JP7242975B2 - ディシジョンツリーベースの適応ブースティング分類器におけるオブジェクト分類のための方法、デジタルシステム、並びに非一時的コンピュータ可読記憶媒体 - Google Patents
ディシジョンツリーベースの適応ブースティング分類器におけるオブジェクト分類のための方法、デジタルシステム、並びに非一時的コンピュータ可読記憶媒体 Download PDFInfo
- Publication number
- JP7242975B2 JP7242975B2 JP2018500704A JP2018500704A JP7242975B2 JP 7242975 B2 JP7242975 B2 JP 7242975B2 JP 2018500704 A JP2018500704 A JP 2018500704A JP 2018500704 A JP2018500704 A JP 2018500704A JP 7242975 B2 JP7242975 B2 JP 7242975B2
- Authority
- JP
- Japan
- Prior art keywords
- vector
- feature
- leaf
- node
- decision tree
- 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
- 238000003066 decision tree Methods 0.000 title claims description 79
- 238000000034 method Methods 0.000 title claims description 41
- 230000003044 adaptive effect Effects 0.000 title claims description 14
- 239000013598 vector Substances 0.000 claims description 223
- 230000002085 persistent effect Effects 0.000 claims 3
- 230000001186 cumulative effect Effects 0.000 description 11
- 238000001514 detection method Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 9
- 238000013459 approach Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000005022 packaging material Substances 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 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
-
- 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
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/30—Arrangements for executing machine instructions, e.g. instruction decode
- G06F9/38—Concurrent instruction execution, e.g. pipeline or look ahead
- G06F9/3885—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units
- G06F9/3887—Concurrent instruction execution, e.g. pipeline or look ahead using a plurality of independent parallel functional units controlled by a single instruction for multiple data lanes [SIMD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- 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
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
- G06V10/7747—Organisation of the process, 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
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
Y. Fruend and R. Schapire, "A Decision-Theoretic Generalization of On-line Learning and an Application to Boosting," Journal of Computer and System Sciences, Vol. 55, Issue 1, August 1997, pp.119-139
例えば、ディシジョンツリーが2レベル2進ディシジョンツリーである仮定される実施形態を記載してきた。なお、ディシジョンツリーは、2レベルより多くのレベルを含み得、及び/又は2進数である必要はない。
Claims (20)
- ディシジョンツリーベースの適応ブースティング分類器におけるオブジェクト分類のための方法であって、
単一命令多重データ(SIMD)プロセッサによってメモリから、前記メモリに格納された画像におけるN個の連続ウィンドウ位置から抽出される特徴ベクトルを引き出すことであって、Nが、特徴のビットサイズで除算される前記SIMDプロセッサのベクトル幅であり、特徴ベクトルが、前記N個の連続ウィンドウ位置の各々に対して1つの特徴値の、N個の特徴値を含む、前記引き出すことと、
前記SIMDプロセッサによって、前記N個の連続ウィンドウ位置についてディシジョンツリーを同時にトラバースすることにより前記N個の連続ウィンドウ位置を同時に評価することであって、前記ディシジョンツリーの各々が複数のノードと各ノードについての閾値と複数のリーフとを含み、各リーフが部分スコアを含み、前記トラバースすることが、
前記特徴ベクトルの各々について、前記ディシジョンツリーのそれぞれの1つのノードにおいて、前記特徴ベクトルの値について部分スコアを決定するために、前記複数のリーフの1つのリーフに達するまで、前記特徴ベクトルの値を前記ノードの閾値と比較して前記比較結果に基づいて前記ノードからの分岐を決定することと、
前記特徴ベクトルの特徴の部分スコアを合計することと、
を含む、前記評価することと、
を含む、方法。 - 請求項1に記載の方法であって、
前記N個の連続ウィンドウ位置を評価することが、
前記SIMDプロセッサのベクトルロード命令を用いて複数の前記特徴ベクトルをロードすることであって、前記適応ブースティング分類器の1つのディシジョンツリーの各ノードに対して1つの特徴ベクトルがロードされる、前記ロードすることと、
前記特徴ベクトルの各々について、前記ディシジョンツリーのそれぞれの1つのノードにおいて、各ノードに対して、前記特徴ベクトルの値を前記ノードの閾値と比較することが真であるか否かの指示を含むマスクベクトルを生成するために、前記SIMDプロセッサのベクトル比較命令を用いて各特徴ベクトルを対応する閾値ベクトルと比較することによって前記特徴ベクトルの値を前記ノードの閾値と比較することを実施することであって、前記対応する閾値ベクトルが、前記特徴ベクトルに対応する前記ノードについての前記閾値のN個のコピーを含み、前記マスクベクトルが、前記特徴ベクトルのN個の特徴の各々に対して1つの比較結果の、N個の比較結果を含む、前記実施することと、
前記マスクベクトルと前記ディシジョンツリーの前記リーフの部分スコア値とに基づいて部分スコアベクトルを生成することであって、前記部分スコアベクトルが、前記N個の連続ウィンドウ位置の各々に対して1つの部分スコア値の、N個の部分スコア値を含む、前記部分スコアベクトルを生成することと、
前記部分スコア値を累積されたスコアベクトルへと累積することであって、前記累積されたスコアベクトルが、前記N個の連続ウィンドウ位置の各々に対して1つの累積されたスコア値の、N個の累積されたスコア値を含む、前記累積することと、
前記SIMDプロセッサのベクトル比較命令を用いて前記累積されたスコアベクトルを出口基準のセットを含む出口閾値ベクトルと比較して、前記累積されたスコアベクトの比較結果に基づいてオブジェクト分類が前記N個の連続ウィンドウ位置の1つ又は複数について終了され得るかどうかを決定することと、
を含む、方法。 - 請求項2に記載の方法であって、
前記部分スコアベクトルを生成することが、
前記複数のリーフの各々が前記特徴ベクトルに基づいて選択されるか否かを指示する前記マスクベクトルに基づいて前記ディシジョンツリーの前記複数のリーフの各々についてリーフ選択マスクベクトルを生成することであって、前記リーフ選択マスクベクトルが、前記リーフ選択マスクベクトルに対応する前記リーフに達する前記1つのディシジョンツリーのトラバースパスにおけるノードについてのマスクベクトルの論理結合である、前記生成することと、
前記N個の連続ウィンドウ位置の各々について部分スコア値をリーフベクトルから得るために、各リーフ選択マスクベクトルの対応するリーフベクトルとの論理AND演算を実施することであって、前記対応するリーフベクトルが前記リーフの部分スコアのN個のコピーを含む、前記実施することと、
を含む、方法。 - 請求項1に記載の方法であって、
前記ディシジョンツリーが2レベル2進ディシジョンツリーである、方法。 - 請求項1に記載の方法であって、
前記適応ブースティング分類器が歩行者分類についてトレーニングされる、方法。 - 請求項1に記載の方法であって、
前記SIMDプロセッサがデジタルシグナルプロセッサである、方法。 - デジタルシステムであって、
単一命令多重データ(SIMD)プロセッサと、
前記SIMDプロセッサに結合される持続性コンピュータ可読記憶媒体であって、
画像から抽出される特徴と、
複数のディシジョンツリーであって、各ディシジョンツリーが、複数のノードと複数のリーフとを含み、各リーフが部分スコアを含む、前記複数のディシジョンツリーと、
前記SIMDプロセッサによって実行されるプログラムであって、オブジェクト分類についてトレーニングされるディシジョンツリーベースの適応ブースティング分類器のための命令を含み、前記命令が、前記特徴と前記SIMDプロセッサのベクトル命令とを用いてN個の連続ウィンドウ位置を同時に評価するためのものである、前記プログラムと、
を格納する、前記持続性コンピュータ可読記憶媒体と、
を含み、
前記SIMDプロセッサが、
前記N個の連続ウィンドウ位置に含まれる特徴ベクトルの各々について、前記複数のディシジョンツリーのそれぞれの1つのノードにおいて、前記特徴ベクトルの値について部分スコアを決定するために、前記複数のリーフの1つのリーフに達するまで前記特徴ベクトルの値を前記ノードの閾値と比較して前記比較結果に基づいて前記ノードからの分岐を決定し、
前記特徴ベクトルの特徴の部分スコアを合計する、
ことによって、前記特徴ベクトルを含む前記N個の連続ウィンドウ位置についてディシジョンツリーを同時にトラバースし、
Nが、特徴のビットサイズで除算される前記SIMDプロセッサのベクトル幅である、デジタルシステム。 - 請求項7に記載のデジタルシステムであって、
前記プログラムが、前記画像における前記N個の連続ウィンドウ位置から前記特徴を抽出するための命令を更に含む、デジタルシステム。 - 請求項8に記載のデジタルシステムであって、
前記SIMDプロセッサに結合されるカメラであって、前記画像を提供する、前記カメラを更に含む、デジタルシステム。 - 請求項7に記載のデジタルシステムであって、
前記プログラムが、前記N個の連続ウィンドウ位置を評価するための命令を更に含み、前記評価することが、
前記SIMDプロセッサのベクトルロード命令を用いて前記持続性コンピュータ可読記憶媒体から複数の特徴ベクトルをロードすることであって、前記複数のディシジョンツリーの1つのディシジョンツリーの各ノードに対して1つの特徴ベクトルがロードされ、前記特徴ベクトルが、前記N個の連続ウィンドウ位置の各々に対して1つの特徴値の、N個の特徴値を含む、前記ロードすることと、
前記特徴ベクトルの各々について、前記複数のディシジョンツリーのそれぞれの1つのノードにおいて、前記特徴ベクトルの値を前記ノードの閾値と比較することが真であるか否かの指示を含む各ノードに対するマスクベクトルを生成するために、前記SIMDプロセッサのベクトル比較命令を用いて各特徴ベクトルを対応する閾値ベクトルと比較することによって、前記特徴ベクトルの値を前記ノードの閾値と比較することを実施することであって、前記対応する閾値ベクトルが、前記特徴ベクトルに対応する前記ノードについての閾値のN個のコピーを含み、前記マスクベクトルが、前記特徴ベクトルの前記N個の特徴の各々に対して1つの比較結果の、N個の比較結果を含む、前記実施することと、
前記マスクベクトルと前記ディシジョンツリーの前記リーフの部分スコア値とに基づいて部分スコアベクトルを生成することであって、前記部分スコアベクトルが、前記N個の連続ウィンドウ位置の各々に対して1つの部分スコア値の、N個の部分スコア値を含む、前記部分スコアベクトルを生成することと、
前記部分スコア値を累積して累積されたスコアベクトルにすることであって、前記累積されたスコアベクトルが、前記N個の連続ウィンドウ位置の各々に対して1つの累積されたスコア値の、N個の累積されたスコア値を含む、前記累積することと、
前記SIMDプロセッサのベクトル比較命令を用いて前記累積されたスコアベクトルを出口基準のセットを含む出口閾値ベクトルと比較して、前記累積されたスコアベクトの比較結果に基づいてオブジェクト分類が前記N個の連続ウィンドウ位置の1つ又は複数について終了され得るかどうかを決定することと、
によって成される、デジタルシステム。 - 請求項10に記載のデジタルシステムであって、
前記部分スコアベクトルを生成することが、
前記リーフの各々が前記特徴ベクトルに基づいて選択されるか否かを指示する前記マスクベクトルに基づいて前記ディシジョンツリーの前記リーフの各々についてリーフ選択マスクベクトルを生成することであって、前記リーフ選択マスクベクトルが、前記リーフ選択マスクベクトルに対応する前記リーフに達する前記1つのディシジョンツリーのトラバースパスにおけるノードについてのマスクベクトルの論理結合である、前記リーフ選択マスクベクトルを生成することと、
前記N個のウィンドウ位置の各々についてリーフベクトルから部分スコア値を得るために、各リーフ選択マスクベクトルの対応するリーフベクトルとの論理AND演算を実施することであって、前記対応するリーフベクトルが前記リーフの部分スコアのN個のコピーを含む、前記論理AND演算を実施することと、
を含む、デジタルシステム。 - 請求項7に記載のデジタルシステムであって、
前記ディシジョンツリーが2レベル2進ディシジョンツリーである、デジタルシステム。 - 請求項7に記載のデジタルシステムであって、
前記適応ブースティング分類器が歩行者分類についてトレーニングされる、デジタルシステム。 - 請求項7に記載のデジタルシステムであって、
前記SIMDプロセッサがデジタルシグナルプロセッサである、デジタルシステム。 - 単一命令多重データ(SIMD)プロセッサよって実行される、ディシジョンツリーベースの適応ブースティング分類器における物体分類のためのプログラムをストアする非一時的コンピュータ可読記憶媒体であって、前記プログラムが、
画像におけるN個の連続ウィンドウ位置から抽出される特徴ベクトルを前記非一時的コンピュータ可読記憶媒体から引き出すことであって、Nが特徴のビットサイズで除算される前記SIMDプロセッサのベクトル幅であり、特徴ベクトルが、前記N個の連続ウィンドウ位置の各々に対して1つの特徴値の、N個の特徴値を含む、前記特徴ベクトルを引き出すことと、
前記N個の連続ウィンドウ位置についてディシジョンツリーを同時にトラバースするために、前記特徴ベクトルと前記SIMDプロセッサのベクトル命令とを用いて、前記N個の連続ウィンドウ位置についてディシジョンツリーを同時にトラバースすることにより前記N個の連続ウィンドウ位置を同時に評価することであって、ディシジョンツリーが複数のノードと各ノードについての閾値と複数のリーフとを含み、各リーフが部分スコアを含み、前記トラバースすることが、
前記特徴ベクトルの各々について、前記ディシジョンツリーのそれぞれの1つのノードにおいて、前記特徴ベクトルの値について部分スコアを決定するために、前記複数のリーフの1つのリーフに達するまで、前記特徴ベクトルの値を前記ノードの閾値と比較して前記比較結果に基づいて前記ノードからの分岐を決定し、
前記特徴ベクトルの特徴の部分スコアを合計する、
ことを含む、前記評価することと、
のための命令を含む、非一時的コンピュータ可読記憶媒体。 - 請求項15に記載の非一時的コンピュータ可読記憶媒体であって、
前記N個の連続ウィンドウ位置を評価するための命令が、
前記SIMDプロセッサのベクトルロード命令を用いて複数の前記特徴ベクトルをロードすることであって、前記適応ブースティング分類器を用いてディシジョンツリーのセットの1つのディシジョンツリーの各ノードに対して1つの特徴ベクトルがロードされ、前記ディシジョンツリーの各々が複数のノードと閾値と複数のリーフとを含み、各リーフが部分スコア値を含む、前記複数の特徴ベクトルをロードすることと、
前記特徴ベクトルの各々について、前記ディシジョンツリーのそれぞれの1つのノードにおいて、各ノードに対して、前記特徴ベクトルの値を前記ノードの閾値と比較することが真であるか否かの指示を含むマスクベクトルを生成するために、前記SIMDプロセッサのベクトル比較命令を用いて各特徴ベクトルを対応する閾値ベクトルと比較することによって前記特徴ベクトルの値を前記ノードの閾値と比較することを実施することであって、前記対応する閾値ベクトルが、前記特徴ベクトルに対応する前記ノードについての前記閾値のN個のコピーを含み、前記マスクベクトルが、前記特徴ベクトルの前記N個の特徴の各々に対して1つの比較結果の、N個の比較結果を含む、前記実施することと、
前記マスクベクトルと前記ディシジョンツリーの前記リーフの部分スコア値とに基づいて部分スコアベクトルを生成することであって、前記部分スコアベクトルが、前記N個の連続ウィンドウ位置の各々に対して1つの部分スコア値の、N個の部分スコア値を含む、前記部分スコアベクトルを生成することと、
前記部分スコア値を累積して累積されたスコアベクトルにすることであって、前記累積されたスコアベクトルが、前記N個の連続ウィンドウ位置の各々に対して1つの累積されたスコア値の、N個の累積されたスコア値を含む、前記累積することと、
前記SIMDプロセッサのベクトル比較命令を用いて前記累積されたスコアベクトルを出口基準のセットを含む出口閾値ベクトルと比較して、前記累積されたスコアベクトの比較結果に基づいてオブジェクト分類が前記N個の連続ウィンドウ位置の1つ又は複数について終了され得るかどうかを決定することと、
のための命令を含む、非一時的コンピュータ可読記憶媒体。 - 請求項16に記載の非一時的コンピュータ可読記憶媒体であって、
前記部分スコアベクトルを生成するための命令が、
前記リーフの各々が前記特徴ベクトルに基づいて選択されるか否かを指示する前記マスクベクトルに基づいて前記ディシジョンツリーの前記リーフの各々についてリーフ選択マスクベクトルを生成することであって、前記リーフ選択マスクベクトルが、前記リーフ選択マスクベクトルに対応する前記リーフに達する前記1つのディシジョンツリーのトラバースパスにおけるノードについてのマスクベクトルの論理結合である、前記リーフ選択マスクベクトルを生成することと、
前記N個のウィンドウ位置の各々についてリーフベクトルから部分スコア値を得るために、各リーフ選択マスクベクトルの、対応するリーフベクトルとの論理AND演算を実施することであって、対応するリーフベクトルが前記リーフの部分スコアのN個のコピーを含む、前記論理AND演算を実施することと、
のための命令を含む、非一時的コンピュータ可読記憶媒体。 - 請求項15に記載の非一時的コンピュータ可読記憶媒体であって、
前記ディシジョンツリーが2レベル2進ディシジョンツリーである、非一時的コンピュータ可読記憶媒体。 - 請求項15に記載の非一時的コンピュータ可読記憶媒体であって、
前記適応ブースティング分類器が歩行者分類についてトレーニングされる、非一時的コンピュータ可読記憶媒体。 - 請求項15に記載の非一時的コンピュータ可読記憶媒体であって、
前記SIMDプロセッサがデジタルシグナルプロセッサである、非一時的コンピュータ可読記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022176623A JP2023022031A (ja) | 2015-07-06 | 2022-11-02 | 適応ブースティング(afdaboost)分類器における効率的なディシジョンツリートラバース |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/792,596 | 2015-07-06 | ||
US14/792,596 US10325204B2 (en) | 2015-07-06 | 2015-07-06 | Efficient decision tree traversal in an adaptive boosting (AdaBoost) classifier |
PCT/US2016/041159 WO2017007831A1 (en) | 2015-07-06 | 2016-07-06 | Efficient decision tree traversals in an adaptive boosting (adaboost) classifier |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022176623A Division JP2023022031A (ja) | 2015-07-06 | 2022-11-02 | 適応ブースティング(afdaboost)分類器における効率的なディシジョンツリートラバース |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2018520443A JP2018520443A (ja) | 2018-07-26 |
JP2018520443A5 JP2018520443A5 (ja) | 2019-07-18 |
JP7242975B2 true JP7242975B2 (ja) | 2023-03-22 |
Family
ID=57686191
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018500704A Active JP7242975B2 (ja) | 2015-07-06 | 2016-07-06 | ディシジョンツリーベースの適応ブースティング分類器におけるオブジェクト分類のための方法、デジタルシステム、並びに非一時的コンピュータ可読記憶媒体 |
JP2022176623A Pending JP2023022031A (ja) | 2015-07-06 | 2022-11-02 | 適応ブースティング(afdaboost)分類器における効率的なディシジョンツリートラバース |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022176623A Pending JP2023022031A (ja) | 2015-07-06 | 2022-11-02 | 適応ブースティング(afdaboost)分類器における効率的なディシジョンツリートラバース |
Country Status (5)
Country | Link |
---|---|
US (2) | US10325204B2 (ja) |
EP (1) | EP3320488A4 (ja) |
JP (2) | JP7242975B2 (ja) |
CN (1) | CN107851197B (ja) |
WO (1) | WO2017007831A1 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10268923B2 (en) * | 2015-12-29 | 2019-04-23 | Bar-Ilan University | Method and system for dynamic updating of classifier parameters based on dynamic buffers |
WO2017142510A1 (en) * | 2016-02-16 | 2017-08-24 | Entit Software Llc | Classification |
US10579493B2 (en) * | 2016-08-22 | 2020-03-03 | Oath Inc. | Systems and methods for determining user engagement with electronic devices |
CN106650806B (zh) * | 2016-12-16 | 2019-07-26 | 北京大学深圳研究生院 | 一种用于行人检测的协同式深度网络模型方法 |
CN107403424B (zh) * | 2017-04-11 | 2020-09-18 | 阿里巴巴集团控股有限公司 | 一种基于图像的车辆定损方法、装置及电子设备 |
JP7069898B2 (ja) * | 2018-03-16 | 2022-05-18 | 株式会社リコー | 学習識別装置および学習識別方法 |
US11144637B1 (en) * | 2018-08-24 | 2021-10-12 | Ca, Inc. | Systems and methods for executing decision trees |
CN111046926B (zh) * | 2019-11-26 | 2023-09-19 | 山东浪潮科学研究院有限公司 | 一种计算机视觉图像分类集成学习方法 |
US12009034B2 (en) * | 2020-03-02 | 2024-06-11 | Micron Technology, Inc. | Classification of error rate of data retrieved from memory cells |
US20230237097A1 (en) * | 2020-06-25 | 2023-07-27 | Nec Corporation | Information processing device, information processing method, and recording medium |
US11971953B2 (en) | 2021-02-02 | 2024-04-30 | Inait Sa | Machine annotation of photographic images |
JP2024506691A (ja) | 2021-02-18 | 2024-02-14 | アイエヌエイアイティ エスエイ | 2d画像において視認可能な使用形跡を使用した3dモデルの注釈付け |
US11544914B2 (en) | 2021-02-18 | 2023-01-03 | Inait Sa | Annotation of 3D models with signs of use visible in 2D images |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140270364A1 (en) | 2013-03-15 | 2014-09-18 | Nvidia Corporation | Performing object detection operations via a graphics processing unit |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2642039B2 (ja) | 1992-05-22 | 1997-08-20 | インターナショナル・ビジネス・マシーンズ・コーポレイション | アレイ・プロセッサ |
US7515756B2 (en) * | 2003-06-23 | 2009-04-07 | Shoestring Research, Llc. | Region segmentation and characterization systems and methods for augmented reality |
CN100560025C (zh) * | 2007-07-26 | 2009-11-18 | 上海交通大学 | 带有弱分类器的组合系数的人脸检测方法 |
CN101236608B (zh) * | 2008-01-25 | 2010-08-04 | 清华大学 | 基于图片几何结构的人脸检测方法 |
US8533129B2 (en) | 2008-09-16 | 2013-09-10 | Yahoo! Inc. | Efficient data layout techniques for fast machine learning-based document ranking |
WO2013025970A1 (en) * | 2011-08-17 | 2013-02-21 | Volcano Corporation | Classification trees on gpgpu compute engines |
US8923585B1 (en) | 2012-01-31 | 2014-12-30 | Given Imaging Ltd. | Method and system for image-based ulcer detection |
US9235769B2 (en) * | 2012-03-15 | 2016-01-12 | Herta Security, S.L. | Parallel object detection method for heterogeneous multithreaded microarchitectures |
CN103902591B (zh) * | 2012-12-27 | 2019-04-23 | 中国科学院深圳先进技术研究院 | 构建决策树分类器的方法及装置 |
US20150036942A1 (en) * | 2013-07-31 | 2015-02-05 | Lsi Corporation | Object recognition and tracking using a classifier comprising cascaded stages of multiple decision trees |
US9286217B2 (en) * | 2013-08-26 | 2016-03-15 | Qualcomm Incorporated | Systems and methods for memory utilization for object detection |
-
2015
- 2015-07-06 US US14/792,596 patent/US10325204B2/en active Active
-
2016
- 2016-07-06 WO PCT/US2016/041159 patent/WO2017007831A1/en active Application Filing
- 2016-07-06 EP EP16821919.4A patent/EP3320488A4/en active Pending
- 2016-07-06 JP JP2018500704A patent/JP7242975B2/ja active Active
- 2016-07-06 CN CN201680039290.8A patent/CN107851197B/zh active Active
-
2019
- 2019-04-22 US US16/390,082 patent/US10977560B2/en active Active
-
2022
- 2022-11-02 JP JP2022176623A patent/JP2023022031A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140270364A1 (en) | 2013-03-15 | 2014-09-18 | Nvidia Corporation | Performing object detection operations via a graphics processing unit |
Non-Patent Citations (1)
Title |
---|
Venkata Ganapathi Puppala,VLIW - SIMD processor based scalable architecure for parallel classifier node computing,2013 3rd IEEE International Advance Computing Conference (IACC),IEEE,2013年02月22日,pp.1496-1502,https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6514448,IEL Online IEEE Xplore |
Also Published As
Publication number | Publication date |
---|---|
WO2017007831A1 (en) | 2017-01-12 |
JP2018520443A (ja) | 2018-07-26 |
US10325204B2 (en) | 2019-06-18 |
JP2023022031A (ja) | 2023-02-14 |
CN107851197A (zh) | 2018-03-27 |
EP3320488A4 (en) | 2018-07-18 |
US20170011294A1 (en) | 2017-01-12 |
US10977560B2 (en) | 2021-04-13 |
EP3320488A1 (en) | 2018-05-16 |
US20190251451A1 (en) | 2019-08-15 |
CN107851197B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7242975B2 (ja) | ディシジョンツリーベースの適応ブースティング分類器におけるオブジェクト分類のための方法、デジタルシステム、並びに非一時的コンピュータ可読記憶媒体 | |
CN115331087B (zh) | 融合区域语义与像素特征的遥感影像变化检测方法及系统 | |
CN104933420B (zh) | 一种场景图像识别方法和场景图像识别设备 | |
CN107330027B (zh) | 一种弱监督的深度台标检测方法 | |
JP2014531097A (ja) | マルチレイヤ連結成分をヒストグラムと共に用いるテキスト検出 | |
CN107808126A (zh) | 车辆检索方法及装置 | |
CN115937655B (zh) | 多阶特征交互的目标检测模型及其构建方法、装置及应用 | |
CN108881947A (zh) | 一种直播流的侵权检测方法及装置 | |
WO2016095068A1 (en) | Pedestrian detection apparatus and method | |
JP2012058787A (ja) | 情報処理装置、およびその処理方法 | |
Ergul et al. | Scene classification using spatial pyramid of latent topics | |
CN109919149A (zh) | 基于物体检测模型的物体标注方法及相关设备 | |
US20140169684A1 (en) | Distance Metric for Image Comparison | |
CN115439718A (zh) | 一种结合监督学习和特征匹配技术的工业检测方法、系统、存储介质 | |
US9858293B2 (en) | Image processing apparatus and image processing method | |
Mace et al. | Overhead detection: Beyond 8-bits and rgb | |
CN111709951B (zh) | 目标检测网络训练方法及系统及网络及装置及介质 | |
CN111680691B (zh) | 文字检测方法、装置、电子设备和计算机可读存储介质 | |
CN110222657B (zh) | 单步人脸检测器优化系统、方法、装置 | |
CN113989671A (zh) | 基于语义感知与动态图卷积的遥感场景分类方法及系统 | |
CN114443878A (zh) | 图像分类方法、装置、设备及存储介质 | |
Estrada et al. | Appearance-based keypoint clustering | |
Chen et al. | FPAN: fine-grained and progressive attention localization network for data retrieval | |
CN115222940B (zh) | 一种语义分割方法、系统、设备和存储介质 | |
Kamal et al. | Traffic-sign detection and classification under challenging conditions: a deep neural network based approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20180109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190613 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190613 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200716 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200909 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201208 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210208 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20210218 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210308 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210323 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210602 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210901 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20211129 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220128 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20220513 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220706 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221107 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20221107 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20221124 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20221206 |
|
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: 20230207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7242975 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |