JP4376145B2 - 画像分類学習処理システム及び画像識別処理システム - Google Patents
画像分類学習処理システム及び画像識別処理システム Download PDFInfo
- Publication number
- JP4376145B2 JP4376145B2 JP2004214538A JP2004214538A JP4376145B2 JP 4376145 B2 JP4376145 B2 JP 4376145B2 JP 2004214538 A JP2004214538 A JP 2004214538A JP 2004214538 A JP2004214538 A JP 2004214538A JP 4376145 B2 JP4376145 B2 JP 4376145B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- learning
- mapping
- class
- images
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Description
(ア)以下の(7)式に定義する行列の成分を対角成分以外のすべてについて計算する。(対角成分はすべて0と置いても良い。)ここで、mは部分画像の組(Ci, Cj)の順位を表し、Tm は(6)式で定義される位置ベクトルの組
101 表示装置
102 キーボード
103 ポインティングデバイス
104 中央処理装置
105 プログラムメモリ
106 データメモリ
110 画像データ
111 データ入出力ユニット
112 画像特徴量抽出ユニット
113 教師なし画像クラス分類・識別ユニット
114 教師あり画像クラス分類・識別ユニット
115 データ記憶ユニット
Claims (27)
- 画像のクラス分類を学習するシステムであって、
学習用画像の対象領域に対して、該対象領域全体を覆うようにして1以上の所定形状の窓領域を設定する窓領域設定手段と、
前記各窓領域に含まれる部分画像の集合から、互いに異なる2つの部分画像の組を生成し、各組の部分画像間における類似度又は非類似度を、各部分画像から抽出される特徴量に基づいて計算する部分画像間類似度計算手段と、
前記部分画像間の類似度又は非類似度に基づいて前記各部分画像の組の間での順序関係を決定する第1の順序関係決定手段と、
前記各部分画像の組の間で決定された順序関係が保存されるようにして、前記各部分画像を第1の距離空間上に写像する第1の写像手段と、
前記第1の距離空間に写像された各点の位置座標の直積又はテンソル積を各学習用画像の第1種特徴量とし、各学習用画像の第1種特徴量に基づいて、画像間の非類似度又は類似度を計算する画像間類似度計算手段と、
前記学習用画像間の非類似度又は類似度に基づいて前記各学習用画像の組の間での順序関係を決定する第2の順序関係決定手段と、
前記各学習用画像の組の間で決定された順序関係が保存されるようにして、前記各学習用画像を第2の距離空間上に写像する第2の写像手段と、
前記第2の距離空間に写像された各点の位置座標ベクトルを各学習用画像の第2種特徴量とし、前記第2の距離空間上に写像された点から、前記第2の距離空間における距離又は分布密度に基づいてクラスタを構成するクラスタリング手段と、
各クラスタをクラス分類するとともに、各クラスタに属する点に対応する学習用画像を前記第2の写像手段による写像の逆写像によって求めることにより、各学習用画像がどのクラスに属するかを判定するクラス分類判定手段と、を含むことを特徴とするシステム。 - 前記クラスタリング手段は、全クラスタ数を予め指定せずにクラスタリングを行うことを特徴とする請求項1に記載のシステム。
- 前記クラスタリング手段は、全クラスタ数を予め指定してクラスタリングを行うことを特徴とする請求項1に記載のシステム。
- 請求項1に記載のシステムを利用して入力画像のクラスを識別するシステムであって、
学習用画像について計算された第1特徴量及び第2特徴量と、クラス分類の判定結果とを予め記憶しておき、
前記画像間類似度計算手段により、前記入力画像の第1種特徴量を計算し、該第1種特徴量と学習用画像の第1種特徴量とを用いて、前記入力画像と前記学習用画像との間の非類似度又は類似度を計算し、
前記第2の順序関係決定手段により、該非類似度又は類似度に基づいて前記入力画像と前記学習用画像との間の順序関係を決定し、
前記第2の写像手段により、前記入力画像と前記学習用画像との間で決定された順序関係が保存されるようして、前記入力画像を第2の距離空間上に写像し、
前記画像間類似度計算手段により、前記入力画像が前記第2の距離空間に写像された各点の位置座標ベクトルを前記入力画像の第2種特徴量とし、前記入力画像の第2種特徴量と前記記憶してある学習用画像の第2特徴量との間の非類似度又は類似度を計算し、
該非類似度又は類似度に基づいて、入力画像が学習用画像のいずれのクラスに該当するかを識別することを特徴とするシステム。 - 請求項1に記載のシステムを利用して入力画像のクラスを識別するシステムであって、
学習用画像について計算された第1特徴量及び第2特徴量と、クラス分類の判定結果とを予め記憶しておき、
前記画像間類似度計算手段により、前記入力画像の第1種特徴量を計算し、該第1種特徴量と学習用画像の第1種特徴量とを用いて、前記入力画像と前記学習用画像との間の非類似度又は類似度を計算し、
前記第2の順序関係決定手段により、該非類似度又は類似度に基づいて前記入力画像と前記学習用画像との間の順序関係を決定し、
前記第2の写像手段により、前記入力画像と前記学習用画像との間で決定された順序関係が保存されるようして、前記入力画像を第2の距離空間上に写像し、
前記第2の距離空間において前記入力画像が写像された点と距離が近い順に所定数の学習用画像を選択し、選択された学習用画像のうち最も多くの学習用画像が属するクラスを入力画像のクラスとして識別することを特徴とするシステム。 - 請求項1に記載のシステムにおいて、
クラス分類済みの学習用画像の第1種特徴量を計算し、
該第1種特徴量を入力して得られるクラス分類判定結果と、クラス分類済み学習用画像のクラスとの差に関する関数を全てのクラス分類済み学習用画像について足し上げた誤差関数を算出し、
該誤差関数が最小化されるように前記第2の写像手段による写像のパラメタを定めることを特徴とするシステム。 - 請求項6に記載のシステムにおいて、前記第2の写像手段による写像は、ニューラルネットワークを用いて構成されることを特徴とするシステム。
- 請求項6又は7に記載のシステムを利用して入力画像のクラスを識別するシステムであって、
入力画像の第1種特徴量を計算し、該第1種特徴量を入力して得られるクラス分類判定結果に従って前記入力画像のクラスを識別することを特徴とするシステム。 - 請求項1に記載のシステムにおいて、
クラス分類済みの学習用画像の第1種特徴量を計算し、
該第1種特徴量を入力して得られるクラス分類判定結果における各クラスについて、クラス分類済み学習用画像をそのクラスに属する群と他のクラスに属する群とに分け、それぞれの群について、各学習用画像の第1特徴量を第3の距離空間に写像し、その写像された像を第3種特徴量とし、
該第3種特徴量に関する線形な判別関数であって、
一方の群に属する学習用画像の第3特徴量に関しては、前記判別関数の値がある定められた正の定数以上の値となり、
他方の群に属する学習用画像の第3特徴量に関しては、前記判別関数の値が前記正の定数と絶対値が等しい負の定数以下の値となり、かつ、
前記判別関数の値を0と置いた方程式により表される第3の距離空間上の超平面と各学習用画像の第3特徴量との間の距離を最小化するようパラメタをとった判別関数を定めることを特徴とするシステム。 - 請求項9に記載のシステムを利用して入力画像のクラスを識別するシステムであって、
入力画像の第1種特徴量を計算し、
該第1種特徴量から得られる第3種特徴量についての前記判別関数の値が最大値となることを基準として、前記入力画像のクラスを識別することを特徴とするシステム。 - 請求項9又は10に記載のシステムにおいて、前記第3の距離空間への写像は、サポートベクターマシン、非線形サポートベクターマシン又はカーネルサポートベクターマシンを用いて構成されることを特徴とするシステム。
- 前記クラスタリング手段は、混合確率分布を用いた尤度あるいは対数尤度最大化する処理、事後確率を最大化する処理、あるいは予め与えられた事前分布に基づく期待値を計算する処理のいずれかの処理を実行することを特徴とする請求項2又は4に記載のシステム。
- 前記クラスタリング手段は、混合ガウス分布に関する最尤推定法、事後確率最大化法あるいはベイズ推定法を適用することによって定まる各ガウス成分が1つのクラスを表すとし、各部分画像が属するクラスタをその部分画像に対応する距離空間における点の各ガウス成分に関するマハラノビス距離が最小となるガウス成分として定めることを特徴とする請求項12に記載のシステム。
- 前記クラスタリング手段は、初期状態として全データを含む1つのクラスタから開始し、同じクラスタに属する2点間の距離が最大となる2点組を選択し、その距離が予め定められた閾値以上である場合に、そのクラスタを2分し、選択された2点をそれぞれのクラスタの種とし、同じクラスタに属していた全ての点に関して、これらのクラスタの種との間の距離を計算し、距離が小さい方のクラスタに属するように分類する処理を各クラスタにおけるクラスタ分割条件が満たされなくなるまで実行する分割クラスタリングを適用することを特徴とする請求項12に記載のシステム。
- 前記クラスタリング手段は、K-最近接法を実行するクラスタリングを行うことを特徴とする請求項3又は4に記載のシステム。
- 前記クラスタリング手段は、K-平均法を実行するクラスタリングを行うことを特徴とする請求項3又は4に記載のシステム。
- 前記第1の写像手段及び第2の写像手段のうち少なくとも一方は、前記部分画像/学習用画像の組の間で決定された順序関係のみに基づいて写像を行うことを特徴とする請求項1から16のいずれか1項に記載のシステム。
- 前記第1の写像手段及び第2の写像手段のうち少なくとも一方は、前記部分画像/学習用画像の組の間で決定された順序関係に基づいて各部分画像/学習用画像の組に自然数による番号付けを行い、それらの番号の差の大きさのみに基づいて写像を行うことを特徴とする請求項1から16のいずれか1項に記載のシステム。
- 前記第1の写像手段及び第2の写像手段のうち少なくとも一方は、前記部分画像/学習用画像の組が前記第1の距離空間/第2の距離空間に写像された点の組の2点間距離を計算するとともに、前記写像された点の組について補助距離の大小関係によって定められる順序関係が、前記部分画像/学習用画像の組の間で決定された順序関係と一致するようにして、前記2点間距離の補助距離を計算し、前記写像される点の組における2点間距離と補助距離との差の自乗を全ての前記写像される点の組について足し合わせた値が最小化されるようにして写像を行うことを特徴とする請求項1から16のいずれか1項に記載のシステム。
- 各組の部分画像間における類似度又は非類似度は、各部分画像上の各画素の位置情報と、画素上の色相又は濃淡値とを与える関数の汎関数として定義されていることを特徴とする請求項1から19のいずれか1項に記載のシステム。
- 各組の部分画像間における類似度又は非類似度は、画像が画像間の差分又はマッチングによって生成された差分画像、オプティカルフロー画像、ステレオ画像のいずれかである場合には、各部分画像上の各画素の位置情報と、画素上の差分値、ベクトル値又は距離値とを与える関数の汎関数として定義されていることを特徴とする請求項1〜19のいずれか1項に記載のシステム。
- 各組の部分画像間における類似度又は非類似度は、各部分画像上の各画素の位置情報と、画素上の色相又は濃淡値とについてのヒストグラム関数の汎関数として定義されていることを特徴とする請求項1〜19のいずれか1項に記載のシステム。
- 各組の部分画像間における類似度又は非類似度は、各部分画像上の各画素の位置情報と、画素上の色相又は濃淡値とを与える関数に画像上の空間座標に関する微分演算子を作用させることで得られるベクトル値関数に関する汎関数として定義されていることを特徴とする請求項20に記載のシステム。
- 各組の部分画像間における類似度又は非類似度は、各部分画像上の各画素の位置情報と、画素上の色相又は濃淡値とを与える関数に画像上の空間座標に関する積分演算子を作用させることで得られる関数に関する汎関数として定義されていることを特徴とする請求項20に記載のシステム。
- 各組の部分画像間における類似度又は非類似度は、各部分画像上の各画素の位置情報と、画素上の色相又は濃淡値とを与える関数に画像上の空間座標に関する微分演算子をさせることで得られるベクトル値関数を引数とする2階テンソル値関数に関して、その各成分に画像上の空間座標に関する積分演算子を作用させることで得られる2階テンソル値関数に関する汎関数として定義されていることを特徴とする請求項20に記載のシステム。
- 各組の部分画像間における類似度又は非類似度は、各部分画像上の各画素の位置情報と、画素上の色相又は白黒の濃淡値とを与える関数の自己相関関数に関する汎関数として定義されていることを特徴とする請求項20に記載のシステム。
- 各組の部分画像間における類似度又は非類似度は、各部分画像上の各画素の位置情報と、画素上の色相又は濃淡値とを与える関数に画像上の空間座標に関する微分演算子を作用させることで得られるベクトル値関数に関する自己相関関数に関する汎関数として定義されていることを特徴とする請求項20に記載のシステム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004214538A JP4376145B2 (ja) | 2004-07-22 | 2004-07-22 | 画像分類学習処理システム及び画像識別処理システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004214538A JP4376145B2 (ja) | 2004-07-22 | 2004-07-22 | 画像分類学習処理システム及び画像識別処理システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006039658A JP2006039658A (ja) | 2006-02-09 |
JP4376145B2 true JP4376145B2 (ja) | 2009-12-02 |
Family
ID=35904630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004214538A Expired - Fee Related JP4376145B2 (ja) | 2004-07-22 | 2004-07-22 | 画像分類学習処理システム及び画像識別処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4376145B2 (ja) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4992295B2 (ja) * | 2006-05-24 | 2012-08-08 | 富士通モバイルコミュニケーションズ株式会社 | 情報処理装置 |
JP4740038B2 (ja) * | 2006-05-30 | 2011-08-03 | 富士重工業株式会社 | 画像処理装置 |
EP2775349B1 (en) * | 2007-03-08 | 2021-08-11 | Cellavision AB | A method for determining an in-focus position and a vision inspection system |
JP5059545B2 (ja) * | 2007-10-23 | 2012-10-24 | 株式会社リコー | 画像処理装置及び画像処理方法 |
US8165406B2 (en) * | 2007-12-12 | 2012-04-24 | Microsoft Corp. | Interactive concept learning in image search |
KR100949893B1 (ko) * | 2008-04-28 | 2010-03-25 | 경북대학교 산학협력단 | 텐서 데이터를 이용한 영상 데이터 분류 방법 및 장치 |
US8560488B2 (en) | 2008-08-08 | 2013-10-15 | Nec Corporation | Pattern determination devices, methods, and programs |
JP5533662B2 (ja) * | 2008-10-30 | 2014-06-25 | コニカミノルタ株式会社 | 情報処理装置 |
US20100166303A1 (en) * | 2008-12-31 | 2010-07-01 | Ali Rahimi | Object recognition using global similarity-based classifier |
JP5433377B2 (ja) | 2009-10-29 | 2014-03-05 | 楽天株式会社 | 画像処理装置、画像処理方法、および、画像処理プログラム |
JP5094830B2 (ja) * | 2009-12-16 | 2012-12-12 | ヤフー株式会社 | 画像検索装置、画像検索方法及びプログラム |
JP5552023B2 (ja) | 2010-10-27 | 2014-07-16 | インターナショナル・ビジネス・マシーンズ・コーポレーション | クラスタリング・システム、方法及びプログラム |
CN103645890B (zh) * | 2013-11-29 | 2017-12-01 | 北京奇虎科技有限公司 | 一种用于在图形用户界面中定位控件的方法和装置 |
JP6194260B2 (ja) * | 2014-02-21 | 2017-09-06 | 日本電信電話株式会社 | 画像分類装置、画像分類方法及び画像分類プログラム |
KR101823746B1 (ko) * | 2016-02-05 | 2018-01-30 | 울산대학교 산학협력단 | 베어링 고장 진단 방법 |
US11540725B2 (en) | 2016-09-18 | 2023-01-03 | Yeda Research And Development Co. Ltd. | Systems and methods for generating 3D images based on fluorescent illumination |
CN110245608B (zh) * | 2019-06-14 | 2022-05-17 | 西北工业大学 | 一种基于半张量积神经网络的水下目标识别方法 |
CN110853047B (zh) * | 2019-10-12 | 2023-09-15 | 平安科技(深圳)有限公司 | 智能图像分割及分类方法、装置及计算机可读存储介质 |
CN111161248B (zh) * | 2019-12-30 | 2023-06-02 | 新源动力股份有限公司 | 应用机器学习和数据回归的燃料电池堆组装力分布分析方法 |
JP6951810B1 (ja) * | 2021-03-31 | 2021-10-20 | Links株式会社 | 拡張現実システム |
CN114881314B (zh) * | 2022-04-27 | 2023-04-07 | 广西科学院 | 基于多方向逼近的配方优化方法 |
CN115112032A (zh) * | 2022-06-06 | 2022-09-27 | 上海工程技术大学 | 一种球面栅极组件间距的测量方法 |
CN116912202B (zh) * | 2023-07-13 | 2024-01-30 | 中国中医科学院眼科医院 | 一种医用高值耗材管理方法和系统 |
-
2004
- 2004-07-22 JP JP2004214538A patent/JP4376145B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2006039658A (ja) | 2006-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4376145B2 (ja) | 画像分類学習処理システム及び画像識別処理システム | |
Fowlkes et al. | Spectral grouping using the nystrom method | |
US10353948B2 (en) | Content based image retrieval | |
US8885926B2 (en) | Image and data segmentation | |
Sridhar et al. | Content-based image retrieval of digitized histopathology in boosted spectrally embedded spaces | |
CN113343920A (zh) | 人脸识别照片的分类方法、装置、电子设备和存储介质 | |
CN112651955A (zh) | 一种肠道图像的识别方法及终端设备 | |
Alizadeh Naeini et al. | Assessment of normalization techniques on the accuracy of hyperspectral data clustering | |
Ghadhban et al. | Segments interpolation extractor for finding the best fit line in Arabic offline handwriting recognition words | |
WO2022266745A1 (en) | Visualizing feature variation effects on computer model prediction | |
JP4477439B2 (ja) | 画像分割処理システム | |
CN110929801B (zh) | 一种基于改进的Euclid距离KNN分类方法和系统 | |
JP5298552B2 (ja) | 判別装置、判別方法及びプログラム | |
JP4434868B2 (ja) | 画像分割処理システム | |
Jose et al. | Genus and species-level classification of wrasse fishes using multidomain features and extreme learning machine classifier | |
Parsi et al. | Improving the unsupervised LBG clustering algorithm performance in image segmentation using principal component analysis | |
CN110717547A (zh) | 一种基于回归超图的学习算法 | |
CN111027609A (zh) | 一种图像数据加权分类方法和系统 | |
Jena et al. | Elitist TLBO for identification and verification of plant diseases | |
Kindelan et al. | A topological data analysis based classifier | |
Sharet et al. | Analyzing data changes using mean shift clustering | |
Deutsch et al. | Finding structure in point cloud data with the robust isoperimetric loss | |
Pietikäinen et al. | Texture classification and segmentation | |
JP2023005937A (ja) | 機械学習モデルを用いて被判別データのクラス判別処理を実行する方法、情報処理装置、及び、コンピュータープログラム | |
JP2023076881A (ja) | 機械学習モデルの学習に使用される複数の学習データの中から不適切な不備データを抽出する方法、情報処理装置、及び、コンピュータープログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070115 |
|
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: 20090825 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090908 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120918 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120918 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120918 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120918 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130918 Year of fee payment: 4 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |