JP6352512B1 - 信号処理装置、信号処理方法、信号処理プログラム、及びデータ構造 - Google Patents
信号処理装置、信号処理方法、信号処理プログラム、及びデータ構造 Download PDFInfo
- Publication number
- JP6352512B1 JP6352512B1 JP2017159207A JP2017159207A JP6352512B1 JP 6352512 B1 JP6352512 B1 JP 6352512B1 JP 2017159207 A JP2017159207 A JP 2017159207A JP 2017159207 A JP2017159207 A JP 2017159207A JP 6352512 B1 JP6352512 B1 JP 6352512B1
- Authority
- JP
- Japan
- Prior art keywords
- signal
- input
- processing
- information
- preset
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 154
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 230000008859 change Effects 0.000 claims description 51
- 238000000034 method Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
Description
教師信号を学習することにより構築された階層型の識別器を有する入出力演算部を備え、
当該入出力演算部に信号が入力され、前記識別器の中間層の事前に設定された深さにおける当該入力信号の処理結果である中間特徴量を、前記入力信号に関連付けられたアノテーション情報と共に中間処理データとして出力することを特徴とする信号処理装置。
前記事前に設定された深さが、事前に設定された階層数を超えている場合、当該事前に設定された階層における前記中間処理データを保存用データとして出力することを特徴とする構成1に記載の信号処理装置。
前記中間処理データを復元した信号である、復元信号を生成する復元処理部と、
前記入力信号と前記復元信号を比較し、情報変化量の算出を行う比較処理部と、
を更に備える、構成1又は2に記載の信号処理装置。
前記情報変化量が事前に設定された変化量を超えている場合に、前記中間層の事前に設定された深さにおける中間処理データを保存用データとして出力することを特徴とする構成3に記載の信号処理装置。
前記比較処理部は、
前記入力信号の注目領域が事前に設定された注目情報と一致する確率と、
前記中間層の事前に設定された深さにおける前記復元信号の前記注目領域が前記事前に設定された注目情報と一致する確率と、に基づいて前記情報変化量を算出することを特徴とする構成3又は4の何れかに記載の信号処理装置。
前記中間層の事前に設定された深さにおける前記復元信号の前記注目領域が前記事前に設定された注目情報と一致する確率が、事前に設定された確率を超えている場合に、前記事前に設定された階層についての前記中間処理データを保存用データとして出力することを特徴とする構成5に記載の信号処理装置。
前記入出力演算部における前記中間層の事前に設定された深さより下位の層の識別器が、前記識別器とは異なることを特徴とする構成1から6の何れかに記載の信号処理装置。
教師信号を学習することにより構築された階層型の識別器に信号が入力され、前記識別器の中間層の事前に設定された深さにおける当該入力信号の処理を行う信号処理ステップと、
当該処理の結果である中間特徴量及を前記入力信号に関連付けられたアノテーション情報と共に中間処理データとして出力する出力ステップと、
を備えることを特徴とする信号処理方法。
教師信号を学習することにより構築された階層型の識別器を有する入出力演算部を備えた信号処理装置において、
当該入出力演算部に信号が入力され、前記識別器の中間層の事前に設定された深さにおける当該入力信号の処理を行う信号処理ステップと、
当該処理の結果である中間特徴量及び、前記入力信号に関連付けられたアノテーション情報と共に中間処理データとして出力する出力ステップを
実行させる信号処理プログラム。
教師信号を学習することにより構築された階層型の識別器を有する入出力演算部を備えた信号処理装置で用いられるデータ構造であって、
当該入出力演算部に信号が入力され、前記識別器の中間層の事前に設定された深さにおける当該入力信号の処理結果である中間特徴量を、前記入力信号に関連付けられた前記アノテーション情報と共に中間処理データとして出力する処理に用いられる、
データ構造。
本発明は、音声や画像等の離散化された信号に対して適用可能であるが、本実施形態においては画像データを例にとって説明する。
図1はこの発明の実施形態による信号処理装置100を示す概略構成図である。
信号処理装置100はコンピュータにより構成されており、個人情報を保護しつつ情報財としての価値及び汎用性の高い形式に入力画像を処理する信号処理装置であり、処理部110を備える。
図2の上段に示されるように、入出力演算部111は、教師画像を学習することにより構築された階層型の識別器を有する。なお、教師画像には各画像に関連付けられたアノテーション情報が付与されていてもよい。アノテーションの内容としては種々のものが考えられるが、年齢及び性別、名前等の人物情報及び、人物が映っている領域の情報とする。
図2のL1からLnは識別器の中間層を表し、入力画像に対する畳み込み層及びプーリング層を活性化関数で接続することにより構成されている。本実施の形態においては、活性化関数としてReLU (Rectified Linear Unit) を使用している。ここでは、プーリング層の有無に関わらず、1つ以上の畳み込み層を有する層を「中間層」と呼ぶ。中間層の数は任意に設定可能である。
また、入力Inputに対する畳み込み処理をcn(Input)、プーリング処理をpn(Input)、活性化関数をrn(Input)とする。
なお、上記のように表される中間層における処理結果である中間特徴量xn及び、入力画像に関連付けられたアノテーション情報を合わせて「中間処理データ」とも称する。
処理された入力画像が個人情報を保護できているかという点を考慮すると、指定した深さの中間層から出力された中間処理データについて、どの程度個人情報が削減されているかを評価する必要がある。そのため、本発明においては、個人情報に関する情報量の変化について、以下の方法にて定量的な評価を行う。
具体的には、原画像xを入出力演算部111の識別器に入力した時に得られる中間処理データをxn、ランダムなノイズ画像x’を上記の復元モデルに入力した時に得られる特徴量をxn’とする。このとき、xnと、xn’との差として最小二乗誤差を用いて以下のように損失関数Lを設定し、Adam等の確率勾配降下法により損失関数Lが収束するように、ノイズ画像x’を更新し、復元画像を得る。
次に、図2の左列に示されるように、比較処理部113は、上記のように得られた復元画像と、入力画像とを比較することで個人情報に関する情報量がどの程度変化しているかどうかを算出する。以下、復元画像と入力画像との間の情報量の変化を「情報変化量」とも称する。
なお、入力画像と、上記識別器の学習に使用した画像と、が別の画像であると正確な情報変化量の算出の観点から好適である。
また、ΩIとΩEは互いに排他的であり、且つ余事象であることを考慮すると、2つの画像の類似度Sはベイズの定理を用いて下記のように示される。
まず、入力画像の人物領域に映っている人物が、アノテーション情報に記載された人物と同一人物である確率をP(O)とし、復元画像の人物領域に映っている人物が、アノテーション情報に記載された人物と同一人物である確率をP(R)とする。このように両者の確率を算出することを、人物同定処理とも称する。
この場合、各画像(の人物領域)が持っている情報量を、入力画像についてIOS、復元画像についてIRSとすると、個人情報量の差DeltaInfoを以下のように定義することができる。
また、比較処理部113は、復元画像のみについて同一人物である確率を算出し、この結果を事前に設定された閾値と比較することで個人情報削減の評価を行うように構成されていてもよい。
続いて、図3を参照して信号処理装置100の基本動作について説明する。なお、事前に教師信号を用いて、入出力演算部111における識別器が構築されているものとする。
図4は、本実施形態における信号処理装置100による処理結果の一例を示したものである。図4左側の入力画像には「人物A、女性、22歳」および人物領域の座標についてアノテーションが付与されている。入出力演算部111における識別器にこの画像を入力し、中間層4層目の出力を中間処理データとして出力した。そして、復元処理部112により中間処理データを復元した画像が、図4右側の画像である。
このように、本実施形態における信号処理装置100は、教師画像を学習することにより構築された階層型の識別器をそなえ、識別器の中間層における入力画像に対する処理結果を入力画像に関連付けられたアノテーション情報と共に中間処理データとして出力するように構成されているため、個人情報を保護しつつ情報財としての価値が高い形式に入力画像を処理することが可能である。また、必要最低限の情報を削除した状態に入力画像を処理することができるため、その後の汎用性が高い。
比較処理部113は情報変化量の算出において、入力画像と復元画像それぞれがある人物と同一人物である確率を用いているが、この確率の算出方法は上記の手法に限られるものではなく、任意の人物同定処理手法により算出するように構成されていてもよい。
更に、入力画像と復元画像において共通する人物と比較を行うように構成されていればよく、事前に設定されたある1人物について比較を行うように構成されていてもよい。
110…処理部
111…入出力演算部
112…復元処理部
113…比較処理部
Claims (7)
- 教師信号を学習することにより構築された階層型の識別器を有する入出力演算部を備え、
当該入出力演算部に信号が入力され、前記識別器の中間層の事前に設定された深さにおける当該入力信号の処理結果である中間特徴量を、前記入力信号に関連付けられたアノテーション情報と共に中間処理データとして出力し、
前記中間処理データを復元した信号である、復元信号を生成する復元処理部と、
前記入力信号と前記復元信号を比較し、情報変化量の算出を行う比較処理部と、
を更に備え、
前記情報変化量が事前に設定された変化量を超えている場合に、前記中間層の事前に設定された深さにおける中間処理データを保存用データとして出力することを
特徴とする信号処理装置。 - 前記事前に設定された深さが、事前に設定された階層数を超えている場合、当該事前に設定された階層における前記中間処理データを保存用データとして出力することを特徴とする請求項1に記載の信号処理装置。
- 前記比較処理部は、
前記入力信号の注目領域が事前に設定された注目情報と一致する確率と、
前記中間層の事前に設定された深さにおける前記復元信号の前記注目領域が前記事前に設定された注目情報と一致する確率と、に基づいて前記情報変化量を算出することを特徴とする請求項1又は2に記載の信号処理装置。 - 前記中間層の事前に設定された深さにおける前記復元信号の前記注目領域が前記事前に設定された注目情報と一致する確率が、事前に設定された確率を超えている場合に、前記事前に設定された階層についての前記中間処理データを保存用データとして出力することを特徴とする請求項3に記載の信号処理装置。
- 前記入出力演算部における前記中間層の事前に設定された深さより下位の層の識別器が、前記識別器とは異なることを特徴とする請求項1から4の何れかに記載の信号処理装置。
- 教師信号を学習することにより構築された階層型の識別器に信号が入力され、前記識別器の中間層の事前に設定された深さにおける当該入力信号の処理を行う信号処理ステップと、
当該処理の結果である中間特徴量及を前記入力信号に関連付けられたアノテーション情報と共に中間処理データとして出力する出力ステップと、
前記中間処理データを復元した信号である、復元信号を生成する復元処理ステップと、
前記入力信号と前記復元信号を比較し、情報変化量の算出を行う比較処理ステップと、
前記情報変化量が事前に設定された変化量を超えている場合に、前記中間層の事前に設定された深さにおける中間処理データを保存用データとして出力するステップと、を備えることを特徴とする信号処理方法。 - 教師信号を学習することにより構築された階層型の識別器を有する入出力演算部を備えた信号処理装置において、
当該入出力演算部に信号が入力され、前記識別器の中間層の事前に設定された深さにおける当該入力信号の処理を行う信号処理ステップと、
当該処理の結果である中間特徴量及び、前記入力信号に関連付けられたアノテーション情報と共に中間処理データとして出力する出力ステップと、
前記中間処理データを復元した信号である、復元信号を生成する復元処理ステップと、
前記入力信号と前記復元信号を比較し、情報変化量の算出を行う比較処理ステップと、
前記情報変化量が事前に設定された変化量を超えている場合に、前記中間層の事前に設定された深さにおける中間処理データを保存用データとして出力するステップと、を実行させる信号処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017159207A JP6352512B1 (ja) | 2017-08-22 | 2017-08-22 | 信号処理装置、信号処理方法、信号処理プログラム、及びデータ構造 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017159207A JP6352512B1 (ja) | 2017-08-22 | 2017-08-22 | 信号処理装置、信号処理方法、信号処理プログラム、及びデータ構造 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018108482A Division JP2019040593A (ja) | 2018-06-06 | 2018-06-06 | 信号処理装置、信号処理方法、信号処理プログラム、及びデータ構造 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6352512B1 true JP6352512B1 (ja) | 2018-07-04 |
JP2019040233A JP2019040233A (ja) | 2019-03-14 |
Family
ID=62779954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017159207A Active JP6352512B1 (ja) | 2017-08-22 | 2017-08-22 | 信号処理装置、信号処理方法、信号処理プログラム、及びデータ構造 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6352512B1 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020071482A (ja) * | 2018-10-30 | 2020-05-07 | 富士通株式会社 | 語音分離方法、語音分離モデル訓練方法及びコンピュータ可読媒体 |
CN112912901A (zh) * | 2018-10-18 | 2021-06-04 | 富士通株式会社 | 学习程序、学习方法以及学习装置 |
JP2022505783A (ja) * | 2018-11-07 | 2022-01-14 | エヌイーシー ラボラトリーズ アメリカ インク | 敵対的学習を経たプライバシー保護の視覚的認識 |
JP2022552681A (ja) * | 2019-10-24 | 2022-12-19 | ディーピング ソース インコーポレイテッド. | 個人情報を保護するために原本データをコンシーリング処理して生成された変造データを認識するために使われる使用者ラーニングネットワークを学習する方法及びテストする方法、そしてこれを利用した学習装置及びテスト装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7361999B1 (ja) * | 2022-02-04 | 2023-10-16 | 三菱電機株式会社 | 機械学習装置、機械学習システム、機械学習方法、及び機械学習プログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09282466A (ja) * | 1996-04-18 | 1997-10-31 | Atr Ningen Joho Tsushin Kenkyusho:Kk | パターン認識方法 |
JP2017059090A (ja) * | 2015-09-18 | 2017-03-23 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
-
2017
- 2017-08-22 JP JP2017159207A patent/JP6352512B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09282466A (ja) * | 1996-04-18 | 1997-10-31 | Atr Ningen Joho Tsushin Kenkyusho:Kk | パターン認識方法 |
JP2017059090A (ja) * | 2015-09-18 | 2017-03-23 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
Non-Patent Citations (4)
Title |
---|
原田 達也: ""画像識別と画像復元"", 情報処理, vol. 56, no. 7, JPN6018006411, 15 June 2015 (2015-06-15), JP, pages 640 - 645 * |
新家 歩、外3名: ""畳み込みニューラルネットワークによる特定部分へのスタイル転移"", 第79回(平成29年)全国大会講演論文集(2) 人工知能と認知科学, JPN6018006412, 16 March 2017 (2017-03-16), JP, pages 373 - 374 * |
森田 龍彌、中島 和義: ""バタフライ構造をもつニューラルネットの双方向学習"", 電子情報通信学会論文誌, vol. Vol.J77-D-II, No.5, JPN6018006410, 25 May 1994 (1994-05-25), JP, pages 993 - 1000 * |
福井 宏、外5名: ""プライバシーに配慮したDeep Convolutional Neural Networkによるクラ", 第22回 画像センシングシンポジウム SSII2016, JPN6018006407, 8 June 2016 (2016-06-08), JP, pages 1 - 6 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112912901A (zh) * | 2018-10-18 | 2021-06-04 | 富士通株式会社 | 学习程序、学习方法以及学习装置 |
JPWO2020079815A1 (ja) * | 2018-10-18 | 2021-09-09 | 富士通株式会社 | 学習プログラム、学習方法および学習装置 |
JP7192873B2 (ja) | 2018-10-18 | 2022-12-20 | 富士通株式会社 | 情報処理プログラム、情報処理方法および学習装置 |
JP2020071482A (ja) * | 2018-10-30 | 2020-05-07 | 富士通株式会社 | 語音分離方法、語音分離モデル訓練方法及びコンピュータ可読媒体 |
JP2022505783A (ja) * | 2018-11-07 | 2022-01-14 | エヌイーシー ラボラトリーズ アメリカ インク | 敵対的学習を経たプライバシー保護の視覚的認識 |
JP2022552681A (ja) * | 2019-10-24 | 2022-12-19 | ディーピング ソース インコーポレイテッド. | 個人情報を保護するために原本データをコンシーリング処理して生成された変造データを認識するために使われる使用者ラーニングネットワークを学習する方法及びテストする方法、そしてこれを利用した学習装置及びテスト装置 |
JP7297226B2 (ja) | 2019-10-24 | 2023-06-26 | ディーピング ソース インコーポレイテッド. | 個人情報を保護するために原本データをコンシーリング処理して生成された変造データを認識するために使われる使用者ラーニングネットワークを学習する方法及びテストする方法、そしてこれを利用した学習装置及びテスト装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2019040233A (ja) | 2019-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6352512B1 (ja) | 信号処理装置、信号処理方法、信号処理プログラム、及びデータ構造 | |
JP7128022B2 (ja) | 完全教師あり学習用のデータセットの形成 | |
US10217027B2 (en) | Recognition training apparatus, recognition training method, and storage medium | |
JP7193252B2 (ja) | 画像の領域のキャプション付加 | |
US9542621B2 (en) | Spatial pyramid pooling networks for image processing | |
JP7447932B2 (ja) | 画像処理システム、画像処理方法及びプログラム | |
Soler et al. | Lifted Wasserstein matcher for fast and robust topology tracking | |
Antonakaki et al. | Detecting abnormal human behaviour using multiple cameras | |
JP5895703B2 (ja) | 画像処理装置及び画像処理方法、並びにコンピューター・プログラム | |
JP5889019B2 (ja) | ラベル付加装置、ラベル付加方法及びプログラム | |
US20180330018A1 (en) | Methods and systems for part geometry extraction | |
JP7396568B2 (ja) | 帳票レイアウト解析装置、その解析プログラムおよびその解析方法 | |
CN111523421A (zh) | 基于深度学习融合各种交互信息的多人行为检测方法及系统 | |
CN113705297A (zh) | 检测模型的训练方法、装置、计算机设备和存储介质 | |
KR102359090B1 (ko) | 실시간 기업정보시스템 이상행위 탐지 서비스를 제공하는 방법과 시스템 | |
CN116403253A (zh) | 基于卷积神经网络的人脸识别监控管理系统及其方法 | |
CN113420848A (zh) | 神经网络模型的训练方法及装置、手势识别的方法及装置 | |
JP2019086979A (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20210158089A1 (en) | Generating training data for object detection | |
CN115392937A (zh) | 一种用户欺诈风险识别方法、装置、电子设备及存储介质 | |
CN108898067B (zh) | 确定人和物关联度的方法、装置及计算机可读存储介质 | |
CN110717407A (zh) | 基于唇语密码的人脸识别方法、装置及存储介质 | |
KR102537947B1 (ko) | 약한 지도학습 기반 객체 위치 검출 방법 및 장치 | |
KR102504722B1 (ko) | 감정 표현 영상 생성을 위한 학습 장치 및 방법과 감정 표현 영상 생성 장치 및 방법 | |
CN112241470A (zh) | 一种视频分类方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180411 |
|
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: 20180522 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180606 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6352512 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |