |
US20200410709A1 (en) | 2020-12-31 |
JP6892606B2 (ja) | 2021-06-23 |
US11410327B2 (en) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107247947B (zh) | 人脸属性识别方法及装置 | |
WO2019167784A1 (ja) | 位置特定装置、位置特定方法及びコンピュータプログラム | |
CN110598019B (zh) | 重复图像识别方法及装置 | |
JPWO2010004958A1 (ja) | 個人認証システム、個人認証方法 | |
CN111126396A (zh) | 图像识别方法、装置、计算机设备以及存储介质 | |
CN110163060B (zh) | 图像中人群密度的确定方法及电子设备 | |
CN111652331A (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
CN109033321B (zh) | 一种图像与自然语言特征提取及基于关键词的语言指示图像分割方法 | |
CN113705596A (zh) | 图像识别方法、装置、计算机设备和存储介质 | |
CN111694954B (zh) | 图像分类方法、装置和电子设备 | |
CN111368911A (zh) | 一种图像分类方法、装置和计算机可读存储介质 | |
KR20100116404A (ko) | 영상정보로부터 독립세포와 군집세포를 분류하는 방법 및 장치 | |
CN113128526B (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
CN113255557A (zh) | 一种基于深度学习的视频人群情绪分析方法及系统 | |
CN116311518A (zh) | 一种基于人体交互意图信息的层级人物交互检测方法 | |
CN114863450B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111797849A (zh) | 用户活动识别方法、装置、存储介质及电子设备 | |
CN113449751B (zh) | 基于对称性和群论的物体-属性组合图像识别方法 | |
KR20210031444A (ko) | 데이터 프로그래밍에 기반한 레이블링 모델 생성 방법 및 장치 | |
CN112613341A (zh) | 训练方法及装置、指纹识别方法及装置、电子设备 | |
CN112183336A (zh) | 表情识别模型训练方法、装置、终端设备及存储介质 | |
CN112949672A (zh) | 商品识别方法、装置、设备以及计算机可读存储介质 | |
Vijayarani et al. | An efficient algorithm for facial image classification | |
CN113128278A (zh) | 一种图像识别方法及装置 | |
US20230196841A1 (en) | Behavior recognition artificial intelligence network system and method for efficient recognition of hand signals and gestures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210416 |
|
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: 20210427 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210510 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6892606 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |