JP2020042528A - オブジェクト識別システム、モデル学習システム、オブジェクト識別方法、モデル学習方法、プログラム - Google Patents
オブジェクト識別システム、モデル学習システム、オブジェクト識別方法、モデル学習方法、プログラム Download PDFInfo
- Publication number
- JP2020042528A JP2020042528A JP2018169183A JP2018169183A JP2020042528A JP 2020042528 A JP2020042528 A JP 2020042528A JP 2018169183 A JP2018169183 A JP 2018169183A JP 2018169183 A JP2018169183 A JP 2018169183A JP 2020042528 A JP2020042528 A JP 2020042528A
- Authority
- JP
- Japan
- Prior art keywords
- captured image
- objects
- environment information
- learning
- acquired
- 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
- 230000013016 learning Effects 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010801 machine learning Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 claims description 131
- 230000006870 function Effects 0.000 claims description 35
- 238000009826 distribution Methods 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 description 33
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000013527 convolutional neural network Methods 0.000 description 7
- 238000013434 data augmentation Methods 0.000 description 6
- 238000011478 gradient descent method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000010813 municipal solid waste Substances 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
図1は、本発明の一実施形態に係るオブジェクト識別システム及びモデル学習システムの基本構成を概略的に示す図である。図1に示すように、本実施形態に係るオブジェクト識別システムは、例えば屋内等の所定空間S内に設けられた複数(図1の例では、「A」〜「D」と表記された4つ)の通信装置10の各々と無線通信を行う端末装置20が空間S内に存在する場合に、空間S内に存在する複数(図1の例では、「a」〜「d」と表記された4つ)のオブジェクト(例えば、ゴミ箱や消火器等の物体等)OBのうち何れかのオブジェクトOBを端末装置20を用いて撮像した撮像画像と、当該何れかのオブジェクトOBを撮像したときの端末装置20の位置における環境情報(本実施形態では、受信信号強度(RSSI))と、を識別装置30が取得すると、識別装置30が、取得した撮像画像及び環境情報と、撮像画像及び環境情報を学習用データとして用いた機械学習に基づく学習済モデルと、に基づいて、撮像されたオブジェクトOBが複数のオブジェクトOBのうち何れのオブジェクトOBであるかを識別するようになっている。ここで、端末装置20と、識別装置30とは、例えばインターネットやLAN(Local Area Network)等の通信網NW(ネットワーク)に接続されている。
図2を参照して端末装置20の構成について説明する。図2は、端末装置20の内部構成を示すブロック図である。図2に示すように、端末装置20は、CPU(Central Processing Unit)21と、ROM(Read Only Memory)22と、RAM(Random Access Memory)23と、記憶装置24と、表示処理部25と、表示部26と、入力部27と、撮像部28と、通信インタフェース部29と、を備えており、各部間の制御信号又はデータ信号を伝送するためのバス20aが設けられている。
図3を参照して識別装置30の構成について説明する。図3は、識別装置30の内部構成を示すブロック図である。図3に示すように、識別装置30は、CPU31と、ROM32と、RAM33と、記憶装置34と、表示処理部35と、表示部36と、入力部37と、通信インタフェース部38と、を備えており、各部間の制御信号又はデータ信号を伝送するためのバス30aが設けられている。
本実施形態のオブジェクト識別システム及びモデル学習システムで実現される機能について、図4を参照して説明する。図4は、本実施形態のオブジェクト識別システム及びモデル学習システムで主要な役割を果たす機能を説明するための機能ブロック図である。図4の機能ブロック図では、第1取得手段41、第2取得手段42及び識別手段43が本発明のオブジェクト識別システムの主要な構成に対応しており、取得手段44及び学習手段45が本発明のモデル学習システムの主要な構成に対応している。
Pr=Pt+Gr+Gt−L …(1)
式(1)中、Prは受信信号強度(dBm)を示し、Ptは電波発信装置(ここでは、通信装置10)の送信電力(dBm)を示し、Grは端末装置20の受信アンテナの利得(dBi)を示し、Gtは通信装置10の送信アンテナの利得(dBi)を示し、Lは自由空間損失(dBm)を示している。このLは式(2)でもとめられ、式(2)中、dは通信装置10と端末装置20との距離(m)を示し、fは電波の周波数(Hz)を示し、cは光速(=2.99792458×108)(m/s)を示している。式(1)及び式(2)によってもとめられる距離と受信信号強度の値との関係は、例えば図6に示す対数関数で表される。図6に示すように、通信装置10と端末装置20との距離が短いほど、受信信号強度の値が大きいことがわかる。
式(3)において、Pijはxijkと同じ縦横比であって全ての要素が1のテンソルであり、式(3)において、||は各テンソルの連結を表す。θは、確率的勾配降下法を用いて決定される。入力層で連結を行うことから、本実施形態では、このモデルをmCNN−c(multimodal Convolutional Neural Network concatenate)と称することとする。
θ及びwは、確率的勾配降下法を用いて決定される。入力層で重みを付けることから、本実施形態では、このモデルをmCNN−w(multimodal Convolutional Neural Network weighted)と称することとする。
θは、確率的勾配降下法を用いて決定される。全結合層の前の連結を行うことから、本実施形態では、このモデルをmCNN−f(multimodal Convolutional Neural Network fully-connected)と称することとする。なお、発明者は、上述した3つのモデルのうちmCNN−fを用いた場合に、少ない学習回数で高精度の識別結果が得られることを見出した。
次に、本実施形態のモデル学習システムにより行われる主要な処理のフローの一例について、図10のフローチャートを参照して説明する。
次に、本実施形態のオブジェクト識別システムにより行われる主要な処理のフローの一例について、図11のフローチャートを参照して説明する。
(変形例1)
上記実施形態では、第2取得手段42が、各通信装置10から送信された無線信号を端末装置20が受信したときの受信信号強度を取得する場合を一例として説明したが、この場合に限られない。例えば、第2取得手段42は、端末装置20から送信された無線信号を各通信装置10が受信したときの受信信号強度を取得してもよい。ここで、各通信装置10には、端末装置20から送信された無線信号を受信したときの受信信号強度を検出するRSSI回路が設けられていてもよい。
上記実施形態では、第2取得手段42が、空間S内の複数の位置に設けられた通信装置10と、何れかのオブジェクトOBを撮像した位置に存在する端末装置20と、の何れか一方から送信された無線信号を他方が受信したときの受信信号強度を環境情報として取得する場合を一例として説明したが、この場合に限られない。例えば、第2取得手段42は、何れかのオブジェクトOBを撮像した位置における温度、湿度、気圧、照度、地磁気、緯度、経度、高度等を環境情報として取得してもよい。この場合、端末装置20には、例えば、何れかのオブジェクトOBが撮像されたときに測定を行う温度センサ、湿度センサ、気圧センサ、照度センサ、地磁気センサ、GPS(Global Positioning System)センサ等のセンサ装置が設けられていてもよい。
20…端末装置
30…識別装置
41…第1取得手段
42…第2取得手段
43…識別手段
44…取得手段
45…学習手段
50…学習装置
OB…オブジェクト
S…空間
Claims (8)
- 所定空間内に存在する複数のオブジェクトのうち何れかのオブジェクトの撮像画像を取得する第1取得手段と、
前記何れかのオブジェクトを撮像した位置における環境情報を取得する第2取得手段と、
前記撮像画像及び前記環境情報を取得した場合に、取得した前記撮像画像及び前記環境情報と、前記撮像画像及び前記環境情報を学習用データとして用いた機械学習に基づく学習済モデルと、に基づいて、撮像されたオブジェクトが前記複数のオブジェクトのうち何れのオブジェクトであるかを識別する識別手段と、
を備えるオブジェクト識別システム。 - 前記第2取得手段は、前記所定空間内の複数の位置に設けられた通信装置と、前記何れかのオブジェクトを撮像した位置に存在する端末装置と、の何れか一方から送信された無線信号を他方が受信したときの受信信号強度を前記環境情報として取得する、請求項1に記載のオブジェクト識別システム。
- 前記学習用データとして用いられる環境情報は、各通信装置に対応する受信信号強度が、撮像されたオブジェクト毎及び通信装置毎に異なるガウス分布に従うと仮定して、前記複数のオブジェクトのうち所定のオブジェクトに対応する各通信装置の受信信号強度のガウス分布に従って抽出された各通信装置の受信信号強度の複数の組み合わせを含む、請求項2に記載のオブジェクト識別システム。
- 所定空間内に存在する複数のオブジェクトのうち何れかのオブジェクトの撮像画像と、前記何れかのオブジェクトを撮像した位置における環境情報とを取得する取得手段と、
取得した前記撮像画像及び前記環境情報を学習用データとして用いた機械学習によって、撮像されたオブジェクトが前記複数のオブジェクトのうち何れのオブジェクトであるかを識別するのに用いられるモデルを学習する学習手段と、
を備えるモデル学習システム。 - コンピュータに、
所定空間内に存在する複数のオブジェクトのうち何れかのオブジェクトの撮像画像を取得するステップと、
前記何れかのオブジェクトを撮像した位置における環境情報を取得するステップと、
前記撮像画像及び前記環境情報を取得した場合に、取得した前記撮像画像及び前記環境情報と、前記撮像画像及び前記環境情報を学習用データとして用いた機械学習に基づく学習済モデルと、に基づいて、撮像されたオブジェクトが前記複数のオブジェクトのうち何れのオブジェクトであるかを識別するステップと、
の各ステップを実行させる、オブジェクト識別方法。 - コンピュータに、
所定空間内に存在する複数のオブジェクトのうち何れかのオブジェクトの撮像画像と、前記何れかのオブジェクトを撮像した位置における環境情報とを取得するステップと、
取得した前記撮像画像及び前記環境情報を学習用データとして用いて、撮像されたオブジェクトが前記複数のオブジェクトのうち何れのオブジェクトであるかを識別するのに用いられるモデルを学習するステップと、
の各ステップを実行させる、モデル学習方法。 - コンピュータに、
所定空間内に存在する複数のオブジェクトのうち何れかのオブジェクトの撮像画像を取得する機能と、
前記何れかのオブジェクトを撮像した位置における環境情報を取得する機能と、
前記撮像画像及び前記環境情報を取得した場合に、取得した前記撮像画像及び前記環境情報と、前記撮像画像及び前記環境情報を学習用データとして用いた機械学習に基づく学習済モデルと、に基づいて、撮像されたオブジェクトが前記複数のオブジェクトのうち何れのオブジェクトであるかを識別する機能と、
を実現させるためのプログラム。 - コンピュータに、
所定空間内に存在する複数のオブジェクトのうち何れかのオブジェクトの撮像画像と、前記何れかのオブジェクトを撮像した位置における環境情報とを取得する機能と、
取得した前記撮像画像及び前記環境情報を学習用データとして用いて、撮像されたオブジェクトが前記複数のオブジェクトのうち何れのオブジェクトであるかを識別するのに用いられるモデルを学習する機能と、
を実現させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018169183A JP7222519B2 (ja) | 2018-09-10 | 2018-09-10 | オブジェクト識別システム、モデル学習システム、オブジェクト識別方法、モデル学習方法、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018169183A JP7222519B2 (ja) | 2018-09-10 | 2018-09-10 | オブジェクト識別システム、モデル学習システム、オブジェクト識別方法、モデル学習方法、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042528A true JP2020042528A (ja) | 2020-03-19 |
JP7222519B2 JP7222519B2 (ja) | 2023-02-15 |
Family
ID=69798389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018169183A Active JP7222519B2 (ja) | 2018-09-10 | 2018-09-10 | オブジェクト識別システム、モデル学習システム、オブジェクト識別方法、モデル学習方法、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7222519B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113037931B (zh) * | 2021-01-26 | 2024-01-12 | 视昀科技(深圳)有限公司 | 应用环境监测的数据上报系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015191334A (ja) * | 2014-03-27 | 2015-11-02 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
JP2016080505A (ja) * | 2014-10-16 | 2016-05-16 | 村田機械株式会社 | 位置推定システム |
JP2016527477A (ja) * | 2013-05-31 | 2016-09-08 | マイクロソフト テクノロジー ライセンシング,エルエルシー | カメラ及び無線信号を用いたデバイス位置特定 |
JP2017046023A (ja) * | 2015-08-24 | 2017-03-02 | 三菱電機株式会社 | 移動体追跡装置及び移動体追跡方法及び移動体追跡プログラム |
JP2018116572A (ja) * | 2017-01-19 | 2018-07-26 | 株式会社大林組 | 画像管理システム、画像管理方法、及び画像管理プログラム |
-
2018
- 2018-09-10 JP JP2018169183A patent/JP7222519B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016527477A (ja) * | 2013-05-31 | 2016-09-08 | マイクロソフト テクノロジー ライセンシング,エルエルシー | カメラ及び無線信号を用いたデバイス位置特定 |
JP2015191334A (ja) * | 2014-03-27 | 2015-11-02 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
JP2016080505A (ja) * | 2014-10-16 | 2016-05-16 | 村田機械株式会社 | 位置推定システム |
JP2017046023A (ja) * | 2015-08-24 | 2017-03-02 | 三菱電機株式会社 | 移動体追跡装置及び移動体追跡方法及び移動体追跡プログラム |
JP2018116572A (ja) * | 2017-01-19 | 2018-07-26 | 株式会社大林組 | 画像管理システム、画像管理方法、及び画像管理プログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113037931B (zh) * | 2021-01-26 | 2024-01-12 | 视昀科技(深圳)有限公司 | 应用环境监测的数据上报系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7222519B2 (ja) | 2023-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108121952B (zh) | 人脸关键点定位方法、装置、设备及存储介质 | |
JP7265003B2 (ja) | ターゲット検出方法、モデル訓練方法、装置、機器及びコンピュータプログラム | |
CN107566529B (zh) | 一种拍照方法、移动终端及云端服务器 | |
CN111182453B (zh) | 定位方法、装置、电子设备及存储介质 | |
WO2020224479A1 (zh) | 目标的位置获取方法、装置、计算机设备及存储介质 | |
CN109670397A (zh) | 人体骨骼关键点的检测方法、装置、电子设备及存储介质 | |
CN107566749B (zh) | 拍摄方法及移动终端 | |
CN107766403B (zh) | 一种相册处理方法、移动终端以及计算机可读存储介质 | |
CN113487608B (zh) | 内窥镜图像检测方法、装置、存储介质及电子设备 | |
US10846326B2 (en) | System and method for controlling camera and program | |
US20170131103A1 (en) | Information processing apparatus, information processing method, and program | |
WO2022121711A1 (zh) | 一种测温方法、装置、设备及系统 | |
KR20210155655A (ko) | 이상 온도를 나타내는 객체를 식별하는 방법 및 장치 | |
CN111589138A (zh) | 动作预测方法、装置、设备及存储介质 | |
US11568325B2 (en) | Learning apparatus, estimation apparatus, learning method, and program | |
CN107423663A (zh) | 一种图像处理方法及终端 | |
JP7222519B2 (ja) | オブジェクト識別システム、モデル学習システム、オブジェクト識別方法、モデル学習方法、プログラム | |
US10535154B2 (en) | System, method, and program for image analysis | |
CN110232417B (zh) | 图像识别方法、装置、计算机设备及计算机可读存储介质 | |
CN113468929A (zh) | 运动状态识别方法、装置、电子设备和存储介质 | |
CN107844203B (zh) | 一种输入法候选词推荐方法及移动终端 | |
CN115035596A (zh) | 行为检测的方法及装置、电子设备和存储介质 | |
JP7456616B2 (ja) | 学習データ生成システム、推定システム、学習データ生成方法、推定方法、プログラム | |
WO2022009652A1 (ja) | データ収集システム、センサ装置、データ収集装置、及びデータ収集方法 | |
JP2021148705A (ja) | 行動推定システム、モデル学習システム、行動推定方法、モデル学習方法、プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20181009 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210819 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220831 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220906 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221101 |
|
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: 20230124 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230127 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7222519 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |