JP7028322B2 - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP7028322B2 JP7028322B2 JP2020529849A JP2020529849A JP7028322B2 JP 7028322 B2 JP7028322 B2 JP 7028322B2 JP 2020529849 A JP2020529849 A JP 2020529849A JP 2020529849 A JP2020529849 A JP 2020529849A JP 7028322 B2 JP7028322 B2 JP 7028322B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- classifier
- classes
- program
- learning
- 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
- 230000010365 information processing Effects 0.000 title claims description 28
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000012545 processing Methods 0.000 claims description 74
- 230000002950 deficient Effects 0.000 claims description 58
- 230000007547 defect Effects 0.000 claims description 39
- 230000002068 genetic effect Effects 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 description 99
- 230000008569 process Effects 0.000 description 85
- 238000007689 inspection Methods 0.000 description 20
- 238000012706 support-vector machine Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000002790 cross-validation Methods 0.000 description 7
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000004083 survival effect Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 230000010429 evolutionary process Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000012447 hatching Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2111—Selection of the most significant subset of features by using evolutionary computational techniques, e.g. genetic algorithms
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- 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
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/771—Feature selection, e.g. selecting representative features from a multi-dimensional feature space
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Stored Programmes (AREA)
Description
以下、情報処理装置としての画像分類装置の第1の実施形態について、図1~図8(c)に基づいて詳細に説明する。第1の実施形態に係る画像分類装置は、要素フィルタを組合せた画像分類プログラムを遺伝的プログラミングに基づいて自動生成する機能と、生成された画像分類プログラムを実行して画像分類処理を実行する機能とを備える。
図2は、遺伝的プログラミングにおいて取り扱う個体の木構造フィルタ列の基本構成の例を示す図である。図2に示すように、個体は、各ノードの要素としてプログラムモジュールが設定された木構造によって表される。この木構造では、入力画像に様々な画像変換を加えて特徴抽出画像を生成し、生成した画像から画像特徴量を抽出し、画像特徴量を組み合わせて特徴ベクトルを作成し、SVM識別器によって画像が属するクラス(OK画像とNG画像)を判定するための学習あるいは判定を実行する。なお、OK画像は、良品が写っている画像(良品画像)であり、NG画像は不良品が写っている画像(不良品画像)を意味する。また、個体を表す木構造は、それぞれ1以上の隣接する階層を含む区間(処理)に区分される。本第1の実施形態では、木構造は、そのリーフ側(図2の上側)からルート側(図2の下側)に向かって画像変換処理、画像特徴量抽出処理、入力データ作成処理、SVM識別器生成処理に区分される。なお、SVM識別器生成処理には、SVMパラメータ設定処理、SVM識別器生成処理、適応度算出処理が含まれる。
次に、図3に基づいて、遺伝的プログラミングによる画像分類プログラムの生成処理の概要について説明する。
次に、本第1の実施形態における処理の概要について説明する。本第1の実施形態では、図3に示した画像分類プログラム生成処理で生成された良否判定(OK画像/NG画像の判定)が可能な画像分類プログラムを用いて、多クラス良否判定が可能なSVM識別器を生成する。多クラス良否判定とは、画像が、OK画像のクラスと、NG画像を更に不良モード別に分類した複数クラスのいずれに属するかを判定することを意味する。以下においては、多クラス良否判定が可能なSVM識別器を「不良モード込み良否判定識別器」と呼ぶものとする。不良モード込み良否判定識別器によれば、OK画像(良品)とNG画像(不良品)のいずれかである対象画像が良品であるのか不良品であるのか、および、不良品であればどの欠陥種類の不良品であるのかを同時に判定することができる。
画像ファイルごとに正解クラスを記載した学習用正解データを入力する。このとき、例えば図4(a)に示すように、OK画像については正の整数、NG画像については負の整数を割り当てることとする。なお、NG画像の数値の違いは、不良モードの違いを意味する。図4(a)に示すような学習用正解データを入力することで、図4(b)に示すような良否判定自動生成用の正解データ(良品が「+1」で、不良品が「-1」)に自動的に変換することができる。
良否判定自動生成用の正解データを用いて、画像分類プログラムの自動生成を図3を用いて説明したように実行する。なお、以下においては、良否判定自動生成用の正解データを用いて生成される画像分類プログラムを「良否判定プログラム」と呼ぶ。上記自動生成の結果、良/否の判定精度を最適化した木構造フィルタ列が生成される(図4(c)参照)。木構造フィルタ列の最終段には、学習画像から生成した良否判定識別器が組み合わされる。この木構造フィルタ列は、画像変換処理、画像特徴量抽出処理、識別器生成ハイパーパラメータをトータルで最適化した結果となっており、汎化性の高い良否判定プログラムが得られている。
良否の判定に最適化された画像変換処理と画像特徴量抽出処理は、必ずしもNG画像の種類を分類する精度において最適化されているとは限らないが、非常に有効な画像特徴量を抽出していることが予想される。また、識別器のハイパーパラメータについても、同じ画像特徴量で良否の2クラスを識別する識別器の作成において最適化されているため、多クラスの分類器作成においてもかなり有効なパラメータとなっていることが期待できる。
画像分類実行時には、入力画像に対して良否判定プログラムを適用して画像特徴量を抽出し、その特徴量を不良モード込み良否判定識別器に与えて多クラス分類(欠陥分類)を実行する。なお、良否判定プログラムとその良否判定識別器を使用して、良/不良の判定を並行して行っても構わない。
図6は、画像分類装置100が備える処理機能の構成例を示すブロック図である。画像分類装置100は、画像入力部111、正解データ入力部110、分類部としての画像検査処理部112、プログラム生成部120、記憶部150、を有する。
次に、プログラム生成部120の処理について、図7のフローチャートに沿って説明する。
図8(a)~図8(c)には、図7のフローチャートに沿って生成した不良モード込み良否判定識別器の検証実験結果が示されている。本検証実験においては、図8(a)に示すように、OK画像の他、NG画像の不良モードを異物、打痕、サビの3種類とし、学習画像として合計80枚、評価用画像として合計100枚を用意した。なお、各画像の枚数の内訳は図8(a)に示す通りである。
次に、第2の実施形態について、図9(a)~図9(c)に基づいて説明する。図9(a)~図9(c)には、第2の実施形態の処理が模式的に示されている。
次に、第3の実施形態について、図10に基づいて説明する。
次に、第4の実施形態について、図11に基づいて説明する。
次式(1)のように、良否判定の交差検定の正解率aと不良モード込み良否判定識別器の交差検定の正解率bとの平均を適応度とする。
適応度=(a+b)/2 …(1)
重み係数k(0≦k≦1)を用いて次式(2)のように一般化し、正解率a,bのバランスを調整する。
適応度=k×a+(1-k)×b …(2)
正解率以外に、汎化性を高めるためのペナルティ項を加えて、次式(3)のように適応度を計算する。
適応度=k×a+(1-k)×b-汎化性ペナルティ項 …(3)
なお、上記各実施形態では、画像の良否を判定するとともに、NG画像である場合に欠陥の種類を分類する画像検査を、サービスとして提供することとしてもよい。図12には、画像検査をサービスとして提供する場合の画像分類システム200の構成が概略的に示されている。
112 画像検査処理部(分類部)
121 GP学習制御部(第1生成部の一部)
122 正解データ作成部(作成部)
123 画像変換部(第1生成部の一部)
124 画像特徴量抽出部(第1生成部の一部)
125 識別器入力データ作成部(第1生成部の一部)
126 識別器パラメータ設定部(第1生成部の一部)
127 良否判定識別器生成部(第1生成部の一部)
128 不良モード込み識別器生成部(第2生成部)
129 適応度算出部(第1生成部の一部)
Claims (11)
- 要素フィルタを組合せた画像分類プログラムを遺伝的プログラミングに基づいて生成する情報処理装置であって、
2つのクラスに予め分類された第1学習画像群を前記2つのクラスに分類する画像分類プログラムを遺伝的プログラミングに基づいて生成する第1生成部と、
前記第1生成部が生成した前記画像分類プログラムに対し、3つ以上のクラスに予め分類された第2学習画像群を与え、前記第2学習画像群を前記3つ以上のクラスに分類する多クラス画像分類器を生成する第2生成部と、を備える情報処理装置。 - 前記第2生成部が生成した前記多クラス画像分類器を用いて、検査対象の画像を前記3つ以上のクラスに分類する分類部を更に備える請求項1に記載の情報処理装置。
- 前記第1学習画像群に含まれる画像と、前記第2学習画像群に含まれる画像は同一であり、前記3つ以上のクラスに予め分類された前記第2学習画像群を2つのクラスに分類しなおすことで前記第1学習画像群を作成する作成部を更に備える請求項1又は2に記載の情報処理装置。
- 前記第1生成部は、画像を良品画像と不良品画像に分類する画像分類プログラムを生成し、
前記第2生成部は、前記良品画像及び前記不良品画像の少なくとも一方を細分化した複数クラスに分類する多クラス画像分類器を生成する、
ことを特徴とする請求項1~3のいずれか一項に記載の情報処理装置。 - 前記第2生成部は、前記不良品画像を不良の内容ごとに複数クラスに分類する多クラス画像分類器を生成する、ことを特徴とする請求項4に記載の情報処理装置。
- 前記第2生成部は、前記第1生成部が生成した前記画像分類プログラムに含まれる、画像変換処理、画像特徴量抽出処理、識別器作成用ハイパーパラメータ設定処理を実行する木構造フィルタ列を利用して、前記多クラス画像分類器を生成する、ことを特徴とする請求項1~5のいずれか一項に記載の情報処理装置。
- 前記第1生成部は、画像を良品画像と不良品画像に分類する画像分類プログラムを生成し、
前記第2生成部は、前記第1学習画像群に含まれる前記良品画像及び前記不良品画像のいずれか一方である分類対象画像を前記第2学習画像群として、前記第2学習画像群を細分化した複数クラスに分類する多クラス画像分類器を生成し、
前記分類部は、前記検査対象の画像を前記画像分類プログラムを用いて分類した画像のうち前記分類対象画像に対応する画像を、前記多クラス画像分類器を用いて分類する、ことを特徴とする請求項2に記載の情報処理装置。 - 前記第2生成部は、前記第1生成部が生成した前記画像分類プログラムにおいて設定された識別器作成用ハイパーパラメータを基準とした所定幅内において、前記識別器作成用ハイパーパラメータを変更しつつ、前記3つ以上のクラスに分類するのに適した前記識別器作成用ハイパーパラメータを特定し、特定した前記識別器作成用ハイパーパラメータを用いて前記多クラス画像分類器を生成する、ことを特徴とする請求項6に記載の情報処理装置。
- 前記第1生成部は、前記画像分類プログラムの生成において前記第1学習画像群を用いて算出された適応度が所定値より大きい場合に、該適応度に対応する画像分類プログラムを用いて生成される多クラス画像分類器の判定精度に基づいて前記適応度を補正する、ことを特徴とする請求項1~8のいずれか一項に記載の情報処理装置。
- 要素フィルタを組合せた画像分類プログラムを遺伝的プログラミングに基づいて生成する情報処理方法であって、
2つのクラスに予め分類された第1学習画像群を前記2つのクラスに分類する画像分類プログラムを遺伝的プログラミングに基づいて生成し、
生成した前記画像分類プログラムに対し、3つ以上のクラスに予め分類された第2学習画像群を与え、前記第2学習画像群を前記3つ以上のクラスに分類する多クラス画像分類器を生成する、
処理をコンピュータが実行することを特徴とする情報処理方法。 - 要素フィルタを組合せた画像分類プログラムを遺伝的プログラミングに基づいて生成する情報処理プログラムであって、
2つのクラスに予め分類された第1学習画像群を前記2つのクラスに分類する画像分類プログラムを遺伝的プログラミングに基づいて生成し、
生成した前記画像分類プログラムに対し、3つ以上のクラスに予め分類された第2学習画像群を与え、前記第2学習画像群を前記3つ以上のクラスに分類する多クラス画像分類器を生成する、
処理をコンピュータに実行させるための情報処理プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/025849 WO2020012523A1 (ja) | 2018-07-09 | 2018-07-09 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020012523A1 JPWO2020012523A1 (ja) | 2021-05-13 |
JP7028322B2 true JP7028322B2 (ja) | 2022-03-02 |
Family
ID=69141664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020529849A Active JP7028322B2 (ja) | 2018-07-09 | 2018-07-09 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210110215A1 (ja) |
EP (1) | EP3822872A4 (ja) |
JP (1) | JP7028322B2 (ja) |
CN (1) | CN112384892A (ja) |
WO (1) | WO2020012523A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109461495B (zh) * | 2018-11-01 | 2023-04-14 | 腾讯科技(深圳)有限公司 | 一种医学图像的识别方法、模型训练的方法及服务器 |
WO2022065216A1 (ja) * | 2020-09-23 | 2022-03-31 | 富士フイルム株式会社 | 特徴量選択方法、特徴量選択プログラム、及び特徴量選択装置、マルチクラス分類方法、マルチクラス分類プログラム、及びマルチクラス分類装置、並びに特徴量セット |
JP2022164146A (ja) * | 2021-04-16 | 2022-10-27 | 株式会社キーエンス | 画像検査装置、画像処理方法、画像処理プログラム及びコンピュータで読取可能な記録媒体並びに記録した機器 |
CN113592728B (zh) * | 2021-07-01 | 2024-04-05 | 温州理工学院 | 一种图像复原方法、系统、处理终端及计算机介质 |
JP2023035618A (ja) * | 2021-09-01 | 2023-03-13 | ダイハツ工業株式会社 | 異常検知装置および異常検知方法 |
JP7257470B2 (ja) * | 2021-09-01 | 2023-04-13 | 株式会社エフ・シー・シー | 欠陥検査装置、欠陥検査方法および予測モデル生成方法 |
WO2023095416A1 (ja) * | 2021-11-25 | 2023-06-01 | 株式会社ジャパンディスプレイ | 表示装置の検査方法及び情報処理装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012026982A (ja) | 2010-07-27 | 2012-02-09 | Panasonic Electric Works Sunx Co Ltd | 検査装置 |
JP2014126445A (ja) | 2012-12-26 | 2014-07-07 | Sharp Corp | 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム |
JP2017084320A (ja) | 2015-03-06 | 2017-05-18 | パナソニックIpマネジメント株式会社 | 学習方法およびプログラム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2968442B2 (ja) * | 1994-09-26 | 1999-10-25 | 川崎重工業株式会社 | 溶接欠陥の評価システム |
US8438120B2 (en) * | 2007-04-25 | 2013-05-07 | Nederlandse Organisatie Voor Toegepast-Natuurwetenschappelijk Onderzoek Tno | Machine learning hyperparameter estimation |
EP3156897B1 (en) * | 2014-06-11 | 2023-04-19 | Fujitsu Limited | Program generation device, program generation method and program |
JP6646234B2 (ja) * | 2015-10-22 | 2020-02-14 | 富士通株式会社 | プログラム生成装置、プログラム生成方法および生成プログラム |
CN106897746B (zh) * | 2017-02-28 | 2020-03-03 | 北京京东尚科信息技术有限公司 | 数据分类模型训练方法和装置 |
CN108023876B (zh) * | 2017-11-20 | 2021-07-30 | 西安电子科技大学 | 基于可持续性集成学习的入侵检测方法及入侵检测系统 |
-
2018
- 2018-07-09 EP EP18926217.3A patent/EP3822872A4/en not_active Withdrawn
- 2018-07-09 CN CN201880095424.7A patent/CN112384892A/zh active Pending
- 2018-07-09 WO PCT/JP2018/025849 patent/WO2020012523A1/ja unknown
- 2018-07-09 JP JP2020529849A patent/JP7028322B2/ja active Active
-
2020
- 2020-12-22 US US17/129,985 patent/US20210110215A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012026982A (ja) | 2010-07-27 | 2012-02-09 | Panasonic Electric Works Sunx Co Ltd | 検査装置 |
JP2014126445A (ja) | 2012-12-26 | 2014-07-07 | Sharp Corp | 位置合せ装置、欠陥検査装置、位置合せ方法、及び制御プログラム |
JP2017084320A (ja) | 2015-03-06 | 2017-05-18 | パナソニックIpマネジメント株式会社 | 学習方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
EP3822872A1 (en) | 2021-05-19 |
EP3822872A4 (en) | 2021-08-04 |
WO2020012523A1 (ja) | 2020-01-16 |
CN112384892A (zh) | 2021-02-19 |
US20210110215A1 (en) | 2021-04-15 |
JPWO2020012523A1 (ja) | 2021-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7028322B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP6798619B2 (ja) | 情報処理装置、情報処理プログラム及び情報処理方法 | |
CN111461110B (zh) | 一种基于多尺度图像和加权融合损失的小目标检测方法 | |
US11023806B2 (en) | Learning apparatus, identifying apparatus, learning and identifying system, and recording medium | |
JP6208552B2 (ja) | 識別器、識別プログラム、及び識別方法 | |
JP6646234B2 (ja) | プログラム生成装置、プログラム生成方法および生成プログラム | |
JP4618098B2 (ja) | 画像処理システム | |
CN112036447B (zh) | 零样本目标检测系统及可学习语义和固定语义融合方法 | |
US20120243779A1 (en) | Recognition device, recognition method, and computer program product | |
JP5591178B2 (ja) | テスト画像内のオブジェクトを分類するための方法 | |
JP6641195B2 (ja) | 最適化方法、最適化装置、プログラムおよび画像処理装置 | |
CN111626349A (zh) | 一种基于深度学习的目标检测方法和系统 | |
CN109919252A (zh) | 利用少数标注图像生成分类器的方法 | |
WO2016095068A1 (en) | Pedestrian detection apparatus and method | |
JP6004015B2 (ja) | 学習方法、情報処理装置および学習プログラム | |
JP2022520511A (ja) | ビデオ分析方法及びそれに関連するモデル訓練方法、機器、装置 | |
CN112446888A (zh) | 图像分割模型的处理方法和处理装置 | |
WO2020065908A1 (ja) | パターン認識装置、パターン認識方法およびパターン認識プログラム | |
CN115294405B (zh) | 农作物病害分类模型的构建方法、装置、设备及介质 | |
JP7028317B2 (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 | |
CN113627538B (zh) | 训练非对称生成对抗网络产生图像的方法及电子装置 | |
CN116664928A (zh) | 一种基于CNN与Transformer的糖尿病视网膜病变分级方法与系统 | |
JP2022089430A (ja) | 画像処理システム、及び画像処理プログラム | |
AU2021240188B1 (en) | Face-hand correlation degree detection method and apparatus, device and storage medium | |
KR20210104299A (ko) | 영상 객체 속성 분류 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201014 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201014 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220105 |
|
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: 20220118 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220131 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7028322 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |