JP6988995B2 - 画像生成装置、画像生成方法および画像生成プログラム - Google Patents
画像生成装置、画像生成方法および画像生成プログラム Download PDFInfo
- Publication number
- JP6988995B2 JP6988995B2 JP2020507205A JP2020507205A JP6988995B2 JP 6988995 B2 JP6988995 B2 JP 6988995B2 JP 2020507205 A JP2020507205 A JP 2020507205A JP 2020507205 A JP2020507205 A JP 2020507205A JP 6988995 B2 JP6988995 B2 JP 6988995B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- result
- generated
- generator
- identifying
- 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 claims description 25
- 238000012545 processing Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 description 8
- 238000007689 inspection Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000002950 deficient Effects 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008685 targeting Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19147—Obtaining sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/32—Digital ink
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
まず、生成器は、識別器が生成画像を目標画像と識別するような画像を生成することが望まれる。そこで、生成器には、上述するような第一の出力セットのような学習用データが必要になる。一方、識別器は、第一実画像を目標画像と識別し、第二実画像を目標画像でないと識別することが望まれる。そこで、識別器には、第一実画像に目標画像であることを示す正解ラベルが設定され、第二実画像に目標画像でないことを示す正解ラベルが設定された学習用データが必要になる。
1におけるtk´nは、n番目の入力データに対する正解ラベルのベクトルであり、以下に例示する式2のような形式で表される。式2に例示するベクトルは、k番目の要素のみ1を表す、いわゆる1−of−kベクトルである。
11,11a 第一実画像
12,12a 第二実画像
13a ノイズ
20 画像生成手段
20a 生成器
30 識別手段
30a 識別器
40 第一更新手段
50 第二更新手段
100 画像生成装置
D1,D2 学習データ
X1,Xp1 第一実画像
Xn1 第二実画像
G1,G2 生成画像
Claims (8)
- 生成器を用いて画像を生成する画像生成手段と、
目標画像が有する特徴を対象とする画像が含むか否かを、識別器を用いて識別する識別手段と、
前記生成器により生成された画像である生成画像を前記識別器を用いて識別した結果と当該生成画像に対応付けられた正解ラベルとの乖離度を表す第一の誤差を最小化するように前記生成器を更新する第一更新手段と、
前記生成画像、前記目標画像が有する特徴を含む第一実画像、および、前記目標画像が有する特徴を含まない第二実画像を前記識別器を用いて識別した結果と、各画像に対応付けられた正解ラベルとの乖離度を表す第二の誤差を最小化するように前記識別器を更新する第二更新手段とを備えた
ことを特徴とする画像生成装置。 - 第二更新手段は、生成画像を識別した結果と目標画像でないことを示す正解ラベルとの乖離度、第一実画像を識別した結果と目標画像であることを示す正解ラベルとの乖離度、および、第二実画像を識別した結果と目標画像でないことを示す正解ラベルとの乖離度を含む第二の誤差を最小化するように識別器を更新する
請求項1記載の画像生成装置。 - 第一更新手段は、生成画像を識別した結果と目標画像であることを示す正解ラベルとの乖離度を表す第一の誤差を最小化するように生成器を更新する
請求項1または請求項2記載の画像生成装置。 - 識別手段は、対象の画像を識別した結果とともに、当該対象の画像に応じた正解ラベルを出力し、
第一更新手段は、生成画像を識別した前記結果と前記正解ラベルとの第一の誤差を最小化するように生成器を更新し、
第二更新手段は、生成画像を識別した前記結果と前記正解ラベルとの乖離度、第一実画像を識別した前記結果と前記正解ラベルとの乖離度、および、第二実画像を識別した前記結果と前記正解ラベルとの乖離度を含む第二の誤差を最小化するように識別器を更新する
請求項1から請求項3のうちのいずれか1項に記載の画像生成装置。 - 識別手段は、対象の画像が生成画像の場合、当該生成画像を識別した結果と目標画像でないことを示す正解ラベルとを出力し、対象の画像が第一実画像の場合、当該第一実画像を識別した結果と目標画像であることを示す正解ラベルとを出力し、対象の画像が第二実画像の場合、当該第二実画像を識別した結果と目標画像でないことを示す正解ラベルとを出力し、
第二更新手段は、生成画像を識別した前記結果と前記正解ラベルとの乖離度、第一実画像を識別した前記結果と前記正解ラベルとの乖離度、および、第二実画像を識別した前記結果と前記正解ラベルとの乖離度を含む第二の誤差を最小化するように識別器を更新する
請求項1から請求項4のうちのいずれか1項に記載の画像生成装置。 - 識別手段は、対象の画像が生成画像の場合、当該生成画像を識別した結果と目標画像であることを示す正解ラベルとを出力し、
第一更新手段は、生成画像を識別した前記結果と前記正解ラベルとの第一の誤差を最小化するように生成器を更新する
請求項1から請求項5のうちのいずれか1項に記載の画像生成装置。 - 生成器を用いて画像を生成し、
目標画像が有する特徴を対象とする画像が含むか否かを、識別器を用いて識別し、
前記生成器により生成された画像である生成画像を前記識別器を用いて識別した結果と当該生成画像に対応付けられた正解ラベルとの乖離度を表す第一の誤差を最小化するように前記生成器を更新し、
前記生成画像、前記目標画像が有する特徴を含む第一実画像、および、前記目標画像が有する特徴を含まない第二実画像を前記識別器を用いて識別した結果と、各画像に対応付けられた正解ラベルとの乖離度を表す第二の誤差を最小化するように前記識別器を更新する
ことを特徴とする画像生成方法。 - コンピュータに、
生成器を用いて画像を生成する画像生成処理、
目標画像が有する特徴を対象とする画像が含むか否かを、識別器を用いて識別する識別処理、
前記生成器により生成された画像である生成画像を前記識別器を用いて識別した結果と当該生成画像に対応付けられた正解ラベルとの乖離度を表す第一の誤差を最小化するように前記生成器を更新する第一更新処理、および、
前記生成画像、前記目標画像が有する特徴を含む第一実画像、および、前記目標画像が有する特徴を含まない第二実画像を前記識別器を用いて識別した結果と、各画像に対応付けられた正解ラベルとの乖離度を表す第二の誤差を最小化するように前記識別器を更新する第二更新処理
を実行させるための画像生成プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/011367 WO2019180868A1 (ja) | 2018-03-22 | 2018-03-22 | 画像生成装置、画像生成方法および画像生成プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019180868A1 JPWO2019180868A1 (ja) | 2021-02-25 |
JP6988995B2 true JP6988995B2 (ja) | 2022-01-05 |
Family
ID=67986054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020507205A Active JP6988995B2 (ja) | 2018-03-22 | 2018-03-22 | 画像生成装置、画像生成方法および画像生成プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11373285B2 (ja) |
JP (1) | JP6988995B2 (ja) |
WO (1) | WO2019180868A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126446B (zh) * | 2019-11-29 | 2023-04-07 | 西安工程大学 | 一种机器人视觉工业产品缺陷图像数据增广方法 |
JP7392166B2 (ja) * | 2020-08-26 | 2023-12-05 | 三菱重工業株式会社 | 画像生成装置、画像生成方法およびプログラム |
JP7408515B2 (ja) * | 2020-09-09 | 2024-01-05 | 株式会社東芝 | 学習装置、方法およびプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5546317B2 (ja) * | 2010-03-31 | 2014-07-09 | 株式会社デンソーアイティーラボラトリ | 外観検査装置、外観検査用識別器の生成装置及び外観検査用識別器生成方法ならびに外観検査用識別器生成用コンピュータプログラム |
US10600185B2 (en) * | 2017-03-08 | 2020-03-24 | Siemens Healthcare Gmbh | Automatic liver segmentation using adversarial image-to-image network |
US20190147320A1 (en) * | 2017-11-15 | 2019-05-16 | Uber Technologies, Inc. | "Matching Adversarial Networks" |
US10592779B2 (en) * | 2017-12-21 | 2020-03-17 | International Business Machines Corporation | Generative adversarial network medical image generation for training of a classifier |
US10540578B2 (en) * | 2017-12-21 | 2020-01-21 | International Business Machines Corporation | Adapting a generative adversarial network to new data sources for image classification |
US10937540B2 (en) * | 2017-12-21 | 2021-03-02 | International Business Machines Coporation | Medical image classification based on a generative adversarial network trained discriminator |
-
2018
- 2018-03-22 JP JP2020507205A patent/JP6988995B2/ja active Active
- 2018-03-22 US US16/982,871 patent/US11373285B2/en active Active
- 2018-03-22 WO PCT/JP2018/011367 patent/WO2019180868A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
JPWO2019180868A1 (ja) | 2021-02-25 |
WO2019180868A1 (ja) | 2019-09-26 |
US20210056675A1 (en) | 2021-02-25 |
US11373285B2 (en) | 2022-06-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741332B (zh) | 一种人机协同的图像分割与标注方法 | |
EP3477553B1 (en) | Method for detecting an anomalous image among a first dataset of images using an adversarial autoencoder | |
KR102631031B1 (ko) | 반도체 장치의 불량 검출 방법 | |
JP6708385B2 (ja) | 識別器作成装置、識別器作成方法、およびプログラム | |
WO2018121690A1 (zh) | 对象属性检测、神经网络训练、区域检测方法和装置 | |
JP2015087903A (ja) | 情報処理装置及び情報処理方法 | |
JP2020123330A (ja) | ニューラルネットワーク学習に利用されるオートラベリングされたイメージのうちでラベル検収のためのサンプルイメージを取得する方法、及びそれを利用したサンプルイメージ取得装置 | |
WO2020008919A1 (ja) | 機械学習装置及び方法 | |
JP6973625B2 (ja) | 学習装置、学習方法および学習プログラム | |
JP6988995B2 (ja) | 画像生成装置、画像生成方法および画像生成プログラム | |
JP2018026122A5 (ja) | ||
CN110909868A (zh) | 基于图神经网络模型的节点表示方法和装置 | |
US10885593B2 (en) | Hybrid classification system | |
JP2008077403A (ja) | 評価装置、評価方法及び評価プログラム | |
JP2019067299A (ja) | ラベル推定装置及びラベル推定プログラム | |
CN114120349B (zh) | 基于深度学习的试卷识别方法及系统 | |
JPWO2020240808A1 (ja) | 学習装置、分類装置、学習方法、分類方法、学習プログラム、及び分類プログラム | |
JPWO2019092931A1 (ja) | 判別モデル生成装置、判別モデル生成方法および判別モデル生成プログラム | |
WO2021095509A1 (ja) | 推定システム、推定装置および推定方法 | |
CN113283467A (zh) | 一种基于平均损失和逐类选择的弱监督图片分类方法 | |
JP2005352997A (ja) | 事例データベースの構築方法、判別装置の学習方法、データ判別支援装置、データ判別支援プログラム | |
CN111727108B (zh) | 用于控制机器人的方法、装置及系统以及存储介质 | |
CN114820618A (zh) | 瑕疵检测模型的训练方法、装置、设备及存储介质 | |
WO2020194583A1 (ja) | 異常検知装置、制御方法、及びプログラム | |
JP2020052474A (ja) | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200901 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200901 |
|
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: 20211102 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6988995 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |