JP4720913B2 - 学習装置、学習方法、識別装置、識別方法、及び、プログラム - Google Patents
学習装置、学習方法、識別装置、識別方法、及び、プログラム Download PDFInfo
- Publication number
- JP4720913B2 JP4720913B2 JP2009036500A JP2009036500A JP4720913B2 JP 4720913 B2 JP4720913 B2 JP 4720913B2 JP 2009036500 A JP2009036500 A JP 2009036500A JP 2009036500 A JP2009036500 A JP 2009036500A JP 4720913 B2 JP4720913 B2 JP 4720913B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- image
- feature point
- generation
- dimension
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Description
Claims (11)
- 画像に写っている被写体が所定の識別対象であるか否かを識別する識別器を生成する学習に用いられる複数の生成用画像であって、かつ、前記識別対象が写っているポジティブ画像と、前記識別対象が写っていないネガティブ画像とを含む生成用画像において、特徴的な点である特徴点を抽出する特徴点抽出手段と、
前記生成用画像の前記特徴点の特徴を表す特徴点特徴量を抽出する特徴点特徴量抽出手段と、
前記生成用画像の特徴点特徴量から、その生成用画像全体の特徴を表す全体特徴量であって、かつ、複数の次元のベクトルで表される全体特徴量を求める全体特徴量生成手段と、
前記生成用画像の全体特徴量と、その生成用画像が、ポジティブ画像、又はネガティブ画像のうちのいずれであるかを表す正解ラベルとを用い、前記識別器を生成する識別器生成手段と
を備え、
前記特徴点特徴量抽出手段は、
複数のスケールσのガウス関数の、複数の角度θ方向の、複数の微分回数cの導関数それぞれで、前記生成用画像をフィルタリングし、そのフィルタリングにより得られる複数の応答画像を出力するフィルタ手段と、
同一のスケールσのガウス関数の、同一の角度θ方向の、同一の微分回数cの導関数でのフィルタリングにより得られる前記応答画像について、前記特徴点を中心とする、固定半径の円形の領域である特徴点領域を、前記特徴点を基準に、角度方向と距離方向に区切ることで、前記特徴点領域を、複数の小領域に分割し、
前記複数の小領域のそれぞれについて、前記小領域の画素値の平均値を、前記小領域の画素値の統計量として求め、
同一のスケールσのガウス関数の、複数の角度θ方向の、同一の微分回数cの導関数それぞれでのフィルタリングにより得られる前記応答画像から求められる、前記小領域の画素値の平均値をコンポーネントとするベクトルを、前記特徴点の1種類の特徴量として、前記複数のスケールσと前記複数の微分回数cとの組み合わせの数だけの種類の特徴量を、前記特徴点の特徴点特徴量として求める
特徴点特徴量算出手段と
を有し、
前記識別器生成手段は、前記全体特徴量である前記複数の次元のベクトルのコンポーネントである複数の次元特徴量のうちの、前記ポジティブ画像、及びネガティブ画像の識別を誤る度合いを表すエラー値を小さくする前記次元特徴量を用いて識別を行う前記識別器と、前記エラー値を小さくする前記次元特徴量の次元を表す次元情報とを生成する
学習装置。 - 前記ポジティブ画像であるモデル画像から、前記特徴点を抽出する他の特徴点抽出手段と、
前記モデル画像の前記特徴点の特徴点特徴量を抽出する他の特徴点特徴量抽出手段と
をさらに備え、
前記全体特徴量生成手段は、
前記モデル画像の特徴点特徴量の値である特徴点特徴量値を階級とする、前記生成用画像の特徴点特徴量値のヒストグラム、
又は、前記モデル画像の特徴点特徴量値に対する、前記生成用画像の特徴点特徴量値の相関値
を、前記全体特徴量として求める
請求項1に記載の学習装置。 - 前記識別器は、複数の弱仮説器から構成され、
前記識別器生成手段は、
前記生成用画像の前記全体特徴量を入力として、前記生成用画像が、前記ポジティブ画像、又はネガティブ画像である旨の識別結果を出力する前記弱仮説器を、前記エラー値を小さくするように決定し、
前記全体特徴量を構成する前記複数の次元特徴量のうちの、前記弱仮説器の前記エラー値の最小値が得られる前記次元特徴量の次元である最小エラー次元を求め、
前記弱仮説器による前記生成用画像の識別結果が、前記生成用画像の前記正解ラベルと一致するか否かによって、前記生成用画像の識別結果の誤りを前記エラー値に影響させる重みを、前記生成用画像ごとに求める
ことを、所定の回数だけ繰り返すことで、その所定の回数に等しい所定の数の弱仮説器から構成される前記識別器と、前記所定の数の、前記最小エラー次元を表す前記次元情報とを生成し、
前記エラー値は、前記複数の生成用画像のうちの、識別結果が誤る前記生成用画像の前記重みを加算することで求められる
請求項1に記載の学習装置。 - 前記特徴点抽出手段は、コーナ点を、前記特徴点として抽出する
請求項1に記載の学習装置。 - 画像に写っている被写体が所定の識別対象であるか否かを識別する識別器を生成する学習に用いられる複数の生成用画像であって、かつ、前記識別対象が写っているポジティブ画像と、前記識別対象が写っていないネガティブ画像とを含む生成用画像において、特徴的な点である特徴点を抽出し、
前記生成用画像の前記特徴点の特徴を表す特徴点特徴量を抽出することを、
複数のスケールσのガウス関数の、複数の角度θ方向の、複数の微分回数cの導関数それぞれで、前記生成用画像をフィルタリングし、そのフィルタリングにより得られる複数の応答画像を出力し、
同一のスケールσのガウス関数の、同一の角度θ方向の、同一の微分回数cの導関数でのフィルタリングにより得られる前記応答画像について、前記特徴点を中心とする、固定半径の円形の領域である特徴点領域を、前記特徴点を基準に、角度方向と距離方向に区切ることで、前記特徴点領域を、複数の小領域に分割し、
前記複数の小領域のそれぞれについて、前記小領域の画素値の平均値を、前記小領域の画素値の統計量として求め、
同一のスケールσのガウス関数の、複数の角度θ方向の、同一の微分回数cの導関数それぞれでのフィルタリングにより得られる前記応答画像から求められる、前記小領域の画素値の平均値をコンポーネントとするベクトルを、前記特徴点の1種類の特徴量として、前記複数のスケールσと前記複数の微分回数cとの組み合わせの数だけの種類の特徴量を、前記特徴点の特徴点特徴量として求める
ことにより行い、
前記生成用画像の特徴点特徴量から、その生成用画像全体の特徴を表す全体特徴量であって、かつ、複数の次元のベクトルで表される全体特徴量を求め、
前記生成用画像の全体特徴量と、その生成用画像が、ポジティブ画像、又はネガティブ画像のうちのいずれであるかを表す正解ラベルとを用い、前記識別器を生成することを、
前記全体特徴量である前記複数の次元のベクトルのコンポーネントである複数の次元特徴量のうちの、前記ポジティブ画像、及びネガティブ画像の識別を誤る度合いを表すエラー値を小さくする前記次元特徴量を用いて識別を行う前記識別器と、前記エラー値を小さくする前記次元特徴量の次元を表す次元情報とを生成する
ことにより行う
ステップを含む学習方法。 - 画像に写っている被写体が所定の識別対象であるか否かを識別する識別器を生成する学習に用いられる複数の生成用画像であって、かつ、前記識別対象が写っているポジティブ画像と、前記識別対象が写っていないネガティブ画像とを含む生成用画像において、特徴的な点である特徴点を抽出する特徴点抽出手段と、
前記生成用画像の前記特徴点の特徴を表す特徴点特徴量を抽出する特徴点特徴量抽出手段と、
前記生成用画像の特徴点特徴量から、その生成用画像全体の特徴を表す全体特徴量であって、かつ、複数の次元のベクトルで表される全体特徴量を求める全体特徴量生成手段と、
前記生成用画像の全体特徴量と、その生成用画像が、ポジティブ画像、又はネガティブ画像のうちのいずれであるかを表す正解ラベルとを用い、前記識別器を生成する識別器生成手段と
して、コンピュータを機能させるためのプログラムであり、
前記特徴点特徴量抽出手段は、
複数のスケールσのガウス関数の、複数の角度θ方向の、複数の微分回数cの導関数それぞれで、前記生成用画像をフィルタリングし、そのフィルタリングにより得られる複数の応答画像を出力するフィルタ手段と、
同一のスケールσのガウス関数の、同一の角度θ方向の、同一の微分回数cの導関数でのフィルタリングにより得られる前記応答画像について、前記特徴点を中心とする、固定半径の円形の領域である特徴点領域を、前記特徴点を基準に、角度方向と距離方向に区切ることで、前記特徴点領域を、複数の小領域に分割し、
前記複数の小領域のそれぞれについて、前記小領域の画素値の平均値を、前記小領域の画素値の統計量として求め、
同一のスケールσのガウス関数の、複数の角度θ方向の、同一の微分回数cの導関数それぞれでのフィルタリングにより得られる前記応答画像から求められる、前記小領域の画素値の平均値をコンポーネントとするベクトルを、前記特徴点の1種類の特徴量として、前記複数のスケールσと前記複数の微分回数cとの組み合わせの数だけの種類の特徴量を、前記特徴点の特徴点特徴量として求める
特徴点特徴量算出手段と
を有し、
前記識別器生成手段は、前記全体特徴量である前記複数の次元のベクトルのコンポーネントである複数の次元特徴量のうちの、前記ポジティブ画像、及びネガティブ画像の識別を誤る度合いを表すエラー値を小さくする前記次元特徴量を用いて識別を行う前記識別器と、前記エラー値を小さくする前記次元特徴量の次元を表す次元情報とを生成する
プログラム。 - 画像に写っている被写体が所定の識別対象であるか否かを識別する対象の処理対象画像において、特徴的な点である特徴点を抽出する特徴点抽出手段と、
前記処理対象画像の前記特徴点の特徴を表す特徴点特徴量を抽出する特徴点特徴量抽出手段と、
前記処理対象画像の特徴点特徴量から、その処理対象画像全体の特徴を表す全体特徴量であって、かつ、複数の次元のベクトルで表される全体特徴量としての前記ベクトルのコンポーネントである複数の次元特徴量のうちの、次元情報が表す次元の次元特徴量を生成する次元特徴量生成手段と、
画像に写っている被写体が所定の識別対象であるか否かを識別する識別器に対して、前記次元特徴量を入力として与えることで、前記処理対象画像に写っている被写体が所定の識別対象であるか否かを識別する識別手段と
を備え、
前記特徴点特徴量抽出手段は、
複数のスケールσのガウス関数の、複数の角度θ方向の、複数の微分回数cの導関数それぞれで、前記処理対象画像をフィルタリングし、そのフィルタリングにより得られる複数の応答画像を出力するフィルタ手段と、
同一のスケールσのガウス関数の、同一の角度θ方向の、同一の微分回数cの導関数でのフィルタリングにより得られる前記応答画像について、前記特徴点を中心とする、固定半径の円形の領域である特徴点領域を、前記特徴点を基準に、角度方向と距離方向に区切ることで、前記特徴点領域を、複数の小領域に分割し、
前記複数の小領域のそれぞれについて、前記小領域の画素値の平均値を、前記小領域の画素値の統計量として求め、
同一のスケールσのガウス関数の、複数の角度θ方向の、同一の微分回数cの導関数それぞれでのフィルタリングにより得られる前記応答画像から求められる、前記小領域の画素値の平均値をコンポーネントとするベクトルを、前記特徴点の1種類の特徴量として、前記複数のスケールσと前記複数の微分回数cとの組み合わせの数だけの種類の特徴量を、前記特徴点の特徴点特徴量として求める
特徴点特徴量算出手段と
を有し、
前記識別器、及び、次元情報は、
前記識別器を生成する学習に用いられる複数の生成用画像であって、かつ、前記識別対象が写っているポジティブ画像と、前記識別対象が写っていないネガティブ画像とを含む生成用画像において、特徴点を抽出し、
前記生成用画像の前記特徴点の特徴点特徴量を抽出することを、
前記生成用画像を、前記複数のフィルタでフィルタリングすることにより得られる複数の応答画像それぞれについて、前記特徴点を中心とする特徴点領域を、前記特徴点を基準に、角度方向と距離方向に区切ることで、前記特徴点領域を、複数の小領域に分割し、
前記複数の小領域のそれぞれについて、前記小領域の画素値の統計量を求め、
前記特徴点について、前記生成用画像の複数の応答画像それぞれから得られる、前記複数の小領域それぞれの前記統計量を、前記特徴点の特徴点特徴量とする
ことにより行い、
前記生成用画像の特徴点特徴量から、その生成用画像の全体特徴量を求め、
前記生成用画像の全体特徴量と、その生成用画像が、ポジティブ画像、又はネガティブ画像のうちのいずれであるかを表す正解ラベルとを用い、前記識別器を生成することを、
前記全体特徴量である複数の次元のベクトルのコンポーネントである複数の次元特徴量のうちの、前記ポジティブ画像、及びネガティブ画像の識別を誤る度合いを表すエラー値を小さくする前記次元特徴量を用いて識別を行う前記識別器と、前記エラー値を小さくする前記次元特徴量の次元を表す次元情報とを生成する
ことにより行う
ことで得られたものである
識別装置。 - 前記処理対象画像の全体特徴量は、
前記ポジティブ画像であるモデル画像の特徴点特徴量の値である特徴点特徴量値を階級とする、前記処理対象画像の特徴点特徴量値のヒストグラム、
又は、前記モデル画像の特徴点特徴量値に対する、前記処理対象画像の特徴点特徴量値の相関値
である
請求項7に記載の識別装置。 - 前記特徴点抽出手段は、コーナ点を、前記特徴点として抽出する
請求項7に記載の識別装置。 - 画像に写っている被写体が所定の識別対象であるか否かを識別する対象の処理対象画像において、特徴的な点である特徴点を抽出する特徴点抽出ステップと、
前記処理対象画像の前記特徴点の特徴を表す特徴点特徴量を抽出する特徴点特徴量抽出ステップと、
前記処理対象画像の特徴点特徴量から、その処理対象画像全体の特徴を表す全体特徴量であって、かつ、複数の次元のベクトルで表される全体特徴量としての前記ベクトルのコンポーネントである複数の次元特徴量のうちの、次元情報が表す次元の次元特徴量を生成する次元特徴量生成ステップと、
画像に写っている被写体が所定の識別対象であるか否かを識別する識別器に対して、前記次元特徴量を入力として与えることで、前記処理対象画像に写っている被写体が所定の識別対象であるか否かを識別する識別ステップと
を含み、
前記特徴点特徴量抽出ステップでは、
複数のスケールσのガウス関数の、複数の角度θ方向の、複数の微分回数cの導関数それぞれで、前記処理対象画像をフィルタリングし、そのフィルタリングにより得られる複数の応答画像を出力し、
同一のスケールσのガウス関数の、同一の角度θ方向の、同一の微分回数cの導関数でのフィルタリングにより得られる前記応答画像について、前記特徴点を中心とする、固定半径の円形の領域である特徴点領域を、前記特徴点を基準に、角度方向と距離方向に区切ることで、前記特徴点領域を、複数の小領域に分割し、
前記複数の小領域のそれぞれについて、前記小領域の画素値の平均値を、前記小領域の画素値の統計量として求め、
同一のスケールσのガウス関数の、複数の角度θ方向の、同一の微分回数cの導関数それぞれでのフィルタリングにより得られる前記応答画像から求められる、前記小領域の画素値の平均値をコンポーネントとするベクトルを、前記特徴点の1種類の特徴量として、前記複数のスケールσと前記複数の微分回数cとの組み合わせの数だけの種類の特徴量を、前記特徴点の特徴点特徴量として求め、
前記識別器、及び、次元情報は、
前記識別器を生成する学習に用いられる複数の生成用画像であって、かつ、前記識別対象が写っているポジティブ画像と、前記識別対象が写っていないネガティブ画像とを含む生成用画像において、特徴点を抽出し、
前記生成用画像の前記特徴点の特徴点特徴量を抽出することを、
前記生成用画像を、前記複数のフィルタでフィルタリングすることにより得られる複数の応答画像それぞれについて、前記特徴点を中心とする特徴点領域を、前記特徴点を基準に、角度方向と距離方向に区切ることで、前記特徴点領域を、複数の小領域に分割し、
前記複数の小領域のそれぞれについて、前記小領域の画素値の統計量を求め、
前記特徴点について、前記生成用画像の複数の応答画像それぞれから得られる、前記複数の小領域それぞれの前記統計量を、前記特徴点の特徴点特徴量とする
ことにより行い、
前記生成用画像の特徴点特徴量から、その生成用画像の全体特徴量を求め、
前記生成用画像の全体特徴量と、その生成用画像が、ポジティブ画像、又はネガティブ画像のうちのいずれであるかを表す正解ラベルとを用い、前記識別器を生成することを、
前記全体特徴量である複数の次元のベクトルのコンポーネントである複数の次元特徴量のうちの、前記ポジティブ画像、及びネガティブ画像の識別を誤る度合いを表すエラー値を小さくする前記次元特徴量を用いて識別を行う前記識別器と、前記エラー値を小さくする前記次元特徴量の次元を表す次元情報とを生成する
ことにより行う
ことで得られたものである
識別方法。 - 画像に写っている被写体が所定の識別対象であるか否かを識別する対象の処理対象画像において、特徴的な点である特徴点を抽出する特徴点抽出手段と、
前記処理対象画像の前記特徴点の特徴を表す特徴点特徴量を抽出する特徴点特徴量抽出手段と、
前記処理対象画像の特徴点特徴量から、その処理対象画像全体の特徴を表す全体特徴量であって、かつ、複数の次元のベクトルで表される全体特徴量としての前記ベクトルのコンポーネントである複数の次元特徴量のうちの、次元情報が表す次元の次元特徴量を生成する次元特徴量生成手段と、
画像に写っている被写体が所定の識別対象であるか否かを識別する識別器に対して、前記次元特徴量を入力として与えることで、前記処理対象画像に写っている被写体が所定の識別対象であるか否かを識別する識別手段と
して、コンピュータを機能させるためのプログラムであり、
前記特徴点特徴量抽出手段は、
複数のスケールσのガウス関数の、複数の角度θ方向の、複数の微分回数cの導関数それぞれで、前記処理対象画像をフィルタリングし、そのフィルタリングにより得られる複数の応答画像を出力するフィルタ手段と、
同一のスケールσのガウス関数の、同一の角度θ方向の、同一の微分回数cの導関数でのフィルタリングにより得られる前記応答画像について、前記特徴点を中心とする、固定半径の円形の領域である特徴点領域を、前記特徴点を基準に、角度方向と距離方向に区切ることで、前記特徴点領域を、複数の小領域に分割し、
前記複数の小領域のそれぞれについて、前記小領域の画素値の平均値を、前記小領域の画素値の統計量として求め、
同一のスケールσのガウス関数の、複数の角度θ方向の、同一の微分回数cの導関数それぞれでのフィルタリングにより得られる前記応答画像から求められる、前記小領域の画素値の平均値をコンポーネントとするベクトルを、前記特徴点の1種類の特徴量として、前記複数のスケールσと前記複数の微分回数cとの組み合わせの数だけの種類の特徴量を、前記特徴点の特徴点特徴量として求める
特徴点特徴量算出手段と
を有し、
前記識別器、及び、次元情報は、
前記識別器を生成する学習に用いられる複数の生成用画像であって、かつ、前記識別対象が写っているポジティブ画像と、前記識別対象が写っていないネガティブ画像とを含む生成用画像において、特徴点を抽出し、
前記生成用画像の前記特徴点の特徴点特徴量を抽出することを、
前記生成用画像を、前記複数のフィルタでフィルタリングすることにより得られる複数の応答画像それぞれについて、前記特徴点を中心とする特徴点領域を、前記特徴点を基準に、角度方向と距離方向に区切ることで、前記特徴点領域を、複数の小領域に分割し、
前記複数の小領域のそれぞれについて、前記小領域の画素値の統計量を求め、
前記特徴点について、前記生成用画像の複数の応答画像それぞれから得られる、前記複数の小領域それぞれの前記統計量を、前記特徴点の特徴点特徴量とする
ことにより行い、
前記生成用画像の特徴点特徴量から、その生成用画像の全体特徴量を求め、
前記生成用画像の全体特徴量と、その生成用画像が、ポジティブ画像、又はネガティブ画像のうちのいずれであるかを表す正解ラベルとを用い、前記識別器を生成することを、
前記全体特徴量である複数の次元のベクトルのコンポーネントである複数の次元特徴量のうちの、前記ポジティブ画像、及びネガティブ画像の識別を誤る度合いを表すエラー値を小さくする前記次元特徴量を用いて識別を行う前記識別器と、前記エラー値を小さくする前記次元特徴量の次元を表す次元情報とを生成する
ことにより行う
ことで得られたものである
プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009036500A JP4720913B2 (ja) | 2009-02-19 | 2009-02-19 | 学習装置、学習方法、識別装置、識別方法、及び、プログラム |
CN2010101159784A CN101814135B (zh) | 2009-02-19 | 2010-02-11 | 学习设备、学习方法、识别设备、识别方法和程序 |
US12/704,001 US8270707B2 (en) | 2009-02-19 | 2010-02-11 | Learning device, learning method, identification device, identification method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009036500A JP4720913B2 (ja) | 2009-02-19 | 2009-02-19 | 学習装置、学習方法、識別装置、識別方法、及び、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010191772A JP2010191772A (ja) | 2010-09-02 |
JP4720913B2 true JP4720913B2 (ja) | 2011-07-13 |
Family
ID=42559944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009036500A Expired - Fee Related JP4720913B2 (ja) | 2009-02-19 | 2009-02-19 | 学習装置、学習方法、識別装置、識別方法、及び、プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US8270707B2 (ja) |
JP (1) | JP4720913B2 (ja) |
CN (1) | CN101814135B (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011154501A (ja) * | 2010-01-27 | 2011-08-11 | Sony Corp | 学習装置、学習方法、識別装置、識別方法、プログラム、及び情報処理システム |
JP5873959B2 (ja) * | 2010-09-27 | 2016-03-01 | パナソニックIpマネジメント株式会社 | ホワイトリスト内外判定装置及び方法 |
CN102682309B (zh) * | 2011-03-14 | 2014-11-19 | 汉王科技股份有限公司 | 一种基于模板学习的人脸注册方法及装置 |
JP2013003686A (ja) * | 2011-06-13 | 2013-01-07 | Sony Corp | 認識装置および方法、プログラム、並びに記録媒体 |
US8874557B2 (en) | 2011-09-02 | 2014-10-28 | Adobe Systems Incorporated | Object retrieval and localization using a spatially-constrained similarity model |
US8805116B2 (en) * | 2011-09-17 | 2014-08-12 | Adobe Systems Incorporated | Methods and apparatus for visual search |
US8880563B2 (en) | 2012-09-21 | 2014-11-04 | Adobe Systems Incorporated | Image search by query object segmentation |
JP6124566B2 (ja) * | 2012-11-29 | 2017-05-10 | 国立大学法人九州工業大学 | 画像認識方法および画像認識装置 |
KR20140112635A (ko) * | 2013-03-12 | 2014-09-24 | 한국전자통신연구원 | 특징점 기반 영상처리 장치 및 그 영상 처리 방법 |
CN103310485B (zh) * | 2013-07-10 | 2016-12-28 | 南通纺织丝绸产业技术研究院 | 一种三维图像的生成方法及装置 |
JP6043706B2 (ja) * | 2013-09-25 | 2016-12-14 | 日本電信電話株式会社 | マッチング処理装置およびマッチング方法 |
JP6448325B2 (ja) * | 2014-11-19 | 2019-01-09 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
CN105022946A (zh) * | 2015-07-17 | 2015-11-04 | 广东欧珀移动通信有限公司 | 人脸解密方法及装置 |
JP6542824B2 (ja) * | 2017-03-13 | 2019-07-10 | ファナック株式会社 | 入力画像から検出した対象物の像の尤度を計算する画像処理装置および画像処理方法 |
US11080833B2 (en) * | 2019-11-22 | 2021-08-03 | Adobe Inc. | Image manipulation using deep learning techniques in a patch matching operation |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006338082A (ja) * | 2005-05-31 | 2006-12-14 | Sony Corp | 画像処理システム、学習装置および方法、画像認識装置および方法、記録媒体、並びにプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6393151B1 (en) * | 1978-10-13 | 2002-05-21 | Agency Of Industrial Science And Technology | Pattern reading system |
DE3815869A1 (de) * | 1987-05-08 | 1988-11-17 | Ricoh Kk | Verfahren zum extrahieren von merkmalsmengen eines zeichens |
JP4459137B2 (ja) * | 2005-09-07 | 2010-04-28 | 株式会社東芝 | 画像処理装置及びその方法 |
JP4618098B2 (ja) | 2005-11-02 | 2011-01-26 | ソニー株式会社 | 画像処理システム |
JP4518092B2 (ja) * | 2006-03-31 | 2010-08-04 | ソニー株式会社 | 物体認識装置、物体認識方法、物体認識プログラム、特徴量登録装置、特徴量登録方法、及び特徴量登録プログラム |
JP5200015B2 (ja) * | 2007-06-14 | 2013-05-15 | パナソニック株式会社 | 画像認識装置及び画像認識方法 |
-
2009
- 2009-02-19 JP JP2009036500A patent/JP4720913B2/ja not_active Expired - Fee Related
-
2010
- 2010-02-11 CN CN2010101159784A patent/CN101814135B/zh not_active Expired - Fee Related
- 2010-02-11 US US12/704,001 patent/US8270707B2/en not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006338082A (ja) * | 2005-05-31 | 2006-12-14 | Sony Corp | 画像処理システム、学習装置および方法、画像認識装置および方法、記録媒体、並びにプログラム |
Also Published As
Publication number | Publication date |
---|---|
US8270707B2 (en) | 2012-09-18 |
JP2010191772A (ja) | 2010-09-02 |
US20100208983A1 (en) | 2010-08-19 |
CN101814135B (zh) | 2012-11-28 |
CN101814135A (zh) | 2010-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4720913B2 (ja) | 学習装置、学習方法、識別装置、識別方法、及び、プログラム | |
Krig et al. | Interest point detector and feature descriptor survey | |
Seo et al. | Training-free, generic object detection using locally adaptive regression kernels | |
CA2789887C (en) | Face feature vector construction | |
Pietikäinen et al. | Computer vision using local binary patterns | |
Lategahn et al. | Texture classification by modeling joint distributions of local patterns with Gaussian mixtures | |
US20130004028A1 (en) | Method for Filtering Using Block-Gabor Filters for Determining Descriptors for Images | |
CN104915673B (zh) | 一种基于视觉词袋模型的目标分类方法和系统 | |
CN106716450A (zh) | 利用边缘向量的基于图像的特征检测 | |
Shen et al. | Wireless capsule endoscopy video segmentation using an unsupervised learning approach based on probabilistic latent semantic analysis with scale invariant features | |
JP6112801B2 (ja) | 画像認識装置及び画像認識方法 | |
US9704024B2 (en) | Object discriminating apparatus and method | |
WO2006058154A1 (en) | Method for automatic shape classification | |
JP2011154501A (ja) | 学習装置、学習方法、識別装置、識別方法、プログラム、及び情報処理システム | |
CN107918773A (zh) | 一种人脸活体检测方法、装置及电子设备 | |
Lee et al. | Robust Face Detection Based on Knowledge‐Directed Specification of Bottom‐Up Saliency | |
JP2011154500A (ja) | 学習装置、学習方法、識別装置、識別方法、及びプログラム | |
Peng et al. | Saliency-aware image-to-class distances for image classification | |
JP2013003686A (ja) | 認識装置および方法、プログラム、並びに記録媒体 | |
Ouanan et al. | A novel face recognition system based on Gabor and Zernike features | |
Dalara et al. | Entity Recognition in Indian Sculpture using CLAHE and machine learning | |
Pang et al. | Robust eye center localization through face alignment and invariant isocentric patterns | |
Stöttinger et al. | Systematic evaluation of spatio-temporal features on comparative video challenges | |
Zhou et al. | Hough-space-based hypothesis generation and hypothesis verification for 3D object recognition and 6D pose estimation | |
Hahmann et al. | Combination of facial landmarks for robust eye localization using the Discriminative Generalized Hough Transform |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20101202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110121 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110321 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140415 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140415 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |