JP2023083462A - 画像解析装置、画像解析方法、及びプログラム - Google Patents
画像解析装置、画像解析方法、及びプログラム Download PDFInfo
- Publication number
- JP2023083462A JP2023083462A JP2023068920A JP2023068920A JP2023083462A JP 2023083462 A JP2023083462 A JP 2023083462A JP 2023068920 A JP2023068920 A JP 2023068920A JP 2023068920 A JP2023068920 A JP 2023068920A JP 2023083462 A JP2023083462 A JP 2023083462A
- Authority
- JP
- Japan
- Prior art keywords
- image
- model
- structural formula
- information
- symbolic information
- 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
- 238000010191 image analysis Methods 0.000 title claims abstract description 64
- 238000003703 image analysis method Methods 0.000 title claims abstract description 18
- 150000001875 compounds Chemical class 0.000 claims abstract description 105
- 238000004458 analytical method Methods 0.000 claims abstract description 65
- 238000010801 machine learning Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 12
- 230000005856 abnormality Effects 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 9
- 239000013598 vector Substances 0.000 description 9
- 125000004429 atom Chemical group 0.000 description 8
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000002902 MACCS key Methods 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 125000004432 carbon atom Chemical group C* 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000026683 transduction Effects 0.000 description 1
- 238000010361 transduction Methods 0.000 description 1
Images
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/30—Character recognition based on the type of data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/12—Detection or correction of errors, e.g. by rescanning the pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
- G06V30/18019—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections by matching or filtering
- G06V30/18038—Biologically-inspired filters, e.g. difference of Gaussians [DoG], Gabor filters
- G06V30/18048—Biologically-inspired filters, e.g. difference of Gaussians [DoG], Gabor filters with interaction between the responses of different filters, e.g. cortical complex cells
- G06V30/18057—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
Abstract
Description
特許文献1に記載の技術は、化学構造図中の文字情報(例えば、化学物を構成する原子)をパターン認識し、化学構造図の線図情報(例えば、原子間の結合)を所定のアルゴリズムによって認識する。
ただし、構造式の記載様式には等価な様式が複数あり、また、構造式中の結合線の太さ及び向き等についても書き方次第で変わり得る。その場合、構造式の書き方の違いに対応するために、様々な書き方にて記載された部分構造を識別するルールを、数多く用意しておく必要がある。
また、上記の画像解析方法のステップをプロセッサに実施させるためのプログラムも実現可能である。
なお、以下の実施形態は、本発明を分かり易く説明する目的で挙げた一例にすぎず、本発明を限定するものではない。すなわち、本発明は、下記の実施形態に限られず、本発明の主旨を逸脱しない範囲において種々の改良又は変更され得る。また、当然ながら、本発明には、その等価物が含まれる。
本実施形態の画像解析装置は、プロセッサを備え、化合物の構造式を示す画像を解析する。本実施形態の画像解析装置の主たる機能は、対象化合物の構造式を示す画像(対象画像)を解析し、対象画像が示す構造式の記号情報を生成することである。ここで、「対象化合物」は、構造式の記号情報を生成する対象となる化合物であり、例えば、文書中に含まれる画像に構造式が示された有機化合物等が該当する。
なお、SMILES記法にて表記された化合物の構造式、すなわち記号情報の一例として、図1に(S)-ブロモクロロフルメタンの例を示している。図1中、左側に構造式が示され、右側に記号情報(SMILES表記された構造式)が示されている。
以上のような機能により、論文又は特許明細書等の文書中に化合物の構造式を示す画像が含まれる場合に、当該画像を検出し、当該画像が示す化合物の構造式を記号情報に変換することができる。
また、記号情報に変換された構造式は、それ以降に検索キーとして利用することができるので、目的(ターゲット)とする化合物の構造式を示す画像を含んだ文書を容易に検索することが可能となる。
さらにまた、異常が見つからなかった記号情報(正常記号情報)のそれぞれに対して、後述する照合処理を実施する。そして、照合処理の結果に応じて、所定数の正常記号情報が対象化合物の構造式の記号情報として出力される。
以上のように解析モデルによって生成された記号情報をチェックすることにより、対象化合物の構造式の記号情報として正確な情報を得ることができる。
本実施形態において用いられる解析モデル(以下、解析モデルM1)について説明する。解析モデルM1は、図2に示すように、特徴量出力モデルMaと記号情報出力モデルMbとによって構成される。解析モデルM1は、化合物の構造式を示す学習用画像と、学習用画像に示される構造式の記号情報(正解データ)とを学習データセットとし、複数の学習データセットを用いた機械学習によって構築される。
また、機械学習の技法については、遺伝的プログラミング、帰納論理プログラミング、サポートベクタマシン、クラスタリング、ベイジアンネットワーク、エクストリーム・ラーニング・マシン(ELM)、又は決定木学習であってもよい。
また、ニューラルネットワークの機械学習において目的関数(損失関数)を最小化する方法としては、勾配降下法を用いてもよく、あるいは誤差逆伝播法を用いてもよい。
次に、本実施形態の画像解析装置(以下、画像解析装置10)の構成例について、図3を参照しながら説明する。なお、図3では、外部インタフェースを「外部I/F」と記載している。
なお、上述したハードウェアプロセッサは、半導体素子などの回路素子を組み合わせた電気回路(Circuitry)であってもよい。
出力装置15は、例えばディスプレイ及びスピーカ等からなり、解析モデルM1によって生成された記号情報を表示し、または音声再生するための装置である。
なお、本実施形態では、ストレージ16が画像解析装置10に内蔵された機器であるが、これに限定されるものではなく、ストレージ16が画像解析装置10に接続された外付け型の機器であってもよく、あるいは、ネットワークを介して通信可能に接続された外部のコンピュータ(例えば、クラウドサービス用のサーバコンピュータ)であってもよい。
次に、画像解析装置10を用いた画像解析フローについて説明する。
なお、以下に説明する画像解析フローでは、本発明の画像解析方法が採用されている。すなわち、以下の説明には、本発明の画像解析方法についての説明が含まれている。また、画像解析フロー中の各ステップは、本発明の画像解析方法を構成するものである。
学習フェーズS001は、以降のフェーズにて必要となるモデルを構築するために機械学習を実施するフェーズである。学習フェーズS001では、図4に示すように、第1の機械学習S011、第2の機械学習S012、及び第3の機械学習S013が実施される。
線形表記法とは異なる記述方法としては、例えば、分子フィンガープリントによる記述方法が挙げられる。分子フィンガープリントは、ある特徴を持つ分子を同定するために用いられ、図5に示すように構造式を、構造式中における各種類の部分構造(フラグメント)の有無を表すバイナリ型の多次元ベクトルに変換したものである。ここで、部分構造とは、構造式中の一部分を表す要素であり、複数の原子と原子間の結合を含む。
なお、アノテーションツールとしては、例えば、tzutalin社のlabeImg、及び、microsoft社のVoTT等が利用可能である。
記号情報生成フェーズS002は、文書に含まれる対象化合物の構造式の画像(対象画像)を解析し、対象化合物の構造式の記号情報を生成するフェーズである。
記号情報チェックフェーズS003は、記号情報生成フェーズS002において対象化合物の構造式について生成された複数の記号情報の各々に対して判定処理及び照合処理を実行するフェーズである。
詳しく説明すると、プロセッサ11は、記号情報出力モデルMbが出力した各記号情報について、各記号情報をなす文字列が正しいSMILES表記の語順であるかを判定するために、その文字列から構造式への変換を試みる。ここで、構造式への変換が成功すると、その記号情報には表記上の異常が無い(換言すると、その記号情報が正常である)と判定される。ここで、異常がない記号情報を、以下では「正常記号情報」と呼ぶこととする。
本実施形態の画像解析装置10は、第1の機械学習によって構築された解析モデルM1を利用し、対象化合物の構造式を示す対象画像の特徴量に基づき、その構造式をSMILES表記した記号情報を生成することができる。この結果、対象画像における構造式の書き方の変化に対して適切に対応することが可能となる。
以上のように、本実施形態によれば、対象化合物の構造式の書き方が変わった場合にも記号情報を適切に取得することができる。
以上までに、本発明の画像解析装置、画像解析方法、及びプログラムについて具体例を挙げて説明してきたが、上述した実施形態は、あくまでも一例に過ぎず、他の実施形態も考えられる。
例えば、画像解析装置を構成するコンピュータとしては、ASP(Application Service Provider)、SaaS(Software as a Service)、PaaS(Platform as a Service)又はIaaS(Infrastructure as a Service)等に利用されるサーバであってもよい。この場合、上記ASP等のサービスを利用するユーザが不図示の端末を操作して、対象画像を含む文書をサーバに送信する。サーバは、ユーザから送られてくる文書を受信すると、文書から対象画像を検出し、対象画像の特徴量に基づき、対象画像が示す対象化合物の構造式の記号情報を生成する。そして、サーバは、生成された記号情報を、ユーザの端末に向けて出力(送信)する。ユーザ側では、サーバから送られてくる記号情報が表示され、あるいは音声再生される。
ただし、これに限定されるものではなく、判定処理及び照合処理のいずれか一方の処理のみを実行してもよく、あるいは、いずれの処理も実行しなくてもよい。
例えば、第1の機械学習が他の装置によって行われる場合、画像解析装置10は、第1の機械学習によって構築される解析モデルM1を、他の装置から取得する。そして、画像解析装置10は、取得した解析モデルM1により、対象画像を解析し、その画像が示す対象化合物の構造式について記号情報を生成する。
ただし、これに限定されるものではなく、対象化合物の構造式の記号情報を生成する解析モデルとしては、別のモデルが考えられ、例えば図8に示す解析モデル(以下、変形例に係る解析モデルM3)が挙げられる。
11 プロセッサ
12 メモリ
13 外部インタフェース
14 入力装置
15 出力装置
16 ストレージ
21 プログラム
M1 解析モデル
M2 照合モデル
M3 変形例に係る解析モデル
Ma,Mc,Me 特徴量出力モデル
Mb,Mg 記号情報出力モデル
Md,Mf 記述情報出力モデル
Claims (17)
- プロセッサを備え、化合物の構造式を示す画像を解析する画像解析装置であって、
前記プロセッサは、解析モデルにより、対象化合物の構造式を示す対象画像の特徴量に基づき、前記対象化合物の構造式を線形表記法にて表した記号情報を生成し、
前記解析モデルが、学習用画像と、前記学習用画像が示す化合物の構造式を線形表記法にて表した記号情報とを用いた機械学習によって構築された画像解析装置。 - 前記プロセッサは、
前記対象画像を含む文書から前記対象画像を検出し、
検出された前記対象画像を前記解析モデルに入力することにより、前記対象化合物の構造式の前記記号情報を生成する、請求項1に記載の画像解析装置。 - 前記プロセッサは、オブジェクト検出アルゴリズムを利用して前記文書から前記対象画像を検出する、請求項2に記載の画像解析装置。
- 前記プロセッサは、
複数の前記対象画像を含む前記文書から複数の前記対象画像を検出し、
検出された複数の前記対象画像を前記対象画像毎に前記解析モデルに入力することにより、複数の前記対象画像の各々が示す前記対象化合物の構造式の前記記号情報を生成する請求項2又は3に記載の画像解析装置。 - 前記解析モデルが、
前記対象画像が入力されることで前記特徴量を出力する特徴量出力モデルと、
前記特徴量が入力されることで前記特徴量に対応する前記記号情報を出力する記号情報出力モデルと、を含む、請求項1乃至4のいずれか一項に記載の画像解析装置。 - 前記特徴量出力モデルは、畳み込みニューラルネットワークを含み、
前記記号情報出力モデルは、再帰型ニューラルネットワークを含む、請求項5に記載の画像解析装置。 - 前記対象化合物の構造式の前記記号情報が複数の記号によって構成され、
前記記号情報出力モデルが、前記特徴量と対応する前記記号情報を構成する前記記号を、前記記号情報の先頭から順次特定し、特定された順に前記記号が並んだ前記記号情報を出力する、請求項5又は6に記載の画像解析装置。 - 前記プロセッサは、前記解析モデルにより、前記対象画像の前記特徴量に基づき、前記対象化合物の構造式について複数の前記記号情報を生成し、
前記記号情報出力モデルは、
それぞれの前記記号情報について、前記記号情報を構成する複数の前記記号の各々の出力確率を算出し、且つ、算出された複数の前記記号の各々の前記出力確率に基づいて前記記号情報の出力スコアを算出し、
算出された前記出力スコアに応じて、予め決められた個数の前記記号情報を出力する請求項7に記載の画像解析装置。 - 前記プロセッサは、
前記記号情報出力モデルが出力した前記記号情報の各々に対して、表記上の異常の有無を判定する判定処理を実行し、
前記記号情報出力モデルが出力した前記記号情報のうち、前記異常がない正常記号情報を前記対象化合物の構造式の前記記号情報として出力する、請求項5に記載の画像解析装置。 - 前記プロセッサは、
照合モデルにより、前記対象画像から、前記対象化合物の構造式を前記線形表記法とは異なる記述方法にて記述した第1記述情報を生成し、
前記正常記号情報が表す構造式を前記記述方法にて記述した第2記述情報を生成し、
前記第1記述情報と前記第2記述情報とを照合し、
前記第1記述情報と前記第2記述情報との一致度に応じて、前記正常記号情報を前記対象化合物の構造式の前記記号情報として出力する、請求項9に記載の画像解析装置。 - 前記照合モデルが、第2学習用画像と、前記第2学習用画像が示す化合物の構造式を前記記述方法にて記述した記述情報とを用いた機械学習によって構築された、請求項10に記載の画像解析装置。
- 前記照合モデルが、
前記対象画像が入力されることで前記特徴量を出力する特徴量出力モデルと、
前記特徴量出力モデルから出力される前記特徴量が入力されることで前記特徴量に対応する前記第1記述情報を出力する記述情報出力モデルと、を含む、請求項10に記載の画像解析装置。 - 前記解析モデルは、前記学習用画像と、前記学習用画像が示す化合物の構造式を前記線形表記法にて表した記号情報と、前記学習用画像が示す化合物の構造式を前記線形表記法とは異なる記述方法にて記述した記述情報と、を用いた機械学習によって構築され、
前記解析モデルは、
前記対象画像が入力されることで、前記特徴量を出力する特徴量出力モデルと、
前記対象画像が入力されることで、前記対象化合物の構造式の前記記述情報を出力する記述情報出力モデルと、
出力された前記特徴量及び前記記述情報を合成した合成情報が入力されることで、前記合成情報に対応する前記記号情報を出力する記号情報出力モデルと、を含む請求項1乃至7のいずれか一項に記載の画像解析装置。 - 前記特徴量出力モデルは、ベクトル化された前記特徴量を出力し、
前記記述情報出力モデルは、ベクトル化された分子フィンガープリントからなる前記記述情報を出力する、請求項13に記載の画像解析装置。 - 前記線形表記法が、Simplified Molecular Input Line Entry System記法、又は、canonical Simplified Molecular Input Line Entry System記法である、請求項1乃至14のいずれか一項に記載の画像解析装置。
- 化合物の構造式を示す画像を解析する画像解析方法であって、
プロセッサが、解析モデルにより、対象化合物の構造式を示す対象画像の特徴量に基づき、前記対象化合物の構造式を線形表記法にて表した記号情報を生成するステップを実施し、
前記解析モデルが、学習用画像と、前記学習用画像が示す化合物の構造式を線形表記法にて表した記号情報とを用いた機械学習によって構築された画像解析方法。 - 請求項16に記載された画像解析方法のステップをプロセッサに実施させるためのプログラム。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019226239 | 2019-12-16 | ||
JP2019226239 | 2019-12-16 | ||
JP2021565611A JP7268198B2 (ja) | 2019-12-16 | 2020-12-16 | 画像解析装置、画像解析方法、及びプログラム |
PCT/JP2020/046887 WO2021125206A1 (ja) | 2019-12-16 | 2020-12-16 | 画像解析装置、画像解析方法、及びプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021565611A Division JP7268198B2 (ja) | 2019-12-16 | 2020-12-16 | 画像解析装置、画像解析方法、及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2023083462A true JP2023083462A (ja) | 2023-06-15 |
JP2023083462A5 JP2023083462A5 (ja) | 2023-06-29 |
JP7472358B2 JP7472358B2 (ja) | 2024-04-22 |
Family
ID=76478653
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021565611A Active JP7268198B2 (ja) | 2019-12-16 | 2020-12-16 | 画像解析装置、画像解析方法、及びプログラム |
JP2023068920A Active JP7472358B2 (ja) | 2019-12-16 | 2023-04-20 | 画像解析装置、端末、画像解析方法、表記情報取得方法、及びプログラム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021565611A Active JP7268198B2 (ja) | 2019-12-16 | 2020-12-16 | 画像解析装置、画像解析方法、及びプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220309815A1 (ja) |
JP (2) | JP7268198B2 (ja) |
CN (1) | CN114846508A (ja) |
WO (1) | WO2021125206A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210287137A1 (en) * | 2020-03-13 | 2021-09-16 | Korea University Research And Business Foundation | System for predicting optical properties of molecules based on machine learning and method thereof |
US20220101276A1 (en) * | 2020-09-30 | 2022-03-31 | X Development Llc | Techniques for predicting the spectra of materials using molecular metadata |
US11822599B2 (en) * | 2020-12-16 | 2023-11-21 | International Business Machines Corporation | Visualization resonance for collaborative discourse |
CN117649676A (zh) * | 2024-01-29 | 2024-03-05 | 杭州德睿智药科技有限公司 | 一种基于深度学习模型的化学结构式的识别方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5734586B2 (ja) * | 2010-07-12 | 2015-06-17 | 公益財団法人野口研究所 | 糖鎖構造認識用解析方法、糖鎖構造認識用解析装置およびプログラム |
JP2013061886A (ja) | 2011-09-14 | 2013-04-04 | Kyushu Univ | 化学構造図認識システム及び化学構造図認識システム用のコンピュータプログラム |
JP5741387B2 (ja) * | 2011-11-08 | 2015-07-01 | 富士通株式会社 | 情報提供装置、情報提供プログラムおよび情報提供方法 |
JP6051988B2 (ja) | 2013-03-19 | 2016-12-27 | 富士通株式会社 | 情報処理プログラム、情報処理方法および情報処理装置 |
CN108334839B (zh) * | 2018-01-31 | 2021-09-14 | 青岛清原精准农业科技有限公司 | 一种基于深度学习图像识别技术的化学信息识别方法 |
-
2020
- 2020-12-16 JP JP2021565611A patent/JP7268198B2/ja active Active
- 2020-12-16 CN CN202080087306.9A patent/CN114846508A/zh active Pending
- 2020-12-16 WO PCT/JP2020/046887 patent/WO2021125206A1/ja active Application Filing
-
2022
- 2022-06-13 US US17/839,468 patent/US20220309815A1/en active Pending
-
2023
- 2023-04-20 JP JP2023068920A patent/JP7472358B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
CN114846508A (zh) | 2022-08-02 |
JP7472358B2 (ja) | 2024-04-22 |
US20220309815A1 (en) | 2022-09-29 |
JPWO2021125206A1 (ja) | 2021-06-24 |
WO2021125206A1 (ja) | 2021-06-24 |
JP7268198B2 (ja) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7268198B2 (ja) | 画像解析装置、画像解析方法、及びプログラム | |
RU2721189C1 (ru) | Детектирование разделов таблиц в документах нейронными сетями с использованием глобального контекста документа | |
RU2723293C1 (ru) | Идентификация полей и таблиц в документах с помощью нейронных сетей с использованием глобального контекста документа | |
JP2019008778A (ja) | 画像の領域のキャプション付加 | |
CN107004140B (zh) | 文本识别方法和计算机程序产品 | |
JP5251205B2 (ja) | 住所認識装置 | |
JP7155625B2 (ja) | 検査装置、検査方法、プログラム及び学習装置 | |
JP7163618B2 (ja) | 学習装置、学習方法、プログラム及び推定装置 | |
JP7449961B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN115344699A (zh) | 文本分类模型的训练方法、装置、计算机设备及介质 | |
JP2015069256A (ja) | 文字識別システム | |
US20180005087A1 (en) | Pattern recognition device, pattern recognition method, and computer program product | |
JP5343617B2 (ja) | 文字認識プログラム、文字認識方法および文字認識装置 | |
CN107533672A (zh) | 模式识别装置、模式识别方法以及程序 | |
CN111783088B (zh) | 一种恶意代码家族聚类方法、装置和计算机设备 | |
CN113723111B (zh) | 一种小样本意图识别方法、装置、设备及存储介质 | |
JP2021174471A (ja) | 識別器学習装置及び識別器学習方法 | |
KR20230059524A (ko) | 멀티 모달 데이터를 분석하기 위한 방법 및 장치 | |
JP7322468B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP5791666B2 (ja) | ビジュアルキーワードの動的生成装置 | |
Chakrapani Gv et al. | One-shot learning-based handwritten word recognition | |
KR20210137808A (ko) | 단어 추출 장치 및 방법 | |
US20230366779A1 (en) | Information processing apparatus, information processing method, and program | |
JP6511942B2 (ja) | 情報処理装置および情報処理プログラム | |
JP5343579B2 (ja) | パターン認識辞書作成装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230620 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230620 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240314 |
|
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: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240410 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7472358 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |