JP5212007B2 - 画像分類学習装置、画像分類学習方法、および画像分類学習システム - Google Patents
画像分類学習装置、画像分類学習方法、および画像分類学習システム Download PDFInfo
- Publication number
- JP5212007B2 JP5212007B2 JP2008264058A JP2008264058A JP5212007B2 JP 5212007 B2 JP5212007 B2 JP 5212007B2 JP 2008264058 A JP2008264058 A JP 2008264058A JP 2008264058 A JP2008264058 A JP 2008264058A JP 5212007 B2 JP5212007 B2 JP 5212007B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- classification
- image data
- class
- representative image
- 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
Description
(1)ユーザ自身が分類指標を指定して分類を行うシステムにおいて、分類対象が画像データの場合は、分類条件を言葉で明確に表現することが難しいという課題があった。
(2)既存の分類クラスが予めシステム側で提供される場合、ユーザの意図しないクラスに分類されてしまう可能性が高く、蓄積された画像データがある1つのクラスに偏ったり、どのクラスに分類されたかがユーザ自身分からなくなったりするという課題があった。
(3)画像データベースに新しい画像が追加されたり、既存の画像データが削除されたりするなど、画像データベースの更新によって様態が変化するが、その変化に応じて分類を学習することができないという課題があった。
図1は、第1の実施の形態にかかる画像分類学習装置の一構成例を示すブロック図である。図1に示す画像分類学習装置10は、大量の画像データが蓄積された画像データベース(DB)17から分類対象となる画像データ群を取得する画像データ取得手段としての画像取得部11、取得した画像データ群の中で分類クラスに対応した代表画像を決定する代表画像決定手段としての代表画像決定部12、決定した代表画像をクエリとしてインターネット24上で類似画像を検索する画像検索部13a、検索された画像データから学習用の事例データを抽出する事例データ抽出部13b、この画像検索部13aと事例データ抽出部13bとで事例収集手段としての事例収集部13を構成している。さらに、画像分類学習装置10は、事例データ抽出部13bで抽出された事例データをクラスごとに記憶させる事例データ記憶部16、事例データ記憶部16に記憶されている正事例および負事例を学習して識別関数を算出する識別関数生成手段としての識別関数生成部14、算出された識別関数を使用して画像データ群の中のデータを分類する分類手段としての識別処理部15、および上記各部の制御を行う制御手段としての制御部18、ユーザに対して操作情報を表示し、操作入力を行わせる操作表示部19などで構成されている。
第2の実施の形態では、自動で代表画像を選出する点に特徴がある。まず、代表画像を決定する場合、上記第1の実施の形態のようにユーザがクラスをイメージしながら各クラスの代表画像を指定する他、分類対象である画像データ群について、例えば色、テクスチャ、構図といった画像の概観に寄与する画像の特徴量を抽出し、それらの特徴量に関する分布のばらつきが、クラス内では小さく、クラス間では大きくなるような仮のクラスを構成し、各仮クラスから代表画像候補を選出するようにしても良い。具体的には、画像データ取得部11が取得した画像データ群にクラス情報が付与されていない場合、制御部18が、画像データ群から画像特徴量を抽出し、特徴ベクトルを生成する特徴ベクトル生成部を備えている。そして、代表画像決定部12は、その特徴ベクトル生成部によって生成された特徴量ベクトルについて、特徴空間における特徴ベクトルの分布のばらつきがクラス内では小さく、クラス間では大きくなる仮のクラスを構成して、各仮クラスについて1つ以上の画像データを代表画像候補とするものである。
第3の実施の形態は、分類学習対象である画像データに予めクラス情報としてのクラスラベル(教師信号)が付与されている場合に、この分類に基づいて分類を学習する点に特徴がある。例えば、大量の画像データ群を蓄積している画像DB17において、画像データがいくつかのフォルダに分類されて保存されている場合でも、既に存在する分類意図を把握し、それ以後は、新しく画像DB17に登録される未知の画像データについて、自動で分類を付与し、適切なフォルダに保存して管理することを可能にする。
第4の実施の形態にかかる画像分類学習装置は、機械学習を利用することにより汎化性能(学習に用いていない未知のデータに対して識別を行った際の性能)を持った識別関数を構成することが可能となる。しかし、画像DB17に対して新たに大量の画像が登録され、画像データが更新されたことにより登録内容が大きく変化する可能性がある。そのような状況下では、分類対象である画像データ群の様態が大きく変化したにも関わらず、既存の識別関数を使用すると分類精度が著しく低下することになる。
また、識別精度を向上させるもう1つのアプローチとしては、識別時の識別平面との距離を利用する方法が考えられる。SVMでは、学習時に決定される識別平面において平面上に存在する事例をサポートベクターと称して、識別時に重要な役割を果たすが、一般に識別平面からの距離が近いデータは、誤識別する可能性が高いと言える。このため、第5の実施の形態では、分類対象となる画像データ群に既存のクラス情報と識別関数とが存在する場合、制御部18は、各画像データ群の識別平面からの距離を算出し、その算出した距離が予め指定した閾値以下の画像データを代表画像として追加し、かつ制御部18が算出した識別平面からの距離に応じて、事例収集部13が事例の収集個数を決定するようにする。具体的には、事例の収集個数を識別平面からの距離が小さいほど多く設定し、誤識別しやすいデータに関する事例を確実に集めることによって、結果的に識別精度の向上を図るようにしたものである。
第6の実施の形態にかかる画像分類学習装置は、代表画像を決定し、その代表画像をクエリとしてインターネット上、もしくは適当な画像DB17内を検索して、学習用の事例データを収集する。代表画像は、ユーザによって指示することが可能であり、その代表画像に基づいてクエリ検索した結果、異なるクラスの事例に同一の画像データが含まれる可能性がある。そのような事例データを学習時に与えるのは適切でないため、第6の実施の形態では、収集した事例データのうち、異なるクラスに同一の事例データが含まれていることを制御部18が検出すると、当該事例データを削除するようにする。このように、不適切な事例データを除去することで、学習精度を向上させるものである。
11 画像取得部
12 代表画像決定部
13 事例収集部
13a 画像検索部
13b 事例データ抽出部
14 識別関数生成部
15 識別処理部
16 事例データ記憶部
17 画像データベース(DB)
18 制御部
19 操作表示部
20 画像分類学習システム
21 クライアント端末
22 ウェブ検索エンジン
23 ウェブサイト
24 インターネット
Claims (16)
- 画像データ群の分類を学習する画像分類学習装置であって、
分類対象となる前記画像データ群を取得する画像データ取得手段と、
前記分類を行う各クラスを代表する代表画像を決定する代表画像決定手段と、
前記決定した代表画像をクエリとして類似画像を検索し、学習事例として収集する事例収集手段と、
前記決定した代表画像と前記収集した事例とに基づいて学習を行い、分類の判定基準となる識別関数を生成する識別関数生成手段と、
前記識別関数に基づいて前記画像データ群を分類する分類手段と、
前記各手段を制御する制御手段と、
を備えたことを特徴とする画像分類学習装置。 - 前記制御手段は、
前記画像データ群の分類学習環境に関する更新情報を取得する更新情報取得部と、
前記取得された更新情報に基づいて、前記識別関数生成手段で再学習を行う必要があるか否かを判断し、必要な場合は前記識別関数生成手段に再学習を行わせて、新たな識別関数を生成するように指示する分類学習管理部と、
を備えたことを特徴とする請求項1に記載の画像分類学習装置。 - 前記分類対象となる画像データ群に既存のクラス情報と識別関数とが存在する場合、前記制御手段は、前記画像データ群を前記識別関数で識別し、誤識別となった画像データを前記代表画像決定手段により代表画像と決定させることを特徴とする請求項1または2に記載の画像分類学習装置。
- 前記分類対象となる画像データ群に既存のクラス情報と識別関数とが存在する場合、前記制御手段は、前記各クラスについて前記識別関数に関するクラス識別精度を算出するクラス識別精度算出部を備え、
前記事例収集手段は、前記クラス識別精度の低いクラスの事例収集割合を多くすることを特徴とする請求項2に記載の画像分類学習装置。 - 前記分類対象となる画像データ群に既存のクラス情報と識別関数とが存在する場合、前記制御手段は、各画像データ群の識別平面からの距離を算出し、該算出された距離が予め指定された閾値以下の画像データを前記代表画像決定手段で代表画像と決定させることを特徴とする請求項1または2に記載の画像分類学習装置。
- 前記事例収集手段は、前記制御手段が算出した識別平面からの距離に応じて、事例の収集個数を決定することを特徴とする請求項5に記載の画像分類学習装置。
- 前記画像データ取得手段が取得した画像データ群にクラス情報が付与されていない場合、前記制御手段は、前記画像データ群から画像特徴量を抽出し、特徴ベクトルを生成する特徴ベクトル生成部を備え、
前記代表画像決定手段は、前記特徴ベクトル生成部によって生成された特徴量ベクトルについて、特徴空間における特徴ベクトルの分布のばらつきがクラス内では小さく、クラス間では大きくなる仮のクラスを構成し、各仮のクラスについて1つ以上の画像データを代表画像候補とすることを特徴とする請求項1に記載の画像分類学習装置。 - 前記画像データ取得手段が取得した画像データ群にクラス情報が予め付与されている場合、前記代表画像決定手段は、前記クラス内でばらつきが小さく、前記クラス間でばらつきの大きい分類特徴量を取得する分類特徴量取得部と、前記分類特徴量の分布に基づいて各クラスから1つ以上の画像データを選択して代表画像候補とする代表画像候補決定部とを備え、
前記事例収集手段は、前記分類特徴量取得部による分類特徴量に関する類似度に基づいて事例を収集することを特徴とする請求項1に記載の画像分類学習装置。 - クラス内画像データの特徴空間における分布の分散度合いに応じて代表画像に選出する画像数を決定することを特徴とする請求項7または8に記載の画像分類学習装置。
- 前記画像データ取得手段により取得された画像データ群の中から適当数の画像データとクラス情報とをペアで指定する指定手段を備え、
前記代表画像決定手段は、前記指定手段により指定された画像データを前記クラス情報が表すクラスの代表画像と決定することを特徴とする請求項1に記載の画像分類学習装置。 - 前記制御手段は、前記事例収集手段が収集した事例のうち、異なるクラスに同じ事例が含まれている場合は、当該事例を削除することを特徴とする請求項1に記載の画像分類学習装置。
- 前記代表画像決定手段は、
前記代表画像候補からアクセス回数情報を取得するアクセス回数情報取得部と、
各クラスにつき前記代表画像候補をアクセス回数順にソートするアクセス回数順ソート部と、
ソートされた上位から予め指定された個数分の前記代表画像候補を選択して、前記各クラスの代表画像データとする第1の代表画像データ決定部と、
を備え、前記代表画像候補をアクセス回数により絞り込むことを特徴とする請求項7または8に記載の画像分類学習装置。 - 前記代表画像決定手段は、
前記代表画像候補から更新年月日を取得する更新年月日取得部と、
各クラスにつき前記代表画像候補を更新年月日順にソートする更新年月日順ソート部と、
ソートされた上位から予め指定された個数分の前記代表画像候補を選択して、前記各クラスの代表画像データとする第2の代表画像データ決定部と、
を備え、前記代表画像候補を更新年月日により絞り込むことを特徴とする請求項7または8に記載の画像分類学習装置。 - 前記代表画像決定手段は、
前記代表画像候補から画像データの重要度を取得する重要度取得部と、
各クラスにつき前記代表画像候補を重要度順にソートする重要度順ソート部と、
ソートされた上位から予め指定された個数分の前記代表画像候補を選択して、前記各クラスの代表画像データとする第3の代表画像データ決定部と、
を備え、前記代表画像候補を重要度により絞り込むことを特徴とする請求項7または8に記載の画像分類学習装置。 - 画像データ群の分類を学習する画像分類学習方法であって、
画像データ取得手段が、分類対象となる前記画像データ群を取得するステップと、
代表画像決定手段が、分類を行う各クラスを代表する代表画像を決定するステップと、
事例収集手段が、前記決定した代表画像をクエリとして類似画像を検索し、学習事例として収集するステップと、
識別関数生成手段が、前記決定した代表画像と前記収集した事例とに基づいて学習を行い、分類の判定基準となる識別関数を生成するステップと、
分類手段が、前記識別関数に基づいて前記画像データ群を分類するステップと、
を含むことを特徴とする画像分類学習方法。 - 画像データ群の分類を学習する画像分類学習システムであって、
分類対象となる前記画像データ群を取得する画像データ取得装置と、
前記分類を行う各クラスを代表する代表画像を決定する代表画像決定装置と、
前記決定した代表画像をクエリとして類似画像を検索し、学習事例として収集する事例収集装置と、
前記決定した代表画像と前記収集した事例とに基づいて学習を行い、分類の判定基準となる識別関数を生成する識別関数生成装置と、
前記識別関数に基づいて前記画像データ群を分類する分類装置と、
を備えたことを特徴とする画像分類学習システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008264058A JP5212007B2 (ja) | 2008-10-10 | 2008-10-10 | 画像分類学習装置、画像分類学習方法、および画像分類学習システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008264058A JP5212007B2 (ja) | 2008-10-10 | 2008-10-10 | 画像分類学習装置、画像分類学習方法、および画像分類学習システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010092413A JP2010092413A (ja) | 2010-04-22 |
JP5212007B2 true JP5212007B2 (ja) | 2013-06-19 |
Family
ID=42255037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008264058A Active JP5212007B2 (ja) | 2008-10-10 | 2008-10-10 | 画像分類学習装置、画像分類学習方法、および画像分類学習システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5212007B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109346187A (zh) | 2010-10-19 | 2019-02-15 | 皇家飞利浦电子股份有限公司 | 利用表现出特殊特性的病例使患者数据库动态生长的系统与方法 |
KR101919831B1 (ko) | 2012-01-11 | 2018-11-19 | 삼성전자주식회사 | 오브젝트 인식 장치, 분류 트리 학습 장치 및 그 동작 방법 |
JP5764080B2 (ja) * | 2012-03-02 | 2015-08-12 | 株式会社栗本鐵工所 | Web検索システムおよびWeb検索方法 |
US10977571B2 (en) * | 2015-03-02 | 2021-04-13 | Bluvector, Inc. | System and method for training machine learning applications |
JP6489005B2 (ja) * | 2015-12-18 | 2019-03-27 | キヤノンマーケティングジャパン株式会社 | 情報処理システム、情報処理方法、プログラム |
KR102359556B1 (ko) * | 2016-11-11 | 2022-02-08 | 삼성전자주식회사 | 지문 영상을 이용한 사용자 인증 방법 및 사용자 인증을 위한 부호화 모델 생성 방법 |
JP6930277B2 (ja) * | 2017-08-09 | 2021-09-01 | 沖電気工業株式会社 | 提示装置、提示方法、通信制御装置、通信制御方法及び通信制御システム |
JP6501855B1 (ja) * | 2017-12-07 | 2019-04-17 | ヤフー株式会社 | 抽出装置、抽出方法、抽出プログラム及びモデル |
JP7328144B2 (ja) * | 2019-12-27 | 2023-08-16 | 五洋建設株式会社 | 切羽性状推定装置および推定方法 |
CN111666957B (zh) * | 2020-07-17 | 2023-04-25 | 湖南华威金安企业管理有限公司 | 图像真实性的识别方法及装置 |
JP7341962B2 (ja) | 2020-08-27 | 2023-09-11 | 株式会社東芝 | 学習データ収集装置、学習装置、学習データ収集方法およびプログラム |
JP7200279B2 (ja) * | 2021-03-03 | 2023-01-06 | 三菱電機インフォメーションシステムズ株式会社 | 検知装置、検知方法、検知プログラム及び検知システム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4302799B2 (ja) * | 1998-09-16 | 2009-07-29 | シャープ株式会社 | 文書検索装置、方法および記録媒体 |
JP4034602B2 (ja) * | 2002-06-17 | 2008-01-16 | 富士通株式会社 | データ分類装置、データ分類装置の能動学習方法及び能動学習プログラム |
JP4347226B2 (ja) * | 2004-05-20 | 2009-10-21 | 富士通株式会社 | 情報抽出プログラムおよびその記録媒体、情報抽出装置ならびに情報抽出規則作成方法 |
JP4645288B2 (ja) * | 2005-04-28 | 2011-03-09 | 日本電気株式会社 | 能動学習方法および能動学習システム |
US20100005043A1 (en) * | 2006-12-11 | 2010-01-07 | Yoshiko Yamashita | Active learning system, active learning method and program for active learning |
-
2008
- 2008-10-10 JP JP2008264058A patent/JP5212007B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2010092413A (ja) | 2010-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5212007B2 (ja) | 画像分類学習装置、画像分類学習方法、および画像分類学習システム | |
Zhao et al. | Learning mid-level filters for person re-identification | |
CN110717534B (zh) | 一种基于网络监督的目标分类和定位方法 | |
WO2019015246A1 (zh) | 图像特征获取 | |
CN107203775B (zh) | 一种图像分类的方法、装置和设备 | |
JP2010504593A (ja) | 分類手法を用いて画像からドミナントカラーを抽出する方法 | |
WO2022126810A1 (zh) | 文本聚类方法 | |
EP2618289A2 (en) | Method and apparatus to incorporate automatic face recognition in digital image collections | |
CN108121781B (zh) | 基于高效样本选取与参数优化的相关反馈图像检索方法 | |
WO2015035477A1 (en) | Image searching method and apparatus | |
JP6897749B2 (ja) | 学習方法、学習システム、および学習プログラム | |
JP5346756B2 (ja) | 画像分類装置 | |
US20120020576A1 (en) | Interactive image selection method | |
WO2020136586A1 (en) | Marketing engine based on traits and characteristics of prospective consumers | |
CN111797267A (zh) | 一种医学图像检索方法及系统、电子设备、存储介质 | |
JP6680956B1 (ja) | 検索ニーズ評価装置、検索ニーズ評価システム、及び検索ニーズ評価方法 | |
CN109271544B (zh) | 自动挑选画家代表作的方法及装置 | |
US20220083587A1 (en) | Systems and methods for organizing an image gallery | |
Vu et al. | An efficient density-based clustering with side information and active learning: a case study for facial expression recognition task | |
JP6764992B2 (ja) | 検索システム、検索方法、及びプログラム | |
JP5929532B2 (ja) | イベント検出装置、イベント検出方法およびイベント検出プログラム | |
JP2004192555A (ja) | 情報管理方法、情報管理装置及び情報管理プログラム | |
CN116612307A (zh) | 一种基于迁移学习的茄科病害等级识别方法 | |
JP2018013886A (ja) | 認識容易性指標算出装置、方法、及びプログラム | |
CN110941994B (zh) | 一种基于元类基学习器的行人重识别集成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110811 |
|
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: 20130129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130211 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5212007 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160308 Year of fee payment: 3 |