JP7023425B1 - 情報処理装置、情報処理方法、および情報処理プログラム - Google Patents
情報処理装置、情報処理方法、および情報処理プログラム Download PDFInfo
- Publication number
- JP7023425B1 JP7023425B1 JP2021546797A JP2021546797A JP7023425B1 JP 7023425 B1 JP7023425 B1 JP 7023425B1 JP 2021546797 A JP2021546797 A JP 2021546797A JP 2021546797 A JP2021546797 A JP 2021546797A JP 7023425 B1 JP7023425 B1 JP 7023425B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- area
- label
- interest
- image
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
Description
図1は、実施の形態1にかかる情報処理装置の一例を示す図である。図1に示す情報処理装置1は、注目対象の画像を含む学習用画像から注目対象の領域を検出する学習モデルを生成し、生成した学習モデルを用いて、注目対象の画像を含む入力画像から注目対象の領域を検出する。
実施の形態2にかかる情報処理装置は、ラベルデータ、ラベル属性データ、および画像解像度データに加え、学習用画像データで示される学習用画像の各画素の色を示す色データに基づいて、信頼度データを生成する点で、実施の形態1にかかる情報処理装置1と異なる。以下においては、実施の形態1と同様の機能を有する構成要素については同一符号を付して説明を省略し、実施の形態1の情報処理装置1と異なる点を中心に説明する。
Claims (17)
- 構造物を撮像して得られる入力画像のデータである学習用画像データと、前記学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとを含む学習用データに基づいて、前記入力画像から前記注目対象領域を判定するための学習モデルを生成する学習部を備え、
前記学習部は、
前記ラベル付け領域のうち前記ラベル属性データに基づいて特定される特定領域以外の各画素のラベルの重みを前記特定領域の各画素のラベルの重みよりも小さくする重み付けを行って、前記学習モデルを生成する
ことを特徴とする情報処理装置。 - 構造物を撮像して得られる入力画像のデータである学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとに基づいて、前記ラベル付け領域の各画素に対して前記注目対象領域の画素である確からしさを示す信頼度を決定する信頼度決定部と、
前記学習用画像データと前記ラベルデータと前記信頼度決定部によって決定された前記信頼度とに基づいて、前記入力画像から前記注目対象領域を判定するための学習モデルを生成する学習モデル生成部と、を備える
ことを特徴とする情報処理装置。 - 前記学習モデル生成部は、
前記信頼度決定部によって決定された前記信頼度を重みとして設定された損失関数による演算結果に基づいて前記学習モデルを生成する
ことを特徴とする請求項2に記載の情報処理装置。 - 前記信頼度決定部は、
前記ラベルデータと前記ラベル属性データとに加えて前記学習用画像データで示される画像の各画素の色に関するデータに基づいて、前記信頼度を決定する
ことを特徴とする請求項2または3に記載の情報処理装置。 - 前記ラベル属性データは、
前記注目対象領域を数値で示すデータである
ことを特徴とする請求項1から4のいずれか1つに記載の情報処理装置。 - 前記ラベル属性データは、
前記注目対象領域の幅、長さ、または面積を示すデータを含み、
前記信頼度決定部は、
前記ラベルデータで示される前記ラベル付け領域の幅、長さ、または面積と前記ラベル属性データで示される前記ラベル付け領域の幅、長さ、または面積とに基づいて、前記信頼度を決定する
ことを特徴とする請求項2から4のいずれか1つに記載の情報処理装置。 - 画像データを取得する画像データ取得部と、
前記画像データ取得部によって取得された前記画像データで示される画像を前記学習モデルに入力し、前記学習モデルから出力されるデータに基づいて、前記画像データで示される画像に含まれる前記注目対象領域を判定する判定部と、を備える
ことを特徴とする請求項2から6のいずれか1つに記載の情報処理装置。 - 構造物を撮像して得られる入力画像のデータである学習用画像データと、前記学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとを含む学習用データに基づいて生成された学習モデルを取得する学習モデル取得部と、
画像データを取得する画像データ取得部と、
前記画像データ取得部によって取得された前記画像データで示される画像を前記学習モデル取得部によって取得された前記学習モデルに入力し、前記学習モデルから出力されるデータに基づいて、前記画像データで示される画像に含まれる前記注目対象領域を判定する判定部と、を備え、
前記学習モデルは、前記ラベル付け領域のうち前記ラベル属性データに基づいて特定される特定領域以外の各画素のラベルの重みを前記特定領域の各画素のラベルの重みよりも小さくする重み付けによって生成される
ことを特徴とする情報処理装置。 - 構造物を撮像して得られる入力画像のデータである学習用画像データと、前記学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとを含む学習用データに基づいて生成された学習モデルを取得する学習モデル取得部と、
画像データを取得する画像データ取得部と、
前記画像データ取得部によって取得された前記画像データで示される画像を前記学習モデル取得部によって取得された前記学習モデルに入力し、前記学習モデルから出力されるデータに基づいて、前記画像データで示される画像に含まれる前記注目対象領域を判定する判定部と、を備え、
前記学習モデルは、前記ラベルデータと前記ラベル属性データとに基づいて決定される信頼度であって前記ラベル付け領域の各画素に対して前記注目対象領域の画素である確からしさを示す信頼度と、前記学習用画像データと、前記ラベルデータとに基づいて生成された学習モデルである
ことを特徴とする情報処理装置。 - 構造物を撮像して得られる入力画像のデータである学習用画像データと、前記学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとを含む学習用データに基づいて、前記入力画像から前記注目対象領域を判定するための学習モデルを生成するステップを含み、
前記ステップは、
前記ラベル付け領域のうち前記ラベル属性データに基づいて特定される特定領域以外の各画素のラベルの重みを前記特定領域の各画素のラベルの重みよりも小さくする重み付けを行って、前記学習モデルを生成する
ことを特徴とする情報処理方法。 - 構造物を撮像して得られる入力画像のデータである学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとに基づいて、前記ラベル付け領域の各画素に対して前記注目対象領域の画素である確からしさを示す信頼度を決定するステップと、
前記学習用画像データと前記ラベルデータと前記ステップによって決定された前記信頼度とに基づいて、前記入力画像から前記注目対象領域を判定するための学習モデルを生成するステップと、を含む
ことを特徴とする情報処理方法。 - 構造物を撮像して得られる入力画像のデータである学習用画像データと、前記学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとを含む学習用データに基づいて生成された学習モデルを取得する第1のステップと、
画像データを取得する第2のステップと、
前記第2のステップによって取得された前記画像データで示される画像を前記第1のステップによって取得された前記学習モデルに入力し、前記学習モデルから出力されるデータに基づいて、前記画像データで示される画像に含まれる前記注目対象領域を判定する第3のステップと、を含み、
前記学習モデルは、前記ラベル付け領域のうち前記ラベル属性データに基づいて特定される特定領域以外の各画素のラベルの重みを前記特定領域の各画素のラベルの重みよりも小さくする重み付けによって生成される
ことを特徴とする情報処理方法。 - 構造物を撮像して得られる入力画像のデータである学習用画像データと、前記学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとを含む学習用データに基づいて生成された学習モデルを取得する第1のステップと、
画像データを取得する第2のステップと、
前記第2のステップによって取得された前記画像データで示される画像を前記第1のステップによって取得された前記学習モデルに入力し、前記学習モデルから出力されるデータに基づいて、前記画像データで示される画像に含まれる前記注目対象領域を判定する第3のステップと、を含み、
前記学習モデルは、前記ラベルデータと前記ラベル属性データとに基づいて決定される信頼度であって前記ラベル付け領域の各画素に対して前記注目対象領域の画素である確からしさを示す信頼度と、前記学習用画像データと、前記ラベルデータとに基づいて生成された学習モデルである
ことを特徴とする情報処理方法。 - 構造物を撮像して得られる入力画像のデータである学習用画像データと、前記学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとを含む学習用データに基づいて、前記入力画像から前記注目対象領域を判定するための学習モデルを生成するステップをコンピュータに実行させ、
前記ステップは、
前記ラベル付け領域のうち前記ラベル属性データに基づいて特定される特定領域以外の各画素のラベルの重みを前記特定領域の各画素のラベルの重みよりも小さくする重み付けを行って、前記学習モデルを生成する
ことを特徴とする情報処理プログラム。 - 構造物を撮像して得られる入力画像のデータである学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとに基づいて、前記ラベル付け領域の各画素に対して前記注目対象領域の画素である確からしさを示す信頼度を決定するステップと、
前記学習用画像データと前記ラベルデータと前記ステップによって決定された前記信頼度とに基づいて、前記入力画像から前記注目対象領域を判定するための学習モデルを生成するステップと、をコンピュータに実行させる
ことを特徴とする情報処理プログラム。 - 構造物を撮像して得られる入力画像のデータである学習用画像データと、前記学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとを含む学習用データに基づいて生成された学習モデルを取得する第1のステップと、
画像データを取得する第2のステップと、
前記第2のステップによって取得された前記画像データで示される画像を前記第1のステップによって取得された前記学習モデルに入力し、前記学習モデルから出力されるデータに基づいて、前記画像データで示される画像に含まれる前記注目対象領域を判定する第3のステップと、をコンピュータに実行させ、
前記学習モデルは、前記ラベル付け領域のうち前記ラベル属性データに基づいて特定される特定領域以外の各画素のラベルの重みを前記特定領域の各画素のラベルの重みよりも小さくする重み付けによって生成される
ことを特徴とする情報処理プログラム。 - 構造物を撮像して得られる入力画像のデータである学習用画像データと、前記学習用画像データで示される前記入力画像のうち注目対象の領域である注目対象領域としてラベル付けが行われた領域であるラベル付け領域を示すラベルデータと、前記ラベル付け領域の属性を示すラベル属性データとを含む学習用データに基づいて生成された学習モデルを取得する第1のステップと、
画像データを取得する第2のステップと、
前記第2のステップによって取得された前記画像データで示される画像を前記第1のステップによって取得された前記学習モデルに入力し、前記学習モデルから出力されるデータに基づいて、前記画像データで示される画像に含まれる前記注目対象領域を判定する第3のステップと、をコンピュータに実行させ、
前記学習モデルは、前記ラベルデータと前記ラベル属性データとに基づいて決定される信頼度であって前記ラベル付け領域の各画素に対して前記注目対象領域の画素である確からしさを示す信頼度と、前記学習用画像データと、前記ラベルデータとに基づいて生成された学習モデルである
ことを特徴とする情報処理プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/013344 WO2022208620A1 (ja) | 2021-03-29 | 2021-03-29 | 情報処理装置、情報処理方法、および情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7023425B1 true JP7023425B1 (ja) | 2022-02-21 |
JPWO2022208620A1 JPWO2022208620A1 (ja) | 2022-10-06 |
Family
ID=81076727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021546797A Active JP7023425B1 (ja) | 2021-03-29 | 2021-03-29 | 情報処理装置、情報処理方法、および情報処理プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7023425B1 (ja) |
WO (1) | WO2022208620A1 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018198053A (ja) * | 2017-05-22 | 2018-12-13 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
WO2019053842A1 (ja) * | 2017-09-14 | 2019-03-21 | 三菱電機株式会社 | 変状検出装置 |
JP2019194562A (ja) * | 2018-04-26 | 2019-11-07 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP2019211475A (ja) * | 2018-05-31 | 2019-12-12 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及びプログラム |
JP2020204835A (ja) * | 2019-06-14 | 2020-12-24 | キヤノン株式会社 | 情報処理装置、システム、情報処理方法及びプログラム |
-
2021
- 2021-03-29 JP JP2021546797A patent/JP7023425B1/ja active Active
- 2021-03-29 WO PCT/JP2021/013344 patent/WO2022208620A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018198053A (ja) * | 2017-05-22 | 2018-12-13 | キヤノン株式会社 | 情報処理装置、情報処理方法、及びプログラム |
WO2019053842A1 (ja) * | 2017-09-14 | 2019-03-21 | 三菱電機株式会社 | 変状検出装置 |
JP2019194562A (ja) * | 2018-04-26 | 2019-11-07 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
JP2019211475A (ja) * | 2018-05-31 | 2019-12-12 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及びプログラム |
JP2020204835A (ja) * | 2019-06-14 | 2020-12-24 | キヤノン株式会社 | 情報処理装置、システム、情報処理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2022208620A1 (ja) | 2022-10-06 |
JPWO2022208620A1 (ja) | 2022-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6792842B2 (ja) | 外観検査装置、変換データ生成装置、及びプログラム | |
US8165350B2 (en) | Assessment of a view through the overlay of maps | |
US7764826B2 (en) | Method and apparatus of reviewing defects on a semiconductor device | |
JP4702953B2 (ja) | ムラ検査方法、ムラ検査装置およびプログラム | |
CN101443897B (zh) | 图像二值化方法和图像处理装置 | |
JP7118277B2 (ja) | 検査装置、検査方法及びプログラム | |
JP4534768B2 (ja) | Tftアレイ検査装置、及び欠陥データ抽出方法 | |
JP2006098152A (ja) | 欠陥検出装置および欠陥検出方法 | |
JP5726472B2 (ja) | アライメント方法及び検出装置 | |
JP4416825B2 (ja) | 画像検査処理装置、画像検査処理方法、プログラム、及び、記録媒体 | |
JP2010091361A (ja) | 画像検査方法および画像検査装置 | |
JP7023425B1 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
JP4131804B2 (ja) | 実装部品検査方法 | |
CN101408521A (zh) | 用于缺陷增强的方法 | |
JP2016538562A (ja) | 基板検査際の補償マトリックス生成方法 | |
CN110672631B (zh) | 面板缺陷拍照方法和面板缺陷拍照装置 | |
CN114359177A (zh) | 待检测面板的图像显示方法、装置、电子设备及存储介质 | |
JP6410459B2 (ja) | 画像検査方法、および画像検査装置 | |
JP2001016622A (ja) | 撮像素子のデバッグ装置と試験方法 | |
JP4292409B2 (ja) | Tftアレイ検査装置及びtftアレイ検査方法 | |
JP4560969B2 (ja) | 欠陥検査方法 | |
JP2008269264A (ja) | 画像処理による多導体電線の追跡方法、装置及びプログラム並びにこれを用いた多導体電線の異常検出方法、装置及びプログラム | |
WO2024095721A1 (ja) | 画像処理装置および画像処理方法 | |
US20240177295A1 (en) | Method and device for locating contact through-hole (ct) positions in memory device | |
JP2024035922A (ja) | 表面検査装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210810 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210810 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210810 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211109 |
|
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: 20220111 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220208 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7023425 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |