JP6640896B2 - データ処理装置、データ処理方法およびプログラム - Google Patents
データ処理装置、データ処理方法およびプログラム Download PDFInfo
- Publication number
- JP6640896B2 JP6640896B2 JP2018024700A JP2018024700A JP6640896B2 JP 6640896 B2 JP6640896 B2 JP 6640896B2 JP 2018024700 A JP2018024700 A JP 2018024700A JP 2018024700 A JP2018024700 A JP 2018024700A JP 6640896 B2 JP6640896 B2 JP 6640896B2
- Authority
- JP
- Japan
- Prior art keywords
- subvector
- vector
- codebook
- groups
- sub
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2237—Vectors, bitmaps or matrices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9017—Indexing; Data structures therefor; Storage structures using directory or table look-up
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Library & Information Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Complex Calculations (AREA)
Description
まず、本実施形態の具体的な説明に先立ち、従来の一般的な方法による直積量子化の概要を説明する。直積量子化により特徴ベクトルを圧縮コードに変換する技術は、保有すべき特徴ベクトル集合からコードブックを生成するフェーズと、このコードブックを用いて特徴ベクトル集合に含まれる各特徴ベクトルを圧縮コードに変換するフェーズとからなる。なお、以下の説明においては、保有すべき特徴ベクトル集合に含まれる特徴ベクトルの数をN、各特徴ベクトルの次元数をD、特徴ベクトルをサブベクトルに分割する分割数(特徴ベクトルから生成されるサブベクトルの数)をMとする。
以上説明した従来の一般的な直積量子化の方法では、特徴ベクトル210の分割数M(つまりサブベクトル220の次元数)やK−meansクラスタリングのクラスタ数Kの値が固定であるため、上述のコードブック240を生成する際に、サブベクトル群230によっては過剰あるいは過小なクラスタが生成されてしまう場合がある。そして、このように生成されたコードブック240を用いて特徴ベクトル210の直積量子化を行うと、量子化効率が低下する懸念がある。
(参考文献)Dan Pelleg,Andrew Moore,“X-means:Extending K-means with Efficient Estimation of the Number of Clusters” School of Computer Science,Carnegie Mellon University,Pittsburgh,PA 15213 USA.
図6は、第1実施例に係るデータ処理装置10Aの機能的な構成例を示すブロック図である。本実施例のデータ処理装置10Aは、図6に示すように、サブベクトル群生成部11と、コードブック生成部12と、変換部13とを備える。
次に、第2実施例について説明する。本実施例は、上述の第1実施例に対し、量子化レベルを決定するパラメタとなるクラスタ数上限値Tを調整する機能を付加したものである。その他の機能は上述の第1実施例と同様であるため、以下では、本実施例に特有の機能についてのみ説明する。
次に、第3実施例について説明する。本実施例は、上述の第2実施例に対し、特徴ベクトル集合200に新たな特徴ベクトル210が追加された場合に、コードブック240の更新が必要か否かを判定し、更新が必要と判定した場合のみコードブック240を更新する機能を付加したものである。その他の機能は上述の第1実施例と同様であるため、以下では、本実施例に特有の機能についてのみ説明する。
上述した各実施例のデータ処理装置10A,10B,10C(以下、総称して「データ処理装置10」と表記する)は、一例として、一般的なコンピュータとしてのハードウェアを用いた実行環境で動作するプログラムによる実装が可能である。この場合、データ処理装置10における上述の各機能的な構成要素(サブベクトル群生成部11、コードブック生成部12、変換部13、パラメタ調整部14、差分ルックアップテーブル生成部15、コードブック更新部16)は、ハードウェアとソフトウェア(プログラム)との協働により実現される。
11 サブベクトル群生成部
12 コードブック生成部
13 変換部
14 パラメタ調整部
15 差分ルックアップテーブル生成部
16 コードブック更新部
200 特徴ベクトル集合
210 特徴ベクトル(D次元特徴ベクトル)
220 サブベクトル(次元可変サブベクトル)
230 サブベクトル群
240 コードブック
250 圧縮コード
260 圧縮コード集合
280 差分ルックアップテーブル
Claims (8)
- N個のD次元特徴ベクトルからなる特徴ベクトル集合から、M個(ただし、M<D)のサブベクトル群を生成するサブベクトル群生成部であって、前記M個のサブベクトル群の各々は、前記N個のD次元特徴ベクトルの各々から得られたN個の次元可変サブベクトルからなり、前記N個の次元可変サブベクトルの各々は、前記D次元特徴ベクトルから抽出された1以上の次元の値を要素とし、前記M個のサブベクトル群のうちの少なくとも1つのサブベクトル群における前記次元可変サブベクトルの要素の数が他のサブベクトル群における前記次元可変サブベクトルの要素の数と異なる、前記サブベクトル群生成部と、
前記M個のサブベクトル群ごとに、前記N個の次元可変サブベクトルをクラスタリングして、各クラスタの代表ベクトルをインデックスと対応付けたコードブックを生成するコードブック生成部と、
前記コードブックを用いた直積量子化により、前記N個のD次元特徴ベクトルの各々を、M個のインデックスの組み合わせからなる圧縮コードに変換する変換部と、
を備え、
前記サブベクトル群生成部は、前記M個のサブベクトル群同士で前記次元可変サブベクトルの分散の度合いが近くなるように、前記特徴ベクトル集合から前記M個のサブベクトル群を生成する
データ処理装置。 - 前記コードブック生成部は、前記M個のサブベクトル群ごとに、推定されるサブベクトル群の最適クラスタ数に基づいて前記N個の次元可変サブベクトルをクラスタリングして、前記M個のサブベクトル群のうちの少なくとも1つのサブベクトル群に対応するクラスタ数が他のサブベクトル群に対応するクラスタ数と異なる前記コードブックを生成する
請求項1に記載のデータ処理装置。 - 前記サブベクトル群生成部は、前記N個のD次元特徴ベクトルの各次元について最適クラスタ数Cを求めて最適クラスタ数Cが同じ次元をグループ化し、GC(ただし、Gはグループに属する次元の数)で表されるサブベクトル群の最適クラスタ数がクラスタ数上限値Tを超えるグループについては、GC≦TまたはG=1になるまでグループを分割することにより、前記特徴ベクトル集合から前記M個のサブベクトル群を生成する
請求項1に記載のデータ処理装置。 - 前記N個のD次元特徴ベクトルの各々を前記圧縮コードに変換する前後における検索精度の変動率、または、前記N個のD次元特徴ベクトルの各々を前記圧縮コードに変換することによる圧縮率が、設定された目標値に近づくように、前記クラスタ数上限値Tを探索的に決定するパラメタ調整部をさらに備える
請求項3に記載のデータ処理装置。 - 前記M個のサブベクトル群の各々について、前記クラスタごとの前記次元可変サブベクトルの分散の範囲を示す値を前記インデックスと対応付けた差分ルックアップテーブルを生成する差分ルックアップテーブル生成部と、
前記特徴ベクトル集合に新たな特徴ベクトルが追加された場合に、新たな特徴ベクトルから生成される次元可変サブベクトルの各々のクラスタを求め、前記差分ルックアップテーブルを参照して、新たな特徴ベクトルから生成される全ての次元可変サブベクトルが対応するクラスタの分散の範囲に収まるか否かを判定し、対応するクラスタの分散の範囲に収まらない次元可変サブベクトルがあれば、前記コードブックの当該クラスタの代表ベクトルを更新するコードブック更新部と、をさらに備える
請求項1乃至4のいずれか一項に記載のデータ処理装置。 - 前記コードブック更新部は、更新の対象となるクラスタを複数のクラスタに分割し、分割後のクラスタごとに代表ベクトルをインデックスと対応付ける
請求項5に記載のデータ処理装置。 - N個のD次元特徴ベクトルからなる特徴ベクトル集合から、M個(ただし、M<D)のサブベクトル群を生成するサブベクトル群生成工程であって、前記M個のサブベクトル群の各々は、前記N個のD次元特徴ベクトルの各々から得られたN個の次元可変サブベクトルからなり、前記N個の次元可変サブベクトルの各々は、前記D次元特徴ベクトルから抽出された1以上の次元の値を要素とし、前記M個のサブベクトル群のうちの少なくとも1つのサブベクトル群における前記次元可変サブベクトルの要素の数が他のサブベクトル群における前記次元可変サブベクトルの要素の数と異なる、前記サブベクトル群生成工程と、
前記M個のサブベクトル群ごとに、前記N個の次元可変サブベクトルをクラスタリングして、各クラスタの代表ベクトルをインデックスと対応付けたコードブックを生成するコードブック生成工程と、
前記コードブックを用いた直積量子化により、前記N個のD次元特徴ベクトルの各々を、M個のインデックスの組み合わせからなる圧縮コードに変換する変換工程と、
を含み、
前記サブベクトル群生成工程は、前記M個のサブベクトル群同士で前記次元可変サブベクトルの分散の度合いが近くなるように、前記特徴ベクトル集合から前記M個のサブベクトル群を生成する
データ処理方法。 - コンピュータに、
N個のD次元特徴ベクトルからなる特徴ベクトル集合から、M個(ただし、M<D)のサブベクトル群を生成するサブベクトル群生成部であって、前記M個のサブベクトル群の各々は、前記N個のD次元特徴ベクトルの各々から得られたN個の次元可変サブベクトルからなり、前記N個の次元可変サブベクトルの各々は、前記D次元特徴ベクトルから抽出された1以上の次元の値を要素とし、前記M個のサブベクトル群のうちの少なくとも1つのサブベクトル群における前記次元可変サブベクトルの要素の数が他のサブベクトル群における前記次元可変サブベクトルの要素の数と異なる、前記サブベクトル群生成部の機能と、
前記M個のサブベクトル群ごとに、前記N個の次元可変サブベクトルをクラスタリングして、各クラスタの代表ベクトルをインデックスと対応付けたコードブックを生成するコードブック生成部の機能と、
前記コードブックを用いた直積量子化により、前記N個のD次元特徴ベクトルの各々を、M個のインデックスの組み合わせからなる圧縮コードに変換する変換部の機能と、
を実現させ、
前記サブベクトル群生成部は、前記M個のサブベクトル群同士で前記次元可変サブベクトルの分散の度合いが近くなるように、前記特徴ベクトル集合から前記M個のサブベクトル群を生成する
プログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018024700A JP6640896B2 (ja) | 2018-02-15 | 2018-02-15 | データ処理装置、データ処理方法およびプログラム |
CN201810695673.1A CN110209665B (zh) | 2018-02-15 | 2018-06-29 | 数据处理装置、数据处理方法以及记录介质 |
US16/126,557 US10853400B2 (en) | 2018-02-15 | 2018-09-10 | Data processing device, data processing method, and computer program product |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018024700A JP6640896B2 (ja) | 2018-02-15 | 2018-02-15 | データ処理装置、データ処理方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019139670A JP2019139670A (ja) | 2019-08-22 |
JP6640896B2 true JP6640896B2 (ja) | 2020-02-05 |
Family
ID=67541723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018024700A Active JP6640896B2 (ja) | 2018-02-15 | 2018-02-15 | データ処理装置、データ処理方法およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10853400B2 (ja) |
JP (1) | JP6640896B2 (ja) |
CN (1) | CN110209665B (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10936630B2 (en) * | 2018-09-13 | 2021-03-02 | Microsoft Technology Licensing, Llc | Inferring topics with entity linking and ontological data |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS52143648A (en) | 1976-05-26 | 1977-11-30 | Hitachi Ltd | Call registering circuit for elevator |
JP2641209B2 (ja) | 1987-05-26 | 1997-08-13 | 株式会社リコー | 特徴ベクトルの圧縮方法 |
US4959870A (en) * | 1987-05-26 | 1990-09-25 | Ricoh Company, Ltd. | Character recognition apparatus having means for compressing feature data |
US5477221A (en) * | 1990-07-10 | 1995-12-19 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Pipeline synthetic aperture radar data compression utilizing systolic binary tree-searched architecture for vector quantization |
JP3151874B2 (ja) | 1991-02-26 | 2001-04-03 | 日本電気株式会社 | 音声パラメータ符号化方式および装置 |
US5339164A (en) * | 1991-12-24 | 1994-08-16 | Massachusetts Institute Of Technology | Method and apparatus for encoding of data using both vector quantization and runlength encoding and using adaptive runlength encoding |
JP2973805B2 (ja) * | 1993-12-10 | 1999-11-08 | 日本電気株式会社 | 標準パターン作成装置 |
US5692100A (en) * | 1994-02-02 | 1997-11-25 | Matsushita Electric Industrial Co., Ltd. | Vector quantizer |
US5577135A (en) * | 1994-03-01 | 1996-11-19 | Apple Computer, Inc. | Handwriting signal processing front-end for handwriting recognizers |
US5890110A (en) * | 1995-03-27 | 1999-03-30 | The Regents Of The University Of California | Variable dimension vector quantization |
US20010017941A1 (en) * | 1997-03-14 | 2001-08-30 | Navin Chaddha | Method and apparatus for table-based compression with embedded coding |
JPH11308112A (ja) * | 1998-04-17 | 1999-11-05 | Matsushita Electric Ind Co Ltd | コードブック作成方法およびコードブック作成装置 |
US6256607B1 (en) * | 1998-09-08 | 2001-07-03 | Sri International | Method and apparatus for automatic recognition using features encoded with product-space vector quantization |
AU1445100A (en) * | 1998-10-13 | 2000-05-01 | Hadasit Medical Research Services & Development Company Ltd | Method and system for determining a vector index to represent a plurality of speech parameters in signal processing for identifying an utterance |
AU2000276404A1 (en) * | 2000-09-30 | 2002-04-15 | Intel Corporation (A Corporation Of Delaware) | Method, apparatus, and system for building a compact model for large vocabulary continuous speech recognition (lvcsr) system |
JP2003256466A (ja) * | 2002-03-04 | 2003-09-12 | Denso Corp | 適応的情報検索システム |
CN100530979C (zh) * | 2006-09-13 | 2009-08-19 | 华为技术有限公司 | 一种矢量量化方法及矢量量化器 |
CN101419802B (zh) * | 2007-10-25 | 2011-07-06 | 华为技术有限公司 | 用于语音编码的矢量量化方法及矢量量化器 |
US8077994B2 (en) * | 2008-06-06 | 2011-12-13 | Microsoft Corporation | Compression of MQDF classifier using flexible sub-vector grouping |
US8676729B1 (en) * | 2011-06-14 | 2014-03-18 | Narus, Inc. | Network traffic classification using subspace clustering techniques |
JP5637939B2 (ja) | 2011-06-28 | 2014-12-10 | Kddi株式会社 | 少ないコードブックの情報量によって高次元の特徴ベクトルを検索する検索装置及びプログラム |
JP5826049B2 (ja) * | 2012-01-20 | 2015-12-02 | Kddi株式会社 | ユーザが搭乗している移動車両を推定する移動車両推定方法、移動端末及びプログラム |
US10013477B2 (en) * | 2012-11-19 | 2018-07-03 | The Penn State Research Foundation | Accelerated discrete distribution clustering under wasserstein distance |
JP6171544B2 (ja) * | 2013-05-08 | 2017-08-02 | カシオ計算機株式会社 | 音声処理装置、音声処理方法及びプログラム |
US9946935B2 (en) * | 2013-07-17 | 2018-04-17 | Nec Corporation | Object tracking device, object tracking method, and object tracking program |
JP2015207047A (ja) * | 2014-04-17 | 2015-11-19 | 日本電信電話株式会社 | 類似特徴抽出装置、方法、及びプログラム |
US10616038B2 (en) * | 2014-06-24 | 2020-04-07 | Vmware, Inc. | Method and system for clustering event messages and managing event-message clusters |
US20180341805A1 (en) * | 2015-11-06 | 2018-11-29 | Thomson Licensing | Method and Apparatus for Generating Codebooks for Efficient Search |
-
2018
- 2018-02-15 JP JP2018024700A patent/JP6640896B2/ja active Active
- 2018-06-29 CN CN201810695673.1A patent/CN110209665B/zh active Active
- 2018-09-10 US US16/126,557 patent/US10853400B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2019139670A (ja) | 2019-08-22 |
US10853400B2 (en) | 2020-12-01 |
CN110209665A (zh) | 2019-09-06 |
CN110209665B (zh) | 2023-07-28 |
US20190251203A1 (en) | 2019-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5755822B1 (ja) | 類似度算出システム、類似度算出方法およびプログラム | |
CN111868710B (zh) | 搜索大规模非结构化数据的随机提取森林索引结构 | |
US11106708B2 (en) | Layered locality sensitive hashing (LSH) partition indexing for big data applications | |
JP5436346B2 (ja) | 高次元の特徴ベクトルの集合から類似した特徴ベクトルを検索する検索装置及びプログラム | |
US11971906B2 (en) | Clustering apparatus, clustering method, program and data structure | |
US9298757B1 (en) | Determining similarity of linguistic objects | |
CN108027816B (zh) | 数据管理系统、数据管理方法及记录介质 | |
WO2008036302A2 (en) | A method and an apparatus to perform feature similarity mapping | |
Ozan et al. | K-subspaces quantization for approximate nearest neighbor search | |
JP2017151926A (ja) | 情報処理プログラム、情報処理装置および情報処理方法 | |
JP6640896B2 (ja) | データ処理装置、データ処理方法およびプログラム | |
JP6311000B1 (ja) | 生成装置、生成方法、及び生成プログラム | |
Jain et al. | Approximate search with quantized sparse representations | |
JP5432936B2 (ja) | ランキングモデル選択機能を有する文書検索装置、ランキングモデル選択機能を有する文書検索方法およびランキングモデル選択機能を有する文書検索プログラム | |
JP5637939B2 (ja) | 少ないコードブックの情報量によって高次元の特徴ベクトルを検索する検索装置及びプログラム | |
WO2021214935A1 (ja) | 学習装置、検索装置、学習方法、検索方法及びプログラム | |
JP2009116593A (ja) | 単語ベクトル生成装置、単語ベクトル生成方法、プログラムおよびプログラムを記録した記録媒体 | |
CN113609313A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
JP6195365B2 (ja) | ベクトル符号化プログラム、装置及び方法 | |
Liu et al. | Weighted two-step aggregated VLAD for image retrieval | |
Chiu et al. | Effective product quantization-based indexing for nearest neighbor search | |
JP2013140494A (ja) | 高次元の特徴ベクトルを検索する検索装置及びプログラム | |
JP7353330B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2019008640A (ja) | 類似度計算装置及び類似度計算方法 | |
JP6562984B2 (ja) | 生成装置、生成方法、及び生成プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180328 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190305 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190507 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190924 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191125 |
|
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: 20191203 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191226 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6640896 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |