JP4963216B2 - コンピュータにより実施される、データサンプルのセットについて記述子を作成する方法 - Google Patents
コンピュータにより実施される、データサンプルのセットについて記述子を作成する方法 Download PDFInfo
- Publication number
- JP4963216B2 JP4963216B2 JP2006300351A JP2006300351A JP4963216B2 JP 4963216 B2 JP4963216 B2 JP 4963216B2 JP 2006300351 A JP2006300351 A JP 2006300351A JP 2006300351 A JP2006300351 A JP 2006300351A JP 4963216 B2 JP4963216 B2 JP 4963216B2
- Authority
- JP
- Japan
- Prior art keywords
- covariance matrix
- image
- covariance
- data samples
- pixel
- 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.)
- Active
Links
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
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本方法は、シーン1について取得110されるデータサンプル111のセットに対して作用する。「シーン」という用語は本明細書中において広義に定義される。例えば、シーンは、人物、顔、又は何らかの他の物体を含む自然シーンであり得る。シーンはまた、何らかの既知のモデリングプロセスによって生成される仮想シーンであり得る。データサンプル111を取得110する任意の既知の手段、例えば、カメラ、アンテナ、3Dイメージングデバイス、超音波センサ等を用いることができる。サンプルは合成的に生成することもできる。実際のサンプル取得ステップはオプションである。サンプルは、何らかの前処理ステップで得た上で、本明細書中に記載するような処理のためにメモリに記憶することができることを理解すべきである。
サンプルの1つ又は複数のサブセット121をデータサンプル111のセットから選択120する。例えば、サンプルが画像中の画素であり、アプリケーションが顔認識である場合、顔を含む領域のサンプルのみを選択してさらなる処理を行う。この説明の目的上、サブセットは、全ての取得サンプル、例えば画像全体を包含することができる。
特徴131をサンプル毎に抽出130する。特徴は、積み重ねてd次元ベクトルにすることができる。特徴は、サンプルのインデックス、及び、低レベルの物理的特徴の高次の統計量、例えば勾配、導関数、ノルム等を含むことを理解すべきである。
所与のサンプルサブセット121の全ての特徴ベクトル131を結合140して共分散行列を作成する。記述子141はサブセット121に対応135する。記述子は、物体検出及びテクスチャ分類等のアプリケーション150に用いることができる。
本発明の実施の形態の詳細を、画素画像をデータサンプル111のセットの一例として用いて説明する。
本明細書中に記載する共分散行列141はユークリッド空間にない。例えば、負のスカラーの乗法下で空間は閉じていない。ほとんどの一般的な機械学習方法はユークリッド空間のみで働く。したがって、それらの方法は、共分散行列で表される本発明の特徴に適していない。
1.ρ(C1,C2)≧0且つC1=C2である場合にのみρ(C1,C2)=0
2.ρ(C1,C2)=ρ(C2,C1)
3.ρ(C1,C2)+ρ(C1,C3)≧ρ(C2,C3)
図12に示すように、積分画像は、領域の加算に用いられる中間画像表現である。Viola他を参照。矩形領域R(x’,y’,x”,y”)121、例えばサブセットが、(1,1)及び(W,H)によって定義される画像111の左上角及び右下角によって定義される。領域中の各サンプルには、d次元の特徴ベクトル131が関連付けられる。
物体の位置について、画像中の物体の位置を、非剛体変換後の物体の任意の姿勢について求めることが望ましい。
本発明では、サンプルの画素位置(x,y)又はインデックス、カラー(RGB)値、並びにx及びyに対する強度の一次導関数及び二次導関数のノルムをサンプル特徴として用いる。画像の各画素は9次元の特徴ベクトルF131に変換される。
従来技術において、最も成功したテクスチャ分類方法はテクストンを用いる。テクストンの背景については、Julesz, B.著「Textons, the elements of texture perception and their interactions」Nature, Vol. 290, pp. 91-97, 1981を参照。テクストンは、入力画像から導出される特徴空間におけるクラスタ中心である。特徴空間は、入力画像中の全ての画素において適用されるフィルタバンクの出力から作成される。以下で簡単に検討するように、様々なフィルタバンクを適用することができる。
図14は、上で紹介したような本発明の1実施の形態によるテクスチャ分類方法を図式的に示す。本方法はテクストンを用いない。
Claims (29)
- コンピュータにより実施される、データサンプルのセットについて、検出、認識及び分類の少なくとも1つを行う記述子を作成する方法であって、
前記データサンプルのセットから複数のサンプルサブセットを選択するステップと、
各サンプルサブセット中の各サンプルについてd次元の、対応するサンプルのインデックス及び前記サンプルの特性を含む、特徴ベクトルを抽出するステップと、
各サンプルサブセットの前記特徴ベクトルを結合してd×d次元の、対応するサンプルサブセットの記述子である、共分散行列にするステップと、
2つの共分散行列間の距離スコアを求めて、対応するサンプルサブセットの類似度を測定するステップと、
共分散距離メトリックを定義するステップと、
前記共分散行列の対間の対間距離スコアを求めるステップと、
前記対間距離スコアからd×d次元の自己距離行列を作成するステップと、
前記自己距離行列を前記データサンプルのセットの前記記述子として割り当てるステップと
を含む、コンピュータにより実施される、データサンプルのセットについて記述子を作成する方法。 - 前記共分散行列を並べて、前記データサンプルのセットの前記記述子としての集合共分散行列にするステップをさらに含む
請求項1記載の方法。 - データサンプルのセットにマスクを適用するステップをさらに含む
請求項1記載の方法。 - 前記インデックスは、空間である
請求項1記載の方法。 - 前記インデックスは、時間である
請求項1記載の方法。 - 前記インデックスは、時空間である
請求項1記載の方法。 - 前記データサンプルのセットは、画像の画素を含む
請求項4記載の方法。 - 前記データサンプルのセットは、ビデオの画素を含む
請求項5記載の方法。 - 前記データサンプルのセットは、容積データセットの点を含む
請求項4記載の方法。 - 前記特徴ベクトルは、前記画像中の前記画素の位置を含む
請求項7記載の方法。 - 前記特徴ベクトルは、前記画素の強度、前記画素の色情報、前記画素の色勾配、前記画素の色導関数、及び前記画素のフィルタ応答を含む
請求項10記載の方法。 - 前記特徴ベクトルは、前記画素の座標を含む
請求項9記載の方法。 - 前記共分散行列の対角要素は、前記特徴の分散を表し、非対角要素は、前記特徴の相関を表す
請求項1記載の方法。 - 前記特徴ベクトルを抽出する前に前記データサンプルのセットをフィルタリングするステップをさらに含む
請求項1記載の方法。 - 前記画像から積分画像のセットを求めるステップと、
前記積分画像のセットから前記共分散行列を導出するステップとをさらに含む
請求項7記載の方法。 - 様々なサイズの領域の前記共分散行列を前記一次積分画像及び前記二次積分画像の角の点の値から作成するステップをさらに含む
請求項17記載の方法。 - 複数の対間距離から相互距離行列を作成するステップをさらに含む
請求項1記載の方法。 - 前記共分散行列に従ってテスト画像中の物体の位置を特定するステップをさらに含む
請求項7記載の方法。 - 前記物体を含む前記テスト画像の領域全体の画素及び前記物体を含む小領域中の画素について共分散行列を作成するステップと、
前記複数の共分散行列を前記物体の記述子として割り当てるステップとをさらに含む
請求項21記載の方法。 - 前記テスト画像から複数のテスト領域を選択するステップと、
複数の共分散行列をテスト領域の記述子として作成するステップと、
前記テスト領域について距離スコアを求めるステップと、
最小の距離スコアを前記テスト画像中の前記物体の推定位置として割り当てるステップとをさらに含む
請求項21記載の方法。 - 初期サイズをターゲット領域に割り当てて、前記物体を含む候補領域を得るステップと、
前記初期サイズを有する前記画像から複数のテスト領域を選択するステップと、
前記記述子間の距離スコアを求めるステップと、
サイズを変更するステップと、
前記選択するステップ及び前記求めるステップを繰り返すステップとをさらに含む
請求項23記載の方法。 - 前記画像中のテクスチャを前記共分散行列に従って分類するステップをさらに含む
請求項7記載の方法。 - 既知の領域中の既知のテクスチャの各クラスを第1の共分散行列セットとして表すステップと、
未知のテクスチャを有する各テスト領域を第2の共分散行列セットとして表すステップと、
前記第1の共分散行列及び前記第2の共分散行列の間の距離スコアを求めるステップと、
最小の距離スコアを有するクラスを前記テスト領域のクラスとして選択するステップとをさらに含む
請求項26記載の方法。 - 前記テスト領域の各共分散行列に対して最小の距離スコアを有する特定のクラスに対して一票を投じるステップと、
過半数の票を有するクラスを前記テスト領域のクラスとして選択するステップとをさらに含む
請求項27記載の方法。 - 前記クラス票の分散を計算するステップと、
前記分散を信頼度スコアとして割り当てるステップとをさらに含む
請求項28記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/305,427 | 2005-12-14 | ||
US11/305,427 US7720289B2 (en) | 2005-12-14 | 2005-12-14 | Method for constructing covariance matrices from data features |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007164772A JP2007164772A (ja) | 2007-06-28 |
JP4963216B2 true JP4963216B2 (ja) | 2012-06-27 |
Family
ID=38139437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006300351A Active JP4963216B2 (ja) | 2005-12-14 | 2006-11-06 | コンピュータにより実施される、データサンプルのセットについて記述子を作成する方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7720289B2 (ja) |
JP (1) | JP4963216B2 (ja) |
Families Citing this family (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7454058B2 (en) * | 2005-02-07 | 2008-11-18 | Mitsubishi Electric Research Lab, Inc. | Method of extracting and searching integral histograms of data samples |
US7724961B2 (en) * | 2006-09-08 | 2010-05-25 | Mitsubishi Electric Research Laboratories, Inc. | Method for classifying data using an analytic manifold |
US7899253B2 (en) | 2006-09-08 | 2011-03-01 | Mitsubishi Electric Research Laboratories, Inc. | Detecting moving objects in video by classifying on riemannian manifolds |
US8244015B2 (en) * | 2006-11-22 | 2012-08-14 | General Electric Company | Methods and apparatus for detecting aneurysm in vasculatures |
US10410221B2 (en) * | 2008-02-07 | 2019-09-10 | Urban Science Applications, Inc. | System and method for determining a grouping of segments within a market |
US8442278B2 (en) * | 2008-02-28 | 2013-05-14 | Honeywell International Inc. | Covariance based face association |
US20090232365A1 (en) * | 2008-03-11 | 2009-09-17 | Cognimatics Ab | Method and device for face recognition |
US8139860B2 (en) * | 2008-07-31 | 2012-03-20 | Fuji Xerox Co., Ltd. | Retrieving and sharing electronic documents using paper |
US8559726B2 (en) * | 2008-08-22 | 2013-10-15 | Hewlett-Packard Development Company, L.P. | Image analysis based on pixel brightness grouping |
CN101383007B (zh) * | 2008-09-28 | 2010-10-13 | 腾讯科技(深圳)有限公司 | 基于积分直方图的图像处理方法及系统 |
KR101522985B1 (ko) * | 2008-10-31 | 2015-05-27 | 삼성전자주식회사 | 영상처리 장치 및 방법 |
US8401342B2 (en) * | 2009-01-16 | 2013-03-19 | A9.Com, Inc. | System and method to match images using topologically equivalent correspondences |
US8358855B2 (en) * | 2009-07-08 | 2013-01-22 | Honeywell International Inc. | Determining probabilities from compared covariance appearance models to detect objects of interest in images |
US8229219B1 (en) | 2009-08-06 | 2012-07-24 | Google Inc. | Full-length video fingerprinting |
US7953245B2 (en) * | 2009-08-18 | 2011-05-31 | General Electric Company | System, method and program product for camera-based object analysis |
US8290918B1 (en) * | 2009-09-29 | 2012-10-16 | Google Inc. | Robust hashing of digital media data |
JP5367601B2 (ja) * | 2010-01-28 | 2013-12-11 | 東芝情報システム株式会社 | 画像処理装置、画像処理方法及び画像処理用プログラム |
JP5441737B2 (ja) * | 2010-01-28 | 2014-03-12 | 東芝情報システム株式会社 | 画像処理装置、画像処理方法及び画像処理用プログラム |
FR2962821B1 (fr) * | 2010-07-13 | 2013-02-22 | Commissariat Energie Atomique | Procede et systeme de classification de signaux neuronaux, et procede de selection d'electrodes pour commande neuronale directe. |
US8792728B2 (en) | 2010-09-27 | 2014-07-29 | Hewlett-Packard Development Company, L.P. | Near-duplicate image detection |
US8965116B2 (en) * | 2010-10-19 | 2015-02-24 | 3M Innovative Properties Company | Computer-aided assignment of ratings to digital samples of a manufactured web product |
US8600172B2 (en) * | 2011-03-16 | 2013-12-03 | Sensormatic Electronics, LLC | Video based matching and tracking by analyzing one or more image abstractions |
US20130156343A1 (en) * | 2011-12-20 | 2013-06-20 | Harman International Industries, Incorporated | System for communicating relationship data associated with image characteristics |
WO2013132836A1 (ja) * | 2012-03-05 | 2013-09-12 | パナソニック株式会社 | 物体検出装置、物体検出方法、及び物体検出プログラム |
US9307926B2 (en) * | 2012-10-05 | 2016-04-12 | Volcano Corporation | Automatic stent detection |
JP5889820B2 (ja) | 2013-03-22 | 2016-03-22 | 株式会社東芝 | 特徴量抽出装置、特徴量抽出方法、および画像識別装置 |
WO2014175480A1 (ko) * | 2013-04-24 | 2014-10-30 | 전자부품연구원 | 하드웨어 장치 및 적분 이미지 생성 방법 |
US9275308B2 (en) * | 2013-05-31 | 2016-03-01 | Google Inc. | Object detection using deep neural networks |
US9189864B2 (en) * | 2013-10-17 | 2015-11-17 | Honeywell International Inc. | Apparatus and method for characterizing texture |
US9238889B2 (en) | 2013-10-17 | 2016-01-19 | Honeywell International Inc. | Apparatus and method for closed-loop control of creped tissue paper structure |
US9303977B2 (en) | 2013-10-17 | 2016-04-05 | Honeywell International Inc. | Apparatus and method for measuring caliper of creped tissue paper based on a dominant frequency of the paper and a standard deviation of diffusely reflected light including identifying a caliper measurement by using the image of the paper |
EP3074926A4 (en) * | 2013-11-30 | 2017-10-11 | Beijing Sensetime Technology Development Co., Ltd. | Method and system for exacting face features from data of face images |
WO2015082957A1 (en) * | 2013-12-03 | 2015-06-11 | Aselsan Elektronik Sanayi Ve Ticaret Anonim Sirketi | Adaptive integral histogram calculation for image thresholding |
GB201405045D0 (en) * | 2014-03-21 | 2014-05-07 | Secr Defence | Recognition of objects within a video |
JP6361387B2 (ja) * | 2014-09-05 | 2018-07-25 | オムロン株式会社 | 識別装置および識別装置の制御方法 |
JP6692804B2 (ja) * | 2014-10-07 | 2020-05-13 | バタフライ ネットワーク,インコーポレイテッド | 超音波信号処理回路ならびに関連装置および方法 |
US9443164B2 (en) * | 2014-12-02 | 2016-09-13 | Xerox Corporation | System and method for product identification |
WO2017103035A1 (en) | 2015-12-18 | 2017-06-22 | Ventana Medical Systems, Inc. | Systems and methods of unmixing images with varying acquisition properties |
CN107203579B (zh) * | 2016-03-18 | 2020-12-25 | 北京嘀嘀无限科技发展有限公司 | 基于用户打车数据的休息日分类方法及装置 |
JP7101084B2 (ja) * | 2018-08-29 | 2022-07-14 | 株式会社東芝 | 情報処理装置、情報処理システム及び情報処理方法 |
CN109711244A (zh) * | 2018-11-05 | 2019-05-03 | 天津大学 | 一种基于协方差描述符的人类行为识别方法 |
US10884499B2 (en) | 2018-11-20 | 2021-01-05 | Andrew Jay KELLER | Headware for computer control |
USD881879S1 (en) | 2018-11-20 | 2020-04-21 | Andrew Jay KELLER | Headwear |
CN111062003A (zh) * | 2019-12-13 | 2020-04-24 | 武汉轻工大学 | 样本总体协方差判定方法、装置、设备及存储介质 |
USD929991S1 (en) | 2020-06-17 | 2021-09-07 | Neurosity, Inc. | Headwear |
US11747903B2 (en) | 2020-07-01 | 2023-09-05 | Neurosity, Inc. | Headware for computer control |
CN111858991A (zh) * | 2020-08-06 | 2020-10-30 | 南京大学 | 一种基于协方差度量的小样本学习算法 |
USD972735S1 (en) | 2021-06-04 | 2022-12-13 | Neurosity, Inc. | Headwear |
CN113422766B (zh) * | 2021-06-18 | 2022-08-23 | 北京理工大学 | 一种DDoS攻击下的网络系统安全风险评估方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5048095A (en) * | 1990-03-30 | 1991-09-10 | Honeywell Inc. | Adaptive image segmentation system |
JP2002032760A (ja) * | 2000-07-17 | 2002-01-31 | Mitsubishi Electric Corp | 動物体抽出方法および装置 |
US7065544B2 (en) * | 2001-11-29 | 2006-06-20 | Hewlett-Packard Development Company, L.P. | System and method for detecting repetitions in a multimedia stream |
JP3894782B2 (ja) * | 2001-12-10 | 2007-03-22 | 株式会社国際電気通信基礎技術研究所 | 物体認識装置 |
US7123760B2 (en) * | 2002-11-21 | 2006-10-17 | General Electric Company | Method and apparatus for removing obstructing structures in CT imaging |
EP1644867B1 (en) * | 2003-04-18 | 2010-08-11 | Medispectra, Inc. | A system and diagnostic method for optical detection of suspect portions of a tissue sample |
US7194111B1 (en) * | 2003-07-10 | 2007-03-20 | The United States Of America As Represented By The Secretary Of The Navy | Hyperspectral remote sensing systems and methods using covariance equalization |
JP2005346474A (ja) * | 2004-06-03 | 2005-12-15 | Canon Inc | 画像処理方法及び装置及びプログラム及び記憶媒体 |
US7715597B2 (en) * | 2004-12-29 | 2010-05-11 | Fotonation Ireland Limited | Method and component for image recognition |
JP4495606B2 (ja) * | 2005-01-19 | 2010-07-07 | 日本放送協会 | 色識別装置及び色識別プログラム |
-
2005
- 2005-12-14 US US11/305,427 patent/US7720289B2/en not_active Expired - Fee Related
-
2006
- 2006-11-06 JP JP2006300351A patent/JP4963216B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US7720289B2 (en) | 2010-05-18 |
US20070133878A1 (en) | 2007-06-14 |
JP2007164772A (ja) | 2007-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4963216B2 (ja) | コンピュータにより実施される、データサンプルのセットについて記述子を作成する方法 | |
Tuzel et al. | Region covariance: A fast descriptor for detection and classification | |
Creusot et al. | A machine-learning approach to keypoint detection and landmarking on 3D meshes | |
Bay et al. | Speeded-up robust features (SURF) | |
US20110286628A1 (en) | Systems and methods for object recognition using a large database | |
JP5818327B2 (ja) | 三次元物体認識用画像データベースの作成方法および作成装置 | |
Eynard et al. | Multimodal diffusion geometry by joint diagonalization of Laplacians | |
Kobyshev et al. | Matching features correctly through semantic understanding | |
Bąk et al. | Re-identification by covariance descriptors | |
Kamencay et al. | Feature extraction for object recognition using PCA-KNN with application to medical image analysis | |
Sebe et al. | Salient Points for Content-Based Retrieval. | |
CN103064857B (zh) | 图像查询方法及图像查询设备 | |
Satare et al. | Image matching with SIFT feature | |
Ion et al. | Shape matching using the geodesic eccentricity transform-a study | |
Banerjee et al. | Development of speed up robust feature algorithm for aerial image feature extraction | |
Al-Azzawy | Eigenface and SIFT for gender classification | |
Tsay et al. | On visual clothing search | |
Rasche | Computer Vision | |
Kavitha et al. | Experimental analysis of SIFT and SURF features for multi-object image retrieval | |
San Biagio et al. | Encoding classes of unaligned objects using structural similarity cross-covariance tensors | |
Ameer et al. | A Comparison Between SURF and SIFT Methods For Biometric Feature Extraction | |
Suzuki et al. | A 2D texture image retrieval technique based on texture energy filters | |
Aubry | Representing 3D models for alignment and recognition | |
Hussein et al. | Interest Point Descriptor between SURF and SIFT Method for Multibiometric | |
Bouteldja | On the feature generation for high spatial resolution satellite image characterization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090930 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20111129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120118 |
|
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: 20120321 |
|
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: 20120322 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4963216 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150406 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |