JP5347897B2 - Annotation apparatus, method and program - Google Patents

Annotation apparatus, method and program Download PDF

Info

Publication number
JP5347897B2
JP5347897B2 JP2009238350A JP2009238350A JP5347897B2 JP 5347897 B2 JP5347897 B2 JP 5347897B2 JP 2009238350 A JP2009238350 A JP 2009238350A JP 2009238350 A JP2009238350 A JP 2009238350A JP 5347897 B2 JP5347897 B2 JP 5347897B2
Authority
JP
Japan
Prior art keywords
image
annotation
unit
images
feature
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
Application number
JP2009238350A
Other languages
Japanese (ja)
Other versions
JP2011086113A (en
Inventor
盈輝 徐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ricoh Co Ltd
Original Assignee
Ricoh Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ricoh Co Ltd filed Critical Ricoh Co Ltd
Priority to JP2009238350A priority Critical patent/JP5347897B2/en
Publication of JP2011086113A publication Critical patent/JP2011086113A/en
Application granted granted Critical
Publication of JP5347897B2 publication Critical patent/JP5347897B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Document Processing Apparatus (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)
  • Processing Or Creating Images (AREA)

Description

本発明は、画像の特徴を解析して注釈を付与する注釈付与装置、方法およびプログラムに関する。   The present invention relates to an annotating apparatus, method, and program for analyzing an image characteristic and adding an annotation.

画像に対して画像の内容などを表す情報(注釈(アノテーション)、タグ、ラベル)を付与する画像アノテーションは、一般に手作業で行われるため負荷が大きく、時間を浪費し、高コストであった。このような問題を解消するため、画像アノテーションを自動で実行させるための研究が行われてきた。自動画像アノテーションシステムでは、単一の学習器を用いて意味範疇(注釈)を学習するため、さまざまな画像特徴量を1つの特徴ベクトルに結合する(例えば、非特許文献1)。そして、注釈が付与された学習画像を用いて、学習画像の特徴量を含む特徴ベクトルと学習画像に付与された注釈との関係を学習器により学習する。この学習結果を参照することにより、注釈付与の対象となる画像に対する適切な注釈を決定可能となる。   An image annotation that gives information (annotation (annotation), tag, label) indicating the content of an image to an image is generally a manual operation, and thus has a heavy load, wastes time, and is expensive. In order to solve such problems, research has been conducted to automatically execute image annotation. In the automatic image annotation system, a single learning device is used to learn semantic categories (annotations), and thus various image feature amounts are combined into one feature vector (for example, Non-Patent Document 1). Then, the learning device learns the relationship between the feature vector including the feature amount of the learning image and the annotation given to the learning image using the learning image to which the annotation is given. By referring to the learning result, it is possible to determine an appropriate annotation for the image to be annotated.

しかしながら、このような方法では、画像の特徴量と特定の注釈との関係が弱いため、与えられた画像に対して適切な注釈を付与できない場合があるという問題があった。   However, in such a method, since the relationship between the feature amount of the image and the specific annotation is weak, there is a problem that an appropriate annotation may not be given to the given image.

本発明は、上記に鑑みてなされたものであって、画像に付与する注釈をより適切に決定することができる注釈付与装置、方法およびプログラムを提供することを目的とする。   The present invention has been made in view of the above, and an object thereof is to provide an annotation providing apparatus, method, and program capable of more appropriately determining an annotation to be added to an image.

上述した課題を解決し、目的を達成するために、本発明は、予め定められた複数の画像と前記画像の特徴量とを対応づけたインデックスを記憶するインデックス記憶部と、前記画像と予め定められた複数の注釈とを対応づけて記憶する対応記憶部と、注釈を付与する対象画像を複数の分割画像に分割する分割部と、前記分割画像を解析し、前記分割画像の特徴量を抽出する特徴抽出部と、対応する前記特徴量と抽出された前記特徴量との類似度が大きい予め定められた個数の前記画像を前記インデックス記憶部から検索する検索部と、検索された前記画像に対応づけられた前記注釈それぞれについて、前記対応記憶部内での前記注釈の出現頻度が小さいほど大きく、かつ、対応する前記画像の前記類似度が大きいほど大きく、かつ、対応づけられた複数の前記画像の特徴量が相互に類似するほど大きい値となる前記注釈のスコアを算出する算出部と、前記スコアが大きい前記注釈を優先して前記対象画像に付与する前記注釈を決定する第1決定部と、を備えることを特徴とする注釈付与装置である。   In order to solve the above-described problems and achieve the object, the present invention provides an index storage unit that stores an index in which a plurality of predetermined images and feature amounts of the images are associated with each other, and the predetermined image. A correspondence storage unit that stores the plurality of annotations in association with each other, a division unit that divides the target image to be annotated into a plurality of divided images, and analyzes the divided images to extract feature amounts of the divided images A feature extraction unit, a search unit that searches the index storage unit for a predetermined number of images having a high degree of similarity between the corresponding feature amount and the extracted feature amount, and the searched image For each of the associated annotations, the smaller the appearance frequency of the annotation in the correspondence storage unit is, and the larger the similarity of the corresponding image is, the larger the correspondence is. A calculation unit that calculates a score of the annotation that has a larger value as the feature quantities of the plurality of images are similar to each other, and determines the annotation to be given to the target image with priority on the annotation having the higher score A first determination unit that performs the annotation.

また、本発明は、上記装置で実行することができる方法およびプログラムである。   The present invention also relates to a method and a program that can be executed by the above apparatus.

本発明によれば、画像に付与する注釈をより適切に決定することができるという効果を奏する。   According to the present invention, it is possible to more appropriately determine the annotation to be added to the image.

図1は、本実施の形態にかかる注釈付与装置を含む情報処理システムの構成例を示すブロック図である。FIG. 1 is a block diagram illustrating a configuration example of an information processing system including an annotation assigning apparatus according to the present embodiment. 図2は、検索される複数の画像から分類コードを決定する機能の概要を説明するための図である。FIG. 2 is a diagram for explaining an outline of a function for determining a classification code from a plurality of searched images. 図3は、本実施の形態における注釈決定処理の全体の流れを示すフローチャートである。FIG. 3 is a flowchart showing the overall flow of the annotation determination process in the present embodiment. 図4は、スコア算出処理の全体の流れを示すフローチャートである。FIG. 4 is a flowchart showing the overall flow of the score calculation process. 図5は、要素a算出処理の全体の流れを示すフローチャートである。FIG. 5 is a flowchart showing the overall flow of the element a calculation process. 図6は、要素b算出処理の全体の流れを示すフローチャートである。FIG. 6 is a flowchart showing the overall flow of the element b calculation process. 図7は、画像パターン検出処理の一例を示す説明図である。FIG. 7 is an explanatory diagram showing an example of image pattern detection processing. 図8は、信用テーブルのデータ構造の一例を示す図である。FIG. 8 is a diagram illustrating an example of the data structure of the trust table. 図9は、学習画像ごとのランク、類似度、対応づけられた分類コードの例を示す図である。FIG. 9 is a diagram illustrating an example of ranks, similarities, and associated classification codes for each learning image. 図10は、学習画像間の相互類似度の算出例を示す図である。FIG. 10 is a diagram illustrating a calculation example of the mutual similarity between learning images. 図11は、本実施の形態にかかる注釈付与装置のハードウェア構成の一例を示す図である。FIG. 11 is a diagram illustrating an example of a hardware configuration of the annotation assigning apparatus according to the present embodiment.

以下に添付図面を参照して、この発明にかかる注釈付与装置、方法およびプログラムの一実施の形態を詳細に説明する。   Exemplary embodiments of an annotation assigning apparatus, method, and program according to the present invention will be described below in detail with reference to the accompanying drawings.

本実施の形態の注釈付与装置は、学習画像と複数の注釈とを対応づけた学習データを用いた学習により得られる学習結果を参照して、注釈付与の対象となる対象画像に対する注釈を決定する。本実施の形態の注釈付与装置は、例えば、商標を表す対象画像に対して、標章の図形要素を分類するために定められている「ウイーン分類」に対応する注釈を付与する装置に適用できる。   The annotation giving apparatus according to the present embodiment determines an annotation for a target image to be annotated with reference to a learning result obtained by learning using learning data in which a learning image is associated with a plurality of annotations. . The annotation giving apparatus according to the present embodiment can be applied to, for example, an apparatus for giving an annotation corresponding to “Wien classification” defined for classifying graphic elements of a mark on a target image representing a trademark. .

ウイーン分類は、すべての図形要素を大分類、中分類、小分類に分けた階層構成となっている。そして、大分類、中分類、小分類それぞれに所定の符号体系に従った番号(以下、分類コードという)が付与されている。例えば分類コード=「1.1」は、「星、彗星」を表すことが定められている。   The Vienna classification has a hierarchical structure in which all graphic elements are divided into a large classification, a medium classification, and a small classification. A number according to a predetermined code system (hereinafter referred to as a classification code) is assigned to each of the major classification, middle classification, and minor classification. For example, the classification code = “1.1” is defined to represent “star, comet”.

以下では、本実施の形態の注釈付与装置を、対象画像に付与するウイーン分類の分類コードを決定するように構成した例について説明する。分類コードを決定すれば、分類コードに対応する内容(注釈)が決定できる。なお、適用可能な注釈はウイーン分類の分類コードに対応する注釈に限られるものではない。学習画像に付与しうるものであればよいため、任意の注釈を適用することができる。   Hereinafter, an example will be described in which the annotation adding apparatus according to the present embodiment is configured to determine the classification code of the Vienna classification to be given to the target image. If the classification code is determined, the content (annotation) corresponding to the classification code can be determined. Note that applicable annotations are not limited to annotations corresponding to the Vienna classification code. An arbitrary annotation can be applied as long as it can be given to the learning image.

本実施の形態の注釈付与装置は、まず、対象画像を複数の分割画像に分割する。次に、分割画像と特徴量が類似する上位k個の学習画像を求め、学習画像に対応する分類コードを取得する。次に、取得された分類コードに対して、学習データ内での分類コードの出現頻度、および、分割画像と検索した画像との類似度等に応じて分類コードの優先度を表すスコアを算出する。そして、スコアが上位である所定数の分類コードを、付与すべき分類コードとして決定する。これにより、画像の特徴量との関係が強い分類コードを適切に決定することができる。   The annotation giving apparatus according to the present embodiment first divides a target image into a plurality of divided images. Next, the top k learning images whose feature amounts are similar to the divided images are obtained, and a classification code corresponding to the learning image is acquired. Next, for the obtained classification code, a score representing the priority of the classification code is calculated according to the appearance frequency of the classification code in the learning data, the similarity between the divided image and the searched image, and the like. . Then, a predetermined number of classification codes having higher scores are determined as classification codes to be given. Thereby, it is possible to appropriately determine a classification code having a strong relationship with the feature amount of the image.

図1は、本実施の形態にかかる注釈付与装置を含む情報処理システムの構成例を示すブロック図である。図1に示すように情報処理システムは、注釈付与装置100と、複数のユーザ端末200a、200bとが、ネットワーク300を介して接続された構成となっている。ネットワーク300は、LAN(Loacal Area Network)およびインターネットなどのあらゆるネットワーク構成を適用できる。ユーザ端末200a、200bは、例えばPC(パーソナルコンピュータ)などのユーザにより利用される端末装置である。なお、ユーザ端末200a、200bは同様の構成を備えるため、以下では単にユーザ端末200という場合がある。また、ユーザ端末200の個数は2に限られるものではない。   FIG. 1 is a block diagram illustrating a configuration example of an information processing system including an annotation assigning apparatus according to the present embodiment. As illustrated in FIG. 1, the information processing system has a configuration in which an annotation assigning device 100 and a plurality of user terminals 200 a and 200 b are connected via a network 300. The network 300 can employ any network configuration such as a LAN (Loacal Area Network) and the Internet. The user terminals 200a and 200b are terminal devices used by a user such as a PC (personal computer). In addition, since the user terminals 200a and 200b have the same configuration, the user terminals 200 may be simply referred to as the user terminal 200 below. Further, the number of user terminals 200 is not limited to two.

ユーザ端末200は、分類コードを付与する対象となる画像を表す対象画像を注釈付与装置100に送信する。また、ユーザ端末200は、対象画像に対して注釈付与装置100が付与した分類コードを注釈付与装置100から受信し、ディスプレイなどの表示部(図示せず)に表示する。   The user terminal 200 transmits a target image representing an image to which a classification code is assigned to the annotation giving apparatus 100. Further, the user terminal 200 receives the classification code assigned by the annotation assigning device 100 to the target image from the annotation assigning device 100 and displays it on a display unit (not shown) such as a display.

注釈付与装置100は、指定された対象画像に対して付与する分類コードを決定し、決定した分類コードをユーザ端末200等に出力する。分類コードの決定方法の詳細については後述する。   The annotation assigning device 100 determines a classification code to be assigned to the designated target image, and outputs the determined classification code to the user terminal 200 or the like. Details of the classification code determination method will be described later.

なお、システム構成は図1の構成に限られるものではない。例えば、注釈付与装置100内で対象画像の指定を受付け、この対象画像に対して決定された分類コードを注釈付与装置100に備えられる表示部(図示せず)等に出力するように構成してもよい。   The system configuration is not limited to the configuration shown in FIG. For example, it is configured to accept the designation of the target image in the annotation giving apparatus 100 and output the classification code determined for this target image to a display unit (not shown) provided in the annotation giving apparatus 100 or the like. Also good.

次に、注釈付与装置100の機能構成について説明する。図1に示すように、注釈付与装置100は、インデックス記憶部151と、対応記憶部152と、規則記憶部153と、画像受付部101と、分割部111と、特徴抽出部112と、検索部113と、算出部114と、第1決定部115と、分類部116と、第2決定部117と、パターン検出部118と、第3決定部119と、出力部121と、通信部122と、を備えている。   Next, the functional configuration of the annotation assigning apparatus 100 will be described. As shown in FIG. 1, the annotation assigning apparatus 100 includes an index storage unit 151, a correspondence storage unit 152, a rule storage unit 153, an image reception unit 101, a division unit 111, a feature extraction unit 112, and a search unit. 113, a calculation unit 114, a first determination unit 115, a classification unit 116, a second determination unit 117, a pattern detection unit 118, a third determination unit 119, an output unit 121, a communication unit 122, It has.

インデックス記憶部151は、複数の学習画像と、学習画像それぞれの特徴量とを対応づけたインデックスを記憶する。インデックス記憶部151に記憶されるインデックスは、検索部113が対象画像に類似する学習画像を検索するときに参照される。インデックスは、学習画像と複数の分類コードとを対応づけた学習データを用いた学習により、与えられた画像と特徴量が類似する複数の学習画像を検索できるように構成される。   The index storage unit 151 stores an index in which a plurality of learning images are associated with feature amounts of the learning images. The index stored in the index storage unit 151 is referred to when the search unit 113 searches for a learning image similar to the target image. The index is configured so that a plurality of learning images whose feature amounts are similar to a given image can be searched by learning using learning data in which a learning image is associated with a plurality of classification codes.

なお、インデックスの学習は例えば以下のように実行される。まず、学習データに含まれる学習画像から、特徴抽出部112と同様の方法により学習画像の特徴量を抽出する。そして、分割画像と特徴量が類似する学習画像を検索するためのインデックスを、例えばk近傍(KNN:K Nearest Neighbors)法により学習する。この場合、インデックス記憶部151は、例えばKNN法で利用可能なkd(k-dimensional)木で表されたインデックスを記憶するように構成することができる。   Note that index learning is performed, for example, as follows. First, the feature amount of the learning image is extracted from the learning image included in the learning data by the same method as the feature extraction unit 112. Then, an index for searching for a learning image whose feature quantity is similar to that of the divided image is learned by, for example, a k-Nest (K Nearest Neighbors) method. In this case, the index storage unit 151 can be configured to store, for example, an index represented by a kd (k-dimensional) tree that can be used in the KNN method.

なお、インデックスの学習方法およびデータ構造は、KNN法およびkd木に限られるものではない。特徴量が類似する学習画像を検索可能なものであればあらゆる学習方法および対応するデータ構造を適用できる。   Note that the index learning method and data structure are not limited to the KNN method and the kd tree. Any learning method and corresponding data structure can be applied as long as a learning image having a similar feature amount can be searched.

対応記憶部152は、インデックス記憶部151に記憶される学習画像と当該学習画像に予め付与された複数の分類コードとを対応づけて記憶する。対応記憶部152は、検索された学習画像に対応する分類コードを取得するときに参照される。   The correspondence storage unit 152 stores a learning image stored in the index storage unit 151 in association with a plurality of classification codes assigned in advance to the learning image. The correspondence storage unit 152 is referred to when acquiring a classification code corresponding to the searched learning image.

規則記憶部153は、分割画像の特徴量に応じて、各分類コードに対応する複数のクラスのいずれかに分割画像を分類するための規則を記憶する。例えば、規則記憶部153は、学習画像と当該学習画像に対する1つの分類コードとを対応づけた学習データを用いてランダム・フォレスト法により学習された規則を記憶する。   The rule storage unit 153 stores a rule for classifying the divided image into one of a plurality of classes corresponding to each classification code in accordance with the feature amount of the divided image. For example, the rule storage unit 153 stores a rule learned by the random forest method using learning data in which a learning image is associated with one classification code for the learning image.

なお、規則の学習は例えば以下のように実行される。まず、学習データに含まれる学習画像から、特徴抽出部112と同様の方法により学習画像の特徴量を抽出する。そして、分割画像と特徴量が類似する学習画像を検索するための規則を、ランダム・フォレスト法により学習する。この場合、規則記憶部153は、特徴量に応じて分岐していくことにより分類するクラスを決定する複数の決定木で表された規則を記憶する。   The rule learning is executed as follows, for example. First, the feature amount of the learning image is extracted from the learning image included in the learning data by the same method as the feature extraction unit 112. Then, a rule for searching for a learning image whose feature quantity is similar to that of the divided image is learned by a random forest method. In this case, the rule storage unit 153 stores rules represented by a plurality of decision trees that determine classes to be classified by branching according to feature amounts.

なお、規則の学習方法は、ランダム・フォレスト法に限られるものではない。ランダム・フォレスト法を用いれば、多数の特徴量をベクトル化した高次元の特徴ベクトルを用いることによる、いわゆる次元の呪いの問題を解消可能となる。すなわち、ランダム・フォレスト法では、特徴ベクトルに含まれる特徴量のうち一部がランダムに選択され、選択された特徴量に応じて分割画像が分類される。また、このような分類が複数の決定木それぞれに対して行われ、各決定木による結果の投票(多数決)により、最終的に分類するクラスが決定される。したがって、より客観的に分類するクラス(分類コード)を決定することができる。   The rule learning method is not limited to the random forest method. If the random forest method is used, the so-called dimensional curse problem caused by using a high-dimensional feature vector obtained by vectorizing a large number of features can be solved. That is, in the random forest method, a part of the feature amounts included in the feature vector is selected at random, and the divided images are classified according to the selected feature amount. Further, such classification is performed on each of the plurality of decision trees, and finally a class to be classified is determined by voting (majority decision) on the result of each decision tree. Therefore, a class (classification code) to be classified more objectively can be determined.

なお、規則記憶部153では1つのクラスに対して1つの分類コードが対応づけられる。したがって、分類部116によって分類された分割画像に対しては、分類されたクラスに対応する1つの分類コードが得られる。これに対し、上述の対応記憶部152では1つの学習画像に対して複数の分類コードが対応づけられている。また、検索部113は分割画像に対して複数の類似する学習画像を検索する。したがって、検索部113によって検索された分割画像に付与すべき分類コードとして、複数の分類コードが得られる。   In the rule storage unit 153, one classification code is associated with one class. Therefore, for the divided images classified by the classification unit 116, one classification code corresponding to the classified class is obtained. On the other hand, in the above-described correspondence storage unit 152, a plurality of classification codes are associated with one learning image. In addition, the search unit 113 searches for a plurality of similar learning images with respect to the divided image. Therefore, a plurality of classification codes are obtained as classification codes to be assigned to the divided images searched by the search unit 113.

通信部122は、ユーザ端末200などの外部装置との間で各種情報を送受信する。例えば、通信部122は、ユーザ端末200から、対象画像または対象画像を識別する情報を受信する。また、通信部122は、対象画像に対して決定された分類コードをユーザ端末200に送信する。   The communication unit 122 transmits / receives various information to / from an external device such as the user terminal 200. For example, the communication unit 122 receives the target image or information for identifying the target image from the user terminal 200. Further, the communication unit 122 transmits the classification code determined for the target image to the user terminal 200.

画像受付部101は、対象画像の指定を受付ける。例えば、画像受付部101は、ユーザ端末200から通信部122を介して受信した対象画像を受付ける。なお、対象画像の受付け方法はこれに限られるものではない。例えば、対象画像を識別する情報を受付け、この情報を元に注釈付与装置100内部または外部装置から対象画像を取得するように構成してもよい。   The image receiving unit 101 receives the designation of the target image. For example, the image receiving unit 101 receives a target image received from the user terminal 200 via the communication unit 122. Note that the method for receiving the target image is not limited to this. For example, information for identifying the target image may be received, and the target image may be acquired from the inside of the annotation giving apparatus 100 or an external device based on this information.

分割部111は、対象画像を複数の分割画像に分割する。分割部111は、例えば、対象画像に含まれる図形領域と文字領域とを認識し、各領域に対応する複数の分割画像に分割する。なお、分割方法はこれに限られるものではなく、任意の分割方法を適用できる。   The dividing unit 111 divides the target image into a plurality of divided images. For example, the dividing unit 111 recognizes a graphic area and a character area included in the target image, and divides them into a plurality of divided images corresponding to the respective areas. The dividing method is not limited to this, and any dividing method can be applied.

特徴抽出部112は、各分割画像を解析し、分割画像の特徴量を抽出する。特徴量としては、例えば、色ヒストグラム、配色、エッジ、テクスチャ、構図などの従来から用いられているあらゆる指標を適用できる。   The feature extraction unit 112 analyzes each divided image and extracts a feature amount of the divided image. As the feature amount, any conventionally used index such as a color histogram, color scheme, edge, texture, composition, etc. can be applied.

検索部113は、各分割画像について、抽出された特徴量と類似する特徴量に対応する複数の学習画像をインデックス記憶部151から検索する。検索部113は、例えばKNN法によって、分割画像から抽出された特徴量と類似するk個の学習画像をインデックス記憶部151から検索する。なお、適用可能な検索方法はKNN法に限られず、例えば、近似最近傍探索(ANN:Approximate Nearest Neighbor)法を適用してもよい。   The search unit 113 searches the index storage unit 151 for a plurality of learning images corresponding to feature amounts similar to the extracted feature amounts for each divided image. The search unit 113 searches the index storage unit 151 for k learning images similar to the feature amount extracted from the divided image, for example, by the KNN method. The applicable search method is not limited to the KNN method, and for example, an approximate nearest neighbor (ANN) method may be applied.

算出部114は、検索部113によって検索された学習画像に対応づけられた各分類コードについて、分類コードのスコアを算出する。具体的には、算出部114は、インデックス記憶部151のインデックスの学習に用いた学習データ内での分類コードの出現頻度が小さく、分割画像と学習画像との類似度が大きく、かつ、対応づけられた複数の学習画像の特徴量が相互に類似するほど大きい値となるスコアを算出する。スコアの算出方法の詳細については後述する。   The calculation unit 114 calculates the score of the classification code for each classification code associated with the learning image searched by the search unit 113. Specifically, the calculation unit 114 has a low appearance frequency of the classification code in the learning data used for learning the index of the index storage unit 151, has a high similarity between the divided image and the learning image, and associates them. The score which becomes a large value is calculated so that the feature-value of the obtained some learning image is mutually similar. Details of the score calculation method will be described later.

第1決定部115は、算出されたスコアが大きい分類コードを優先して、対象画像に付与する分類コードとして決定する。例えば、第1決定部115は、スコアが上位の所定数の分類コードを対象画像に付与する分類コードとして決定する。なお、後述するように第2決定部117および第3決定部119によっても付与する分類コードが決定される。そして、出力部121が、決定された分類コードから、信用値(後述)が高い分類コードを、最終的に対象画像に付与する分類コードとして決定して出力する。   The first determination unit 115 prioritizes a classification code having a large calculated score and determines it as a classification code to be assigned to the target image. For example, the first determination unit 115 determines a predetermined number of classification codes having higher scores as classification codes to be assigned to the target image. As will be described later, the second determination unit 117 and the third determination unit 119 also determine the classification code to be assigned. Then, the output unit 121 determines and outputs a classification code having a high trust value (described later) as a classification code to be finally added to the target image from the determined classification code.

分類部116は、特徴抽出部112によって抽出された特徴量と、規則記憶部153に記憶された規則とを用いて、分割部111によって分割された各分割画像をいずれかのクラスに分類する。例えば、分類部116は、ランダム・フォレスト法により、学習された規則を用いて、分割画像を特徴量に応じたクラスに分類する。   The classification unit 116 classifies each divided image divided by the dividing unit 111 into any class using the feature amount extracted by the feature extraction unit 112 and the rule stored in the rule storage unit 153. For example, the classification unit 116 classifies the divided images into classes according to the feature amounts using the learned rules by the random forest method.

第2決定部117は、分類されたクラスに対応づけられた分類コードを、対象画像に付与する分類コードとして決定する。   The second determination unit 117 determines the classification code associated with the classified class as the classification code to be assigned to the target image.

パターン検出部118は、対象画像から予め定められた画像パターンを検出する。画像パターンとしては、例えば円、楕円(ウイーン分類では26.1)、四角形(ウイーン分類では26.4)などの容易に特定可能な幾何学的パターンを適用できる。   The pattern detection unit 118 detects a predetermined image pattern from the target image. As the image pattern, for example, an easily identifiable geometric pattern such as a circle, an ellipse (26.1 in the Wien classification), and a quadrangle (26.4 in the Wien classification) can be applied.

第3決定部119は、検出された画像パターンに予め対応づけられた分類コードを、対象画像に付与する分類コードとして決定する。例えば、正方形が検出された場合、第3決定部119は、ウイーンコードの「正方形」に対応する分類コードである「26.4.1」を付与する分類コードとして決定する。   The third determination unit 119 determines a classification code associated with the detected image pattern in advance as a classification code to be assigned to the target image. For example, when a square is detected, the third determination unit 119 determines a classification code to which “26.4.1” that is a classification code corresponding to the “square” of the Vienna code is assigned.

出力部121は、決定された分類コードを出力する。本実施の形態では、出力部121が、第1決定部115、第2決定部117、および第3決定部119で決定された各分類コードを統合し、すべての分類コードの中から信用値が高い所定数の分類コードを選択して最終的な分類コードとして出力する。信用値とは、分類コードの確からしさを表す値である。信用値は、例えば学習データによる学習を行ったときに事前に算出し、分類コードと信用値とを対応づけたテーブル(以下、信用テーブルという)として所定の記憶部(図示せず)に記憶しておく。信用テーブルの詳細については後述する。   The output unit 121 outputs the determined classification code. In the present embodiment, the output unit 121 integrates the classification codes determined by the first determination unit 115, the second determination unit 117, and the third determination unit 119, and the credit value is obtained from all the classification codes. A high predetermined number of classification codes are selected and output as final classification codes. The trust value is a value representing the certainty of the classification code. The credit value is calculated in advance, for example, when learning is performed using learning data, and is stored in a predetermined storage unit (not shown) as a table (hereinafter referred to as a credit table) in which classification codes and credit values are associated with each other. Keep it. Details of the trust table will be described later.

以上のように、本実施の形態では、A.KNN法などにより検索される複数の画像から分類コードを決定する機能(以下、機能Aという)、B.ランダム・フォレスト法などにより分類されるクラスに応じた分類コードを決定する機能(以下、機能Bという)、C.対象画像から検出される画像パターンに対応する分類コードを決定する機能(以下、機能Cという)、の3つの機能により分類コードが決定される。   As described above, in this embodiment, A. A function for determining a classification code from a plurality of images searched by the KNN method or the like (hereinafter referred to as function A); A function for determining a classification code corresponding to a class classified by the random forest method (hereinafter referred to as function B), C.I. The classification code is determined by three functions: a function for determining a classification code corresponding to an image pattern detected from the target image (hereinafter referred to as function C).

本実施の形態の注釈付与装置100は、少なくとも機能Aを備えていればよい。機能Aにより、学習データ内での分類コードの出現頻度等に応じて算出した分類コードのスコアが上位である所定数の分類コードを、付与すべき分類コードとして決定することができる。すなわち、画像の特徴量との関係が強い分類コードを適切に決定することができる。機能Bをさらに備えれば、上述のように次元の呪いの問題を解消し、より客観的に分類コードを決定可能となる。   The annotation giving apparatus 100 of the present embodiment only needs to have at least the function A. With function A, it is possible to determine a predetermined number of classification codes whose scores of classification codes calculated according to the appearance frequency of classification codes in the learning data are higher as classification codes to be given. That is, it is possible to appropriately determine a classification code having a strong relationship with the image feature amount. If the function B is further provided, the problem of the curse of dimension can be solved as described above, and the classification code can be determined more objectively.

さらに機能Cを備えれば、分類コードが不均衡となる問題を解消可能となる。分類コードが不均衡となる問題とは、例えば、円または四角形などのような単純な画像パターンは、多くの学習データに含まれる可能性が高いため、このような画像パターンに対応する分類コードが学習結果に多く含まれることになるという問題である。   Furthermore, if the function C is provided, the problem that the classification codes are unbalanced can be solved. The problem that the classification codes are unbalanced is that, for example, a simple image pattern such as a circle or a rectangle is likely to be included in a lot of learning data. Therefore, there is a classification code corresponding to such an image pattern. It is a problem that it will be included in many learning results.

機能Cによれば、多くの画像に含まれうる画像パターンに対応する分類コードを容易に決定することができる。また、この機能Cで決定できる分類コードを除外した分類コードを、機能AおよびBにより決定するように構成すれば、一部の分類コードが多数の学習結果に含まれることを回避可能となる。   According to the function C, it is possible to easily determine a classification code corresponding to an image pattern that can be included in many images. Further, if the classification code excluding the classification code that can be determined by the function C is determined by the functions A and B, it is possible to avoid that some classification codes are included in many learning results.

なお、機能AおよびBを共に備える場合に、それぞれが決定する分類コードを重複しないように分けてもよい。例えば、機能Bでは、データ量が小さい学習データにより学習可能な分類コードを選択して学習し、それ以外の分類コードを機能Aで決定するように構成してもよい。   When both functions A and B are provided, the classification codes determined by each may be divided so as not to overlap. For example, the function B may be configured to select and learn a classification code that can be learned from learning data with a small amount of data, and to determine other classification codes using the function A.

次に、機能Aの概要について説明する。図2は、KNN法などにより検索される複数の画像から分類コードを決定する機能の概要を説明するための図である。   Next, an outline of function A will be described. FIG. 2 is a diagram for explaining an outline of a function for determining a classification code from a plurality of images searched by the KNN method or the like.

図2に示すように、入力された対象画像21は、複数の分割画像22a〜22cに分割される。なお、分割数は3に限られるものではない。また、図2では省略しているが、各分割画像に対して、特徴抽出部112によって特徴量が抽出される。   As shown in FIG. 2, the input target image 21 is divided into a plurality of divided images 22a to 22c. Note that the number of divisions is not limited to three. Although omitted in FIG. 2, feature amounts are extracted by the feature extraction unit 112 for each divided image.

検索部113は、各分割画像について、インデックス記憶部151を参照してKNN法により抽出した特徴量が類似する学習画像を検索する。これにより、各分割画像に対する検索結果23が得られる。なお、検索結果23は、分割画像ごとにk/n個(nは分割数)の類似する学習画像を含んでいる。得られたk/n個の学習画像は、それぞれ分割画像に対する類似度が対応づけられている。この結果、対象画像に対しては、k個の学習画像が得られる。図2では、得られたk個の学習画像を、類似度が高い順にImg〜Imgのように並べた例が示されている。また、図2では、画像群24が、得られたk個の学習画像を表している。 The search unit 113 searches the divided images for learning images with similar feature amounts extracted by the KNN method with reference to the index storage unit 151. Thereby, a search result 23 for each divided image is obtained. The search result 23 includes k / n (n is the number of divisions) similar learning images for each divided image. Each of the obtained k / n learning images is associated with a similarity to the divided image. As a result, k learning images are obtained for the target image. FIG. 2 shows an example in which the obtained k learning images are arranged like Img 1 to Img k in descending order of similarity. In FIG. 2, the image group 24 represents the obtained k learning images.

算出部114は、このようにして得られた分割画像ごとの学習画像に対応づけられた分類コードを対応記憶部152から取得する。そして、算出部114は、得られた分類コードに対して、出現頻度、類似度、類似度の大きい順を表すランク、および、対応づけられた学習画像の特徴量の相互類似度(後述)を用いて、分類コードのスコアを算出する。これにより、スコア付分類コードリスト25が得られる。   The calculation unit 114 acquires the classification code associated with the learning image for each divided image obtained in this manner from the correspondence storage unit 152. Then, the calculation unit 114 calculates the appearance frequency, the similarity, the rank representing the order of similarity, and the mutual similarity (described later) of the feature quantities of the associated learning images with respect to the obtained classification code. Use to calculate the score of the classification code. Thereby, the scored classification code list 25 is obtained.

次に、このように構成された本実施の形態にかかる注釈付与装置100による注釈決定処理について説明する。図3は、本実施の形態における注釈決定処理の全体の流れを示すフローチャートである。   Next, the annotation determination process by the annotation assigning apparatus 100 according to the present embodiment configured as described above will be described. FIG. 3 is a flowchart showing the overall flow of the annotation determination process in the present embodiment.

まず、画像受付部101が、指定された対象画像を受付ける(ステップS301)。以下、機能A(ステップS302〜ステップS307)、機能B(ステップS302〜ステップS309)、および機能C(ステップS310、ステップS311)がそれぞれ実行される。なお、各機能は任意の順序で実行できる。また、各機能を並列に実行するように構成してもよい。   First, the image receiving unit 101 receives a designated target image (step S301). Thereafter, function A (steps S302 to S307), function B (steps S302 to S309), and function C (steps S310 and S311) are respectively executed. Each function can be executed in any order. Moreover, you may comprise so that each function may be performed in parallel.

機能Aおよび機能Bに共通する処理として、まず、分割部111が、対象画像を複数の分割画像に分割する(ステップS302)。また、特徴抽出部112が、各分割画像から、分割画像の特徴量を抽出する(ステップS303)。   As processing common to function A and function B, first, the dividing unit 111 divides the target image into a plurality of divided images (step S302). Further, the feature extraction unit 112 extracts the feature amount of the divided image from each divided image (step S303).

次に、機能Aに固有の処理として、検索部113は、抽出された特徴量と類似する特徴量に対応するk個の学習画像を、インデックス記憶部151から検索する(ステップS304)。検索部113は、検索した学習画像に対応する分類コードを対応記憶部152から取得する(ステップS305)。   Next, as processing unique to function A, the search unit 113 searches the index storage unit 151 for k learning images corresponding to feature quantities similar to the extracted feature quantities (step S304). The search unit 113 acquires the classification code corresponding to the searched learning image from the correspondence storage unit 152 (step S305).

次に、算出部114が、取得された分類コードのスコアを算出するスコア算出処理を実行する(ステップS306)。スコア算出処理の詳細については後述する。次に、第1決定部115が、算出されたスコアが上位の所定数の分類コードを、対象画像に付与する分類コードとして決定する(ステップS307)。   Next, the calculation unit 114 executes a score calculation process for calculating the score of the acquired classification code (step S306). Details of the score calculation process will be described later. Next, the first determination unit 115 determines a predetermined number of classification codes having higher calculated scores as classification codes to be assigned to the target image (step S307).

機能Bに固有の処理としては、分類部116が、規則記憶部153を参照してランダム・フォレスト法により各分割画像をいずれかのクラスに分類する(ステップS308)。次に、第2決定部117が、分類されたクラスに対応する分類コードを、対象画像に付与する分類コードとして決定する(ステップS309)。   As processing unique to the function B, the classification unit 116 refers to the rule storage unit 153 and classifies each divided image into any class by the random forest method (step S308). Next, the second determination unit 117 determines a classification code corresponding to the classified class as a classification code to be given to the target image (step S309).

機能Cに固有の処理としては、パターン検出部118が、対象画像から予め定められた画像パターンを検出する(ステップS310)。画像パターン検出処理の詳細については後述する。次に、第3決定部119が、検出された画像パターンに対して予め定められた分類コードを、対象画像に付与する分類コードとして決定する(ステップS311)。   As processing unique to the function C, the pattern detection unit 118 detects a predetermined image pattern from the target image (step S310). Details of the image pattern detection process will be described later. Next, the 3rd determination part 119 determines the classification code predetermined with respect to the detected image pattern as a classification code provided to a target image (step S311).

各機能により分類コードが決定された後(ステップS307、ステップS309、ステップS311)、出力部121が、決定された分類コードの中から、最適な分類コードを選択し、最終的に出力する分類コードとして決定する(ステップS312)。出力部121は、決定された分類コードを例えば通信部122を介してユーザ端末200に出力し(ステップS312)、注釈決定処理を終了する。   After the classification code is determined by each function (step S307, step S309, step S311), the output unit 121 selects an optimal classification code from the determined classification codes and finally outputs the classification code (Step S312). The output unit 121 outputs the determined classification code, for example, to the user terminal 200 via the communication unit 122 (step S312), and ends the annotation determination process.

次に、ステップS306のスコア算出処理の詳細について説明する。図4は、スコア算出処理の全体の流れを示すフローチャートである。   Next, details of the score calculation process in step S306 will be described. FIG. 4 is a flowchart showing the overall flow of the score calculation process.

まず、算出部114は、図3のステップS305で取得された分類コードから未処理の分類コードを取得する(ステップS401)。なお、算出部114は、各分割画像に対して取得された分類コードをすべて含む分類コード群から、未処理であるいずれかの分類コードを1つ取得する。   First, the calculation unit 114 acquires an unprocessed classification code from the classification code acquired in step S305 in FIG. 3 (step S401). Note that the calculation unit 114 acquires one unprocessed classification code from the classification code group including all the classification codes acquired for each divided image.

次に、算出部114は、スコアを算出するために用いられる値(第1要素値)である要素a(factor_a)を算出する要素a算出処理を実行する(ステップS402)。要素aは、分割画像に対する類似度が大きく、かつ、類似度を大きい順に並べたときの順序が小さいほど大きくなるような値である。要素a算出処理の詳細については後述する。なお、要素aの算出式は以下の(1)式で表される。

Figure 0005347897
Next, the calculation unit 114 executes element a calculation processing for calculating an element a (factor_a) that is a value (first element value) used for calculating a score (step S402). The element a is a value that increases as the degree of similarity with respect to the divided images increases and the order decreases when the similarities are arranged in descending order. Details of the element a calculation process will be described later. The calculation formula for the element a is expressed by the following formula (1).
Figure 0005347897

ここで、codeは、取得された分類コードのうちr番目(1≦r≦分類コード数)の分類コードを表す。factor_a(code)は、codeに対するスコアを算出するための要素aの値を表す。SimScore(Img)は、検索時にImgに対して求められた分割画像に対する類似度を表す。Imgは、codeが対応づけられた学習画像の集合であるIM(code)に含まれる学習画像を表す。baseは、予め定められた基数である。rank(Img)は、k個の検索結果内での学習画像Imgの類似度の大きさの順序(ランク)を表す。ランクは、1〜kの整数値であり、類似度が大きいほど値は小さくなる。 Here, code r represents the r-th (1 ≦ r ≦ number of classification codes) classification code among the acquired classification codes. factor_a (code r ) represents the value of element a for calculating a score for code r . SimScore (Img i ) represents the similarity to the divided image obtained for Img i at the time of search. Img i represents the learning image code r is included in the IM (code r) is the set of correspondence is learning image. base is a predetermined radix. rank (Img i ) represents the order (rank) of the magnitude of similarity of the learning image Img i in the k search results. The rank is an integer value of 1 to k, and the value decreases as the similarity degree increases.

baseは、1未満の値(例えば0.95)を設定する。これにより、rank(Img)を指数とするbaseのべき乗が、rank(Img)が大きいほど小さくなるようにできる。なお、rank(Img)−1を指数とするように構成してもよい。 The base is set to a value less than 1 (for example, 0.95). Thus, power of base to rank the (Img i) and index, can be made smaller as the rank (Img i) is large. It may be configured so as to index the rank (Img i) -1.

要素aを算出した後、算出部114は、スコアを算出するために用いられる別の値(第2要素値)である要素b(factor_b)を算出する要素b算出処理を実行する(ステップS403)。要素bは、分類コードに複数の学習画像が対応づけられているときに、各学習画像の特徴量が相互に類似するほど大きくなるような値である。3つ以上の学習画像が分類コードに対応づけられているときは、すべての2つの学習画像の組み合わせに対して特徴量間が相互に類似する度合いを表す相互類似度が算出され、要素bに加算される。要素b算出処理の詳細については後述する。なお、要素bの算出式は以下の(2)式〜(5)式で表される。

Figure 0005347897
After calculating the element a, the calculation unit 114 executes element b calculation processing for calculating the element b (factor_b), which is another value (second element value) used for calculating the score (step S403). . The element b is a value such that when a plurality of learning images are associated with the classification code, the feature amount of each learning image increases as they become similar to each other. When three or more learning images are associated with the classification code, a mutual similarity indicating a degree of similarity between the feature quantities is calculated for all two learning image combinations, and element b Is added. Details of the element b calculation process will be described later. The calculation formula for the element b is expressed by the following formulas (2) to (5).
Figure 0005347897

factor_b(code)は、codeに対するスコアを算出するための要素bの値を表す。(4)式のw(Img,Img)は、ImgとImgとの相互類似度を表す。(4)式に含まれるdist(Img,Img)は、特徴ベクトル空間内でのImgの特徴量を含む特徴ベクトルとImgの特徴量を含む特徴ベクトルとの間のユークリッド距離を表す。また、(4)式に含まれるCは、予め定められる定数であり、例えばC=100を用いる。 factor_b (code r ) represents the value of element b for calculating the score for code r . In the formula (4), w (Img s , Img t ) represents the mutual similarity between Img s and Img t . (4) dist (Img s, Img t) contained in the formula represents the Euclidean distance between the feature vector comprising a feature value of a feature vector and Img t including the feature quantity of Img s in feature vector space . Further, C included in the equation (4) is a predetermined constant, and for example, C = 100 is used.

要素bを算出した後、算出部114は、分類コード(code)のIDF(Inverse Document Frequency)を算出する(ステップS404)。codeのIDFは、以下の(6)式により算出される。
idf(code)=log(N/df(code)) ・・・(6)
After calculating the element b, the calculation unit 114 calculates an IDF (Inverse Document Frequency) of the classification code (code r ) (step S404). IDF of code r is calculated by the following equation (6).
idf (code r ) = log (N / df (code r )) (6)

Nは、インデックス記憶部151に記憶されている学習画像の総数を表す。df(code)は、インデックス記憶部151に記憶されている学習画像のうち、codeが対応づけられている学習画像の個数を表す。 N represents the total number of learning images stored in the index storage unit 151. df (code r ) represents the number of learning images associated with code r among learning images stored in the index storage unit 151.

次に、算出部114は、算出したIDF、要素a、および要素bを用いて、以下の(7)式により、分類コード(code)のスコアを表すscore(code)を算出する(ステップS405)。
score(code)=α×idf(code)×factor_a(code
+β×factor_b(code) ・・・(7)
Next, the calculation unit 114 calculates score (code r ) representing the score of the classification code (code r ) by using the calculated IDF, element a, and element b according to the following equation (7) (step S405).
score (code r ) = α × idf (code r ) × factor_a (code r )
+ Β × factor_b (code r ) (7)

αおよびβは予め定められた定数を表す。このように、算出部114は、IDFと要素aとの積と、要素bとの線形和をスコアとして算出する。   α and β represent predetermined constants. As described above, the calculation unit 114 calculates the linear sum of the product of the IDF and the element a and the element b as a score.

次に、算出部114は、すべての分類コードを処理したか否かを判断し(ステップS406)、処理していない場合は(ステップS406:No)、次の未処理の分類コードを取得して処理を繰り返す(ステップS401)。すべての分類コードを処理した場合は(ステップS406:Yes)、スコア算出処理を終了する。   Next, the calculation unit 114 determines whether or not all the classification codes have been processed (step S406), and if not (step S406: No), obtains the next unprocessed classification code. The process is repeated (step S401). When all the classification codes have been processed (step S406: Yes), the score calculation process ends.

次に、ステップS402の要素a算出処理の詳細について説明する。図5は、要素a算出処理の全体の流れを示すフローチャートである。   Next, details of the element a calculation process in step S402 will be described. FIG. 5 is a flowchart showing the overall flow of the element a calculation process.

まず、算出部114は、現在処理している分類コード(code)に対応する要素a(factor_a(code))の値を0に初期化する(ステップS501)。次に、算出部114は、検索された学習画像のうち未処理の学習画像(以下、Imgとする)を取得する(ステップS502)。次に、算出部114は、分類コードcodeが、学習画像Imgに対応づけられているか否かを判断する(ステップS503)。算出部114は、例えば対応記憶部152を参照することにより、学習画像Imgに所望の分類コードが対応づけられているかを判断する。 First, the calculation unit 114 initializes the value of the element a (factor_a (code r )) corresponding to the currently processed classification code (code r ) to 0 (step S501). Next, the calculation unit 114 acquires an unprocessed learning image (hereinafter referred to as Img i ) among the searched learning images (step S502). Next, the calculation unit 114 determines whether or not the classification code code r is associated with the learning image Img i (step S503). The calculation unit 114 determines whether a desired classification code is associated with the learning image Img i by referring to the correspondence storage unit 152, for example.

分類コードcodeが、学習画像Imgに対応づけられている場合(ステップS503:Yes)、算出部114は、baseのrank(Img)乗を算出し、得られた値と学習画像Imgに対して得られた類似度(SimScore(Img))との積を、factor_a(code)に加算する(ステップS504)。 When the classification code code r is associated with the learning image Img i (step S503: Yes), the calculation unit 114 calculates the base rank (Img i ) power, and the obtained value and the learning image Img i The product of the similarity (SimScore (Img i )) obtained with respect to is added to factor_a (code r ) (step S504).

分類コードcodeが、学習画像Imgに対応づけられていない場合(ステップS503:No)、および、ステップS504の後、算出部114は、すべての学習画像を処理したか否かを判断する(ステップS505)。 When the classification code code r is not associated with the learning image Img i (step S503: No), and after step S504, the calculation unit 114 determines whether or not all learning images have been processed ( Step S505).

すべての学習画像を処理していない場合(ステップS505:No)、算出部114は、次の未処理の学習画像を取得して処理を繰り返す(ステップS502)。すべての学習画像を処理した場合(ステップS505:Yes)、要素a算出処理を終了する。   When all the learning images have not been processed (step S505: No), the calculation unit 114 acquires the next unprocessed learning image and repeats the processing (step S502). When all the learning images have been processed (step S505: Yes), the element a calculation process ends.

次に、ステップS403の要素b算出処理の詳細について説明する。図6は、要素b算出処理の全体の流れを示すフローチャートである。   Next, details of the element b calculation process in step S403 will be described. FIG. 6 is a flowchart showing the overall flow of the element b calculation process.

まず、算出部114は、現在処理している分類コード(code)に対応する要素b(factor_b(code))の値、および、カウンタiを0に初期化する(ステップS601)。また、算出部114は、カウンタjをi+1に初期化する(ステップS602)。 First, calculation unit 114, the value of the classification is currently processing code (code r) to the corresponding element b (factor_b (code r)) , and the counter i is initialized to 0 (step S601). Also, the calculation unit 114 initializes the counter j to i + 1 (step S602).

次に、算出部114は、rankがi番目となる学習画像(Imとする)を取得する(ステップS603)。また、算出部114は、rankがj番目となる学習画像(Imとする)を取得する(ステップS604)。次に、算出部114は、分類コードcodeが、取得したImおよびImの両方に対応づけられているか否かを判断する(ステップS605)。 Next, the calculation unit 114 acquires a learning image (referred to as Im i ) in which the rank is i-th (step S603). In addition, the calculation unit 114 acquires a learning image (Im j ) in which the rank is jth (step S604). Next, the calculation unit 114 determines whether or not the classification code code r is associated with both the acquired Im i and Im j (step S605).

両方に対応づけられている場合(ステップS605:Yes)、算出部114は、ImおよびImとの相互類似度を算出し、factor_b(code)に加算する(ステップS606)。相互類似度は、上記(4)式のように特徴ベクトル空間でのユークリッド距離が小さいほど大きくなるように算出される。 If both are associated (step S605: Yes), calculation unit 114 calculates the mutual similarity between Im i and Im j, is added to FACTOR_B (code r) (step S606). The mutual similarity is calculated so as to increase as the Euclidean distance in the feature vector space decreases as in the above equation (4).

分類コードcodeがImおよびImの両方に対応づけられていない場合(ステップS605:No)、および、ステップS606の後、算出部114は、jの値に1を加算する(ステップS607)。次に、算出部114は、jがkより小さいか否かを判断し(ステップS608)、小さい場合は(ステップS608:Yes)、ステップS604に戻り処理を繰り返す。jがk以上となった場合は(ステップS608:No)、算出部114は、iの値に1を加算する(ステップS609)。次に、算出部114は、iがk−1より小さいか否かを判断し(ステップS610)、小さい場合は(ステップS610:Yes)、ステップS603に戻り処理を繰り返す。iがk−1以上となった場合は(ステップS610:No)、要素b算出処理を終了する。 When the classification code code r is not associated with both Im i and Im j (step S605: No), and after step S606, the calculation unit 114 adds 1 to the value of j (step S607). . Next, the calculation unit 114 determines whether j is smaller than k (step S608). If j is smaller (step S608: Yes), the process returns to step S604 and repeats the process. When j is greater than or equal to k (step S608: No), the calculation unit 114 adds 1 to the value of i (step S609). Next, the calculation unit 114 determines whether i is smaller than k−1 (step S610). If i is smaller (step S610: Yes), the process returns to step S603 and repeats the process. If i is greater than or equal to k−1 (step S610: No), the element b calculation process ends.

次に、ステップS310の画像パターン検出処理の詳細について説明する。図7は、画像パターン検出処理の一例を示す説明図である。図7は、1つ以上の四角形を含む画像パターンを検出する場合の例を表している。   Next, details of the image pattern detection processing in step S310 will be described. FIG. 7 is an explanatory diagram showing an example of image pattern detection processing. FIG. 7 shows an example in which an image pattern including one or more quadrangles is detected.

パターン検出部118は、対象画像のノイズを除去し(ステップS701)、輪郭を検出する(ステップS702)。次に、パターン検出部118は、検出した各輪郭の頂点を算出し(ステップS703)、頂点が4つである輪郭を取得する(ステップS704)。次に、パターン検出部118は、輪郭の各辺の長さ、角の大きさを算出する(ステップS705)。パターン検出部118は、辺の長さ、角の大きさの算出結果から、輪郭が長方形(ウイーン分類の26.4.2)、正方形(ウイーン分類の26.4.1)、またはそれ以外の四角形であるかを判定できる。すなわち、パターン検出部118は、長方形および正方形である画像パターンを検出できる。   The pattern detection unit 118 removes noise from the target image (step S701) and detects a contour (step S702). Next, the pattern detection unit 118 calculates vertices of each detected contour (step S703), and acquires a contour having four vertices (step S704). Next, the pattern detection unit 118 calculates the length of each side of the contour and the size of the corner (step S705). The pattern detection unit 118 determines that the outline is rectangular (26.4.2 of the Wien classification), square (26.4.1 of the Wien classification), or other than the calculation result of the length of the side and the size of the corner. Whether it is a rectangle can be determined. That is, the pattern detection unit 118 can detect image patterns that are rectangular and square.

複数の輪郭が検出された場合は、パターン検出部118は、さらに輪郭間の位置関係を検出する(ステップS706)。例えば、パターン検出部118は、各四角形の4つの頂点の座標の大小関係を比較することにより、2つの四角形が重なっていることを検出する。この場合、例えば「並置・結合又は交差する複数の四角形(ウイーン分類の26.4.9)」である画像パターンが検出される。同様にして、ウイーン分類のその他の分類コード(図7では26.4.4、26.4.7、26.4.8)に対応する画像パターンを検出することができる。   If a plurality of contours are detected, the pattern detection unit 118 further detects the positional relationship between the contours (step S706). For example, the pattern detection unit 118 detects that two rectangles overlap each other by comparing the magnitude relationship between the coordinates of four vertices of each rectangle. In this case, for example, an image pattern which is “a plurality of juxtaposed / combined or intersecting quadrangles (Wien classification 26.4.9)” is detected. Similarly, image patterns corresponding to other classification codes of Wien classification (26.4.4, 26.4.7, and 26.4.8 in FIG. 7) can be detected.

次に、出力部121が最適な分類コードを決定するときに参照する信用テーブルについて説明する。図8は、信用テーブルのデータ構造の一例を示す図である。図8に示すように、信用テーブルは、分類コードごとに、機能A(KNN)、機能B(ランダムフォレスト)、および機能C(パターン検出)のそれぞれで検出したときの分類コードの信用値を記憶する。   Next, the trust table referred to when the output unit 121 determines the optimum classification code will be described. FIG. 8 is a diagram illustrating an example of the data structure of the trust table. As shown in FIG. 8, the credit table stores the credit value of the classification code when detected by each of the function A (KNN), the function B (random forest), and the function C (pattern detection) for each classification code. To do.

信用値は、例えば学習データに対して各機能で分類コードを検出したときに事前に算出し、信用テーブルに保存しておく。信用値としては、例えば、再現率と適合率との調和平均であるF値を用いることができる。なお、信用値はこれに限られるものではなく、分類コードの確からしさを表すものであればあらゆる指標を適用できる。例えば、再現率または適合率のいずれかを信用値として利用してもよい。   The trust value is calculated in advance when, for example, a classification code is detected for each function in the learning data, and stored in the trust table. As the credit value, for example, an F value that is a harmonic average of the recall rate and the matching rate can be used. The credit value is not limited to this, and any index can be applied as long as it represents the certainty of the classification code. For example, either the recall rate or the matching rate may be used as the credit value.

出力部121は、このような信用テーブルを参照し、第1決定部115、第2決定部117、および第3決定部119で決定された各分類コードに対応する信用値を取得する。そして、信用値が高い所定数の分類コードを選択して最終的な分類コードとして出力する。なお、出力部121は、上記各決定部(第1決定部115、第2決定部117、第3決定部119)のうち、分類コードを決定した決定部に対応する信用テーブルの列から、信用値を取得する。例えば、分類コード「26.1.1」が第1決定部115により得られた場合は、「KNN」の列に対応する信用値「0.41」を信用テーブルから取得する。また、複数の決定部が同一の分類コードが決定された場合は、対応する信用値のうち最大の信用値を取得する。   The output unit 121 refers to such a credit table, and obtains a credit value corresponding to each classification code determined by the first determination unit 115, the second determination unit 117, and the third determination unit 119. Then, a predetermined number of classification codes having high credit values are selected and output as final classification codes. In addition, the output unit 121 determines the credit from the column of the credit table corresponding to the determination unit that has determined the classification code among the determination units (first determination unit 115, second determination unit 117, and third determination unit 119). Get the value. For example, when the classification code “26.1.1” is obtained by the first determination unit 115, the credit value “0.41” corresponding to the column “KNN” is acquired from the credit table. Further, when the same classification code is determined by a plurality of determination units, the maximum credit value is acquired from the corresponding credit values.

次に、機能Aにより分類コードのスコアを算出する処理の具体例について説明する。以下では、対象画像を分割した分割画像に類似する学習画像として、Img〜Imgの5つの学習画像が得られた場合を例に説明する。図9は、学習画像ごとに求められるランク、類似度、対応づけられた分類コード(関連分類コード)の例を示す図である。 Next, a specific example of processing for calculating the score of the classification code by the function A will be described. Hereinafter, a case where five learning images Img 1 to Img 5 are obtained as learning images similar to the divided image obtained by dividing the target image will be described as an example. FIG. 9 is a diagram illustrating an example of ranks, similarities, and associated classification codes (related classification codes) obtained for each learning image.

図9に示すように、この例では、各学習画像に対応する分類コードとして、{1.1、2.3、4.2、3.5、5.1}が得られる。したがって、ステップS306のスコア算出処理は、この5つの分類コードを対象として実行される。   As shown in FIG. 9, in this example, {1.1, 2.3, 4.2, 3.5, 5.1} is obtained as the classification code corresponding to each learning image. Therefore, the score calculation process in step S306 is executed for these five classification codes.

分類コードは、複数の学習画像に対応づけられている場合がある。図9の例では、例えば分類コード「1.1」がImgおよびImgの2つの学習画像に対応づけられている。したがって、例えば分類コード「1.1」が対応づけられた学習画像の集合IM(1.1)は、IM(1.1)={Img、Img}となる。同様に、IM(2.3)={Img、Img}、IM(4.2)={Img、Img}、IM(3.5)={Img、Img、Img}、およびIM(5.1)={Img、Img、Img}となる。 The classification code may be associated with a plurality of learning images. In the example of FIG. 9, for example, the classification code “1.1” is associated with two learning images of Img 1 and Img 3 . Therefore, for example, a set IM (1.1) of learning images associated with the classification code “1.1” is IM (1.1) = {Img 1 , Img 3 }. Similarly, IM (2.3) = {Img 1 , Img 2 }, IM (4.2) = {Img 1 , Img 4 }, IM (3.5) = {Img 2 , Img 4 , Img 5 } , And IM (5.1) = {Img 2 , Img 3 , Img 5 }.

分類コード「1.1」の要素a(factor_a(1.1))は、以下のように算出される。
factor_a(1.1)=0.57×power(0.95、0)
+0.48×power(0.95、2)=1.0032
The element a (factor_a (1.1)) of the classification code “1.1” is calculated as follows.
factor_a (1.1) = 0.57 × power (0.95, 0)
+ 0.48 × power (0.95, 2) = 1.0032

power(a,b)は、aを基数、bを指数とするべき乗を算出する関数を表す。なお、ここでは、rank(Img)−1を指数として用いている。 power (a, b) represents a function for calculating a power with a as a radix and b as an exponent. Here, rank (Img i ) -1 is used as an index.

同様に、その他の分類コードの要素aは、以下のように算出される。
factor_a(2.3)=0.57×power(0.95、0)
+0.52×power(0.95、1)=1.064
factor_a(4.2)=0.57×power(0.95、0)
+0.46×power(0.95、3)≒0.964
factor_a(3.5)=0.52×power(0.95、1)
+0.46×power(0.95、3)
+0.32×power(0.95、4)≒1.149
factor_a(5.1)=0.52×power(0.95、1)
+0.48×power(0.95、2)
+0.32×power(0.95、4)≒1.188
Similarly, the element a of the other classification code is calculated as follows.
factor_a (2.3) = 0.57 × power (0.95, 0)
+ 0.52 × power (0.95, 1) = 1.064
factor_a (4.2) = 0.57 × power (0.95, 0)
+ 0.46 × power (0.95, 3) ≈0.964
factor_a (3.5) = 0.52 × power (0.95, 1)
+ 0.46 × power (0.95, 3)
+ 0.32 × power (0.95, 4) ≈1.149
factor_a (5.1) = 0.52 × power (0.95, 1)
+ 0.48 × power (0.95, 2)
+ 0.32 × power (0.95, 4) ≈1.188

この例では、分類コード「5.1」に対する要素aの値が最も大きい。したがって、分類コード「5.1」に対するスコアがより大きい値となることが予想される。   In this example, the value of the element a for the classification code “5.1” is the largest. Therefore, the score for the classification code “5.1” is expected to be a larger value.

図10は、学習画像間の相互類似度の算出例を示す図である。図10は、上記(4)式により算出される値の一例を示している。図10の値を用いると、上記(2)式により、分類コードの要素bが以下のように算出される。
factor_b(1.1)=0.41
factor_b(2.3)=0.43
factor_b(4.2)=0.35
factor_b(3.5)=0.40+0.38+0.15=0.93
factor_b(5.1)=0.53+0.38+0.56=1.47
FIG. 10 is a diagram illustrating a calculation example of the mutual similarity between learning images. FIG. 10 shows an example of values calculated by the above equation (4). Using the values in FIG. 10, the element b of the classification code is calculated as follows according to the above equation (2).
factor_b (1.1) = 0.41
factor_b (2.3) = 0.43
factor_b (4.2) = 0.35
factor_b (3.5) = 0.40 + 0.38 + 0.15 = 0.93
factor_b (5.1) = 0.53 + 0.38 + 0.56 = 1.47

この例では、分類コード「5.1」に対する要素bの値が最も大きい。したがって、分類コード「5.1」に対するスコアがより大きい値となることが予想される。実際に算出されるスコアは、上記(2)式に示すように、各分類コードのIDF、α、およびβの値によって変わる。しかし、上記例の要素aおよび要素bの算出結果からは、分類コード「5.1」に対するスコアが最大となる可能性が高いと言える。   In this example, the value of the element b for the classification code “5.1” is the largest. Therefore, the score for the classification code “5.1” is expected to be a larger value. The actually calculated score varies depending on the IDF, α, and β values of each classification code, as shown in the above equation (2). However, from the calculation results of the element a and the element b in the above example, it can be said that there is a high possibility that the score for the classification code “5.1” is maximized.

図9に示すように、この分類コード「5.1」は、検索された5つの画像のうち、3つの画像(Img、Img、Img)に対応づけられている。また、図10に示すように、分類コード「5.1」は、相互類似度が最も大きい2つの画像であるImgおよびImgに共に含まれている。このように、本実施の形態によれば、より多くの画像に対応づけられており、かつ、対応づけられた複数の画像間の相互類似度が大きい分類コードに対して、より大きい値のスコアを算出できる。したがって、画像に付与する注釈をより適切に決定することが可能となる。 As shown in FIG. 9, the classification code “5.1” is associated with three images (Img 2 , Img 3 , Img 5 ) among the searched five images. As shown in FIG. 10, the classification code “5.1” is included in both of the two images Img 3 and Img 5 that have the highest mutual similarity. As described above, according to the present embodiment, a score having a larger value is associated with a classification code that is associated with a larger number of images and has a large mutual similarity between a plurality of associated images. Can be calculated. Therefore, it is possible to more appropriately determine the annotation to be added to the image.

次に、本実施の形態にかかる注釈付与装置のハードウェア構成について図11を用いて説明する。図11は、本実施の形態にかかる注釈付与装置のハードウェア構成の一例を示す図である。   Next, a hardware configuration of the annotation assigning apparatus according to the present embodiment will be described with reference to FIG. FIG. 11 is a diagram illustrating an example of a hardware configuration of the annotation assigning apparatus according to the present embodiment.

本実施の形態の注釈付与装置は、CPU51などの制御装置と、ROM(Read Only Memory)52やRAM53などの記憶装置と、HDD、CDドライブ装置などの外部記憶装置と、ネットワークに接続して通信を行う通信I/F54と、ディスプレイ装置などの表示装置と、キーボードやマウスなどの入力装置と、各部を接続するバス61を備えており、通常のコンピュータを利用したハードウェア構成となっている。   The annotation assigning apparatus according to the present embodiment communicates with a control device such as a CPU 51, a storage device such as a ROM (Read Only Memory) 52 and a RAM 53, and an external storage device such as an HDD and a CD drive device by connecting to a network. The communication I / F 54 that performs the above, a display device such as a display device, an input device such as a keyboard and a mouse, and a bus 61 that connects each unit are provided, and has a hardware configuration using a normal computer.

本実施の形態の注釈付与装置で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでCD−ROM、フレキシブルディスク(FD)、CD−R、DVD(Digital Versatile Disk)等のコンピュータで読み取り可能な記録媒体に記録されてコンピュータ・プログラム・プロダクトとして提供される。   The program executed by the annotation assigning apparatus according to the present embodiment is an installable or executable file, and is a computer such as a CD-ROM, a flexible disk (FD), a CD-R, a DVD (Digital Versatile Disk). Recorded on a readable recording medium and provided as a computer program product.

また、本実施の形態の注釈付与装置で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施の形態の注釈付与装置で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。   Further, the program executed by the annotation assigning apparatus of the present embodiment may be provided by being stored on a computer connected to a network such as the Internet and downloaded via the network. In addition, the program executed by the annotation assigning apparatus according to the present embodiment may be provided or distributed via a network such as the Internet.

また、本実施の形態のプログラムを、ROM52等に予め組み込んで提供するように構成してもよい。   Further, the program of the present embodiment may be configured to be provided by being incorporated in advance in the ROM 52 or the like.

本実施の形態の注釈付与装置で実行されるプログラムは、上述した各部(画像受付部、分割部、特徴抽出部、検索部、算出部、第1決定部、分類部、第2決定部、パターン検出部、第3決定部、出力部、通信部)を含むモジュール構成となっており、実際のハードウェアとしてはCPU(プロセッサ)51が上記記憶媒体からプログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、上記各部が主記憶装置上に生成されるようになっている。   The program executed by the annotation assigning apparatus according to the present embodiment includes the above-described units (image receiving unit, dividing unit, feature extracting unit, search unit, calculating unit, first determining unit, classification unit, second determining unit, pattern The module configuration includes a detection unit, a third determination unit, an output unit, and a communication unit). As actual hardware, the CPU (processor) 51 reads a program from the storage medium and executes the program, so that each unit is It is loaded on the main storage device, and the above-described units are generated on the main storage device.

100 注釈付与装置
101 画像受付部
111 分割部
112 特徴抽出部
113 検索部
114 算出部
115 第1決定部
116 分類部
117 第2決定部
118 パターン検出部
119 第3決定部
121 出力部
122 通信部
151 インデックス記憶部
152 対応記憶部
153 規則記憶部
200a、200b ユーザ端末
300 ネットワーク
DESCRIPTION OF SYMBOLS 100 Annotation giving apparatus 101 Image reception part 111 Division | segmentation part 112 Feature extraction part 113 Search part 114 Calculation part 115 1st determination part 116 Classification | category part 117 2nd determination part 118 Pattern detection part 119 3rd determination part 121 Output part 122 Communication part 151 Index storage unit 152 Corresponding storage unit 153 Rule storage unit 200a, 200b User terminal 300 Network

Jia-Yu Pan et al., "Cross-Modal Correlation Mining Using Graph Algorithms"(Knowledge Discovery and Data Mining: Challenges and Realities with Real-word Data, Chapter IV), Information Science Reference, June 2006.Jia-Yu Pan et al., "Cross-Modal Correlation Mining Using Graph Algorithms" (Knowledge Discovery and Data Mining: Challenges and Realities with Real-word Data, Chapter IV), Information Science Reference, June 2006.

Claims (7)

予め定められた複数の画像と前記画像の特徴量とを対応づけたインデックスを記憶するインデックス記憶部と、
前記画像と予め定められた複数の注釈とを対応づけて記憶する対応記憶部と、
注釈を付与する対象画像を複数の分割画像に分割する分割部と、
前記分割画像を解析し、前記分割画像の特徴量を抽出する特徴抽出部と、
対応する前記特徴量と抽出された前記特徴量との類似度が大きい予め定められた個数の前記画像を前記インデックス記憶部から検索する検索部と、
検索された前記画像に対応づけられた前記注釈それぞれについて、前記対応記憶部内での前記注釈の出現頻度が小さいほど大きく、かつ、対応する前記画像の前記類似度が大きいほど大きく、かつ、対応づけられた複数の前記画像の特徴量が相互に類似するほど大きい値となる前記注釈のスコアを算出する算出部と、
前記スコアが大きい前記注釈を優先して前記対象画像に付与する前記注釈を決定する第1決定部と、
を備えることを特徴とする注釈付与装置。
An index storage unit that stores an index in which a plurality of predetermined images and feature amounts of the images are associated;
A correspondence storage unit that associates and stores the image and a plurality of predetermined annotations;
A dividing unit that divides the target image to be annotated into a plurality of divided images;
A feature extraction unit that analyzes the divided image and extracts a feature amount of the divided image;
A search unit that searches the index storage unit for a predetermined number of images having a high degree of similarity between the corresponding feature value and the extracted feature value;
For each of the annotations associated with the searched image, the annotation is greater as the appearance frequency of the annotation in the correspondence storage unit is smaller, and is larger as the similarity of the corresponding image is larger. A calculation unit that calculates a score of the annotation that becomes a larger value as the feature quantities of the plurality of images obtained are similar to each other;
A first determination unit that determines the annotation to be given to the target image in preference to the annotation with a large score;
An annotation giving apparatus comprising:
前記算出部は、前記出現頻度が小さいほど大きい逆出現頻度と、対応する前記画像の前記類似度が大きいほど大きい第1要素値と、対応づけられた複数の前記画像の特徴量が相互に類似するほど大きい第2要素値とを算出し、前記第1要素値と前記逆出現頻度との積と、前記第2要素値との線形和である前記スコアを算出すること、
を特徴とする請求項1に記載の注釈付与装置。
The calculation unit is similar in that the reverse appearance frequency that is greater as the appearance frequency is smaller, the first element value that is greater as the similarity of the corresponding image is larger, and the feature quantities of the plurality of associated images are similar to each other. Calculating a second element value that is larger, and calculating the score that is a linear sum of the product of the first element value and the reverse appearance frequency and the second element value;
The annotation giving apparatus according to claim 1.
前記算出部は、さらに、対応する前記画像の前記類似度が大きい順を表すランクが大きいほど大きい前記スコアを算出すること、
を特徴とする請求項1に記載の注釈付与装置。
The calculation unit further calculates the score that is larger as the rank representing the order of the similarity of the corresponding images is larger,
The annotation giving apparatus according to claim 1.
画像の特徴量に応じて、注釈が対応づけられた複数のクラスのいずれかに画像を分類するための規則を記憶する規則記憶部と、
前記特徴抽出部によって抽出された前記特徴量を前記規則に適用して前記分割画像を前記クラスのいずれかに分類する分類部と、
前記対象画像に付与する注釈として、分類された前記クラスに対応づけられた前記注釈を決定する第2決定部と、をさらに備えること、
を特徴とする請求項1に記載の注釈付与装置。
A rule storage unit for storing a rule for classifying an image into one of a plurality of classes associated with annotations according to the feature amount of the image;
A classification unit that applies the feature amount extracted by the feature extraction unit to the rule to classify the divided image into one of the classes;
A second determination unit that determines the annotation associated with the classified class as an annotation to be added to the target image;
The annotation giving apparatus according to claim 1.
前記対象画像から予め定められた画像パターンを検出するパターン検出部と、
前記画像パターンに予め対応づけられた注釈を、前記対象画像に付与する注釈として決定する第3決定部と、をさらに備えること、
を特徴とする請求項1に記載の注釈付与装置。
A pattern detection unit for detecting a predetermined image pattern from the target image;
A third determination unit that determines an annotation previously associated with the image pattern as an annotation to be added to the target image;
The annotation giving apparatus according to claim 1.
分割部が、注釈を付与する対象画像を複数の分割画像に分割する分割ステップと、
特徴抽出部が、前記分割画像を解析し、前記分割画像の特徴量を抽出する特徴抽出ステップと、
検索部が、予め定められた複数の画像と前記画像の特徴量とを対応づけたインデックスを記憶するインデックス記憶部から、対応する前記特徴量と抽出された前記特徴量との類似度が大きい予め定められた個数の前記画像を検索する検索ステップと、
算出部が、前記画像と予め定められた複数の注釈とを対応づけて記憶する対応記憶部内で検索された前記画像に対応づけられた前記注釈それぞれについて、前記対応記憶部内での前記注釈の出現頻度が小さいほど大きく、かつ、対応する前記画像の前記類似度が大きいほど大きく、かつ、対応づけられた複数の前記画像の特徴量が相互に類似するほど大きい値となる前記注釈のスコアを算出する算出ステップと、
第1決定部が、前記スコアが大きい前記注釈を優先して前記対象画像に付与する前記注釈を決定する第1決定ステップと、
を含むことを特徴とする注釈付与方法。
A dividing step in which the dividing unit divides the target image to be annotated into a plurality of divided images;
A feature extraction step of analyzing the divided image and extracting a feature amount of the divided image;
A search unit stores an index in which a plurality of predetermined images and feature amounts of the images are associated with each other, and the similarity between the corresponding feature amount and the extracted feature amount is large in advance. A search step for searching a predetermined number of the images;
Appearance of the annotation in the correspondence storage unit for each of the annotations associated with the image searched in the correspondence storage unit in which the calculation unit associates and stores the image and a plurality of predetermined annotations The annotation score that is larger as the frequency is smaller and larger as the degree of similarity of the corresponding image is larger and becomes larger as the feature quantities of the plurality of associated images are similar to each other is calculated. A calculating step to
A first determination unit that determines the annotation to be given to the target image in preference to the annotation with a large score;
Annotation method characterized by comprising:
予め定められた複数の画像と前記画像の特徴量とを対応づけたインデックスを記憶するインデックス記憶部と、前記画像と予め定められた複数の注釈とを対応づけて記憶する対応記憶部と、を備えるコンピュータを、
注釈を付与する対象画像を複数の分割画像に分割する分割部と、
前記分割画像を解析し、前記分割画像の特徴量を抽出する特徴抽出部と、
対応する前記特徴量と抽出された前記特徴量との類似度が大きい予め定められた個数の前記画像を前記インデックス記憶部から検索する検索部と、
検索された前記画像に対応づけられた前記注釈それぞれについて、前記対応記憶部内での前記注釈の出現頻度が小さいほど大きく、かつ、対応する前記画像の前記類似度が大きいほど大きく、かつ、対応づけられた複数の前記画像の特徴量が相互に類似するほど大きい値となる前記注釈のスコアを算出する算出部と、
前記スコアが大きい前記注釈を優先して前記対象画像に付与する前記注釈を決定する第1決定部と、
して機能させるための注釈付与プログラム。
An index storage unit that stores an index that associates a plurality of predetermined images with the feature amount of the image, and a correspondence storage unit that stores the image and a plurality of predetermined annotations in association with each other. A computer with
A dividing unit that divides the target image to be annotated into a plurality of divided images;
A feature extraction unit that analyzes the divided image and extracts a feature amount of the divided image;
A search unit that searches the index storage unit for a predetermined number of images having a high degree of similarity between the corresponding feature value and the extracted feature value;
For each of the annotations associated with the searched image, the annotation is greater as the appearance frequency of the annotation in the correspondence storage unit is smaller, and is larger as the similarity of the corresponding image is larger. A calculation unit that calculates a score of the annotation that becomes a larger value as the feature quantities of the plurality of images obtained are similar to each other;
A first determination unit that determines the annotation to be given to the target image in preference to the annotation with a large score;
Annotation program to make it function.
JP2009238350A 2009-10-15 2009-10-15 Annotation apparatus, method and program Expired - Fee Related JP5347897B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2009238350A JP5347897B2 (en) 2009-10-15 2009-10-15 Annotation apparatus, method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2009238350A JP5347897B2 (en) 2009-10-15 2009-10-15 Annotation apparatus, method and program

Publications (2)

Publication Number Publication Date
JP2011086113A JP2011086113A (en) 2011-04-28
JP5347897B2 true JP5347897B2 (en) 2013-11-20

Family

ID=44079011

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2009238350A Expired - Fee Related JP5347897B2 (en) 2009-10-15 2009-10-15 Annotation apparatus, method and program

Country Status (1)

Country Link
JP (1) JP5347897B2 (en)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8891878B2 (en) * 2012-06-15 2014-11-18 Mitsubishi Electric Research Laboratories, Inc. Method for representing images using quantized embeddings of scale-invariant image features
CN105740402B (en) * 2016-01-28 2018-01-02 百度在线网络技术(北京)有限公司 The acquisition methods and device of the semantic label of digital picture

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006004157A (en) * 2004-06-17 2006-01-05 Olympus Corp Image retrieval program, image retrieval method, image retrieval device, and storage medium
JP4478513B2 (en) * 2004-06-10 2010-06-09 キヤノン株式会社 Digital camera, digital camera control method, program, and recording medium storing the same
JP2006155340A (en) * 2004-11-30 2006-06-15 Konica Minolta Holdings Inc Image managing device, image management method, and image management program
JP2008217428A (en) * 2007-03-05 2008-09-18 Fujitsu Ltd Image-retrieving program, method, and device
JP2008226061A (en) * 2007-03-15 2008-09-25 Fujifilm Corp Image tag designating device, image searching device, operation control method therefor and program for controlling those computers

Also Published As

Publication number Publication date
JP2011086113A (en) 2011-04-28

Similar Documents

Publication Publication Date Title
US11868394B2 (en) Analyzing content of digital images
US10430649B2 (en) Text region detection in digital images using image tag filtering
US8005300B2 (en) Image search system, image search method, and storage medium
JP5281156B2 (en) Annotating images
US8243988B1 (en) Clustering images using an image region graph
JP5121917B2 (en) Image search apparatus, image search method and program
US8744183B2 (en) Clustering of forms from large-scale scanned-document collection
US20150199567A1 (en) Document classification assisting apparatus, method and program
WO2009098468A2 (en) A method and system of indexing numerical data
JP5094830B2 (en) Image search apparatus, image search method and program
US20080222113A1 (en) Image search method, apparatus, and program
JP4937395B2 (en) Feature vector generation apparatus, feature vector generation method and program
JP5014479B2 (en) Image search apparatus, image search method and program
Dharani et al. Content based image retrieval system using feature classification with modified KNN algorithm
CN111797267A (en) Medical image retrieval method and system, electronic device and storage medium
Sadique et al. Content-based image retrieval using color layout descriptor, gray-level co-occurrence matrix and k-nearest neighbors
JP3903613B2 (en) Search device and computer-readable recording medium storing search program
JP5347897B2 (en) Annotation apparatus, method and program
JP6017277B2 (en) Program, apparatus and method for calculating similarity between contents represented by set of feature vectors
JP2016110256A (en) Information processing device and information processing program
Chen et al. Spatially aware feature selection and weighting for object retrieval
Gál et al. Multiple kernel learning based modality classification for medical images
US20170293863A1 (en) Data analysis system, and control method, program, and recording medium therefor
CN108475339B (en) Method and system for classifying objects in an image
Schenker et al. Clustering of web documents using graph representations

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20120807

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20130711

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: 20130723

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130805

R151 Written notification of patent or utility model registration

Ref document number: 5347897

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

LAPS Cancellation because of no payment of annual fees