JP7154844B2 - 撮影装置、情報処理装置、情報処理方法及び情報処理システム - Google Patents
撮影装置、情報処理装置、情報処理方法及び情報処理システム Download PDFInfo
- Publication number
- JP7154844B2 JP7154844B2 JP2018125010A JP2018125010A JP7154844B2 JP 7154844 B2 JP7154844 B2 JP 7154844B2 JP 2018125010 A JP2018125010 A JP 2018125010A JP 2018125010 A JP2018125010 A JP 2018125010A JP 7154844 B2 JP7154844 B2 JP 7154844B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- learning model
- learning
- information processing
- shooting
- 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
Landscapes
- Camera Bodies And Camera Details Or Accessories (AREA)
- Studio Devices (AREA)
Description
実施形態の説明に先立って、強化学習について説明する。図1(a)に強化学習のモデルを示す。本実施形態における強化学習とは、ある環境における撮影装置1000が、取得部1200で時刻tにおける現在の状態Sを取得(観測)する。推定部1300で、撮影装置のユーザが撮影したい画像が得られる設定に変更するような行動(制御部1400で実行する制御指示)Aを推定する。環境とは、有限個の状態sの集合Sから成るとする。例えば、撮影装置が撮影しようとしている画像や、撮影装置の設定を指すものとする。撮影装置とは、学習を行う主体であり、有限種類の行動の集合Aの中から1つを選択して実行し、その結果として環境が次の状態に遷移する。上の撮影装置の例では、フォーカスする位置を制御するといった制御が行動に該当する。状態S(Status)とは、撮影装置が置かれている状況である。図1(b)に状態と制御の関係を説明する。撮影装置の状態の集合Sは、撮影装置の各機能iの状態siの集合で表現される。例えば、撮影装置のフォーカス機能(機能i=1)については、レンズの位置(例えば、センサ側に原点を設定し、0からxまで可動範囲とする)が状態s1である。行動A(action)とは、撮影装置が実行する制御を指す。図1(b)に撮影装置のフォーカス機能の制御の例を示す。フォーカス機能に対応する行動(制御)は、レンズをセンサ側に動かす場合はマイナス、レンズをセンサと反対側に動かす場合はプラスとする。このとき、レンズの行動(制御)は、+1、0、(-1)の3つの選択肢がある。なお、数字の1は一例である。報酬rとは、環境から撮影装置が得る報酬である。報酬rを決定する報酬関数は状態stと行動atのペアで決定される関数で、時刻tにおけるある状態stで、ある行動atをとって、状態st+1になって得られる報酬rtを返す。撮影装置は、報酬が最大になるような行動(制御)を行う。本実施形態で説明する強化学習では、ユーザによる操作で報酬を決定できるため、効率的に学習データを収集でき、短時間で学習できる。
Q’j,h(St)=rt+1+γQj,h(St+1)・・・(4)
ただし、(x,y)およびkは、時刻tにおいてマップ出力部2310の制御機能iにおいて選択された制御動作At,iの位置と動作を表す。また、hは時刻tにおいてスカラ/ベクトル出力部2320の制御機能jにおいて選択された制御動作At,jの動作を表す。
S4044で検知したユーザの操作によって、「正の報酬」が与えられている場合は、r1の値は1などの正の値となる。tが1以外の場合には、一律にrt=0である。撮影制御に対して「負の報酬」が与えられている場合には、r1の値は-1などの負の値となり、tが1以外の場合には、一律にrt=0である。γは時刻を遡る際に各動作に対して与える影響を減衰させるための係数で、γ=0.9などと設定する。これに従って得られたQ’の値を各出力層に対する教師値として与えると、機能i、jおよび制御行動k、hに対する誤差は下記のような式であらわされる。
Lj,h(Qj,h(St)-Q’j,h(St))2・・・(6)
上記の誤差関数から、勾配降下法などでCNN全体を学習させる。
ただし、複数の撮影装置から受信した学習モデルのパラメータの変化分δΘを合わせたデータに基づいて学習モデルのパラメータを更新しても良い。更新された学習モデルのパラメータΘ’は、第2記憶部6500に記憶される。
撮影装置内で学習計算を行う構成としていたが、学習計算は、外部の端末を利用して行ってもよい。例えば、撮影装置が学習処理を行うためのスペックが十分でない場合は、スマートフォン等の情報端末を介して情報処理装置に学習用のデータ(学習モデルのパラメータや制御情報)を送るとよい。この場合の情報処理システム20000の構成例を図3(b)に示す。
学習モデルのパラメータの更新値を決定する処理を、撮影装置または通信端末装置内で行う構成を説明したが、情報処理装置側で行ってもよい。図3(c)の機能構成例従って説明する。情報処理システム30000は、撮影装置1010及び情報処置装置6002から構成される。なお、図3(c)では第1の実施形態と同様に撮影装置1000と情報処理装置6000が通信するように描かれているが、図3(b)のようにして途中で通信端末を経由して通信してもよい。
図4(a)のS4010において、撮影装置1000の取得部1200が、撮影装置1000が置かれている現在の状況を説明する状況情報を取得してもよい。例えば、現在の状況として位置情報を利用する場合、その観光地に適した学習モデルのパラメータを用意することによって、初めてその観光地を訪れた観光客でもすぐに適した設定で撮影できる。また、観光地では多くの人が撮影する為、通信端末装置や情報処理装置を活用して効率的に学習データを集めることができる。撮影装置もしくは通信端末装置が使われている場所や時間といった状況に関する情報から、その状況に合わせた学習モデルのパラメータが選択される。すなわち、状況毎に学習モデルのパラメータを用意することで、それぞれの状況に最適な撮影制御をすぐに学習できる。学習モデルのパラメータを選択する基準として、位置情報、時間情報、天気情報、などを状況情報として利用する。具体的に、位置情報、時間情報、天気情報について例を説明する。
図4(a)のS4050では、撮影装置1000で設定した撮影モード毎に学習モデルのパラメータを学習してもよい。推定部1300が撮影モードに対応した異なる学習モデルのパラメータ(結合重み)を利用して制御情報を推定する。これにより、画像に応じたそれぞれの撮影モードに対応するパラメータが、別々に学習されることとなる。その結果、撮影モードに応じた撮影設定を迅速に行える。
S4010では、このシーン認識器を、撮影時に同時に学習させてもよい。制御動作とともにシーン認識器が同時に学習されることにより、シーンによって異なる動作制御が自動で選択され、かつ、その制御動作もユーザの意図に近づくように学習されることとなる。図9(a)および図9(b)を用いて説明する。S9010では、入力された画像からシーン認識器に基づいて撮影モードが選択される。選択された撮影モードの情報は、情報処理装置6000へと送信される。シーン認識器は、機械学習を実施できる手法であれば、その手法によって限定されるものではない。例えばCNNを用いてもよいし、画像からSIFTやHOGなどの特徴量を抽出し、SVMで認識してもよい。S5001では、第2受信部6800が、上記撮影モード情報を受信する。S5002では、第2送信部6700が、パラメータΘkを第1受信部1800へ送信する。S4020では、第1受信部1800がパラメータΘkを受信し、推定部1300に設定する。S4030からS4040が終了するまでの処理は、第1の実施形態と同様であるため説明は省略する。S4050では、第1第1学習部2000が、Θkの更新値δΘkを取得する。同時に、シーン認識器のパラメータ更新値δWを算出する。取得部1200で得られた撮影時情報およびユーザ設定情報を学習データとし、この学習データを、現状選択されているシーンに対する正事例として、シーン認識器を学習させる。学習前のシーン認識器のパラメータをW0、学習後のパラメータをW’としたとき、更新値δWは、それらの差分によって下記のように表される。
S4060では、第1送信部1700が更新値δΘkおよびδWを、情報処理装置6000へと送信する。S5004では、第2学習部6100が、学習モデルのパラメータΘkを更新すると同時に、シーン認識器のパラメータWを更新する。学習によって更新された推定部1300とシーン認識器のパラメータは、第2記憶部6500に記憶される。
なお、撮影機能の設定をより迅速に制御する為に、S4040の途中における撮影装置の状態に基づいて所要時間を加味した報酬を加えてもよい。図4(b)のS4043では、時刻tにおいてフォーカス動作を行った際に、合焦するまでにかかった時間がFtであったとする。このFtの値を保持しておく。図4(a)のS4050において、学習のための式3および式4で用いる報酬/罰則rtを均一な値ではなく下記のようにFtによって微修正する。
ここでδtは、前述のFtで定義される関数で、例えば下記のように設定する。
ここでηは正の値のパラメータである。このようにして、撮影制御の途中における撮影装置の状態に従って、撮影制御中の各時刻における報酬/罰則を変えることによって、それぞれの時刻における制御動作に対する反応も加味した学習を行うことができる。
第1の実施形態では、撮影時におけるユーザ操作に従って、推定部にどのように学習させるのかを決定する例を示した。本実施形態では、撮影後のデータ操作に従って学習を行う例を示す。撮影後のデータ操作とは、具体的には、画像を保存する、画像をお気に入りに登録する、画像を評価(良い、悪い、点数等)する、画像を削除する、画像を加工するといった操作を指す。本実施形態では、例えば画像を削除するといった操作情報を使って、この画像の撮影制御に対して後から負の報酬を学習モデルに与える。逆に、上手く撮影できた画像に対しては、ユーザはすぐに保存することやお気に入りとして登録することが考えられる。このような画像を保存する操作情報を使って、保存された画像の撮影制御に対して正の報酬を学習モデルに与える。撮影時に意図した撮影制御で撮影できなかった場合でも、撮影後の操作情報を使って撮影制御を出力する学習モデルのパラメータを更新できる。そのため、ユーザの意図に合わせた撮影制御を行う学習モデルのパラメータを提供できる。
報酬を決める際に、様々なユーザからのフィードバックを報酬に反映してもよい。例えば、撮影装置で撮影した画像をWEBサーバなどにアップロードし、その画像を複数ユーザで閲覧/共有することで画像の評価を行ってもらう。その結果に従って学習モデルのパラメータを学習させる方法を説明する。
あるユーザが行った画像に対する評価に基づいて、そのユーザに適した学習モデルのパラメータを特定することもできる。前提として、まず、SNSやコンテストサイトなどのWEBサイトには、様々なパラメータで撮影された画像が集まっているものとする。例えば、同じ状況下で撮影された画像でも、花の色味を強調する、特定の動作をしているまたは状態である人にフォーカスを当てる、建物を暗くする、といった設定がそれぞれなされた可能性がある。すなわち、画像In(n=1・・・Nm)は、学習モデルのパラメータΘc(c=1・・・C)を使って撮影されたという情報が紐づけられている。あるユーザが、複数の画像Ikについていいね!といった評価をする。この評価を基に、この画像に適した学習モデルのパラメータΘ‘と撮影に使われたパラメータΘとの誤差を更新値とする。このときこの更新値が小さいほど、その辞書はそのユーザのニーズに近い撮影制御ができる。逆に、更新値が大きければ、そのユーザにとって無駄な撮影動作をする撮影装置と言える。なので、学習モデルの各パラメータの更新値を比較することによって、ユーザにとって自分の趣向に近い学習モデルのパラメータを特定できる。このユーザが、撮影装置で撮影する場合は、特定された学習モデルのパラメータを使って撮影を行えば、ユーザにとって適した画像を撮影できる。ここで、学習モデルは第1の実施形態と同様にCNNで構成されるものとして説明をする。
Q’j,h(St)=r(m,n)t+1+γQj,h(St+1)・・・(13)
各変数の定義については、第1の実施形態と同様であるため説明は省く。簡単のため、i、j、k、hの組み合わせをlでまとめて表現し、パラメータΘcで設定されたCNNの、時刻tにおける教師値および出力結果であることを表すために、出力値をQ’(l,t|Θc)およびQ(l,t|Θc)と書くこととする。パラメータΘcで設定されるCNN全体の、教師値に対する二乗誤差平均MSE(m,n|Θc)は下記のように表される。
ここでζはコントロールパラメータで、例えばζ=1などと設定する。
6000 情報処理装置
10000 情報処理システム
Claims (20)
- 撮影に関する機能を設定する制御情報を学習モデルによって推定する情報処理システムであって、
前記学習モデルに従って前記機能を設定された撮影装置において、撮影を確定する第1操作および撮影を中断する第2操作を検知する検知手段と、
強化学習を用いて、前記検知手段によって前記第1の操作を受け付けた場合は正の報酬を、前記検知手段によって前記第2の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を決定する決定手段と、
前記更新に関わる情報に基づいて前記学習モデルのパラメータを更新する学習手段とを有することを特徴とする情報処理システム。 - 前記検知手段は、前記撮影装置が具備するシャッターボタンを第1の状態にする前記第1操作と、前記シャッターボタンを第2の状態にする前記第2操作とを検知することを特徴とする請求項1に記載の情報処理システム。
- 少なくとも1つ以上の、前記学習モデルのパラメータを記憶する記憶手段を更に有することを特徴とする請求項1または2に記載の情報処理システム。
- 前記撮影装置が置かれている状況に関する情報を取得する取得手段を更に有し、
前記記憶手段は、前記撮影装置が置かれている状況に関する情報に対応した前記学習モデルのパラメータを記憶することを特徴とする請求項3に記載の情報処理システム。 - 前記状況に関する情報は、前記撮影装置が存在する場所を示す位置情報であることを特徴とする請求項4に記載の情報処理システム。
- 撮影を行う状況に応じて設定される撮影モードを選択する選択手段を更に有し、
前記記憶手段は、前記撮影モードに対応した前記学習モデルのパラメータを記憶することを特徴とする請求項3に記載の情報処理システム。 - 入力された画像から推定された前記制御情報に従って、前記撮影装置の前記機能を所定の状態に設定する制御手段を更に有すること特徴とする請求項1乃至6の何れか1項に記載の情報処理システム。
- 前記学習モデルに基づいて前記制御情報を推定する推定手段を更に有することを特徴とする請求項1乃至7の何れか1項に記載の情報処理システム。
- 撮影に関する機能を設定する制御情報を学習モデルによって推定する情報処理システムであって、
画像が保存される第3操作および画像が削除される第4操作を検知する検知手段と、
強化学習を用いて、前記検知手段によって前記第3の操作を受け付けた場合は正の報酬を、前記検知手段によって前記第4の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を決定する決定手段と、
前記更新に関わる情報に基づいて前記学習モデルのパラメータを更新する学習手段とを有することを特徴とする情報処理システム。 - 撮影に関する機能を設定する制御情報を学習モデルによって推定する情報処理システムであって、
複数の、前記学習モデルのパラメータを記憶する記憶手段と、
前記パラメータを用いて撮影された画像に対して、肯定的な評価を与える第5の操作および否定的な評価を与える第6の操作を取得する評価取得手段と、
強化学習を用いて、前記評価取得手段によって前記第5の操作を受け付けた場合は正の報酬を、前記評価取得手段によって前記第6の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を前記パラメータ毎に決定する決定手段と、
前記決定手段で決定された複数の前記更新に関わる情報のうち、所定の条件を満たす前記更新に関わる情報に従って前記学習モデルのパラメータを更新する学習手段とを有することを特徴とする情報処理システム。 - 前記更新に関わる情報は、更新が行われた場合の前記学習モデルのパラメータと、更新が行われる前の前記学習モデルのパラメータとの差分であって、
前記学習手段は、所定の範囲を示す前記条件を満たす前記差分を用いて前記学習モデルのパラメータを更新することを特徴とする請求項10に記載の情報処理システム。 - 撮影装置と情報処理装置を有する情報処理システムであって、
前記撮影装置は、
入力された画像から前記撮影装置の機能を撮影に適した設定にする制御情報を推定する学習モデルに基づいて推定された該制御情報に従って、前記機能を所定の状態に設定したときに撮影した画像に対して、撮影を確定する第1操作および撮影を中断する第2操作を検知する検知手段と、
前記学習モデルに従って前記機能を設定された撮影装置において、撮影を確定する第1操作および撮影を中断する第2操作を検知する検知手段と、
強化学習を用いて、前記検知手段によって前記第1の操作を受け付けた場合は正の報酬を、前記検知手段によって前記第2の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を決定する決定手段と、
前記更新に関わる情報を前記情報処理装置に送信する第1通信手段とを有し、
前記情報処理装置は、
前記更新に関わる情報を受信する第2通信手段と、
前記更新に関わる情報に基づいて前記学習モデルのパラメータを更新する学習手段とを有すること特徴とする情報処理システム。 - 撮影装置と情報処理装置を有する情報処理システムであって、
前記撮影装置は、
学習モデルに従って機能を設定された撮影装置において、撮影を確定する第1操作および撮影を中断する第2操作を検知する検知手段と、
前記学習モデルに入力された画像と、前記検知手段の検知結果とである訓練データを取得する取得手段と、
前記取得手段によって取得された前記訓練データを、前記情報処理装置に送信する第1通信手段とを有し、
前記情報処理装置は、
前記訓練データを受信する第2通信手段と、
強化学習を用いて、前記訓練データに基づいて、前記第1の操作を受け付けた場合は正の報酬を、前記第2の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を決定する決定手段と、
前記更新に関わる情報に基づいて前記学習モデルのパラメータを更新する学習手段とを有すること特徴とする情報処理システム。 - 撮影装置と通信端末装置と情報処理装置とを有する情報処理システムであって、
前記撮影装置は、
学習モデルに従って機能を設定された撮影装置において、撮影を確定する第1操作および撮影を中断する第2操作を検知する検知手段と、
前記学習モデルに入力された画像と、前記検知手段の検知結果とである訓練データを取得する取得手段と、
前記取得手段によって取得された前記訓練データを、前記情報処理装置に送信する第1送信手段とを有し、
前記通信端末装置は、
前記訓練データを受信する第3受信手段と、
強化学習を用いて、前記訓練データに基づいて、前記第1の操作を受け付けた場合は正の報酬を、前記第2の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を決定する決定手段と、
前記更新に関わる情報を前記情報処理装置に送信する第3送信手段とを有し、
前記情報処理装置は、
前記更新に関わる情報を受信する第2受信手段と、
前記更新に関わる情報に基づいて前記学習モデルのパラメータを更新する学習手段とを有すること特徴とする情報処理システム。 - 撮影に関する機能を設定する制御情報を学習モデルによって推定する撮影装置であって、
前記学習モデルに従って前記機能を設定された撮影装置において、撮影を確定する第1操作および撮影を中断する第2操作を検知する検知手段と、
強化学習を用いて、前記検知手段によって前記第1の操作を受け付けた場合は正の報酬を、前記検知手段によって前記第2の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を決定する取得手段と、
前記更新に関わる情報に基づいて前記学習モデルのパラメータを更新する学習手段とを有することを特徴とする撮影装置。 - コンピュータを請求項15に記載の撮影装置が有する各手段として機能させるためのプログラム。
- 撮影に関する機能を設定する制御情報を学習モデルによって推定する情報処理方法であって、
前記学習モデルに従って前記機能を設定された撮影装置において、撮影を確定する第1操作および撮影を中断する第2操作を検知する検知工程と、
強化学習を用いて、前記検知工程で前記第1の操作を受け付けた場合は正の報酬を、前記検知工程で前記第2の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を決定する決定工程と、
前記更新に関わる情報に基づいて前記学習モデルのパラメータを更新する学習工程とを有することを特徴とする情報処理方法。 - 撮影に関する機能を設定する制御情報を学習モデルによって推定する情報処理方法であって、
画像が保存される第3操作および画像が削除される第4操作を検知する検知工程と、
強化学習を用いて、前記検知工程で前記第3の操作を受け付けた場合は正の報酬を、前記検知工程で前記第4の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を決定する決定工程と、
前記更新に関わる情報に基づいて前記学習モデルのパラメータを更新する学習工程とを有することを特徴とする情報処理方法。 - 撮影に関する機能を設定する制御情報を学習モデルによって推定する情報処理方法であって、
複数の、前記学習モデルのパラメータを記憶する記憶工程と、
前記パラメータを用いて撮影された画像に対して、肯定的な評価を与える第5の操作および否定的な評価を与える第6の操作を取得する評価取得工程と、
強化学習を用いて、前記評価取得工程で前記第5の操作を受け付けた場合は正の報酬を、前記評価取得工程で前記第6の操作を受け付けた場合は負の報酬を決定し、前記学習モデルのパラメータの更新に関わる情報を前記パラメータ毎に決定する決定工程と、
前記決定工程で決定された複数の前記更新に関わる情報のうち、所定の条件を満たす前記更新に関わる情報に従って前記学習モデルのパラメータを更新する学習工程とを有することを特徴とする情報処理方法。 - 前記学習モデルは入力層および中間層、出力層を有するニューラルネットワークであり、
前記中間層は、複数の層の層間が結合重みを伴い結合している層を有し、
前記パラメータは、前記複数の層における結合重みのセットであることを特徴とする請求項1に記載の情報処理システム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018125010A JP7154844B2 (ja) | 2018-06-29 | 2018-06-29 | 撮影装置、情報処理装置、情報処理方法及び情報処理システム |
US16/447,676 US11165948B2 (en) | 2018-06-29 | 2019-06-20 | Imaging apparatus for controlling an imaging function that affects an imaging result |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018125010A JP7154844B2 (ja) | 2018-06-29 | 2018-06-29 | 撮影装置、情報処理装置、情報処理方法及び情報処理システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020005191A JP2020005191A (ja) | 2020-01-09 |
JP7154844B2 true JP7154844B2 (ja) | 2022-10-18 |
Family
ID=69100608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018125010A Active JP7154844B2 (ja) | 2018-06-29 | 2018-06-29 | 撮影装置、情報処理装置、情報処理方法及び情報処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7154844B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002010135A (ja) | 2000-04-13 | 2002-01-11 | Internatl Business Mach Corp <Ibm> | カメラの画像獲得制御を設定するシステム及び方法 |
JP2003255428A (ja) | 2002-02-28 | 2003-09-10 | Fuji Photo Film Co Ltd | カメラ |
JP2009207134A (ja) | 2008-01-31 | 2009-09-10 | Panasonic Corp | 撮像装置 |
JP2013207471A (ja) | 2012-03-28 | 2013-10-07 | Nikon Corp | デジタルカメラ |
JP2014127997A (ja) | 2012-12-27 | 2014-07-07 | Olympus Corp | サーバ装置及び撮影装置 |
-
2018
- 2018-06-29 JP JP2018125010A patent/JP7154844B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002010135A (ja) | 2000-04-13 | 2002-01-11 | Internatl Business Mach Corp <Ibm> | カメラの画像獲得制御を設定するシステム及び方法 |
JP2003255428A (ja) | 2002-02-28 | 2003-09-10 | Fuji Photo Film Co Ltd | カメラ |
JP2009207134A (ja) | 2008-01-31 | 2009-09-10 | Panasonic Corp | 撮像装置 |
JP2013207471A (ja) | 2012-03-28 | 2013-10-07 | Nikon Corp | デジタルカメラ |
JP2014127997A (ja) | 2012-12-27 | 2014-07-07 | Olympus Corp | サーバ装置及び撮影装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2020005191A (ja) | 2020-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11165948B2 (en) | Imaging apparatus for controlling an imaging function that affects an imaging result | |
WO2019109801A1 (zh) | 拍摄参数的调整方法、装置、存储介质及移动终端 | |
US10860890B2 (en) | Learning management device, learning management method, and imaging device | |
KR20220124127A (ko) | 사진 촬영과 관련된 추천 정보를 제공하는 방법 및 시스템 | |
US10819903B2 (en) | Imaging device, information terminal, control method for imaging device, and control method for information terminal | |
JP2020205637A (ja) | 撮像装置およびその制御方法 | |
US20200404160A1 (en) | Modifying image parameters using wearable device input | |
KR101778135B1 (ko) | 오브젝트 정보 제공방법 및 이를 적용한 촬영장치 | |
JP6223534B2 (ja) | 撮影機器、撮影方法及び撮影制御プログラム | |
CN101527860A (zh) | 白平衡控制设备及其控制方法和摄像设备 | |
CN107820021A (zh) | 自动图像捕捉 | |
WO2018086262A1 (zh) | 一种获取拍摄参考数据的方法、移动终端以及服务器 | |
WO2019124055A1 (ja) | 撮像装置及びその制御方法、プログラム、記憶媒体 | |
CN105847666B (zh) | 摄像设备及其控制方法 | |
JP2019110509A (ja) | 撮像装置及びその制御方法、プログラム、記憶媒体 | |
WO2019065454A1 (ja) | 撮像装置およびその制御方法 | |
JP7154844B2 (ja) | 撮影装置、情報処理装置、情報処理方法及び情報処理システム | |
JP2019110525A (ja) | 撮像装置及びその制御方法、プログラム、記憶媒体 | |
JP7091168B2 (ja) | 装置、撮影装置、モデルの学習方法及びプログラム | |
JP5262308B2 (ja) | 評価装置、評価方法、評価プログラムおよび評価システム | |
US20200288066A1 (en) | Delivery of notifications for feedback over visual quality of images | |
JP7166951B2 (ja) | 学習依頼装置、学習装置、推論モデル利用装置、推論モデル利用方法、推論モデル利用プログラム及び撮像装置 | |
JP2019191933A (ja) | 学習装置、撮像装置、画像処理装置、および学習方法 | |
JP7395910B2 (ja) | 情報処理装置、電子機器、端末装置、情報処理システム、情報処理方法及びプログラム | |
JP5651975B2 (ja) | 画像閲覧装置およびカメラ |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210602 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220411 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220715 |
|
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: 20220906 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221005 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7154844 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |