JP7303844B2 - データ拡張システム、データ拡張方法、及びプログラム - Google Patents
データ拡張システム、データ拡張方法、及びプログラム Download PDFInfo
- Publication number
- JP7303844B2 JP7303844B2 JP2021090989A JP2021090989A JP7303844B2 JP 7303844 B2 JP7303844 B2 JP 7303844B2 JP 2021090989 A JP2021090989 A JP 2021090989A JP 2021090989 A JP2021090989 A JP 2021090989A JP 7303844 B2 JP7303844 B2 JP 7303844B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- data
- input
- machine learning
- processed
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- 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
- G06V10/774—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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2178—Validation; Performance evaluation; Active pattern learning techniques based on feedback of a supervisor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Description
以下、本発明に係るデータ拡張システムの実施形態の例を説明する。図1は、データ拡張システムの全体構成を示す図である。図1に示すように、データ拡張システムSは、サーバ10及びユーザ端末20を含み、これらは、インターネットなどのネットワークNに接続可能である。なお、図1では、サーバ10及びユーザ端末20の各々を1台ずつ示しているが、これらは複数台あってもよい。
本実施形態のデータ拡張システムSは、機械学習モデルに入力される入力データの特徴部分を特定し、特徴部分の少なくとも一部を加工した加工データに基づいて、データ拡張をする。
図5は、データ拡張システムSで実現される機能の一例を示す機能ブロック図である。図5に示すように、データ拡張システムSでは、データ記憶部100、入力部101、特定部102、加工部103、及びデータ拡張部104が実現される。本実施形態では、これら各機能がサーバ10によって実現される場合を説明する。
データ記憶部100は、記憶部12を主として実現される。データ記憶部100は、本実施形態で説明する処理を実行するために必要なデータを記憶する。ここでは、データ記憶部100が記憶するデータの一例として、教師データセットDSと、機械学習モデルMと、について説明する。
入力部101は、制御部11を主として実現される。入力部101は、認識を行う機械学習モデルMに入力画像を入力する。例えば、機械学習モデルMは、入力画像が入力されると入力画像の特徴量を計算し、当該計算された特徴量に基づいて入力画像を分類し、入力画像が属する分類を示す分類情報を出力する。分類情報は、1つだけ出力されてもよいし、複数の分類情報が出力されてもよい。
特定部102は、制御部11を主として実現される。特定部102は、入力画像を入力とした機械学習モデルMによる認識における根拠となる入力画像の特徴部分を特定する。先述したように、本実施形態では、認識を行う機械学習モデルMと、ヒートマップHを生成する手段と、が互いに別々であり、Grad-CAMと呼ばれる手法を利用して特徴部分が特定される場合を説明する。
加工部103は、制御部11を主として実現される。加工部103は、特徴部分の少なくとも一部を加工して加工画像を取得する。加工画像は、入力画像とは別の画像なので、加工部103は、入力画像を上書きして加工画像とするのではなく、入力画像とは別画像(別データ)として、加工画像を生成(新規作成又はファイル名を変えて保存)する。
データ拡張部104は、制御部11を主として実現される。データ拡張部104は、加工画像に基づいて、データ拡張をする。例えば、データ拡張部104は、加工画像に基づいて教師データを生成し、データ拡張をする。
図7は、データ拡張システムSにおいて実行される処理の一例を示すフロー図である。図7に示す処理は、制御部11,21が記憶部12,22に記憶されたプログラムに従って動作することによって実行される。下記に説明する処理は、図5に示す機能ブロックにより実行される処理の一例である。なお、以降の処理が実行されるにあたり、ユーザは、教師データセットDSを作成してサーバ10にアップロードしているものとする。また、機械学習モデルMが教師データセットDSを学習済みであるものとする。
なお、本発明は、以上に説明した実施の形態に限定されるものではない。本発明の趣旨を逸脱しない範囲で、適宜変更可能である。
Claims (7)
- 認識を行う学習済みの機械学習モデルに入力画像を入力する入力手段と、
前記入力画像が入力されて前記機械学習モデルが行った認識において根拠とされた前記入力画像に含まれるオブジェクトの特徴部分を特定する特定手段と、
特定された前記特徴部分の少なくとも一部に、マスク画像を重ねる又はインペインティング処理を施し、前記マスク画像が重ねられた又は前記インペインティング処理が施された前記特徴部分の少なくとも一部に前記マスク画像又は前記インペインティング処理が施された画像以外の画像を重ねないようにすることによって、前記特徴部分の少なくとも一部を加工して加工画像を取得する加工手段と、
前記加工画像と、前記加工画像の元となった前記入力画像の分類を示す分類情報と、のペアに基づいて、データ拡張をするデータ拡張手段と、
を含むデータ拡張システム。 - 認識を行う学習済みの機械学習モデルに入力画像を入力する入力手段と、
前記入力画像が入力されて前記機械学習モデルが行った認識において根拠とされた前記入力画像に含まれるオブジェクトの特徴部分を特定する特定手段と、
前記特徴部分の少なくとも一部の特徴が低減又は消えて他の部分の特徴が学習されるように、前記特徴部分の少なくとも一部に、マスク画像を重ねる又はインペインティング処理を施し、前記マスク画像が重ねられた又は前記インペインティング処理が施された前記特徴部分の少なくとも一部に前記マスク画像又は前記インペインティング処理が施された画像以外の画像を重ねないようにすることによって、前記特徴部分の少なくとも一部を加工して加工画像を取得する加工手段と、
前記加工画像に基づいて、データ拡張をするデータ拡張手段と、
を含むデータ拡張システム。 - 前記データ拡張システムは、前記データ拡張の結果に基づいて、前記加工画像が入力された場合に前記入力画像と同じ分類が出力されるように、機械学習モデルの学習処理を実行する学習手段を更に含む、
請求項1又は2に記載のデータ拡張システム。 - 認識を行う学習済みの機械学習モデルに入力画像を入力する入力ステップと、
前記入力画像が入力されて前記機械学習モデルが行った認識において根拠とされた前記入力画像に含まれるオブジェクトの特徴部分を特定する特定ステップと、
特定された前記特徴部分の少なくとも一部に、マスク画像を重ねる又はインペインティング処理を施し、前記マスク画像が重ねられた又は前記インペインティング処理が施された前記特徴部分の少なくとも一部に前記マスク画像又は前記インペインティング処理が施された画像以外の画像を重ねないようにすることによって、前記特徴部分の少なくとも一部を加工して加工画像を取得する加工ステップと、
前記加工画像と、前記加工画像の元となった前記入力画像の分類を示す分類情報と、のペアに基づいて、データ拡張をするデータ拡張ステップと、
を含むデータ拡張方法。 - 認識を行う学習済みの機械学習モデルに入力画像を入力する入力ステップと、
前記入力画像が入力されて前記機械学習モデルが行った認識において根拠とされた前記入力画像に含まれるオブジェクトの特徴部分を特定する特定ステップと、
前記特徴部分の少なくとも一部の特徴が低減又は消えて他の部分の特徴が学習されるように、前記特徴部分の少なくとも一部に、マスク画像を重ねる又はインペインティング処理を施し、前記マスク画像が重ねられた又は前記インペインティング処理が施された前記特徴部分の少なくとも一部に前記マスク画像又は前記インペインティング処理が施された画像以外の画像を重ねないようにすることによって、前記特徴部分の少なくとも一部を加工して加工画像を取得する加工ステップと、
前記加工画像に基づいて、データ拡張をするデータ拡張ステップと、
を含むデータ拡張方法。 - 認識を行う学習済みの機械学習モデルに入力画像を入力する入力手段、
前記入力画像が入力されて前記機械学習モデルが行った認識において根拠とされた前記入力画像に含まれるオブジェクトの特徴部分を特定する特定手段、
特定された前記特徴部分の少なくとも一部に、マスク画像を重ねる又はインペインティング処理を施し、前記マスク画像が重ねられた又は前記インペインティング処理が施された前記特徴部分の少なくとも一部に前記マスク画像又は前記インペインティング処理が施された画像以外の画像を重ねないようにすることによって、前記特徴部分の少なくとも一部を加工して加工画像を取得する加工手段、
前記加工画像と、前記加工画像の元となった前記入力画像の分類を示す分類情報と、のペアに基づいて、データ拡張をするデータ拡張手段、
としてコンピュータを機能させるためのプログラム。 - 認識を行う学習済みの機械学習モデルに入力画像を入力する入力手段、
前記入力画像が入力されて前記機械学習モデルが行った認識において根拠とされた前記入力画像に含まれるオブジェクトの特徴部分を特定する特定手段、
前記特徴部分の少なくとも一部の特徴が低減又は消えて他の部分の特徴が学習されるように、前記特徴部分の少なくとも一部に、マスク画像を重ねる又はインペインティング処理を施し、前記マスク画像が重ねられた又は前記インペインティング処理が施された前記特徴部分の少なくとも一部に前記マスク画像又は前記インペインティング処理が施された画像以外の画像を重ねないようにすることによって、前記特徴部分の少なくとも一部を加工して加工画像を取得する加工手段、
前記加工画像に基づいて、データ拡張をするデータ拡張手段、
としてコンピュータを機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021090989A JP7303844B2 (ja) | 2019-05-31 | 2021-05-31 | データ拡張システム、データ拡張方法、及びプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019102682A JP6929322B2 (ja) | 2019-05-31 | 2019-05-31 | データ拡張システム、データ拡張方法、及びプログラム |
JP2021090989A JP7303844B2 (ja) | 2019-05-31 | 2021-05-31 | データ拡張システム、データ拡張方法、及びプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019102682A Division JP6929322B2 (ja) | 2019-05-31 | 2019-05-31 | データ拡張システム、データ拡張方法、及びプログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021120914A JP2021120914A (ja) | 2021-08-19 |
JP2021120914A5 JP2021120914A5 (ja) | 2021-09-30 |
JP7303844B2 true JP7303844B2 (ja) | 2023-07-05 |
Family
ID=73551592
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019102682A Active JP6929322B2 (ja) | 2019-05-31 | 2019-05-31 | データ拡張システム、データ拡張方法、及びプログラム |
JP2021090989A Active JP7303844B2 (ja) | 2019-05-31 | 2021-05-31 | データ拡張システム、データ拡張方法、及びプログラム |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019102682A Active JP6929322B2 (ja) | 2019-05-31 | 2019-05-31 | データ拡張システム、データ拡張方法、及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11436436B2 (ja) |
JP (2) | JP6929322B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022168441A1 (ja) * | 2021-02-05 | 2022-08-11 | ソニーグループ株式会社 | 推論装置、推論方法およびプログラム |
JP6955734B1 (ja) * | 2021-03-08 | 2021-10-27 | 株式会社データグリッド | 画像データ生成方法、学習方法、画像データ生成システム、学習システムおよびプログラム |
JP2023069054A (ja) * | 2021-11-04 | 2023-05-18 | 国立大学法人京都大学 | 情報処理装置、情報処理方法および情報処理プログラム |
JP7383684B2 (ja) | 2021-12-08 | 2023-11-20 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、情報処理方法、並びにプログラム |
WO2023127018A1 (ja) * | 2021-12-27 | 2023-07-06 | 楽天グループ株式会社 | 情報処理装置及び方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170300783A1 (en) | 2016-04-13 | 2017-10-19 | Xerox Corporation | Target domain characterization for data augmentation |
JP2019032821A (ja) | 2017-06-26 | 2019-02-28 | コニカ ミノルタ ラボラトリー ユー.エス.エー.,インコーポレイテッド | ニューラルネットワークによる画風変換を用いたデータオーグメンテーション技術 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10769531B2 (en) * | 2015-06-05 | 2020-09-08 | Cisco Technology, Inc. | Methods and systems for counting people |
US11580398B2 (en) * | 2016-10-14 | 2023-02-14 | KLA-Tenor Corp. | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
JP2019102682A (ja) * | 2017-12-05 | 2019-06-24 | 株式会社プロスパイン | 永電磁ホルダおよび永電磁ホルダ装置 |
EP3732628A1 (en) * | 2018-05-18 | 2020-11-04 | Google LLC | Learning data augmentation policies |
CN109086691B (zh) * | 2018-07-16 | 2020-02-21 | 阿里巴巴集团控股有限公司 | 一种三维脸部活体检测方法、脸部认证识别方法及装置 |
KR102641116B1 (ko) * | 2018-08-23 | 2024-02-27 | 삼성전자주식회사 | 데이터 증강에 기초한 인식 모델 트레이닝 방법 및 장치, 이미지 인식 방법 및 장치 |
KR102439606B1 (ko) * | 2018-10-30 | 2022-09-01 | 삼성에스디에스 주식회사 | 전이 학습을 위한 기반 모델 결정 방법 및 그 방법을 지원하는 장치 |
TWI671652B (zh) * | 2018-11-26 | 2019-09-11 | 財團法人資訊工業策進會 | 模型建置裝置與負載解析系統 |
US10776164B2 (en) * | 2018-11-30 | 2020-09-15 | EMC IP Holding Company LLC | Dynamic composition of data pipeline in accelerator-as-a-service computing environment |
-
2019
- 2019-05-31 JP JP2019102682A patent/JP6929322B2/ja active Active
-
2020
- 2020-05-28 US US16/885,270 patent/US11436436B2/en active Active
-
2021
- 2021-05-31 JP JP2021090989A patent/JP7303844B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170300783A1 (en) | 2016-04-13 | 2017-10-19 | Xerox Corporation | Target domain characterization for data augmentation |
JP2019032821A (ja) | 2017-06-26 | 2019-02-28 | コニカ ミノルタ ラボラトリー ユー.エス.エー.,インコーポレイテッド | ニューラルネットワークによる画風変換を用いたデータオーグメンテーション技術 |
Non-Patent Citations (3)
Title |
---|
堰澤 映ほか,人工的に生成した道路シーンを用いた道路標識認識器の学習,電子情報通信学会技術研究報告[online],日本,一般社団法人電子情報通信学会,2018年12月06日,Vol.118 No.362,pp.73-78 |
大西 一徳ほか,ディープラーニングのための訓練データ自動生成,FIT2015 第14回情報科学技術フォーラム 講演論文集,情報処理学会,2015年08月24日,第3分冊,pp.443-446 |
手作業から解放! -オートアノテーションツールの開発-,Qiita,2019年04月02日,https://qiita.com/shinmura0/items/60a84ee24f9fb4546657,[2020年11月6日検索] |
Also Published As
Publication number | Publication date |
---|---|
US11436436B2 (en) | 2022-09-06 |
US20200380302A1 (en) | 2020-12-03 |
JP2020197833A (ja) | 2020-12-10 |
JP6929322B2 (ja) | 2021-09-01 |
JP2021120914A (ja) | 2021-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7303844B2 (ja) | データ拡張システム、データ拡張方法、及びプログラム | |
JP7011146B2 (ja) | 画像処理装置、画像処理方法、画像処理プログラム、及び教師データ生成方法 | |
US20240168625A1 (en) | Simulated handwriting image generator | |
Muhammad et al. | Learning deep sketch abstraction | |
CN111291629A (zh) | 图像中文本的识别方法、装置、计算机设备及计算机存储介质 | |
KR102641424B1 (ko) | 컴퓨팅 장치 및 그 동작 방법 | |
CN107391709A (zh) | 一种基于新型注意模型进行图像字幕生成的方法 | |
CN108564103A (zh) | 数据处理方法与装置 | |
US11068746B2 (en) | Image realism predictor | |
CN112446302B (zh) | 一种人体姿态检测方法、系统、电子设备和存储介质 | |
Wang et al. | Learning deep conditional neural network for image segmentation | |
CN106778852A (zh) | 一种修正误判的图像内容识别方法 | |
CN113807265B (zh) | 一种多样化的人脸图像合成方法及系统 | |
CN109657582A (zh) | 人脸情绪的识别方法、装置、计算机设备及存储介质 | |
Zhang et al. | Inkthetics: a comprehensive computational model for aesthetic evaluation of Chinese ink paintings | |
CN111275057A (zh) | 图像处理方法、装置及设备 | |
US11468571B2 (en) | Apparatus and method for generating image | |
CN110610131B (zh) | 人脸运动单元的检测方法、装置、电子设备及存储介质 | |
Lee et al. | The surprisingly straightforward scene text removal method with gated attention and region of interest generation: A comprehensive prominent model analysis | |
KR102430743B1 (ko) | 데이터 증강 기반 사물 분석 모델 학습 장치 및 방법 | |
KR102659290B1 (ko) | 모자이크 생성 장치 및 방법 | |
JP7329041B2 (ja) | 条件付き敵対的生成ネットワークに基づいて画像を合成する方法および関連機器 | |
KR102229056B1 (ko) | 표정 인식 모델 생성 장치, 방법 및 이러한 방법을 수행하도록 프로그램된 컴퓨터 프로그램을 저장하는 컴퓨터 판독가능한 기록매체 | |
CN110717928B (zh) | 人脸运动单元AUs的参数估计方法、装置和电子设备 | |
CN111062862A (zh) | 基于颜色的数据增强方法和系统及计算机设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210817 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210817 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230418 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230518 |
|
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: 20230620 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230623 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7303844 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |