JP2021125003A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2021125003A5 JP2021125003A5 JP2020018575A JP2020018575A JP2021125003A5 JP 2021125003 A5 JP2021125003 A5 JP 2021125003A5 JP 2020018575 A JP2020018575 A JP 2020018575A JP 2020018575 A JP2020018575 A JP 2020018575A JP 2021125003 A5 JP2021125003 A5 JP 2021125003A5
- Authority
- JP
- Japan
- Prior art keywords
- data
- learning
- discriminator
- evaluation
- feature amount
- 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
- 239000013598 vector Substances 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims 38
- 238000000034 method Methods 0.000 claims 18
Description
教師信号の取得処理は、上方画像を受け付けた場合に行われてもよいし、記憶部202に上方画像が保存されてから一定時間経過した後に複数の上方画像について一括して行われてもよいし、ユーザの要求を受け付けた場合に行われてもよい。
a’は係数aの値域の最大値を表し、例えば、式(6)で算出される値をa’とすることで、係数aを0からa’の間でランダムに変化させながら複数の生成対象ベクトルを生成することが可能となる。また、上記では距離に応じて生成対象ベクトルの位置を変化させる例を説明したが、距離に応じて生成対象ベクトルの生成数を変化させてもよい。
Claims (13)
- 演算装置、前記演算装置に接続される記憶装置、および前記演算装置に接続されるインターフェースを有し、任意の事象を識別する識別器を生成する計算機であって、
第1入力データおよび第1教師データから構成される学習データを格納する記憶部と、
前記記憶部に格納される前記学習データを用いて、前記識別器を生成するための学習処理を実行する学習部と、
前記学習データを生成する生成部と、を備え、
前記生成部は、
前記記憶部に格納される前記学習データの前記第1入力データを用いて前記識別器が扱う特徴量ベクトルを算出し、
前記学習データの前記特徴量ベクトルに基づいて、前記特徴量ベクトルがなす特徴量空間における前記学習データの分布を分析することによって、前記特徴量空間における前記識別器の識別結果が変化する境界を特定し、
前記境界の近傍に存在する前記学習データである代表学習データの前記特徴量ベクトルを用いて第1疑似入力データを生成し、
前記第1疑似入力データと、前記代表学習データの前記第1教師データとから構成される新規学習データを生成し、前記記憶部に格納することを特徴とする計算機。 - 請求項1に記載の計算機であって、
前記生成部は、
前記特徴量空間における前記学習データの分布の分析結果に基づいて、前記学習データが疎な領域を特定し、
前記特定された領域に含まれる前記特徴量ベクトルを用いて第2疑似入力データを生成し、
前記第2疑似入力データと、前記特定された領域に含まれる前記学習データの前記第1教師データとから構成される新規学習データを生成し、前記記憶部に格納することを特徴とする計算機。 - 請求項1に記載の計算機であって、
前記記憶部は、第2入力データおよび第2教師データから構成される評価データを格納し、
前記計算機は、前記記憶部に格納される前記評価データを用いて前記識別器を評価する評価部を備え、
前記生成部は、
前記評価データの前記第2入力データを用いて前記特徴量ベクトルを算出し、
前記評価データの前記特徴量ベクトルに基づいて、前記特徴量空間における前記評価データの分布を分析することによって、前記評価データが疎な領域を特定し、
前記特定された領域に含まれる前記特徴量ベクトルを用いて第2疑似入力データを生成し、
前記第2疑似入力データと、前記特定された領域に含まれる前記評価データの前記第2教師データとから構成される新規評価データを生成し、前記記憶部に格納することを特徴とする計算機。 - 請求項1に記載の計算機であって、
前記第1疑似入力データは、前記特徴量空間における前記代表学習データの近傍に位置する前記特徴量ベクトルに基づいて生成されることを特徴とする計算機。 - 請求項1に記載の計算機であって、
前記記憶部は、第2入力データおよび第2教師データから構成される評価データを格納
し、
前記計算機は、前記記憶部に格納される前記評価データを用いて前記識別器を評価する評価部を備え、
前記学習部は、第1識別器を生成した後に、前記生成部によって生成された前記学習データが前記記憶部に格納された場合、再度、前記学習処理を実行することによって第2識別器を生成し、
前記評価部は、
前記評価データの前記第2入力データを、前記第1識別器および前記第2識別器に入力して得られた出力値と前記評価データの前記第2教師データとを比較することによって、前記第1識別器および前記第2識別器の前記評価データに対する識別結果を取得し、前記記憶部に格納し、
前記第1識別器および前記第2識別器の前記評価データに対する識別結果に基づいて、前記評価データに対する識別結果の変化を分析し、
前記評価データに対する識別結果の変化の分析結果に基づいて、前記第1識別器および前記第2識別器のいずれを採用するかを決定することを特徴とする計算機。 - 請求項5に記載の計算機であって、
前記評価データに対する識別結果の変化の分析結果を提示するための表示情報を生成し、出力する出力部を備えることを特徴とする計算機。 - 計算機が実行する、任意の事象を識別する識別器の学習方法であって、
前記計算機は、演算装置、前記演算装置に接続される記憶装置、および前記演算装置に接続されるインターフェースを有し、
前記記憶装置には、第1入力データおよび第1教師データから構成される学習データが格納され、
前記識別器の学習方法は、
前記演算装置が、前記記憶装置に格納される前記学習データを用いて前記識別器を生成するための学習処理を実行する第1のステップと、
前記演算装置が、前記記憶装置に格納される前記学習データを用いて新規学習データを生成し、前記記憶装置に前記新規学習データを格納する第2のステップと、を含み、
前記第2のステップは、
前記演算装置が、前記記憶装置に格納される前記学習データの前記第1入力データを用いて前記識別器が扱う特徴量ベクトルを算出するステップと、
前記演算装置が、前記学習データの前記特徴量ベクトルに基づいて、前記特徴量ベクトルがなす特徴量空間における前記学習データの分布を分析することによって、前記特徴量空間における前記識別器の識別結果が変化する境界を特定するステップと、
前記演算装置が、前記境界の近傍に存在する前記学習データである代表学習データの前記特徴量ベクトルを用いて第1疑似入力データを生成するステップと、
前記演算装置が、前記第1疑似入力データと、前記代表学習データの前記第1教師データとから構成される前記新規学習データを生成するステップと、を含むことを特徴とする識別器の学習方法。 - 請求項7に記載の識別器の学習方法であって、
前記第2のステップは、
前記演算装置が、前記特徴量空間における前記学習データの分布の分析結果に基づいて、前記学習データが疎な領域を特定するステップと、
前記演算装置が、前記特定された領域に含まれる前記特徴量ベクトルを用いて第2疑似入力データを生成するステップと、
前記演算装置が、前記第2疑似入力データと、前記特定された領域に含まれる前記学習データの前記第1教師データとから構成される新規学習データを生成するステップと、を
含むことを特徴とする識別器の学習方法。 - 請求項7に記載の識別器の学習方法であって、
前記記憶装置には、第2入力データおよび第2教師データから構成される評価データが格納され、
前記識別器の学習方法は、
前記演算装置が、前記評価データの前記第2入力データを用いて前記特徴量ベクトルを算出するステップと、
前記演算装置が、前記評価データの前記特徴量ベクトルに基づいて、前記特徴量空間における前記評価データの分布を分析することによって、前記評価データが疎な領域を特定するステップと、
前記演算装置が、前記特定された領域に含まれる前記特徴量ベクトルを用いて第2疑似入力データを生成するステップと、
前記演算装置が、前記第2疑似入力データと、前記特定された領域に含まれる前記評価データの前記第2教師データとから構成される新規評価データを生成し、前記記憶装置に格納するステップと、
前記演算装置が、前記記憶装置に格納される前記評価データを用いて前記識別器を評価するステップと、を含むことを特徴とする識別器の学習方法。 - 請求項7に記載の識別器の学習方法であって、
前記第1疑似入力データは、前記特徴量空間における前記代表学習データの近傍に位置する前記特徴量ベクトルに基づいて生成されることを特徴とする識別器の学習方法。 - 請求項7に記載の識別器の学習方法であって、
前記記憶装置は、第2入力データおよび第2教師データから構成される評価データを格納し、
前記識別器の学習方法は、
前記演算装置が、第1識別器を生成した後に、前記新規学習データが前記記憶装置に格納された場合、再度、前記学習処理を実行することによって、第2識別器を生成するステップと、
前記演算装置が、前記評価データの前記第2入力データを、前記第1識別器および前記第2識別器に入力して得られた出力値と前記評価データの前記第2教師データとを比較することによって、前記第1識別器および前記第2識別器の前記評価データに対する識別結果を取得するステップと、
前記演算装置が、前記第1識別器および前記第2識別器の前記評価データに対する識別結果に基づいて、前記評価データに対する識別結果の変化を分析するステップと、
前記演算装置が、前記評価データに対する識別結果の変化の分析結果に基づいて、前記第1識別器および前記第2識別器のいずれを採用するかを決定するステップと、を含むことを特徴とする識別器の学習方法。 - 請求項11に記載の識別器の学習方法であって、
前記演算装置が、前記評価データに対する識別結果の変化の分析結果を提示するための表示情報を生成し、出力するステップを含むことを特徴とする識別器の学習方法。 - 請求項1乃至請求項6のいずれかの一項に記載の計算機と、前記計算機によって生成された識別器を用いた分析を行う分析装置とを備えることを特徴とする分析システム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020018575A JP7353198B2 (ja) | 2020-02-06 | 2020-02-06 | 計算機、識別器の学習方法、および分析システム |
PCT/JP2021/001513 WO2021157330A1 (ja) | 2020-02-06 | 2021-01-18 | 計算機、識別器の学習方法、および分析システム |
EP21751391.0A EP4102454A4 (en) | 2020-02-06 | 2021-01-18 | CALCULATOR, DISCRIMINATOR LEARNING METHOD AND ANALYSIS SYSTEM |
CN202180008949.4A CN114945940A (zh) | 2020-02-06 | 2021-01-18 | 计算机、识别器的学习方法以及分析系统 |
US17/795,291 US20230072040A1 (en) | 2020-02-06 | 2021-01-18 | Computing machine, learning method of classifier, and analysis system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020018575A JP7353198B2 (ja) | 2020-02-06 | 2020-02-06 | 計算機、識別器の学習方法、および分析システム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021125003A JP2021125003A (ja) | 2021-08-30 |
JP2021125003A5 true JP2021125003A5 (ja) | 2022-07-27 |
JP7353198B2 JP7353198B2 (ja) | 2023-09-29 |
Family
ID=77199228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020018575A Active JP7353198B2 (ja) | 2020-02-06 | 2020-02-06 | 計算機、識別器の学習方法、および分析システム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230072040A1 (ja) |
EP (1) | EP4102454A4 (ja) |
JP (1) | JP7353198B2 (ja) |
CN (1) | CN114945940A (ja) |
WO (1) | WO2021157330A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7463186B2 (ja) * | 2020-05-26 | 2024-04-08 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
US20230243059A1 (en) * | 2022-01-31 | 2023-08-03 | Applied Materials, Inc. | Wafer immersion in semiconductor processing chambers |
WO2023157094A1 (ja) * | 2022-02-15 | 2023-08-24 | 富士通株式会社 | モデル訓練プログラム、モデル訓練方法及び情報処理装置 |
WO2024047758A1 (ja) * | 2022-08-30 | 2024-03-07 | 富士通株式会社 | 訓練データ分布推定プログラム、装置、及び方法 |
WO2024075251A1 (ja) * | 2022-10-06 | 2024-04-11 | 株式会社安川電機 | データ生成システム、産業機械、データ生成方法、およびデータ生成プログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1185719A (ja) | 1997-09-03 | 1999-03-30 | Matsushita Electric Ind Co Ltd | パラメータ推定装置 |
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 |
JP6118752B2 (ja) | 2014-03-28 | 2017-04-19 | セコム株式会社 | 学習データ生成装置 |
JP6661398B2 (ja) | 2016-02-03 | 2020-03-11 | キヤノン株式会社 | 情報処理装置および情報処理方法 |
JP7011904B2 (ja) | 2017-07-31 | 2022-01-27 | 株式会社日立ハイテク | 装置、試料における気泡の状態の判別方法、及び分析システム |
JP6829364B2 (ja) | 2018-07-31 | 2021-02-10 | 株式会社コナミデジタルエンタテインメント | ゲームシステム、及びそれに用いるコンピュータプログラム |
-
2020
- 2020-02-06 JP JP2020018575A patent/JP7353198B2/ja active Active
-
2021
- 2021-01-18 EP EP21751391.0A patent/EP4102454A4/en active Pending
- 2021-01-18 WO PCT/JP2021/001513 patent/WO2021157330A1/ja unknown
- 2021-01-18 US US17/795,291 patent/US20230072040A1/en active Pending
- 2021-01-18 CN CN202180008949.4A patent/CN114945940A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021125003A5 (ja) | ||
US10650042B2 (en) | Image retrieval with deep local feature descriptors and attention-based keypoint descriptors | |
US10019622B2 (en) | Face alignment with shape regression | |
US10650525B2 (en) | Interactive image segmenting apparatus and method | |
CN108875534B (zh) | 人脸识别的方法、装置、系统及计算机存储介质 | |
US8730157B2 (en) | Hand pose recognition | |
US10255673B2 (en) | Apparatus and method for detecting object in image, and apparatus and method for computer-aided diagnosis | |
US10832032B2 (en) | Facial recognition method, facial recognition system, and non-transitory recording medium | |
US9129152B2 (en) | Exemplar-based feature weighting | |
Triki et al. | Deep leaf: Mask R-CNN based leaf detection and segmentation from digitized herbarium specimen images | |
JP6287827B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
KR20170024303A (ko) | 얼굴의 특징점 검출 시스템 및 방법 | |
CN116524356A (zh) | 一种矿石图像小样本目标检测方法及系统 | |
KR20150077184A (ko) | 의료 영상의 병변 유사도 판단 장치 및 방법 | |
CN116934747B (zh) | 眼底图像分割模型训练方法、设备和青光眼辅助诊断系统 | |
WO2021130978A1 (ja) | 動作分析システムおよび動作分析プログラム | |
KR20200137129A (ko) | 관계형 질의를 이용한 객체 검출방법 및 그 장치 | |
KR20200066125A (ko) | 영상의 유사도 예측 방법 및 장치 | |
JP7254262B2 (ja) | 作業推定装置、作業推定方法、及び、作業推定プログラム | |
KR102014093B1 (ko) | 얼굴의 특징점 검출 시스템 및 방법 | |
CN110717406B (zh) | 一种人脸检测的方法、装置及终端设备 | |
US20230052101A1 (en) | Learning apparatus, learning method, and recording medium | |
CN113705511A (zh) | 手势识别方法及装置 | |
CN112861689A (zh) | 一种基于nas技术的坐标识别模型的搜索方法及装置 | |
Wahyono et al. | A Comparison of Deep Learning Methods for Vision-based Fire Detection in Surveillance System |