JP6344471B2 - プログラム生成装置、プログラム生成方法およびプログラム - Google Patents
プログラム生成装置、プログラム生成方法およびプログラム Download PDFInfo
- Publication number
- JP6344471B2 JP6344471B2 JP2016528725A JP2016528725A JP6344471B2 JP 6344471 B2 JP6344471 B2 JP 6344471B2 JP 2016528725 A JP2016528725 A JP 2016528725A JP 2016528725 A JP2016528725 A JP 2016528725A JP 6344471 B2 JP6344471 B2 JP 6344471B2
- Authority
- JP
- Japan
- Prior art keywords
- program
- partial
- image
- filter
- parameter
- 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
- 238000000034 method Methods 0.000 title claims description 156
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 3
- 238000012545 processing Methods 0.000 claims description 356
- 238000002834 transmittance Methods 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 31
- 230000035772 mutation Effects 0.000 claims description 30
- 230000002068 genetic effect Effects 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 126
- 238000010586 diagram Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 13
- 230000004069 differentiation Effects 0.000 description 9
- 238000009826 distribution Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004083 survival effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000007630 basic procedure Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/36—Software reuse
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2111—Selection of the most significant subset of features by using evolutionary computational techniques, e.g. genetic algorithms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physiology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Stored Programmes (AREA)
Description
本発明の上記および他の目的、特徴および利点は本発明の例として好ましい実施の形態を表す添付の図面と関連した以下の説明により明らかになるであろう。
〔実施の形態1−1〕
図1は、実施の形態1−1に係るプログラム生成装置の構成例および処理例を示す図である。プログラム生成装置10は、遺伝的プログラミングによって画像処理プログラムを生成する。
次に、実施の形態1−2に係る画像処理装置について説明する。実施の形態1−2に係る画像処理装置は、図1に示したプログラム生成装置10と同様の処理機能と、この処理機能によって生成された画像処理プログラムを実行して画像処理を行う機能とを備える。
画像処理プログラムの生成処理の前に、1つ以上の学習データ50が用意される。学習データ50には、入力画像51と、入力画像51に対して画像処理を施したときの目標画像52とが含まれる。入力画像51は、例えば、カメラによって被写体を撮像することによって得られる。
図5は、画像処理装置のハードウェア構成例を示す図である。画像処理装置100は、例えば、図5に示すようなコンピュータとして実現される。
RAM102は、画像処理装置100の主記憶装置として使用される。RAM102には、プロセッサ101に実行させるOS(Operating System)プログラムやアプリケーションプログラムの少なくとも一部が一時的に格納される。また、RAM102には、プロセッサ101による処理に必要な各種データが格納される。
通信インタフェース108は、接続された外部デバイスとの間でデータの送受信を行う。本実施の形態では、通信インタフェース108には、外部デバイスとしてカメラ108aが接続されており、通信インタフェース108は、カメラ108aから送信された画像データをプロセッサ101に送信する。
図6は、画像処理装置が備える処理機能の構成例を示すブロック図である。画像処理装置100は、画像取得部111、プログラム生成部112、画像処理部113、プログラム記憶部130、フィルタセット記憶部140および学習データ記憶部150を有する。
プログラム生成部112は、遺伝的プログラミングにより画像処理プログラムを生成し、生成された画像処理プログラムをプログラム記憶部130に保存する。
フィルタセットデータベース141には、画像処理プログラムに組み込むことが可能な画像フィルタごとに、レコードが登録されている。各レコードには、対応する画像フィルタを識別するためのフィルタIDが登録されている。図7の例では、「フィルタ#1」はフィルタID“1”の画像フィルタを示す。レコードのそれぞれは、1つの画像フィルタプログラムのプログラムコードに対応付けられている。なお、対応するプログラムコードは、例えば、フィルタセット記憶部140に格納されている。
[ステップS21]初期設定部121は、学習データの設定のための入力操作を受け付ける。例えば、学習データ記憶部150に記憶された学習データの中から、本処理で使用される学習データが指定される。
[ステップS26]学習処理部122は、個体群61に含まれる個体の中から、2つの親個体をランダムに選択する。
[ステップS28]学習処理部122は、生成された子個体のいずれかのノードに突然変異を発生させ、元の子個体のノードに組み込まれていた画像フィルタを、ステップS22で指定された他の画像フィルタのいずれかに置き換える。
[ステップS29]ステップS26で選択された各親個体、および、ステップS27,S28の処理によって得られた各子個体について、適応度が算出される。この処理では、算出対象の各個体について次のような処理が行われる。
[ステップS41]学習処理部122は、ステップS22で指定された画像フィルタの中から、画像フィルタをランダムに(すなわち、同じ確率で)選択する。
L(ν,σ)=exp{−(αν2/σ2)} ・・・(1)
図11では例として、ガウシアンフィルタに対して、パラメータσとして“3”,“5”,“7”,“9”をそれぞれ設定した場合の透過率を示す。
初期設定部121は、まず、図9のステップS21で指定された学習データに基づいて、入力画像から、対応する目標画像に対する透過率(周波数透過特性)を求める。ここでは例として、入力画像と目標画像のペアが1組指定されたものとする。
H(ν)=G(ν)/F(ν) ・・・(2)
図12右側に示すグラフ203は、グラフ201,202に示した変換データF(ν),G(ν)を基に式(2)を用いて求められた透過率H(ν)の例を示す。
[ステップS101]初期設定部121は、図9のステップS21で指定された学習データの中から、学習データ(すなわち、入力画像と目標画像のペア)を1つ選択する。
[ステップS103]初期設定部121は、フーリエ変換によって得られた各データを基に、上記の式(2)を用いて透過率H(ν)を算出する。
閾値処理フィルタは、画素値(ここでは輝度値)が閾値以上または閾値未満である画素について、その画素値に対して所定の変換処理を行う画像フィルタである。変換処理としては、例えば、画素値を最大値または最小値に変換する処理がある。以下の説明では、閾値処理フィルタに対して、パラメータとして閾値を設定可能であるものとする。閾値は、輝度値で表される。
初期設定部121は、例えば、まず、学習データに含まれる入力画像に基づいて、輝度値のヒストグラムを算出する。次に、初期設定部121は、ヒストグラムの谷の位置を判定する。谷の位置は、例えば、ヒストグラムの微分値に基づいて判定される。または、谷の位置は、2つのピークの位置の間における最小値の位置として判定されてもよい。
[ステップS111]初期設定部121は、図9のステップS21で指定された学習データの中から、学習データ(すなわち、入力画像と目標画像のペア)を1つ選択する。
[ステップS113]初期設定部121は、輝度ヒストグラムの谷の位置を判定する。
[ステップS116]初期設定部121は、算出された平均値を中心とした正規分布状の曲線を生成し、生成した曲線を基に、閾値処理フィルタに設定可能な各パラメータに対応する選択確率を決定する。初期設定部121は、決定された選択確率を、フィルタセットデータベース141における閾値処理フィルタに対応するレコードに対して、該当するパラメータに対応付けて設定する。
初期設定部121は、例えば、学習データに含まれる入力画像に対して、各パラメータを設定したソーベルフィルタによる画像処理を施す。初期設定部121は、各画像処理による処理後の画像に基づいて、画像ごとに画素値(例えば、輝度値)の総和を算出する。ソーベルフィルタは、エッジの抽出を行う画像フィルタであるので、処理後の画像における画素値の総和が大きいほど、多くの領域からエッジが検出されたことになる。このため、処理後の画像における画素値の総和が大きいほど、設定されたパラメータは、対応する入力画像を処理するための有効度が高いと推定される。そこで、初期設定部121は、画素値の総和が大きいほど、対応するパラメータに設定する選択確率を大きくする。
図17は、ソーベルフィルタのパラメータに対する選択確率の設定処理例を示すフローチャートである。
[ステップS122]初期設定部121は、各パラメータを設定したソーベルフィルタを用いて、選択した学習データに含まれる入力画像に対して画像処理を施す。これにより、パラメータの数だけ処理後の画像が得られる。
[ステップS124]初期設定部121は、図9のステップS21で指定されたすべての学習データを選択済みかを判定する。未選択の学習データがある場合、ステップS121の処理が再度実行される。すべての学習データを選択済みの場合、ステップS125の処理が実行される。
[ステップS127]初期設定部121は、パラメータごとに算出された平均値に基づいて、各パラメータに対応する選択確率を算出する。初期設定部121は、決定された選択確率を、フィルタセットデータベース141におけるソーベルフィルタに対応するレコードに対して、該当するパラメータに対応付けて設定する。
図19の目標画像261a,261b,261c,・・・のように、目標画像が複数存在する場合、初期設定部121は、まず、目標画像261a,261b,261c,・・・の論理和をとった合成画像262を生成する。次に、初期設定部121は、合成画像262における抽出領域(画素値“1”の領域)に対して距離変換を行い、距離変換画像263を算出する。距離変換とは、該当画素からその周囲の“0”でない画素までの距離を、該当画素の値とする変換である。なお、目標画像が1つのみの場合、初期設定部121は、その目標画像に対して直接距離変換を行う。
[ステップS132]初期設定部121は、生成された合成画像に対して距離変換を行い、距離変換画像を生成する。
[ステップS133]初期設定部121は、生成された距離変換画像に対して閾値処理を行い、マスクパターンを生成する。
上記の実施の形態1−1に係るプログラム生成装置10では、パラメータを後から設定可能な部分プログラム(パラメータ可変プログラム)が用いられる。そして、プログラム生成装置10は、個体に組み込む部分プログラムとしてパラメータ可変プログラムを選択した際に、設定可能な各パラメータに対応付けられた選択確率にしたがってパラメータを1つ選択し、選択したパラメータをパラメータ可変プログラムに設定する。
次に、実施の形態2−2に係る画像処理装置について説明する。実施の形態2−2に係る画像処理装置は、図21に示したプログラム生成装置10aと同様の処理機能と、この処理機能によって生成された画像処理プログラムを実行して画像処理を行う機能とを備える。
図25は、プログラム生成処理全体の手順の例を示すフローチャートである。図25では、図9と同じ処理内容のステップには同じステップ番号を付して示し、それらの処理内容の説明を省略する。
[ステップS22a]初期設定部121は、フィルタセットの設定のための入力操作を受け付ける。例えば、フィルタセットデータベース141に登録されたフィルタグループの中から、本処理で使用されるフィルタグループが指定される。
[ステップS51]学習処理部122は、ステップS22aで指定されたフィルタグループの中から、フィルタグループをランダムに(すなわち、同じ確率で)選択する。
次に、図23に例示した周波数処理グループ、閾値処理グループおよび微分処理グループのそれぞれについて、画像フィルタごとに選択確率を設定する処理について説明する。
[ステップS201]初期設定部121は、図25のステップS21で指定された学習データの中から、学習データ(すなわち、入力画像と目標画像のペア)を1つ選択する。
[ステップS203]初期設定部121は、フーリエ変換によって得られた各データを基に、前述の式(2)を用いて透過率H(ν)を算出する。
[ステップS211]初期設定部121は、図25のステップS21で指定された学習データの中から、学習データ(すなわち、入力画像と目標画像のペア)を1つ選択する。
[ステップS213]初期設定部121は、輝度ヒストグラムの谷の位置を判定する。
[ステップS216]初期設定部121は、算出された平均値を中心とした正規分布状の曲線を生成する。初期設定部121は、生成した曲線と、閾値処理グループに含まれる各閾値処理フィルタに設定されたパラメータとを比較することで、各閾値処理フィルタに対応する選択確率を決定する。初期設定部121は、決定された選択確率を、フィルタセットデータベース141aにおける閾値処理グループに対応するレコードに対して、該当する閾値処理フィルタに対応付けて設定する。
[ステップS221]初期設定部121は、図25のステップS21で指定された学習データの中から、学習データ(すなわち、入力画像と目標画像のペア)を1つ選択する。
[ステップS224]初期設定部121は、図25のステップS21で指定されたすべての学習データを選択済みかを判定する。未選択の学習データがある場合、ステップS221の処理が再度実行される。すべての学習データを選択済みの場合、ステップS225の処理が実行される。
[ステップS227]初期設定部121は、画像フィルタごとに算出された平均値に基づいて、各画像フィルタに対応する選択確率を算出する。初期設定部121は、決定された選択確率を、フィルタセットデータベース141aにおける微分処理グループに対応するレコードに対して、該当する画像フィルタに対応付けて設定する。
11 設定部
12 選択処理部
21,22,23 部分プログラム
30 学習データ
31 入力画像
32 目標画像
41 個体
Claims (13)
- 複数の部分プログラムの中から選択された部分プログラムの組み合わせを、入力画像と対応する目標画像とを含む学習データを用いて遺伝的プログラミングによって決定することで、画像処理プログラムを生成するプログラム生成装置において、
前記学習データに含まれる情報のうち少なくとも前記入力画像から得られる特徴量と、前記複数の部分プログラムのうちのパラメータ可変プログラムに対して選択的に設定可能な複数のパラメータとの関係に基づいて、前記複数のパラメータのそれぞれに対応する選択確率を設定する設定部と、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた初期個体を生成する際に、前記初期個体に組み込む部分プログラムとして前記パラメータ可変プログラムを選択した場合、前記複数のパラメータの中から各パラメータに対応する前記選択確率にしたがってパラメータを1つ選択し、当該パラメータを設定した前記パラメータ可変プログラムを前記初期個体に組み込み、前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた個体を突然変異によって進化させる際に、前記個体の突然変異対象の位置に新たに組み込む部分プログラムとして前記パラメータ可変プログラムを選択した場合、前記複数のパラメータの中から各パラメータに対応する前記選択確率にしたがってパラメータを1つ選択し、当該パラメータを設定した前記パラメータ可変プログラムを前記個体に組み込む選択処理部と、
を有することを特徴とするプログラム生成装置。 - 前記設定部は、前記入力画像および前記目標画像をそれぞれ周波数領域のデータに変換した第1の変換データおよび第2の変換データを算出し、前記第1の変換データと前記第2の変換データとに基づく情報を前記特徴量として算出することを特徴とする請求項1記載のプログラム生成装置。
- 前記複数のパラメータのそれぞれが設定された前記パラメータ可変プログラムそれぞれについての透過率特性を記憶する記憶部をさらに有し、
前記設定部は、前記第1の変換データと前記第2の変換データとに基づく透過率を前記特徴量として算出し、前記記憶部に記憶された前記透過率特性のそれぞれと算出された前記透過率との相関を算出し、算出された前記相関に基づいて前記複数のパラメータのそれぞれに対応する前記選択確率を設定する、
ことを特徴とする請求項2記載のプログラム生成装置。 - 前記設定部は、前記特徴量として、前記入力画像の各画素のデータのヒストグラムを算出することを特徴とする請求項1記載のプログラム生成装置。
- 前記設定部は、前記複数のパラメータのそれぞれが設定された前記パラメータ可変プログラムそれぞれを用いて、前記入力画像を処理して得られる複数の変換画像を生成し、前記複数の変換画像に基づく情報を前記特徴量として算出することを特徴とする請求項1記載のプログラム生成装置。
- 前記設定部は、さらに、前記複数の部分プログラムのうち、前記パラメータ可変プログラムを除く一の部分プログラムに対して、前記目標画像に基づいてパラメータを設定することを特徴とする請求項1〜5のいずれか1項に記載のプログラム生成装置。
- 複数の部分プログラムの中から選択された部分プログラムの組み合わせを、入力画像と対応する目標画像とを含む学習データを用いて遺伝的プログラミングによって決定することで、画像処理プログラムを生成するプログラム生成装置において、
前記複数の部分プログラムを分類して生成された複数のグループのうち、部分プログラムが複数含まれるグループについて、当該グループに含まれる各部分プログラムと、前記学習データに含まれる情報のうち少なくとも前記入力画像から得られる特徴量との関係に基づいて、当該グループに含まれる部分プログラムのそれぞれに対応する選択確率を設定する設定部と、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた初期個体を生成する際に、前記複数のグループの中からグループを1つ選択し、当該グループに部分プログラムが複数含まれる場合、当該グループに含まれる部分プログラムの中から各部分プログラムに対応する前記選択確率にしたがって部分プログラムを1つ選択し、当該部分プログラムを前記初期個体の1つのノードに組み込み、前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた個体を突然変異によって進化させる際に、前記複数のグループの中からグループを1つ選択し、当該グループに部分プログラムが複数含まれる場合、当該グループに含まれる部分プログラムの中から各部分プログラムに対応する前記選択確率にしたがって部分プログラムを1つ選択し、当該部分プログラムを前記個体の突然変異対象の位置に組み込む選択処理部と、
を有することを特徴とするプログラム生成装置。 - 前記複数のグループのうち部分プログラムが複数含まれるグループには、設定されたパラメータが異なる同種類の部分プログラムが複数含まれることを特徴とする請求項7記載のプログラム生成装置。
- 前記複数のグループのうち部分プログラムが複数含まれるグループについて、当該グループに含まれる各部分プログラムに対応する前記選択確率は、互いに同じ計算方法によって算出されることを特徴とする請求項7または8記載のプログラム生成装置。
- 複数の部分プログラムの中から選択された部分プログラムの組み合わせを、入力画像と対応する目標画像とを含む学習データを用いて遺伝的プログラミングによって決定することで、画像処理プログラムを生成するプログラム生成方法において、
コンピュータが、
前記学習データに含まれる情報のうち少なくとも前記入力画像から得られる特徴量と、前記複数の部分プログラムのうちのパラメータ可変プログラムに対して選択的に設定可能な複数のパラメータとの関係に基づいて、前記複数のパラメータのそれぞれに対応する選択確率を設定し、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた初期個体を生成する際に、前記初期個体に組み込む部分プログラムとして前記パラメータ可変プログラムを選択した場合、前記複数のパラメータの中から各パラメータに対応する前記選択確率にしたがってパラメータを1つ選択し、当該パラメータを設定した前記パラメータ可変プログラムを前記初期個体に組み込み、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた個体を突然変異によって進化させる際に、前記個体の突然変異対象の位置に新たに組み込む部分プログラムとして前記パラメータ可変プログラムを選択した場合、前記複数のパラメータの中から各パラメータに対応する前記選択確率にしたがってパラメータを1つ選択し、当該パラメータを設定した前記パラメータ可変プログラムを前記個体に組み込む、
ことを特徴とするプログラム生成方法。 - 複数の部分プログラムの中から選択された部分プログラムの組み合わせを、入力画像と対応する目標画像とを含む学習データを用いて遺伝的プログラミングによって決定することで、画像処理プログラムを生成するプログラム生成方法において、
コンピュータが、
前記複数の部分プログラムを分類して生成された複数のグループのうち、部分プログラムが複数含まれるグループについて、当該グループに含まれる各部分プログラムと、前記学習データに含まれる情報のうち少なくとも前記入力画像から得られる特徴量との関係に基づいて、当該グループに含まれる部分プログラムのそれぞれに対応する選択確率を設定し、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた初期個体を生成する際に、前記複数のグループの中からグループを1つ選択し、当該グループに部分プログラムが複数含まれる場合、当該グループに含まれる部分プログラムの中から各部分プログラムに対応する前記選択確率にしたがって部分プログラムを1つ選択し、当該部分プログラムを前記初期個体の1つのノードに組み込み、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた個体を突然変異によって進化させる際に、前記複数のグループの中からグループを1つ選択し、当該グループに部分プログラムが複数含まれる場合、当該グループに含まれる部分プログラムの中から各部分プログラムに対応する前記選択確率にしたがって部分プログラムを1つ選択し、当該部分プログラムを前記個体の突然変異対象の位置に組み込む、
ことを特徴とするプログラム生成方法。 - 複数の部分プログラムの中から選択された部分プログラムの組み合わせを、入力画像と対応する目標画像とを含む学習データを用いて遺伝的プログラミングによって決定することで、画像処理プログラムを生成するプログラムにおいて、
コンピュータに、
前記学習データに含まれる情報のうち少なくとも前記入力画像から得られる特徴量と、前記複数の部分プログラムのうちのパラメータ可変プログラムに対して選択的に設定可能な複数のパラメータとの関係に基づいて、前記複数のパラメータのそれぞれに対応する選択確率を設定し、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた初期個体を生成する際に、前記初期個体に組み込む部分プログラムとして前記パラメータ可変プログラムを選択した場合、前記複数のパラメータの中から各パラメータに対応する前記選択確率にしたがってパラメータを1つ選択し、当該パラメータを設定した前記パラメータ可変プログラムを前記初期個体に組み込み、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた個体を突然変異によって進化させる際に、前記個体の突然変異対象の位置に新たに組み込む部分プログラムとして前記パラメータ可変プログラムを選択した場合、前記複数のパラメータの中から各パラメータに対応する前記選択確率にしたがってパラメータを1つ選択し、当該パラメータを設定した前記パラメータ可変プログラムを前記個体に組み込む、
処理を実行させることを特徴とするプログラム。 - 複数の部分プログラムの中から選択された部分プログラムの組み合わせを、入力画像と対応する目標画像とを含む学習データを用いて遺伝的プログラミングによって決定することで、画像処理プログラムを生成するプログラムにおいて、
コンピュータに、
前記複数の部分プログラムを分類して生成された複数のグループのうち、部分プログラムが複数含まれるグループについて、当該グループに含まれる各部分プログラムと、前記学習データに含まれる情報のうち少なくとも前記入力画像から得られる特徴量との関係に基づいて、当該グループに含まれる部分プログラムのそれぞれに対応する選択確率を設定し、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた初期個体を生成する際に、前記複数のグループの中からグループを1つ選択し、当該グループに部分プログラムが複数含まれる場合、当該グループに含まれる部分プログラムの中から各部分プログラムに対応する前記選択確率にしたがって部分プログラムを1つ選択し、当該部分プログラムを前記初期個体の1つのノードに組み込み、
前記複数の部分プログラムの中から選択された部分プログラムを複数組み合わせた個体を突然変異によって進化させる際に、前記複数のグループの中からグループを1つ選択し、当該グループに部分プログラムが複数含まれる場合、当該グループに含まれる部分プログラムの中から各部分プログラムに対応する前記選択確率にしたがって部分プログラムを1つ選択し、当該部分プログラムを前記個体の突然変異対象の位置に組み込む、
処理を実行させることを特徴とするプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2014/066278 WO2015194006A1 (ja) | 2014-06-19 | 2014-06-19 | プログラム生成装置、プログラム生成方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2015194006A1 JPWO2015194006A1 (ja) | 2017-04-20 |
JP6344471B2 true JP6344471B2 (ja) | 2018-06-20 |
Family
ID=54935036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016528725A Active JP6344471B2 (ja) | 2014-06-19 | 2014-06-19 | プログラム生成装置、プログラム生成方法およびプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US10303447B2 (ja) |
EP (1) | EP3159790B1 (ja) |
JP (1) | JP6344471B2 (ja) |
CN (1) | CN106462401B (ja) |
WO (1) | WO2015194006A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016208037A1 (ja) * | 2015-06-25 | 2016-12-29 | 富士通株式会社 | プログラム生成装置、プログラム生成方法および生成プログラム |
JP6631641B2 (ja) * | 2016-01-20 | 2020-01-15 | 富士通株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
JP2017182552A (ja) * | 2016-03-31 | 2017-10-05 | 株式会社Screenホールディングス | 処理フロー生成システム、処理フロー生成方法、およびプログラム |
WO2018078735A1 (ja) * | 2016-10-26 | 2018-05-03 | 富士通株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
JP6939162B2 (ja) * | 2017-07-13 | 2021-09-22 | 横河電機株式会社 | プラント制御支援装置、プラント制御支援方法、プラント制御支援プログラム及び記録媒体 |
EP3683763A4 (en) * | 2017-09-11 | 2020-09-16 | Fujitsu Limited | INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD AND INFORMATION PROCESSING PROGRAM |
US11132180B2 (en) * | 2018-01-05 | 2021-09-28 | Microsoft Technology Licensing, Llc | Neural-guided deductive search for program synthesis |
CN112905181B (zh) * | 2019-12-04 | 2023-10-10 | 杭州海康威视数字技术股份有限公司 | 一种模型编译、运行方法及装置 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11282822A (ja) * | 1998-03-26 | 1999-10-15 | Toshiba Corp | 画像処理プログラム合成方法及びその装置並びに最適解探索方法及びその装置 |
US20040039716A1 (en) * | 2002-08-23 | 2004-02-26 | Thompson Dean S. | System and method for optimizing a computer program |
US7577935B2 (en) * | 2004-02-14 | 2009-08-18 | Matthew T. Reynolds | Generative programming system and method employing focused grammars |
JP4376199B2 (ja) | 2005-03-31 | 2009-12-02 | 国立大学法人横浜国立大学 | 画像処理装置 |
EP1830320A4 (en) * | 2004-12-24 | 2010-10-20 | Nat Univ Corp Yokohama Nat Uni | IMAGE PROCESSOR |
US7711674B2 (en) * | 2005-11-01 | 2010-05-04 | Fuji Xerox Co., Ltd. | System and method for automatic design of components in libraries |
JP2007200246A (ja) * | 2006-01-30 | 2007-08-09 | Sharp Corp | 画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体 |
US8250006B2 (en) * | 2007-03-19 | 2012-08-21 | Dow Global Technologies Llc | Inferential sensors developed using three-dimensional pareto-front genetic programming |
JP2009151371A (ja) | 2007-12-18 | 2009-07-09 | Dainippon Screen Mfg Co Ltd | 画像処理装置、画像処理方法およびプログラム |
US20100179930A1 (en) * | 2009-01-13 | 2010-07-15 | Eric Teller | Method and System for Developing Predictions from Disparate Data Sources Using Intelligent Processing |
JP5304401B2 (ja) * | 2009-04-07 | 2013-10-02 | 株式会社ニコン | 遺伝的処理装置、遺伝的処理方法およびプログラム |
JP5284863B2 (ja) * | 2009-04-30 | 2013-09-11 | 独立行政法人理化学研究所 | 画像処理装置、画像処理方法およびプログラム |
US8885565B2 (en) * | 2012-09-28 | 2014-11-11 | Intel Corporation | Mixed off-site/on-site prediction computation for reducing wireless reconnection time of a computing device |
US9741098B2 (en) * | 2012-10-12 | 2017-08-22 | Nvidia Corporation | System and method for optimizing image quality in a digital camera |
JP6179224B2 (ja) * | 2013-07-02 | 2017-08-16 | 富士通株式会社 | 画像処理フィルタの作成装置及びその方法 |
GB201317203D0 (en) * | 2013-09-27 | 2013-11-13 | Cory Robert | Computer program generation |
-
2014
- 2014-06-19 EP EP14895179.1A patent/EP3159790B1/en active Active
- 2014-06-19 WO PCT/JP2014/066278 patent/WO2015194006A1/ja active Application Filing
- 2014-06-19 CN CN201480080009.6A patent/CN106462401B/zh active Active
- 2014-06-19 JP JP2016528725A patent/JP6344471B2/ja active Active
-
2016
- 2016-11-30 US US15/364,941 patent/US10303447B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
EP3159790A4 (en) | 2017-06-21 |
US20170083295A1 (en) | 2017-03-23 |
US10303447B2 (en) | 2019-05-28 |
WO2015194006A1 (ja) | 2015-12-23 |
EP3159790A1 (en) | 2017-04-26 |
EP3159790B1 (en) | 2021-03-24 |
CN106462401B (zh) | 2019-09-10 |
JPWO2015194006A1 (ja) | 2017-04-20 |
CN106462401A (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6344471B2 (ja) | プログラム生成装置、プログラム生成方法およびプログラム | |
EP3156897B1 (en) | Program generation device, program generation method and program | |
JP2017010475A (ja) | プログラム生成装置、プログラム生成方法および生成プログラム | |
JP6631641B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
JPWO2017068675A1 (ja) | プログラム生成装置、プログラム生成方法および生成プログラム | |
JP6468356B2 (ja) | プログラム生成装置、プログラム生成方法および生成プログラム | |
JP2012216207A (ja) | 複数の画像の記述的情報を取得する方法及び装置、並びに画像マッチング方法 | |
JP2011138194A (ja) | 情報処理装置、情報処理方法およびプログラム | |
US9767533B2 (en) | Image resolution enhancement based on data from related images | |
US20140172556A1 (en) | Method and apparatus to provide advertisement data based on device information and operational information of apparatuses | |
JPWO2019049365A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Marrugo et al. | Improving the blind restoration of retinal images by means of point-spread-function estimation assessment | |
CN108876759B (zh) | 图像探测方法、装置、系统和存储介质 | |
US9652832B2 (en) | Image processing apparatus, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium which perform image restoration processing | |
Ashrafinia et al. | Towards continualized task-based resolution modeling in PET imaging | |
JP2019159406A (ja) | データ解析システム、データ解析方法、及びプログラム | |
WO2018173257A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JPWO2017056320A1 (ja) | プログラム生成装置、プログラム生成方法および生成プログラム | |
JP2013050762A (ja) | 線分および円弧検出装置 | |
JP5856401B2 (ja) | 直線検出装置および直線検出方法 | |
JP2016021144A (ja) | グラフ表示方法、グラフ表示装置およびグラフ表示プログラム | |
JP2020107210A (ja) | スキルマップ処理装置、スキルマップ処理方法、及びスキルマップ処理プログラム | |
JP5176746B2 (ja) | 画像フィルタ生成装置、画像フィルタ生成方法およびプログラム | |
JP2015043707A (ja) | 作物判別装置、作物判別プログラム及び作物判別方法 | |
JP2010026945A (ja) | 画像フィルタ生成装置、画像フィルタ生成方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161202 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20161202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180328 |
|
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: 20180424 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180507 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6344471 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |