JP7176614B2 - 画像処理装置、画像処理方法及びプログラム - Google Patents
画像処理装置、画像処理方法及びプログラム Download PDFInfo
- Publication number
- JP7176614B2 JP7176614B2 JP2021508103A JP2021508103A JP7176614B2 JP 7176614 B2 JP7176614 B2 JP 7176614B2 JP 2021508103 A JP2021508103 A JP 2021508103A JP 2021508103 A JP2021508103 A JP 2021508103A JP 7176614 B2 JP7176614 B2 JP 7176614B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- image data
- learning
- conversion
- 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
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V10/776—Validation; Performance evaluation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
本開示の実施形態の説明に先立って、本開示にかかる実施の形態の概要について説明する。図1は、本開示の実施の形態にかかる画像処理装置1の概要を示す図である。画像処理装置1は、例えば、サーバ等のコンピュータである。
以下、実施形態について、図面を参照しながら説明する。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。また、各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。
(式1)
s_normed=(source-s_mean)/s_std
(式2)
source’=s_normed*t_std+t_mean
(式3)
Rth2>√{(t_mean-t_mean1)2+(t_std-t_std1)2}
(式4)
Mth2>|t_mean-t_mean1|
Sth2>|t_std-t_std1|
次に、実施の形態2について、図面を参照しながら説明する。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。また、各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。
なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、上述したフローチャートにおいて、各処理(ステップ)の順序は、適宜、変更可能である。また、複数ある処理(ステップ)のうちの1つ以上は、省略されてもよい。例えば、図6において、S126の処理はS142の処理の後で実行されてもよい(図11においても同様)。また、図11において、S250の処理はS230の処理の前に実行されてもよい。また、図6において、S130及びS142の処理はなくてもよい(図11においても同様)。
(付記1)
入力画像データを取得するデータ取得手段と、
データ変換パラメータを用いて前記入力画像データを変換して、画像データを新たに生成するデータ生成手段と、
予め記憶された学習モデルを用いて、前記データ生成手段によって生成された前記画像データの認識精度を算出する認識精度算出手段と、
前記認識精度算出手段で算出された前記認識精度が予め定められた第1の閾値よりも低い前記画像データを、学習データとして出力する学習データ出力手段と
を有する画像処理装置。
(付記2)
前記学習データ出力手段によって出力される前記学習データに関する変換で用いられた前記データ変換パラメータを用いて、前記入力画像データの変換に用いる新たなデータ変換パラメータを決定するパラメータ決定手段
をさらに有し、
前記データ生成手段は、前記パラメータ決定手段によって決定された前記データ変換パラメータを用いて、前記入力画像データをさらに変換する
付記1に記載の画像処理装置。
(付記3)
前記データ生成手段は、前記入力画像データの色分布に基づいて、前記入力画像データを変換し、
前記パラメータ決定手段は、前記学習データに関する変換で用いられた前記色分布を用いて、新たな色分布を決定する
付記2に記載の画像処理装置。
(付記4)
前記データ生成手段は、前記入力画像データの複数の領域それぞれについての前記データ変換パラメータに基づいて、前記複数の領域ごとに前記入力画像データを変換し、
前記パラメータ決定手段は、前記学習データに関する変換で用いられた前記データ変換パラメータを用いて、前記複数の領域ごとに、新たなデータ変換パラメータを決定する
付記2又は3に記載の画像処理装置。
(付記5)
複数の前記データ変換パラメータを予め記憶するパラメータ記憶手段
をさらに有し、
前記パラメータ決定手段は、前記パラメータ記憶手段に記憶された前記複数のデータ変換パラメータのうち、前記学習データに関する変換で用いられた前記データ変換パラメータとの差分が予め定められた第2の閾値よりも小さいデータ変換パラメータを、前記入力画像データの変換に用いる新たなデータ変換パラメータとして選択する
付記2~4のいずれか1項に記載の画像処理装置。
(付記6)
前記パラメータ決定手段は、前記学習データに関する変換で用いられた前記データ変換パラメータとの差分が予め定められた第2の閾値よりも小さいデータ変換パラメータを、前記入力画像データの変換に用いる新たなデータ変換パラメータとして生成する
付記2~4のいずれか1項に記載の画像処理装置。
(付記7)
前記学習データ出力手段によって出力される前記学習データを用いて、前記学習モデルを更新する学習モデル更新手段
をさらに有し、
前記認識精度算出手段は、前記学習モデル更新手段によって更新された前記学習モデルを用いて、前記データ生成手段によって変換されて得られた前記画像データの認識精度を算出する
付記1~6のいずれか1項に記載の画像処理装置。
(付記8)
入力画像データを取得し、
データ変換パラメータを用いて前記入力画像データを変換して、画像データを新たに生成し、
予め記憶された学習モデルを用いて、生成された前記画像データの認識精度を算出し、
算出された前記認識精度が予め定められた第1の閾値よりも低い前記画像データを、学習データとして出力する
画像処理方法。
(付記9)
出力される前記学習データに関する変換で用いられた前記データ変換パラメータを用いて、前記入力画像データの変換に用いる新たなデータ変換パラメータを決定し、
決定された前記データ変換パラメータを用いて、前記入力画像データをさらに変換する
付記8に記載の画像処理方法。
(付記10)
前記入力画像データの色分布に基づいて、前記入力画像データを変換し、
前記学習データに関する変換で用いられた前記色分布を用いて、新たな色分布を決定する
付記9に記載の画像処理方法。
(付記11)
前記入力画像データの複数の領域それぞれについての前記データ変換パラメータに基づいて、前記複数の領域ごとに前記入力画像データを変換し、
前記学習データに関する変換で用いられた前記データ変換パラメータを用いて、前記複数の領域ごとに、新たなデータ変換パラメータを決定する
付記9又は10に記載の画像処理方法。
(付記12)
予め記憶された複数のデータ変換パラメータのうち、前記学習データに関する変換で用いられた前記データ変換パラメータとの差分が予め定められた第2の閾値よりも小さいデータ変換パラメータを、前記入力画像データの変換に用いる新たなデータ変換パラメータとして選択する
付記9~11のいずれか1項に記載の画像処理方法。
(付記13)
前記学習データに関する変換で用いられた前記データ変換パラメータとの差分が予め定められた第2の閾値よりも小さいデータ変換パラメータを、前記入力画像データの変換に用いる新たなデータ変換パラメータとして生成する
付記9~11のいずれか1項に記載の画像処理方法。
(付記14)
出力される前記学習データを用いて、前記学習モデルを更新し、
更新された前記学習モデルを用いて、変換されて得られた画像データの認識精度を算出する
付記8~13のいずれか1項に記載の画像処理方法。
(付記15)
入力画像データを取得するステップと、
データ変換パラメータを用いて前記入力画像データを変換して、画像データを新たに生成するステップと、
予め記憶された学習モデルを用いて、生成された前記画像データの認識精度を算出するステップと、
算出された前記認識精度が予め定められた第1の閾値よりも低い前記画像データを、学習データとして出力するステップと
をコンピュータに実行させるプログラムが格納された非一時的なコンピュータ可読媒体。
2 データ取得部
4 データ生成部
6 認識精度算出部
8 学習データ出力部
100 画像処理装置
112 データ取得部
114 パラメータ記憶部
120 データ生成部
122 色分布算出部
124 画像変換部
130 認識精度算出部
132 学習モデル記憶部
140 学習データ出力部
150 パラメータ決定部
210 学習モデル更新部
Claims (8)
- 入力画像データを取得するデータ取得手段と、
データ変換パラメータを用いて前記入力画像データを変換して、画像データを新たに生成するデータ生成手段と、
予め記憶された学習モデルを用いて、前記データ生成手段によって生成された前記画像データの認識精度を算出する認識精度算出手段と、
前記認識精度算出手段で算出された前記認識精度が予め定められた第1の閾値よりも低い前記画像データを、学習データとして出力する学習データ出力手段と、
前記学習データ出力手段によって出力される前記学習データに関する変換で用いられた前記データ変換パラメータとの差分が予め定められた第2の閾値よりも小さいデータ変換パラメータを、前記入力画像データの変換に用いる新たなデータ変換パラメータとして決定するパラメータ決定手段と、
を有し、
前記データ生成手段は、前記パラメータ決定手段によって決定された前記データ変換パラメータを用いて、前記入力画像データをさらに変換する、
画像処理装置。 - 前記データ生成手段は、前記入力画像データの色分布に基づいて、前記入力画像データを変換し、
前記パラメータ決定手段は、前記学習データに関する変換で用いられた前記色分布を用いて、新たな色分布を決定する
請求項1に記載の画像処理装置。 - 前記データ生成手段は、前記入力画像データの複数の領域それぞれについての前記データ変換パラメータに基づいて、前記複数の領域ごとに前記入力画像データを変換し、
前記パラメータ決定手段は、前記学習データに関する変換で用いられた前記データ変換パラメータを用いて、前記複数の領域ごとに、新たなデータ変換パラメータを決定する
請求項1又は2に記載の画像処理装置。 - 複数の前記データ変換パラメータを予め記憶するパラメータ記憶手段
をさらに有し、
前記パラメータ決定手段は、前記パラメータ記憶手段に記憶された前記複数のデータ変換パラメータのうち、前記学習データに関する変換で用いられた前記データ変換パラメータとの差分が予め定められた第2の閾値よりも小さいデータ変換パラメータを、前記入力画像データの変換に用いる新たなデータ変換パラメータとして選択する
請求項1~3のいずれか1項に記載の画像処理装置。 - 前記パラメータ決定手段は、前記学習データに関する変換で用いられた前記データ変換パラメータとの差分が予め定められた第2の閾値よりも小さいデータ変換パラメータを、前記入力画像データの変換に用いる新たなデータ変換パラメータとして生成する
請求項1~3のいずれか1項に記載の画像処理装置。 - 前記学習データ出力手段によって出力される前記学習データを用いて、前記学習モデルを更新する学習モデル更新手段
をさらに有し、
前記認識精度算出手段は、前記学習モデル更新手段によって更新された前記学習モデルを用いて、前記データ生成手段によって変換されて得られた前記画像データの認識精度を算出する
請求項1~5のいずれか1項に記載の画像処理装置。 - 入力画像データを取得し、
データ変換パラメータを用いて前記入力画像データを変換して、画像データを新たに生成し、
予め記憶された学習モデルを用いて、生成された前記画像データの認識精度を算出し、
算出された前記認識精度が予め定められた第1の閾値よりも低い前記画像データを、学習データとして出力し、
出力される前記学習データに関する変換で用いられた前記データ変換パラメータとの差分が予め定められた第2の閾値よりも小さいデータ変換パラメータを、前記入力画像データの変換に用いる新たなデータ変換パラメータとして決定し、
決定された前記データ変換パラメータを用いて、前記入力画像データをさらに変換する、
画像処理方法。 - 入力画像データを取得するステップと、
データ変換パラメータを用いて前記入力画像データを変換して、画像データを新たに生成するステップと、
予め記憶された学習モデルを用いて、生成された前記画像データの認識精度を算出するステップと、
算出された前記認識精度が予め定められた第1の閾値よりも低い前記画像データを、学習データとして出力するステップと、
出力される前記学習データに関する変換で用いられた前記データ変換パラメータとの差分が予め定められた第2の閾値よりも小さいデータ変換パラメータを、前記入力画像データの変換に用いる新たなデータ変換パラメータとして決定するステップと、
決定された前記データ変換パラメータを用いて、前記入力画像データをさらに変換するステップと、
をコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019061866 | 2019-03-27 | ||
JP2019061866 | 2019-03-27 | ||
PCT/JP2020/000728 WO2020195015A1 (ja) | 2019-03-27 | 2020-01-10 | 画像処理装置、画像処理方法及びプログラムが格納された非一時的なコンピュータ可読媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020195015A1 JPWO2020195015A1 (ja) | 2020-10-01 |
JP7176614B2 true JP7176614B2 (ja) | 2022-11-22 |
Family
ID=72611312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021508103A Active JP7176614B2 (ja) | 2019-03-27 | 2020-01-10 | 画像処理装置、画像処理方法及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220164990A1 (ja) |
JP (1) | JP7176614B2 (ja) |
WO (1) | WO2020195015A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7257227B2 (ja) * | 2018-08-29 | 2023-04-13 | 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 | 情報処理方法及び情報処理システム |
JP2024012721A (ja) * | 2020-10-13 | 2024-01-31 | 株式会社Preferred Networks | 物体認識支援システム、物体認識システム、物体認識支援方法及び物体認識方法 |
US11709913B2 (en) | 2020-10-14 | 2023-07-25 | Delta Electronics, Inc. | Automatic generation system of training image and method thereof |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014137756A (ja) | 2013-01-17 | 2014-07-28 | Canon Inc | 画像処理装置および画像処理方法 |
JP2016076073A (ja) | 2014-10-06 | 2016-05-12 | 日本電気株式会社 | データ処理装置、データ処理方法、及び、コンピュータ・プログラム |
WO2017109904A1 (ja) | 2015-12-24 | 2017-06-29 | オリンパス株式会社 | 画像処理装置、画像処理方法およびプログラム |
WO2017145960A1 (ja) | 2016-02-24 | 2017-08-31 | 日本電気株式会社 | 学習装置、学習方法および記録媒体 |
JP2018169672A (ja) | 2017-03-29 | 2018-11-01 | 三菱電機インフォメーションシステムズ株式会社 | 教師画像を生成する方法、コンピュータおよびプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3347817B2 (ja) * | 1993-06-22 | 2002-11-20 | 株式会社ビュープラス | 画像認識装置 |
JP7098351B2 (ja) * | 2018-02-28 | 2022-07-11 | キヤノン株式会社 | 画像処理装置および画像処理方法、およびプログラム |
-
2020
- 2020-01-10 JP JP2021508103A patent/JP7176614B2/ja active Active
- 2020-01-10 WO PCT/JP2020/000728 patent/WO2020195015A1/ja active Application Filing
- 2020-01-10 US US17/440,407 patent/US20220164990A1/en active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014137756A (ja) | 2013-01-17 | 2014-07-28 | Canon Inc | 画像処理装置および画像処理方法 |
JP2016076073A (ja) | 2014-10-06 | 2016-05-12 | 日本電気株式会社 | データ処理装置、データ処理方法、及び、コンピュータ・プログラム |
WO2017109904A1 (ja) | 2015-12-24 | 2017-06-29 | オリンパス株式会社 | 画像処理装置、画像処理方法およびプログラム |
WO2017145960A1 (ja) | 2016-02-24 | 2017-08-31 | 日本電気株式会社 | 学習装置、学習方法および記録媒体 |
JP2018169672A (ja) | 2017-03-29 | 2018-11-01 | 三菱電機インフォメーションシステムズ株式会社 | 教師画像を生成する方法、コンピュータおよびプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2020195015A1 (ja) | 2020-10-01 |
US20220164990A1 (en) | 2022-05-26 |
JPWO2020195015A1 (ja) | 2020-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7176614B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
US11887362B2 (en) | Sky filter method for panoramic images and portable terminal | |
CN110838126B (zh) | 细胞图像分割方法、装置、计算机设备和存储介质 | |
US20080136820A1 (en) | Progressive cut: interactive object segmentation | |
BR112020001729A2 (pt) | método, aparelho e dispositivo de reconhecimento de gestos | |
CN109993101B (zh) | 基于多分支循环自注意力网络与循环边框回归的车辆检测方法 | |
US10803355B2 (en) | Method for training image generator | |
JP2015185149A (ja) | 機械学習装置、機械学習方法、及びプログラム | |
CN104915972A (zh) | 图像处理装置、图像处理方法以及程序 | |
CN105335701A (zh) | 一种基于hog与d-s证据理论多信息融合的行人检测方法 | |
CN112052818A (zh) | 无监督域适应的行人检测方法、系统及存储介质 | |
JP2017102622A (ja) | 画像処理装置、画像処理方法及びプログラム | |
CN109784216A (zh) | 基于概率图的车载热成像行人检测RoIs提取方法 | |
CN105225218A (zh) | 用于文档图像的畸变校正方法和设备 | |
Turan et al. | A novel method to identify and grade DNA damage on comet images | |
CN117456590A (zh) | 一种针对智能城市应用的视觉转换的人脸识别方法及装置 | |
JP2021196451A (ja) | 画像変換装置、画像変換方法及び画像変換用コンピュータプログラム | |
Akther et al. | Detection of Vehicle's Number Plate at Nighttime using Iterative Threshold Segmentation (ITS) Algorithm | |
CN116385466A (zh) | 一种基于边界框弱标注的图像中目标分割方法及系统 | |
JP6249508B2 (ja) | 異動検出支援装置、異動検出支援方法、及びプログラム | |
CN116612041A (zh) | 基于超像素分析的低照度图像增强方法及系统 | |
CN114283431B (zh) | 一种基于可微分二值化的文本检测方法 | |
CN113222867B (zh) | 基于多模板图像的图像数据增强方法及系统 | |
CN113221826B (zh) | 一种基于自监督学习显著性估计像素嵌入的道路检测方法 | |
CN113723345B (zh) | 基于风格转换和联合学习网络的域自适应行人再识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210910 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210910 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220928 |
|
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: 20221011 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221024 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7176614 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |