JP6798614B2 - 画像認識装置、画像認識方法および画像認識プログラム - Google Patents
画像認識装置、画像認識方法および画像認識プログラム Download PDFInfo
- Publication number
- JP6798614B2 JP6798614B2 JP2019516839A JP2019516839A JP6798614B2 JP 6798614 B2 JP6798614 B2 JP 6798614B2 JP 2019516839 A JP2019516839 A JP 2019516839A JP 2019516839 A JP2019516839 A JP 2019516839A JP 6798614 B2 JP6798614 B2 JP 6798614B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- attribute
- parameters
- input
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Description
また、本発明による画像認識装置は、認証対象が共通に有する所定の属性を有する1つ以上の第1の画像を少なくとも用いて、該属性を有するか否かが未知の画像である第2の画像から該属性らしさまたは該属性らしくなさを表す特徴を抽出するための1つ以上のパラメータを計算するパラメータ計算手段と、該パラメータを用いて、入力された画像から特徴を抽出する特徴抽出手段と、少なくとも第2の画像から抽出される特徴に基づいて、第2の画像が認証対象であるか否かを判定する判定手段とを備え、特徴抽出手段は、該パラメータを含む計算素子を結合して得られるニューラルネットワークであって、入力から出力まで計算素子が2以上の層を構成し、かつ少なくとも1つの層に属する計算素子の数が、画像の情報が入力される入力層の計算素子の数よりも小さいニューラルネットワークを用いて、特徴を抽出し、パラメータ計算手段は、属性を有し、かつノイズを含む1つ以上の第1の画像を少なくとも用いて、第2の画像から、第1の画像においてノイズとされたノイズ成分を除去するように、パラメータを計算し、特徴抽出手段は、パラメータを用いて、少なくとも第2の画像から特徴としてノイズ成分を抽出し、判定手段は、ノイズ成分に基づいて、第2の画像を判定することを特徴とする。
また、本発明による画像認識方法は、情報処理装置が、認証対象が共通に有する所定の属性を有する1つ以上の第1の画像を少なくとも用いて、該属性を有するか否かが未知の画像である第2の画像から該属性らしさまたは該属性らしくなさを表す特徴を抽出するための1つ以上のパラメータを計算し、該パラメータを用いて、入力された画像から特徴を抽出し、少なくとも第2の画像から抽出される特徴に基づいて、第2の画像が認証対象であるか否かを判定し、特徴を抽出する際に、該パラメータを含む計算素子を結合して得られるニューラルネットワークであって、入力から出力まで計算素子が2以上の層を構成し、かつ少なくとも1つの層に属する計算素子の数が、画像の情報が入力される入力層の計算素子の数よりも小さいニューラルネットワークを用い、属性を有し、かつノイズを含む1つ以上の第1の画像を少なくとも用いて、第2の画像から、第1の画像においてノイズとされたノイズ成分を除去するように、パラメータを計算し、パラメータを用いて、少なくとも第2の画像から特徴としてノイズ成分を抽出し、ノイズ成分に基づいて、第2の画像を判定することを特徴とする。
また、本発明による画像認識プログラムは、コンピュータに、認証対象が共通に有する所定の属性を有する1つ以上の第1の画像を少なくとも用いて、該属性を有するか否かが未知の画像である第2の画像から該属性らしさまたは該属性らしくなさを表す特徴を抽出するための1つ以上のパラメータを計算するパラメータ計算処理、該パラメータを用いて、入力された画像から特徴を抽出する特徴抽出処理、および少なくとも第2の画像から抽出される特徴に基づいて、第2の画像が認証対象であるか否かを判定する判定処理を実行させ、特徴抽出処理で、該パラメータを含む計算素子を結合して得られるニューラルネットワークであって、入力から出力まで計算素子が2以上の層を構成し、かつ少なくとも1つの層に属する計算素子の数が、画像の情報が入力される入力層の計算素子の数よりも小さいニューラルネットワークを用いて、特徴を抽出させ、パラメータ計算処理で、属性を有し、かつノイズを含む1つ以上の第1の画像を少なくとも用いて、第2の画像から、第1の画像においてノイズとされたノイズ成分を除去するように、パラメータを計算させ、特徴抽出処理で、パラメータを用いて、少なくとも第2の画像から特徴としてノイズ成分を抽出させ、判定処理で、ノイズ成分に基づいて、第2の画像を判定させることを特徴とする。
[構成の説明]
図1は、本実施形態の画像認識装置10の例を示すブロック図である。図1に示す画像認識装置10は、特徴抽出手段11と、パラメータ計算手段12と、判定手段13とを備える。
次に、本実施形態の動作を説明する。本実施形態の動作は、学習ステップST1と判定ステップSD1とに大別される。ここで、学習ステップST1は、判定ステップSD1に先立って行われるものとする。
本実施の形態では、学習画像が所定の属性を持つ画像(正常サンプル)のみであっても、パラメータ111を好適に学習できるように構成されている。このため、所定の属性を持たない(異常サンプル)がごく少数しか入手できない、または全く入手できない場合でも、高精度に未知サンプルが正常か異常かを判定できる。
[構成の説明]
次に、本発明の第2の実施形態について説明する。なお、本実施形態の構成の一部は、第1の実施の形態と同一であるため、以下では主に異なる構成要素について説明する。図6は、第2の実施形態の画像認識装置20の例を示すブロック図である。図6に示す画像認識装置20は、特徴抽出手段21と、パラメータ計算手段22と、判定手段23とを備える。
次に、本実施形態の動作を説明する。本実施形態の動作は、学習ステップST2と判定ステップSD2とに大別される。本実施形態においても、学習ステップST2は、判定ステップSD2に先だって行われるものとする。
本実施形態では、特徴抽出手段21により計算される画像特徴があらかじめ指定した確率分布に従うように特徴抽出パラメータが計算される。そして、そのような特徴抽出パラメータを用いてテスト画像から抽出される画像特徴について該確率分布上で計算される距離に基づいて、テスト画像に対する所定の属性らしさが判定される。このため、本実施形態によれば、所定の属性らしさを確率的な指標で与えることができる。
[構成の説明]
次に、本発明の第2の実施形態について説明する。なお、本実施形態の構成の一部は、第1の実施の形態と同一であるため、以下では主に異なる構成要素について説明する。図10は、第3の実施形態の画像認識装置30の例を示すブロック図である。図10に示す画像認識装置30は、特徴抽出手段31と、パラメータ計算手段32と、判定手段33とを備える。
次に、本実施形態の動作を説明する。実施形態の動作も、学習ステップST3と判定ステップSD3とに大別される。本実施形態においても、学習ステップST2は、判定ステップSD2に先だって行われるものとする。
本実施形態では、テスト画像中に含まれるノイズ成分を抽出して所定の属性を持つかどうかを判定するように構成されている。このため、本実施形態によれば、視覚的に理解しやすい属性判定が可能である。
上記の各実施形態では、ニューラルネットワークの特徴抽出パラメータの学習に、既知のアルゴリズムを用いている。この中には、パラメータの初期値を変更したり、学習の反復回数を変えたり、学習サンプルを与える順番を変えたりすることにより、求められるパラメータが変動するアルゴリズムがある。この変動を利用して、さらに高精度な判定を行うことができる。
例えば、上記の各実施形態において、テスト画像が所定の属性を持つか否かの判定を、独立にr回(rは2以上の整数)試行し、その多数決を取ることも可能である。例えば、r=3の場合で、2回は所定の属性を持つと判定され、1回は所定の属性を持たないと判定された場合、判定手段はこれらの判定結果を基に、最終的に所定の属性を持つと判定してもよい。
また、上記の第2の実施形態では、あらかじめ指定した確率分布におけるパラメータ等を用いて、属性判定のための確率を計算し、統計的検定を構成する例について述べた。このような変動も確率的な現象ととらえれば、属性判定のための確率をr回試行の同時確率とし、新たな統計的検定を構成することができる。
11、21、31 特徴抽出手段
111、211、311 パラメータ
12、22、32 パラメータ計算手段
13、23、33 判定手段
1000 コンピュータ
1001 CPU
1002 主記憶装置
1003 補助記憶装置
1004 インタフェース
1005 ディスプレイ装置
1006 入力装置
500 画像認識装置
501 パラメータ計算手段
502 特徴抽出手段
503 判定手段
Claims (10)
- 認証対象が共通に有する所定の属性を有する1つ以上の第1の画像を少なくとも用いて、前記属性を有するか否かが未知の画像である第2の画像から前記属性らしさまたは前記属性らしくなさを表す特徴を抽出するための1つ以上のパラメータを計算するパラメータ計算手段と、
前記パラメータを用いて、入力された画像から前記特徴を抽出する特徴抽出手段と、
少なくとも前記第2の画像から抽出される前記特徴に基づいて、前記第2の画像が認証対象であるか否かを判定する判定手段とを備え、
前記特徴抽出手段は、前記パラメータを含む計算素子を結合して得られるニューラルネットワークであって、入力から出力まで前記計算素子が2以上の層を構成し、かつ少なくとも1つの層に属する計算素子の数が、画像の情報が入力される入力層の計算素子の数よりも小さいニューラルネットワークを用いて、前記特徴を抽出し、
前記パラメータ計算手段は、抽出される前記特徴が予め指定した分布に従うように、前記パラメータを計算し、
前記判定手段は、前記分布の形状を定める第2のパラメータを用いて少なくとも前記第2の画像から抽出される前記特徴に基づき計算される前記第2の画像が前記属性を有するか否かを示す指標に基づいて、前記第2の画像を判定する
ことを特徴とする画像認識装置。 - 前記特徴は、前記ニューラルネットワークの中間層から出力される情報である
請求項1記載の画像認識装置。 - 認証対象が共通に有する所定の属性を有する1つ以上の第1の画像を少なくとも用いて、前記属性を有するか否かが未知の画像である第2の画像から前記属性らしさまたは前記属性らしくなさを表す特徴を抽出するための1つ以上のパラメータを計算するパラメータ計算手段と、
前記パラメータを用いて、入力された画像から前記特徴を抽出する特徴抽出手段と、
少なくとも前記第2の画像から抽出される前記特徴に基づいて、前記第2の画像が認証対象であるか否かを判定する判定手段とを備え、
前記特徴抽出手段は、前記パラメータを含む計算素子を結合して得られるニューラルネットワークであって、入力から出力まで前記計算素子が2以上の層を構成し、かつ少なくとも1つの層に属する計算素子の数が、画像の情報が入力される入力層の計算素子の数よりも小さいニューラルネットワークを用いて、前記特徴を抽出し、
前記パラメータ計算手段は、前記属性を有し、かつノイズを含む1つ以上の第1の画像を少なくとも用いて、前記第2の画像から、前記第1の画像においてノイズとされたノイズ成分を除去するように、前記パラメータを計算し、
前記特徴抽出手段は、前記パラメータを用いて、少なくとも前記第2の画像から前記特徴として前記ノイズ成分を抽出し、
前記判定手段は、前記ノイズ成分に基づいて、前記第2の画像を判定する
ことを特徴とする画像認識装置。 - 前記判定手段は、前記ノイズ成分が予め定めた閾値以外である場合に、前記第2の画像を認定対象と判定する
請求項3記載の画像認識装置。 - 前記パラメータ計算手段は、確率的な方法で前記パラメータを計算し、
前記判定手段は、1つの前記第2の画像に対して、個別に計算された前記パラメータを用いて複数回の特徴抽出を行って得られる複数の判定結果に基づいて、前記第2の画像を判定する
請求項1から請求項4のうちのいずれかに記載の画像認識装置。 - 前記パラメータ計算手段は、確率的な方法で前記パラメータを計算し、
前記判定手段は、1つの前記第2の画像に対して、個別に計算された前記パラメータを用いて複数回の特徴抽出を行って得られる複数の指標に基づいて、前記第2の画像を判定する
請求項1記載の画像認識装置。 - 情報処理装置が、
認証対象が共通に有する所定の属性を有する1つ以上の第1の画像を少なくとも用いて、前記属性を有するか否かが未知の画像である第2の画像から前記属性らしさまたは前記属性らしくなさを表す特徴を抽出するための1つ以上のパラメータを計算し、
前記パラメータを用いて、入力された画像から前記特徴を抽出し、
少なくとも前記第2の画像から抽出される前記特徴に基づいて、前記第2の画像が認証対象であるか否かを判定し、
前記特徴を抽出する際に、前記パラメータを含む計算素子を結合して得られるニューラルネットワークであって、入力から出力まで前記計算素子が2以上の層を構成し、かつ少なくとも1つの層に属する計算素子の数が、画像の情報が入力される入力層の計算素子の数よりも小さいニューラルネットワークを用い、
抽出される前記特徴が予め指定した分布に従うように、前記パラメータを計算し、
前記分布の形状を定める第2のパラメータを用いて少なくとも前記第2の画像から抽出される前記特徴に基づき計算される前記第2の画像が前記属性を有するか否かを示す指標に基づいて、前記第2の画像を判定する
ことを特徴とする画像認識方法。 - 情報処理装置が、
認証対象が共通に有する所定の属性を有する1つ以上の第1の画像を少なくとも用いて、前記属性を有するか否かが未知の画像である第2の画像から前記属性らしさまたは前記属性らしくなさを表す特徴を抽出するための1つ以上のパラメータを計算し、
前記パラメータを用いて、入力された画像から前記特徴を抽出し、
少なくとも前記第2の画像から抽出される前記特徴に基づいて、前記第2の画像が認証対象であるか否かを判定し、
前記特徴を抽出する際に、前記パラメータを含む計算素子を結合して得られるニューラルネットワークであって、入力から出力まで前記計算素子が2以上の層を構成し、かつ少なくとも1つの層に属する計算素子の数が、画像の情報が入力される入力層の計算素子の数よりも小さいニューラルネットワークを用い、
前記属性を有し、かつノイズを含む1つ以上の第1の画像を少なくとも用いて、前記第2の画像から、前記第1の画像においてノイズとされたノイズ成分を除去するように、前記パラメータを計算し、
前記パラメータを用いて、少なくとも前記第2の画像から前記特徴として前記ノイズ成分を抽出し、
前記ノイズ成分に基づいて、前記第2の画像を判定する
ことを特徴とする画像認識方法。 - コンピュータに、
認証対象が共通に有する所定の属性を有する1つ以上の第1の画像を少なくとも用いて、前記属性を有するか否かが未知の画像である第2の画像から前記属性らしさまたは前記属性らしくなさを表す特徴を抽出するための1つ以上のパラメータを計算するパラメータ計算処理、
前記パラメータを用いて、入力された画像から前記特徴を抽出する特徴抽出処理、および
少なくとも前記第2の画像から抽出される前記特徴に基づいて、前記第2の画像が認証対象であるか否かを判定する判定処理を実行させ、
前記特徴抽出処理で、前記パラメータを含む計算素子を結合して得られるニューラルネットワークであって、入力から出力まで前記計算素子が2以上の層を構成し、かつ少なくとも1つの層に属する計算素子の数が、画像の情報が入力される入力層の計算素子の数よりも小さいニューラルネットワークを用いて、前記特徴を抽出させ、
前記パラメータ計算処理で、抽出される前記特徴が予め指定した分布に従うように、前記パラメータを計算させ、
前記判定処理で、前記分布の形状を定める第2のパラメータを用いて少なくとも前記第2の画像から抽出される前記特徴に基づき計算される前記第2の画像が前記属性を有するか否かを示す指標に基づいて、前記第2の画像を判定させる
ための画像認識プログラム。 - コンピュータに、
認証対象が共通に有する所定の属性を有する1つ以上の第1の画像を少なくとも用いて、前記属性を有するか否かが未知の画像である第2の画像から前記属性らしさまたは前記属性らしくなさを表す特徴を抽出するための1つ以上のパラメータを計算するパラメータ計算処理、
前記パラメータを用いて、入力された画像から前記特徴を抽出する特徴抽出処理、および
少なくとも前記第2の画像から抽出される前記特徴に基づいて、前記第2の画像が認証対象であるか否かを判定する判定処理を実行させ、
前記特徴抽出処理で、前記パラメータを含む計算素子を結合して得られるニューラルネットワークであって、入力から出力まで前記計算素子が2以上の層を構成し、かつ少なくとも1つの層に属する計算素子の数が、画像の情報が入力される入力層の計算素子の数よりも小さいニューラルネットワークを用いて、前記特徴を抽出させ、
前記パラメータ計算処理で、前記属性を有し、かつノイズを含む1つ以上の第1の画像を少なくとも用いて、前記第2の画像から、前記第1の画像においてノイズとされたノイズ成分を除去するように、前記パラメータを計算させ、
前記特徴抽出処理で、前記パラメータを用いて、少なくとも前記第2の画像から前記特徴として前記ノイズ成分を抽出させ、
前記判定処理で、前記ノイズ成分に基づいて、前記第2の画像を判定させる
ための画像認識プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/017985 WO2018207334A1 (ja) | 2017-05-12 | 2017-05-12 | 画像認識装置、画像認識方法および画像認識プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018207334A1 JPWO2018207334A1 (ja) | 2019-11-21 |
JP6798614B2 true JP6798614B2 (ja) | 2020-12-09 |
Family
ID=64105173
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019516839A Active JP6798614B2 (ja) | 2017-05-12 | 2017-05-12 | 画像認識装置、画像認識方法および画像認識プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6798614B2 (ja) |
WO (1) | WO2018207334A1 (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7021507B2 (ja) * | 2017-11-14 | 2022-02-17 | 富士通株式会社 | 特徴抽出装置、特徴抽出プログラム、および特徴抽出方法 |
WO2020172460A1 (en) | 2019-02-20 | 2020-08-27 | Bluerock Therapeutics Lp | Detecting cells of interest in large image datasets using artificial intelligence |
JP7215242B2 (ja) * | 2019-03-08 | 2023-01-31 | 富士フイルムビジネスイノベーション株式会社 | 画像処理装置及びプログラム |
US20220148182A1 (en) * | 2019-03-12 | 2022-05-12 | Nec Corporation | Inspection device, inspection method and storage medium |
JP7454568B2 (ja) * | 2019-05-30 | 2024-03-22 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法、情報処理装置及びプログラム |
CN112580794A (zh) * | 2019-09-29 | 2021-03-30 | 佳能株式会社 | 属性识别装置、方法和系统及识别对象属性的神经网络 |
TWI775038B (zh) * | 2020-01-21 | 2022-08-21 | 群邁通訊股份有限公司 | 字元識別方法、裝置及電腦可讀取存儲介質 |
TWI775039B (zh) * | 2020-01-21 | 2022-08-21 | 群邁通訊股份有限公司 | 文檔陰影去除方法及裝置 |
US20240062507A1 (en) * | 2021-01-15 | 2024-02-22 | Nec Corporation | Information processing device, information processing system, information processing method, and recording medium |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2737734B2 (ja) * | 1995-12-13 | 1998-04-08 | 日本電気株式会社 | 指紋分類装置 |
JP6137916B2 (ja) * | 2013-04-01 | 2017-05-31 | キヤノン株式会社 | 信号処理装置、信号処理方法、及び、信号処理システム |
WO2015008567A1 (ja) * | 2013-07-18 | 2015-01-22 | Necソリューションイノベータ株式会社 | 顔印象度推定方法、装置、及びプログラム |
JP2017004350A (ja) * | 2015-06-12 | 2017-01-05 | 株式会社リコー | 画像処理装置、画像処理方法、及びプログラム |
-
2017
- 2017-05-12 JP JP2019516839A patent/JP6798614B2/ja active Active
- 2017-05-12 WO PCT/JP2017/017985 patent/WO2018207334A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2018207334A1 (ja) | 2018-11-15 |
JPWO2018207334A1 (ja) | 2019-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6798614B2 (ja) | 画像認識装置、画像認識方法および画像認識プログラム | |
CN110348319B (zh) | 一种基于人脸深度信息和边缘图像融合的人脸防伪方法 | |
KR100442834B1 (ko) | 얼굴/유사얼굴 영상으로 학습된 패턴 분류기를 이용한얼굴 검출 방법 및 시스템 | |
CN105981008B (zh) | 学习深度人脸表示 | |
WO2016138838A1 (zh) | 基于投影极速学习机的唇语识别方法和装置 | |
JP6330385B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
Funke et al. | Efficient automatic 3D-reconstruction of branching neurons from EM data | |
CN107784288B (zh) | 一种基于深度神经网络的迭代定位式人脸检测方法 | |
US10929978B2 (en) | Image processing apparatus, training apparatus, image processing method, training method, and storage medium | |
US20100014755A1 (en) | System and method for grid-based image segmentation and matching | |
WO2019026104A1 (ja) | 情報処理装置、情報処理プログラム及び情報処理方法 | |
CN104537647A (zh) | 一种目标检测方法及装置 | |
JP2017062778A (ja) | 画像のオブジェクトを分類するための方法およびデバイスならびに対応するコンピュータプログラム製品およびコンピュータ可読媒体 | |
JP2011154501A (ja) | 学習装置、学習方法、識別装置、識別方法、プログラム、及び情報処理システム | |
CN113095370A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN108154186B (zh) | 一种模式识别方法和装置 | |
CN116662817A (zh) | 物联网设备的资产识别方法及系统 | |
KR102166117B1 (ko) | 시멘틱 매칭 장치 및 방법 | |
CN109101984B (zh) | 一种基于卷积神经网络的图像识别方法及装置 | |
JP2011154500A (ja) | 学習装置、学習方法、識別装置、識別方法、及びプログラム | |
CN113762005A (zh) | 特征选择模型的训练、对象分类方法、装置、设备及介质 | |
Bansal et al. | Multimodal biometrics by fusion for security using genetic algorithm | |
George et al. | Leaf recognition using multi-layer perceptron | |
Patil et al. | IpSegNet: deep convolutional neural network based segmentation framework for iris and pupil | |
CN112488238B (zh) | 一种基于对抗自编码器的混合异常检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190801 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200421 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200617 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200804 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201001 |
|
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: 20201020 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201102 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6798614 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |