JP2020095428A - モデル学習システム、モデル学習方法、プログラム、及び記憶媒体 - Google Patents
モデル学習システム、モデル学習方法、プログラム、及び記憶媒体 Download PDFInfo
- Publication number
- JP2020095428A JP2020095428A JP2018232189A JP2018232189A JP2020095428A JP 2020095428 A JP2020095428 A JP 2020095428A JP 2018232189 A JP2018232189 A JP 2018232189A JP 2018232189 A JP2018232189 A JP 2018232189A JP 2020095428 A JP2020095428 A JP 2020095428A
- Authority
- JP
- Japan
- Prior art keywords
- image
- model
- learning
- processing unit
- learning system
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 142
- 238000011156 evaluation Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 20
- 238000011946 reduction process Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 description 10
- 238000003466 welding Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000003247 decreasing effect Effects 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
- 238000010978 in-process monitoring Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- 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
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
- G06F18/2185—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor the supervisor being an automated module, e.g. intelligent oracle
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V10/7747—Organisation of the process, e.g. bagging or boosting
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
Description
本願明細書と各図において、既に説明したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。
実施形態に係るモデル学習システム1は、処理部10を備える。図1に表した例では、モデル学習システム1は、入力部20、表示部30、モデル記憶部40、及び画像記憶部50をさらに備える。
図2は、学習済みのモデルを、モデル学習システム1により再学習する際の動作を表している。
実施形態に係るモデル学習システム1では、処理部10は、学習済みのモデル及び第1画像を基に得られた第2画像を補正し、第3画像を生成する。処理部10は、この第3画像を教師データとして用いて、モデルを再学習させる。このため、実施形態に係るモデル学習システム1によれば、再学習において、必要となる教師データの数を削減することができる。
また、実施形態に係るモデル学習システム1によれば、再学習に用いる教師データが、入力データを基にして生成される。このため、モデルに入力されるデータの傾向が学習時に用いたデータから変化した場合でも、適切な出力データが得られるようにモデルが再学習される。
図3〜図8は、第1実施例に係るモデル学習システムによる処理を表す画像である。
第1実施例では、モデルに溶接時の様子を撮影した画像が入力され、その画像の特徴を示す別の画像がモデルから出力される。図3(a)は、撮影された画像の一例である。図3(a)の画像は、金属部材のアーク溶接中に撮影された画像である。処理部10は、モデルに図3(a)に表した画像を入力する。例えば、モデルは、図3(a)の画像の特徴を示す、図3(b)に表した画像を出力する。図3(a)は、動画から静止画をキャプチャしたものでもいい。
図9〜図11は、第2実施例に係るモデル学習システムによる処理を表す画像である。
第2実施例では、モデルに段ボールの画像(写真)が入力される。モデルは、その画像から、段ボールへの付着物や印字などが除去された、段ボールの画像を出力する。図9(a)は、段ボールの画像の一例である。モデルは、図9(a)の画像から、段ボール以外のものや印字が除去された、図9(b)に表した画像を出力する。処理部10は、図9(b)に表した画像を補正する。例えば、処理部10は、補正において、段ボールの形状をより明確にし、且つ画像に含まれるノイズを除去する。以下では、補正の具体的な一例を説明する。
図12に表したフローチャートは、未学習のモデルを、モデル学習システム1により学習する際の動作を含む。
処理部10は、上述した通り、モデルから出力された出力画像に基づく補正画像の生成と、前記補正画像を教師データとして用いたモデルの学習と、を含む学習動作を実行可能である。実施形態に係るモデル学習システム1は、この学習動作に関する情報を表示しても良い。この情報は、図12に表したフローチャートのステップS11の学習から、ステップS13〜S16の学習動作への切り替えをユーザが判断するために用いられる。
その後、処理部10は、別の入力画像及び別の教師画像を用いて、モデルを学習させる。処理部10は、その学習の前又は後で、その別の入力画像をモデルに入力し、モデルから出力された別の出力画像を得る。処理部10は、別の教師画像と別の出力画像との差分を算出する。以降は、同様にして、学習時に、教師画像と出力画像との差分を算出する。
又は、処理部10は、評価値が所定の閾値を超えるとき、非推奨情報を表示しても良い。処理部10は、評価値が所定の閾値以下となったとき、推奨情報を表示しても良い。推奨情報又は非推奨情報が表示されることで、ユーザは、上記学習動作への切り替えを容易に判断できるようになる。
例えば、処理部10は、ある入力画像を用いてモデルを学習させた際、学習の前又は後で、その入力画像をモデルに入力して出力画像を得る。処理部10は、出力画像を補正し、補正画像を生成する。処理部10は、出力画像と補正画像との差分を算出する。
その後、処理部10は、別の入力画像を用いてモデルを学習させた際、その学習の前又は後で、別の入力画像をモデルに入力して別の出力画像を得る。処理部10は、別の出力画像を補正し、別の補正画像を生成する。処理部10は、別の出力画像と別の補正画像との差分を算出する。
処理部10は、第3画像(補正画像)を用いたモデルの学習について、ユーザから評価を受け付けても良い。図14に表したフローチャートのステップS31〜33は、図2に表したフローチャートのステップS1〜3と同様である。次に、処理部10は、第3画像を表示部30に表示させる(ステップS34)。
Claims (12)
- 第1画像をモデルに入力して前記モデルから出力された第2画像を取得し、
前記第2画像を補正して第3画像を生成し、
前記第1画像を入力データ、前記第3画像を教師データとして用いて前記モデルを学習させる、
処理部を備えたモデル学習システム。 - 第1学習画像を入力データ、第2学習画像を教師データとして用いてモデルを学習させ、
前記モデルに第1画像を入力して前記モデルから出力された第2画像を取得し、
前記第2画像を補正して第3画像を生成し、
前記第1画像を入力データ、前記第3画像を教師データとして用いて前記モデルを学習させる、
処理部を備えたモデル学習システム。 - 前記第3画像を表示する表示部をさらに備えた請求項1又は2に記載のモデル学習システム。
- 第1画像をモデルに入力して前記モデルから出力された第2画像を取得し、前記第2画像を補正して第3画像を生成する処理部と、
前記第3画像を表示する表示部と、
前記第3画像に関する評価を受け付ける入力部と、
を備え、
前記評価に基づき、前記処理部は、前記第1画像を入力データ、前記第3画像を教師データとして用いて、前記モデルを学習させる学習動作を実行可能であるモデル学習システム。 - 前記処理部は、前記評価が前記第3画像に肯定的である場合、前記第2画像と前記第3画像との差分を算出し、前記差分が所定の閾値を超えていると、前記学習動作を実行する請求項4記載のモデル学習システム。
- 前記処理部は、
前記第2画像を二値化し、縮小処理及び拡大処理の少なくともいずれかを加える第1処理と、
前記第2画像に近似処理を加える第2処理と、
の少なくともいずれかを実行することで、前記第2画像を補正する請求項1〜5のいずれか1つに記載のモデル学習システム。 - モデルから出力された出力画像に基づく補正画像の生成と、前記補正画像を教師データとして用いた前記モデルの学習と、を含む学習動作を実行可能であり、前記モデルの学習時に前記学習動作に関する情報を出力する処理部を備えたモデル学習システム。
- 前記情報は、前記学習動作の実行についての評価値を含む請求項7記載のモデル学習システム。
- 前記処理部は、
前記モデルの学習時に、前記学習動作の実行についての評価値を算出し、
前記評価値が所定の閾値を超えていると、前記学習動作の実行を推奨する推奨情報を含んだ前記情報を出力する、
請求項7記載のモデル学習システム。 - 第1画像をモデルに入力して前記モデルから出力された第2画像を取得し、
前記第2画像を補正して第3画像を生成し、
前記第1画像を入力データ、前記第3画像を教師データとして用いて前記モデルを学習させるモデル学習方法。 - 処理装置に、
第1画像をモデルに入力させて前記モデルから出力された第2画像を取得させ、
前記第2画像を補正させて第3画像を生成させ、
前記第1画像を入力データ、前記第3画像を教師データとして用いて前記モデルを学習させる、
プログラム。 - 請求項11記載のプログラムを記憶した記憶媒体。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018232189A JP2020095428A (ja) | 2018-12-12 | 2018-12-12 | モデル学習システム、モデル学習方法、プログラム、及び記憶媒体 |
US16/699,869 US11676065B2 (en) | 2018-12-12 | 2019-12-02 | Model training system |
CN201911277899.0A CN111310779B (zh) | 2018-12-12 | 2019-12-12 | 模型学习系统、模型学习方法以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018232189A JP2020095428A (ja) | 2018-12-12 | 2018-12-12 | モデル学習システム、モデル学習方法、プログラム、及び記憶媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020095428A true JP2020095428A (ja) | 2020-06-18 |
Family
ID=71071613
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018232189A Pending JP2020095428A (ja) | 2018-12-12 | 2018-12-12 | モデル学習システム、モデル学習方法、プログラム、及び記憶媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11676065B2 (ja) |
JP (1) | JP2020095428A (ja) |
CN (1) | CN111310779B (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022014306A1 (ja) * | 2020-07-16 | 2022-01-20 | 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 | 学習方法、画像識別方法、学習装置、及び画像識別システム |
JP7357463B2 (ja) | 2019-05-08 | 2023-10-06 | 株式会社東芝 | 判定装置、判定システム、溶接システム、判定方法、プログラム、及び記憶媒体 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11301980B2 (en) * | 2020-04-21 | 2022-04-12 | GM Global Technology Operations LLC | System and method to evaluate the integrity of spot welds |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006301779A (ja) * | 2005-04-18 | 2006-11-02 | Konica Minolta Photo Imaging Inc | 画像処理システム、画像処理方法及び画像処理プログラム |
JP2014178229A (ja) * | 2013-03-15 | 2014-09-25 | Dainippon Screen Mfg Co Ltd | 教師データ作成方法、画像分類方法および画像分類装置 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100819006B1 (ko) * | 2007-02-13 | 2008-04-03 | 삼성전자주식회사 | 마이크로 어레이용 마스크 세트, 이의 제조 방법, 및마스크 세트를 이용한 마이크로 어레이의 제조 방법 |
PT2879719T (pt) * | 2012-08-01 | 2018-10-08 | Ohio State Innovation Foundation | Administração intratecal do vírus adeno-associado 9 recombinante |
US10796223B2 (en) | 2014-02-10 | 2020-10-06 | Mitsubishi Electric Corporation | Hierarchical neural network apparatus, classifier learning method and discriminating method |
JP2018063504A (ja) | 2016-10-12 | 2018-04-19 | 株式会社リコー | 生成モデル学習方法、装置及びプログラム |
JP7047778B2 (ja) | 2017-01-19 | 2022-04-05 | 日本電気株式会社 | ニューラルネットワーク学習装置、ニューラルネットワーク学習方法、及び、ニューラルネットワーク学習プログラム |
JP7103337B2 (ja) | 2017-02-22 | 2022-07-20 | ソニーグループ株式会社 | 情報処理装置、情報処理方法、およびプログラム |
EP3598434A4 (en) | 2017-03-13 | 2020-04-22 | Sony Corporation | LEARNING DEVICE, LEARNING METHOD, LANGUAGE SYNTHETIZER AND LANGUAGE SYNTHESIS METHOD |
JP7036610B2 (ja) | 2017-03-16 | 2022-03-15 | 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 | 学習方法およびプログラム |
JP6487493B2 (ja) * | 2017-05-18 | 2019-03-20 | ファナック株式会社 | 画像処理システム |
JP6928876B2 (ja) * | 2017-12-15 | 2021-09-01 | 京セラドキュメントソリューションズ株式会社 | フォーム種別学習システムおよび画像処理装置 |
WO2019162346A1 (en) * | 2018-02-23 | 2019-08-29 | Asml Netherlands B.V. | Methods for training machine learning model for computation lithography |
JP7139749B2 (ja) * | 2018-07-23 | 2022-09-21 | 日本電信電話株式会社 | 画像認識学習装置、画像認識装置、方法、及びプログラム |
JP2020129439A (ja) * | 2019-02-07 | 2020-08-27 | 株式会社日立製作所 | 情報処理システムおよび情報処理方法 |
JP2020160616A (ja) * | 2019-03-25 | 2020-10-01 | ブラザー工業株式会社 | 生成装置、コンピュータプログラム、生成方法 |
EP3857506A4 (en) * | 2019-05-03 | 2022-01-05 | Samsung Electronics Co., Ltd. | IMAGE PROCESSING DEVICE AND IMAGE PROCESSING METHOD THEREOF |
JP7357463B2 (ja) * | 2019-05-08 | 2023-10-06 | 株式会社東芝 | 判定装置、判定システム、溶接システム、判定方法、プログラム、及び記憶媒体 |
EP3739513A1 (en) * | 2019-05-13 | 2020-11-18 | Fujitsu Limited | Surface defect identification method and apparatus |
JP7383946B2 (ja) * | 2019-09-12 | 2023-11-21 | 株式会社アイシン | 画像復元装置、画像復元方法、画像復元プログラム、復元器生成装置、復元器生成方法、復元器生成プログラム、判定器生成装置、判定器生成方法、判定器生成プログラム、物品判定装置、物品判定方法、および物品判定プログラム |
JP7370777B2 (ja) * | 2019-09-13 | 2023-10-30 | 株式会社東芝 | 学習システム、分析システム、学習方法、分析方法、プログラム、及び記憶媒体 |
JP2021060962A (ja) * | 2019-10-08 | 2021-04-15 | キヤノン株式会社 | 教師データの生成方法、学習済の学習モデル、及びシステム |
JP2021189582A (ja) * | 2020-05-27 | 2021-12-13 | ブラザー工業株式会社 | 学習済みの機械学習モデル、画像処理装置、および、機械学習モデルのトレーニング方法 |
JP7487096B2 (ja) * | 2020-12-24 | 2024-05-20 | 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 | 制御システム及び制御方法 |
-
2018
- 2018-12-12 JP JP2018232189A patent/JP2020095428A/ja active Pending
-
2019
- 2019-12-02 US US16/699,869 patent/US11676065B2/en active Active
- 2019-12-12 CN CN201911277899.0A patent/CN111310779B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006301779A (ja) * | 2005-04-18 | 2006-11-02 | Konica Minolta Photo Imaging Inc | 画像処理システム、画像処理方法及び画像処理プログラム |
JP2014178229A (ja) * | 2013-03-15 | 2014-09-25 | Dainippon Screen Mfg Co Ltd | 教師データ作成方法、画像分類方法および画像分類装置 |
Non-Patent Citations (1)
Title |
---|
YUNCHAO WEI, ET AL.: "STC: A Simple to Complex Framework for Weakly-Supervised Semantic Segmentation", IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, vol. Year: 2017 | Volume: 39, Issue: 11, JPN6022009437, 2017, US, pages 2314 - 2320, ISSN: 0004850542 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7357463B2 (ja) | 2019-05-08 | 2023-10-06 | 株式会社東芝 | 判定装置、判定システム、溶接システム、判定方法、プログラム、及び記憶媒体 |
WO2022014306A1 (ja) * | 2020-07-16 | 2022-01-20 | 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 | 学習方法、画像識別方法、学習装置、及び画像識別システム |
Also Published As
Publication number | Publication date |
---|---|
US11676065B2 (en) | 2023-06-13 |
US20200193233A1 (en) | 2020-06-18 |
CN111310779B (zh) | 2023-11-03 |
CN111310779A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111310779B (zh) | 模型学习系统、模型学习方法以及存储介质 | |
US11507766B2 (en) | Method and apparatus for processing encoded pattern, storage medium, and electronic apparatus | |
US11423297B2 (en) | Processing apparatus, processing method, and nonvolatile recording medium | |
US9626738B2 (en) | Image processing apparatus, image processing method, and storage medium | |
US8837856B2 (en) | Image processing apparatus, image processing method, and computer readable medium | |
US20120301034A1 (en) | Image processing apparatus, image processing method, and computer readable medium | |
US8958637B2 (en) | Image processing apparatus, image processing method, and computer readable medium | |
JP2013031118A5 (ja) | 画像処理装置及びその制御方法、並びにプログラム | |
CN100444627C (zh) | 图像显示装置及其修正值制成方法 | |
US20210407047A1 (en) | Automatic Artifact Removal in a Digital Image | |
JP5686346B2 (ja) | 2次元コード生成方法、2次元コード生成装置、プログラム及び記憶媒体 | |
JP2021047797A (ja) | 機械学習装置、機械学習方法、及びプログラム | |
JP2014030944A (ja) | 電子機器およびプログラム | |
JP4868139B2 (ja) | 画像処理装置及び画像処理プログラム | |
JP4453583B2 (ja) | 画像処理装置及びプログラム | |
JP4618030B2 (ja) | 画像処理装置、画像処理装置の制御方法及びプログラム | |
JP7431005B2 (ja) | 学習データ生成装置、学習データ生成方法、及びプログラム | |
US20200285426A1 (en) | Information processing device, learning device, and storage medium storing learnt model | |
JP6406982B2 (ja) | 画像形成装置およびその制御方法 | |
JP2021026729A (ja) | 画像処理装置、および、学習済みの機械学習モデル | |
JP2012095173A (ja) | 画像処理装置、画像形成装置、および画像処理方法 | |
JP2022003446A (ja) | 情報処理装置 | |
JP2020134625A (ja) | 画像形成装置 | |
JP6164024B2 (ja) | 画像処理装置及びプログラム | |
JP2008236668A5 (ja) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210325 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220309 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220817 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221014 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221214 |