JP6590477B2 - 情報処理装置、情報処理方法、プログラム - Google Patents
情報処理装置、情報処理方法、プログラム Download PDFInfo
- Publication number
- JP6590477B2 JP6590477B2 JP2014242462A JP2014242462A JP6590477B2 JP 6590477 B2 JP6590477 B2 JP 6590477B2 JP 2014242462 A JP2014242462 A JP 2014242462A JP 2014242462 A JP2014242462 A JP 2014242462A JP 6590477 B2 JP6590477 B2 JP 6590477B2
- Authority
- JP
- Japan
- Prior art keywords
- identification model
- data
- data set
- normal
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Description
本発明を実施するための第1の実施形態について、図面を参照して説明する。本実施形態における異常検知システム1は、監視対象が正常時にカメラ等の撮像装置で撮影した映像などのデータを、正常データとし、該データから特徴空間上の正常の範囲を表す局所的な線形識別モデルを学習する。そして、監視対象の新たな状態を撮影した映像などのデータを、判定対象データ(入力データ)とし、学習した線形識別モデルを用いて、該データが特徴空間上で局所的に正常クラス又は異常クラスに識別する。これらの識別結果に基づいて、判定対象データに異常があるか否かを判定する。そして、異常がある場合は、警備室等の監視センタに常駐する監視者に警報する。つまり、ここでは、特定のクラスを正常クラス、特定外のクラスを異常クラスとする。この監視対象には、例えば、一般家庭の屋内及び屋外、又は病院、駅などの公共施設が含まれる。
まず、データ分割部11は、正常特徴量記憶部M1から、正常特徴量を読み込む。
次に、データ分割部11は、正常データを分割する。具体的には、読み込んだ正常データを、上述した所定の方法を用いて分割し、データ集合IDと関連付けてデータ集合特性情報を、データ集合記憶部M2に記憶させる。また、正常データIDと関連づけて、該データが属するデータ集合のデータ集合IDを、正常特徴量記憶部M1に記憶させる。そして、データ分割部11は、線形識別モデル生成部12に、トリガーを出力する。
次に、線形識別モデル生成部12は、データ集合cに属する正常データを読み込む。具体的には、線形識別モデル生成部12は、データ集合cを識別するデータ集合IDに関連付けられた正常特徴量を、正常特徴量記憶部M1から読み込む。
次に、ランダムモデル生成部121は、データ集合cに対してランダムに線形識別モデルの候補を生成する。具体的には、ランダム候補生成部121は、ランダムに所定の候補数L個のパラメータ(w、b)の組みを生成する。
次に、線形識別モデル選択部122は、データ集合cに対して線形識別モデルを選択する。具体的には、ランダム候補生成部121が生成した候補の中から、式(2)を最小化するM個の線形識別モデルのパラメータを選択する。
次に、線形識別モデル生成部12は、生成した線形識別モデルのパラメータを、線形モデル記憶部M3に記憶させる。具体的には、線形識別モデル生成部12は、生成した線形識別モデルのパラメータを、データ集合cを識別するデータ集合IDと線形識別モデルを識別する線形識別モデルIDとに関連付けて、線形識別モデル記憶部M3に記憶させる。
次に、線形識別モデル生成部12は、データ集合カウンタcに「1」を追加する。
次に、線形識別モデル生成部12は、データ集合カウンタcが所定のデータ集合数C以上か否かを判定する。具体的には、カウンタcが該データ集合数C以上の場合、線形識別モデル生成部12は、処理を終了する。一方、カウンタcが該データ集合数C未満の場合、線形識別モデル生成部12は、処理をステップs104に戻す。
まず、特徴抽出部13は、判定対象データを撮像装置から取得する。具体的には、撮像装置20により撮像された判定対象データが、ネットワークを介して特徴抽出部13と出力部16に出力される。特徴抽出部13は、判定対象データを取得したことに応じて、上述した所定の特徴抽出方法を用いて、取得した判定対象データから判定対象特徴量を抽出する。そして、特徴抽出部13は、抽出した判定対象特徴量と、判定対象データに含まれるメタ情報とをデータ集合選択部14に出力する。
次に、データ集合選択部14は、判定対象データのシーン情報を選択する。具体的には、データ集合選択部14は、特徴抽出部13から判定対象特徴量とメタ情報とを入力したことに応じ、予め用意された所定のカテゴリの中から、入力したメタ情報に基づき、判定対象データが取得された環境を示すカテゴリをシーン情報として選択する。
次に、データ集合選択部14は、判定対特徴量及び選択したシーン情報と、データ集合特性情報との関係に基づきデータ集合を選択する。具体的には、データ集合選択部14は、データ集合記憶部M2がデータ集合IDと関連付けて記憶するデータ集合特性情報を読み込む。そして、データ集合選択部14は、入力した判定対象特徴量及び選択したシーン情報と、読み込んだデータ集合特性情報とに基づき上述した所定のデータ集合選択方法を用いて、判定対象データが属するデータ集合を選択する。そして、選択したデータ集合を識別するデータ集合IDと、入力した判定対象特徴量とを識別部15に出力する。
次に、識別部15は、データ集合数のカウンタをリセットする。具体的には、データ集合選択部14からデータ集合IDと判定対象特徴量とを入力したことに応じて、識別部15は、データ集合数のカウンタcを「0」に設定する。
次に、識別部15は、c番目のデータ集合に関連付けられた線形識別モデルのパラメータを読み込む。具体的には、c番目のデータ集合を識別するデータ集合IDに関連付けられた全ての線形識別モデルのパラメータを線形識別モデル記憶部M2から読み込む。
次に、識別部15は、c番目のデータ集合に対して判定対象データが正常クラス又は異常クラスに識別する。具体的には、読み込んだ線形識別モデルを用いて、前述した所定の識別方法により、入力した判定対象特徴量をc番目のデータ集合に対して正常クラス又は異常クラスに識別する。
次に、識別部15は、カウンタcに「1」を加算する。
次に、識別部15は、カウンタcがデータ集合選択部14から入力したデータ集合の数C1以上か否かを判定する。具体的には、カウンタcが該データ集合数C1以上の場合、識別部15は、処理をステップT109に進める。一方、カウンタcが該データ集合数C1未満の場合、識別部15は、処理をステップS205に戻す。
次に、識別部15は、判定対象データが正常か否かを判定する。具体的には、C1個のデータ集合のうち、一つでも判定対象データが正常クラスに識別されている場合、識別部15は、判定対象データが正常であると判定する。一方、一つも判定対象データが正常クラスに識別されていない場合、識別部15は、判定対象データが異常であると判定する。そして、識別部15は、判定結果を示す情報を出力部16に出力する。
次に、出力部16は、表示情報を端末装置20に出力する。具体的には、出力部16は、識別部15から、入力した識別結果情報と、撮像装置20から入力した判定対象データとに基づいて生成した表示情報を、ネットワークを介して端末装置30に出力する。
次に、端末装置30は、表示情報を出力し、処理を終了する。具体的には、端末装置30は、情報処理装置20の出力部16から入力した表示情報を、表示部41に出力する。
次に、本発明を実施するための第2の実施形態について、図面を参照して説明する。なお、上述した第1の実施形態における各構成と同一の構成については、同一の符号を付して説明を省略する。
まず、非類似モデル学習部122aは、モデルカウンタmをリセットする。具体的には、モデルカウンタmを「0」に設定する。
次に非類似モデル学習部122aは、データ集合cに対するm番目の線形識別モデルのパラメータを学習する。具体的には、式(4)を満たすように、上述した最急降下法を用いてデータ集合cに対するm番目の線形識別モデルのパラメータを最適化する。
次に、非類似モデル学習部122aは、モデルカウンタmに「1」を追加する。
次に非類似モデル学習部122aは、モデルカウンタmが所定のモデル数M以上か否かを判定する。具体的には、モデルカウンタmが該モデル数M以上の場合、非類似モデル学習部122aは、処理をステップs107に移す。一方、モデルカウンタmが該モデル数M未満の場合、非類似モデル学習部122aは、処理をステップS302に戻す。
次に、本発明を実施するための第3の実施形態について、図面を参照して説明する。なお、上述した第1の実施形態における各構成と同一の構成については、同一の符号を付して説明を省略する。
重要度割り当て部121bは、データ集合ごとに、既に学習済みの線形識別モデルと、正常特徴量との関係に基づき、正常データに重要度を割り当てる。具体的には、重要度割り当て部121bは、データ分割部11からトリガーを入力したことに応じて、データ集合ごとに、正常特徴量記憶部M1から該データ集合に属する正常特徴量を読み込む。そして、重要度割り当て部121bは、所定の割り当て方法により、該データ集合内の正常データ点に、既に追加された該データ集合内の線形識別モデルとの関係に基づき、重要度を割り当てる。そして、重要度割り当て部121bは、正常データIDと関連付けて割り当てた重要度を示す重要度情報を、モデル追加判定部122bに出力する。ここで、正常データ点への重要度の割り当て方法としては、例えば、後述するモデル追加部123bにより追加された線形識別モデルと各正常データ点との距離の平均を用いる。例えば、M個の線形識別モデルとn番目の正常データ点間の平均距離は、式(6)を用いて計算することができる。
まず、重要度割り当て部121bは、モデルカウンタmをリセットする。具体的には、モデルカウンタmを「1」に設定する。
次に、重要度割り当て部121bは、データ集合cの正常データに重要度を割り当てる。具体的には、読み込んだデータ集合cに属する正常データに対して、上述した所定の重要度割り当て方法を用いて、重要度を割り当てる。そして、重要度割り当て部121bは、正常データIDに関連づけて、割り当てた重要度情報をモデル追加判定部122bに出力する。
次に、モデル追加判定部122bは、データ集合cに対して線形識別モデルを追加するか否かを判定する。具体的には、重要度割り当て部121bから重要度情報を入力したことに応じて、上述した所定の追加判定方法を用いて、線形識別モデルを追加するか否かを判定する。追加すると判定した場合、モデル追加判定部122bは、入力した正常特徴量と、重要度情報とをモデル追加部123bに出力し、処理をステップS304に進める。一方、追加しないと判定した場合、処理をステップS107に進める。
次に、モデル追加部123bは、データ集合cに対して線形識別モデルを追加する。具体的には、モデル追加判定部122bからデータIDと関連付けられた正常特徴量と重要度情報とを入力したことに応じて、所定の追加方法を用いて、線形識別モデルを追加する。
次に、モデル追加部123bは、モデルカウンタmに「1」を追加し、処理をステップS402に戻す。
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ(またはCPUやMPU等)がプログラムを読み出して実行する処理である。
12、12a、12b 線形識別モデル生成部
13 特徴抽出部
14 データ集合選択部
15 識別部
16 出力部
20 撮像装置
30 端末装置
M1 特徴量記憶部
M2 データ集合記憶部
M3 線形識別モデル記憶部
Claims (11)
- 入力データから第1の特徴量を抽出する特徴抽出手段と、
特定のクラスに属する訓練データから抽出され、該訓練データが取得された環境を示すシーン情報を含む第2の特徴量を該シーン情報に基づいて分割して得られる複数の集合ごとに生成される識別モデルと、前記それぞれの集合の特性を表す特性情報と、前記それぞれの集合とを関連付けて保持する保持手段と、
前記抽出された第1の特徴量と、前記特性情報とに基づいて、前記第1の特徴量に対応する集合を選択する選択手段と、
前記選択された前記集合に関連付けられた識別モデルを用いて、前記入力データが前記特定のクラスに属するか否かを判定する判定手段とを備えることを特徴とする情報処理装置。 - 前記判定手段は、前記選択された前記集合ごとに、前記入力データが前記特定クラスに属するか否かを識別し、いずれかの集合において前記特定クラスに属すると識別した場合、前記入力データは、前記特定クラスに属すると判定することを特徴とする請求項1に記載の情報処理装置。
- 前記選択手段は、前記入力データが取得された環境を示すシーン情報を取得し、前記抽出された第1の特徴量と該シーン情報とに基づいて、前記集合を選択することを特徴とする請求項2に記載の情報処理装置。
- 特定のクラスに属する訓練データの特徴量を複数の集合に分割し、該集合それぞれの特性を示す特性情報を設定する特性情報設定手段と、
前記集合ごとに、前記訓練データの特徴量に基づき、識別モデルを生成する識別モデル生成手段と、
前記集合ごとに既に生成されている識別モデルと、該集合に属する特徴量との関係に基づき、該特徴量に重要度を割り当てる重要度割り当て手段と、
前記重要度割り当て手段により割り当てられた重要度に基づき、前記集合に識別モデルを追加するか否かを判定するモデル追加判定手段と、
前記モデル追加判定手段により、該集合に前記識別モデルを追加すると判定された場合、前記重要度割り当て手段により割り当てられた重要度と、該集合に属する特徴量とに基づいて識別モデルを追加するモデル追加手段と、
前記集合と、前記集合ごとに生成された識別モデルと、前記集合それぞれの特性を示す特性情報とを関連付けて保持する保持手段とを備えることを特徴とする情報処理装置。 - 前記識別モデルは、前記集合ごとに前記識別モデルの候補を、所定の確率分布に従いランダムに生成し、前記ランダムに生成された前記識別モデルの候補のなかから、前記集合ごとに、該集合に属する特徴量が前記特定のクラスに識別され、かつ前記特定のクラス内の前記特徴量の密度が大きい前記識別モデルを選択することにより生成されることを特徴とする請求項4に記載の情報処理装置。
- 前記確率分布は、前記特性情報に基づいて、前記集合ごとに前記確率分布を設定されることを特徴とする請求項5に記載の情報処理装置。
- 前記識別モデル生成手段は、前記ランダムに生成された前記識別モデルを、前記集合ごとに、該集合に属する特徴量が前記特定のクラスに識別され、かつ前記特定のクラス内の前記特徴量の密度が大きく、かつ該集合内の前記識別モデル同士が類似しないように、前記識別モデルを生成することを特徴とする請求項5または6に記載の情報処理装置。
- 前記訓練データの特徴量を第2の特徴量とし、
入力データから第1の特徴量を抽出する特徴抽出手段と、
前記抽出された第1の特徴量と、前記特性情報とに基づいて、前記第1の特徴量に対応する集合を選択する選択手段と、
前記選択された前記集合に対応する識別モデルを用いて、前記入力データが前記特定のクラスに属するか否かを判定する判定手段とを備えることを特徴とする請求項4に記載の情報処理装置。 - 予め特定のクラスに属する訓練データから抽出され、該訓練データが取得された環境を示すシーン情報を含む第2の特徴量を該シーン情報に基づいて分割して得られる複数の集合ごとに、前記それぞれの集合に関連付けて、該第2の特徴量に基づいて生成され、前記集合それぞれの特性を示す特性情報と、前記集合とに関連付けられて保持手段に保持された識別モデルを使って、入力データが前記特定のクラスに属するかを判定する情報処理方法であって、
入力データから第1の特徴量を抽出する特徴抽出工程と、
前記抽出された第1の特徴量と、前記特性情報とに基づいて、前記第1の特徴量が対応する集合を選択する選択工程と、
前記選択された前記集合に関連付けられた識別モデルを用いて、前記入力データが前記特定のクラスに属するか否かを判定する判定工程とを備えることを特徴とする情報処理方法。 - 特定のクラスに属する訓練データの特徴量を複数の集合に分割し、該集合それぞれの特性を示す特性情報を設定する設定工程と、
前記集合ごとに、前記訓練データの特徴量に基づき、識別モデルを生成する識別モデル生成工程と、
前記集合ごとに既に生成されている識別モデルと、該集合に属する特徴量との関係に基づき、該特徴量に重要度を割り当てる重要度割り当て工程と、
前記重要度割り当て工程により割り当てられた重要度に基づき、前記集合に識別モデルを追加するか否かを判定するモデル追加判定工程と、
前記モデル追加判定工程により、該集合に前記識別モデルを追加すると判定された場合、前記重要度割り当て工程により割り当てられた重要度と、該集合に属する特徴量とに基づいて識別モデルを追加するモデル追加工程と、
前記集合と、前記集合ごとに生成された識別モデルと、前記集合それぞれの特性を示す特性情報とを関連付けて保持する保持工程とを備えることを特徴とする情報処理方法。 - コンピュータを、請求項1乃至8のいずれか1項に記載の情報処理装置の各手段として機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014242462A JP6590477B2 (ja) | 2014-11-28 | 2014-11-28 | 情報処理装置、情報処理方法、プログラム |
US14/949,491 US20160155068A1 (en) | 2014-11-28 | 2015-11-23 | Information processing apparatus, information processing method, and recording medium for classifying input data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014242462A JP6590477B2 (ja) | 2014-11-28 | 2014-11-28 | 情報処理装置、情報処理方法、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016103245A JP2016103245A (ja) | 2016-06-02 |
JP6590477B2 true JP6590477B2 (ja) | 2019-10-16 |
Family
ID=56079417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014242462A Active JP6590477B2 (ja) | 2014-11-28 | 2014-11-28 | 情報処理装置、情報処理方法、プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20160155068A1 (ja) |
JP (1) | JP6590477B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9892012B2 (en) * | 2015-12-30 | 2018-02-13 | International Business Machines Corporation | Detecting anomalous sensors |
CN105631600A (zh) * | 2016-01-07 | 2016-06-01 | 平安科技(深圳)有限公司 | 车险查勘任务的发布方法及系统 |
JP7190951B2 (ja) * | 2019-03-27 | 2022-12-16 | 株式会社日立製作所 | 画像認識システムおよび画像認識方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3621245B2 (ja) * | 1997-12-12 | 2005-02-16 | 株式会社東芝 | 人物認識装置、人物認識方法、および、人物認識プログラムの記録媒体 |
US6647139B1 (en) * | 1999-02-18 | 2003-11-11 | Matsushita Electric Industrial Co., Ltd. | Method of object recognition, apparatus of the same and recording medium therefor |
JP2001266142A (ja) * | 2000-01-13 | 2001-09-28 | Nikon Corp | データ分類方法及びデータ分類装置、信号処理方法及び信号処理装置、位置検出方法及び位置検出装置、画像処理方法及び画像処理装置、露光方法及び露光装置、並びにデバイス製造方法 |
GB2382289B (en) * | 2001-09-28 | 2005-07-06 | Canon Kk | Method and apparatus for generating models of individuals |
KR100442834B1 (ko) * | 2002-07-19 | 2004-08-02 | 삼성전자주식회사 | 얼굴/유사얼굴 영상으로 학습된 패턴 분류기를 이용한얼굴 검출 방법 및 시스템 |
EP1650711B1 (en) * | 2003-07-18 | 2015-03-04 | Canon Kabushiki Kaisha | Image processing device, imaging device, image processing method |
CN101116073A (zh) * | 2005-12-05 | 2008-01-30 | 索尼株式会社 | 信息处理设备、信息处理方法及程序 |
JP5010219B2 (ja) * | 2006-09-08 | 2012-08-29 | 富士フイルム株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
US8260063B2 (en) * | 2007-04-18 | 2012-09-04 | The University Of Tokyo | Feature quantity selection method, feature quantity selection apparatus, image classification method, image classification apparatus, computer program, and recording medium |
JP5214762B2 (ja) * | 2011-03-25 | 2013-06-19 | 株式会社東芝 | 認識装置、方法及びプログラム |
JP5792985B2 (ja) * | 2011-04-20 | 2015-10-14 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法、およびプログラム |
-
2014
- 2014-11-28 JP JP2014242462A patent/JP6590477B2/ja active Active
-
2015
- 2015-11-23 US US14/949,491 patent/US20160155068A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
JP2016103245A (ja) | 2016-06-02 |
US20160155068A1 (en) | 2016-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11308334B2 (en) | Method and apparatus for integration of detected object identifiers and semantic scene graph networks for captured visual scene behavior estimation | |
JP6708385B2 (ja) | 識別器作成装置、識別器作成方法、およびプログラム | |
JP6386107B2 (ja) | グローバルモデルからの局所化された学習 | |
US8660368B2 (en) | Anomalous pattern discovery | |
JP6164899B2 (ja) | ハッシュ値生成装置、システム、判定方法、プログラム、記憶媒体 | |
CN109815787B (zh) | 目标识别方法、装置、存储介质及电子设备 | |
US11403878B2 (en) | Apparatus and method with user verification | |
JP6590477B2 (ja) | 情報処理装置、情報処理方法、プログラム | |
KR101979375B1 (ko) | 감시 영상의 객체 행동 예측 방법 | |
WO2015193288A1 (en) | Fusion-based object-recognition | |
JP2007280219A (ja) | 動きパターン認識装置、動きパターン認識方法及び動きパターン認識プログラム | |
JP2019153092A (ja) | 位置特定装置、位置特定方法及びコンピュータプログラム | |
CN110598599A (zh) | 基于Gabor原子分解的人体异常步态检测方法和装置 | |
KR101743169B1 (ko) | 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체 | |
JP2012118927A (ja) | 画像処理プログラムおよび画像処理装置 | |
JP2015225410A (ja) | 認識装置、方法及びプログラム | |
US11527091B2 (en) | Analyzing apparatus, control method, and program | |
US20170032181A1 (en) | Same person determination device and method, and control program therefor | |
CN114641795A (zh) | 物体检索装置及物体检索方法 | |
JP2016099716A (ja) | システム、識別装置、識別モデル生成装置、情報処理方法及びプログラム | |
JP7120590B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
JP2019046278A (ja) | 情報処理装置、制御方法、コンピュータプログラム、記憶媒体、及びモデル作成装置 | |
JP2015184743A (ja) | 画像処理装置および物体認識方法 | |
JP7171361B2 (ja) | データ解析システム、学習装置、及びその方法 | |
JP2014203133A (ja) | 画像処理装置、画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171018 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181011 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181023 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190416 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190617 |
|
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: 20190820 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190917 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6590477 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |