JP7324891B2 - バックボーンネットワーク生成方法、装置、電子機器、記憶媒体およびコンピュータプログラム - Google Patents
バックボーンネットワーク生成方法、装置、電子機器、記憶媒体およびコンピュータプログラム Download PDFInfo
- Publication number
- JP7324891B2 JP7324891B2 JP2022056947A JP2022056947A JP7324891B2 JP 7324891 B2 JP7324891 B2 JP 7324891B2 JP 2022056947 A JP2022056947 A JP 2022056947A JP 2022056947 A JP2022056947 A JP 2022056947A JP 7324891 B2 JP7324891 B2 JP 7324891B2
- Authority
- JP
- Japan
- Prior art keywords
- backbone network
- inference
- network
- target
- initial
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0806—Configuration setting for initial configuration or provisioning, e.g. plug-and-play
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/084—Configuration by using pre-existing information, e.g. using templates or copying from other elements
- H04L41/0846—Configuration by using pre-existing information, e.g. using templates or copying from other elements based on copy from other elements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0894—Policy-based network configuration management
-
- 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
- G06N3/048—Activation functions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Description
基本的なバックボーンネットワークと、予め設定されたターゲットネットワークとに基づいて、ターゲットバックボーンネットワークを取得するように構成される取得モジュールと、を含むバックボーンネットワーク生成装置を提供する。
Claims (19)
- トレーニング画像セット、推論画像セットおよび初期バックボーンネットワークセットを取得する取得ステップと、
前記初期バックボーンネットワークセット中の初期バックボーンネットワークごとに、前記トレーニング画像セットと前記推論画像セットとを用いて、前記初期バックボーンネットワークをトレーニングして推論を行い、トレーニング済みのバックボーンネットワークの推論プロセスにおける推論所要時間および推論精度を取得するトレーニング・推論ステップと、
各トレーニング済みのバックボーンネットワークの推論プロセスにおける推論所要時間および推論精度に基づいて、基本的なバックボーンネットワークを決定する基本的なバックボーンネットワークの決定ステップと、
前記基本的なバックボーンネットワークと、予め設定されたターゲットネットワークとに基づいて、ターゲットバックボーンネットワークを取得するターゲットバックボーンネットワーク取得ステップと、
を含み、
前記トレーニング・推論ステップは、
前記トレーニング画像セットを用いて前記初期バックボーンネットワークをトレーニングして、トレーニング済みのバックボーンネットワークを得るステップと、
前記トレーニング済みのバックボーンネットワークを推論ネットワークに変換し、前記推論ネットワークを用いて前記推論画像セットを推論し、前記推論ネットワークの推論プロセスにおける推論所要時間および推論精度を得るステップと、
を含むバックボーンネットワーク生成方法。 - 前記基本的なバックボーンネットワークの決定ステップは、
各推論ネットワークの推論プロセスにおける推論所要時間および推論精度を2次元座標系における点としてプロットするステップと、
前記2次元座標系における各点から目標点を決定し、前記目標点に対応する初期バックボーンネットワークを基本的なバックボーンネットワークとするステップと、
を含む請求項1に記載のバックボーンネットワーク生成方法。 - 前記ターゲットバックボーンネットワーク取得ステップは、
活性化関数および全結合層のうちの少なくとも一方を含むターゲットネットワークを取得するステップと、
前記ターゲットネットワークを前記基本的なバックボーンネットワークに追加して、ターゲットバックボーンネットワークを得るステップと、
を含む請求項1に記載のバックボーンネットワーク生成方法。 - 前記ターゲットバックボーンネットワークの畳み込みカーネルサイズを更新するステップをさらに含む、請求項1~3のいずれか1項に記載のバックボーンネットワーク生成方法。
- 前記ターゲットバックボーンネットワークにおける所定の目標追加位置にSEモジュールを追加し、最終的なバックボーンネットワークを得るステップをさらに含む、請求項1~4のいずれか1項に記載のバックボーンネットワーク生成方法。
- 前記目標追加位置は、
前記ターゲットバックボーンネットワークの異なる位置にSEモジュールを追加して、対応する第1のバックボーンネットワークセットを得るステップと、
前記第1のバックボーンネットワークセット中の第1のバックボーンネットワークごとに、前記第1のバックボーンネットワークを用いて前記推論画像セットを推論し、前記第1のバックボーンネットワークの推論プロセスにおける推論所要時間および推論精度を得るステップと、
各第1のバックボーンネットワークの推論プロセスにおける推論所要時間および推論精度に基づいて、前記目標追加位置を決定するステップと、
によって決定される請求項5に記載のバックボーンネットワーク生成方法。 - 前記初期バックボーンネットワークセットは、少なくとも1つの初期バックボーンネットワークを含み、
前記初期バックボーンネットワークは、
各軽量バックボーンネットワークのネットワークブロックを取得し、ネットワークブロックセットを得るステップと、
前記ネットワークブロックセット中のネットワークブロックをランダムに組み合わせて前記初期バックボーンネットワークを得るステップと、
によって取得される請求項1に記載のバックボーンネットワーク生成方法。 - 分類対象画像を取得するステップと、
請求項1~7のいずれか1項に記載のバックボーンネットワーク生成方法により予め生成されたターゲットバックボーンネットワークを用いて、前記分類対象画像の特徴を抽出して画像特徴を得るステップと、
前記画像特徴を分類して分類結果を得るステップと、
を含む画像分類方法。 - トレーニング画像セット、推論画像セットおよび初期バックボーンネットワークセットを取得するように構成される第1の取得モジュールと、
前記初期バックボーンネットワークセット中の初期バックボーンネットワークごとに、前記トレーニング画像セットと前記推論画像セットとを用いて、前記初期バックボーンネットワークをトレーニングして推論を行い、トレーニング済みのバックボーンネットワークの推論プロセスにおける推論所要時間および推論精度を取得するように構成されるトレーニングモジュールと、
各トレーニング済みのバックボーンネットワークの推論プロセスにおける推論所要時間および推論精度に基づいて、基本的なバックボーンネットワークを決定するように構成される決定モジュールと、
前記基本的なバックボーンネットワークと、予め設定されたターゲットネットワークとに基づいて、ターゲットバックボーンネットワークを取得するように構成される取得モジュールと、
を備え、
前記トレーニングモジュールは、
前記トレーニング画像セットを用いて前記初期バックボーンネットワークをトレーニングして、トレーニング済みのバックボーンネットワークを得るように構成されるトレーニングサブモジュールと、
前記トレーニング済みのバックボーンネットワークを推論ネットワークに変換し、前記推論ネットワークを用いて前記推論画像セットを推論し、前記推論ネットワークの推論プロセスにおける推論所要時間および推論精度を得るように構成される推論サブモジュールと、
を備えるバックボーンネットワーク生成装置。 - 前記決定モジュールは、
各推論ネットワークの推論プロセスにおける推論所要時間および推論精度を2次元座標系における点としてプロットするように構成されるプロットサブモジュールと、
前記2次元座標系における各点から目標点を決定し、前記目標点に対応する初期バックボーンネットワークを基本的なバックボーンネットワークとするように構成される決定サブモジュールと、
を備える請求項9に記載のバックボーンネットワーク生成装置。 - 前記取得モジュールは、
活性化関数および全結合層のうちの少なくとも一方を含むターゲットネットワークを取得するように構成されるターゲットネットワーク取得サブモジュールと、
前記ターゲットネットワークを前記基本的なバックボーンネットワークに追加し、ターゲットバックボーンネットワークを得るように構成されるターゲットバックボーンネットワーク取得サブモジュールと、
を備える請求項9に記載のバックボーンネットワーク生成装置。 - 前記ターゲットバックボーンネットワークの畳み込みカーネルサイズを更新するように構成される更新モジュールをさらに備える、請求項9~11のいずれか1項に記載のバックボーンネットワーク生成装置。
- 前記ターゲットバックボーンネットワークにおける所定の目標追加位置にSEモジュールを追加し、最終的なバックボーンネットワークを得るように構成される追加モジュールをさらに含む、請求項9~12のいずれか1項に記載のバックボーンネットワーク生成装置。
- 前記目標追加位置は、
前記ターゲットバックボーンネットワークの異なる位置にSEモジュールを追加して、対応する第1のバックボーンネットワークセットを得るステップと、
前記第1のバックボーンネットワークセット中の第1のバックボーンネットワークごとに、前記第1のバックボーンネットワークを用いて前記推論画像セットを推論し、前記第1のバックボーンネットワークの推論プロセスにおける推論所要時間および推論精度を得るステップと、
各第1のバックボーンネットワークの推論プロセスにおける推論所要時間および推論精度に基づいて、前記目標追加位置を決定するステップと、
によって決定される請求項13に記載のバックボーンネットワーク生成装置。 - 前記初期バックボーンネットワークセットは、少なくとも1つの初期バックボーンネットワークを含み、
前記初期バックボーンネットワークは、
各軽量バックボーンネットワークのネットワークブロックを取得し、ネットワークブロックセットを得るステップと、
前記ネットワークブロックセット中のネットワークブロックをランダムに組み合わせて前記初期バックボーンネットワークを得るステップと、
によって取得される請求項9に記載のバックボーンネットワーク生成装置。 - 分類対象画像を取得するように構成される第2の取得モジュールと、
請求項1~7のいずれか1項に記載のバックボーンネットワーク生成方法により予め生成されたターゲットバックボーンネットワークを用いて、前記分類対象画像の特徴を抽出して画像特徴を得るように構成される抽出モジュールと、
前記画像特徴を分類して分類結果を得るように構成される分類モジュールと、
を備える画像分類装置。 - 少なくとも1つのプロセッサと、前記少なくとも1つのプロセッサと通信接続されたメモリとを備える電子機器であって、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能な指令が格納され、
前記指令が前記少なくとも1つのプロセッサによって実行されると、前記少なくとも1つのプロセッサに請求項1~7のいずれか1項に記載のバックボーンネットワーク生成方法または請求項8に記載の画像分類方法を実行させる、電子機器。 - コンピュータ指令が格納されている非一時的コンピュータ可読記憶媒体であって、
前記コンピュータ指令はコンピュータに請求項1~7のいずれか1項に記載のバックボーンネットワーク生成方法または請求項8に記載の画像分類方法を実行させるために用いられる非一時的コンピュータ可読記憶媒体。 - プロセッサによって実行されると、請求項1~7のいずれか1項に記載のバックボーンネットワーク生成方法または請求項8に記載の画像分類方法が実現されるコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111088473.8 | 2021-09-16 | ||
CN202111088473.8A CN113792876B (zh) | 2021-09-16 | 2021-09-16 | 骨干网络的生成方法、装置、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022091919A JP2022091919A (ja) | 2022-06-21 |
JP7324891B2 true JP7324891B2 (ja) | 2023-08-10 |
Family
ID=78878719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022056947A Active JP7324891B2 (ja) | 2021-09-16 | 2022-03-30 | バックボーンネットワーク生成方法、装置、電子機器、記憶媒体およびコンピュータプログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11929871B2 (ja) |
EP (1) | EP4095761A1 (ja) |
JP (1) | JP7324891B2 (ja) |
CN (1) | CN113792876B (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117036363B (zh) * | 2023-10-10 | 2024-01-30 | 国网四川省电力公司信息通信公司 | 一种基于多特征融合的遮挡绝缘子检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190354837A1 (en) | 2018-05-18 | 2019-11-21 | Baidu Usa Llc | Resource-efficient neural architects |
CN111626349A (zh) | 2020-05-22 | 2020-09-04 | 中国科学院空天信息创新研究院 | 一种基于深度学习的目标检测方法和系统 |
CN111797983A (zh) | 2020-05-25 | 2020-10-20 | 华为技术有限公司 | 一种神经网络构建方法以及装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113168541A (zh) * | 2018-10-15 | 2021-07-23 | 菲力尔商业系统公司 | 用于成像系统的深度学习推理系统和方法 |
US11157793B2 (en) * | 2019-10-25 | 2021-10-26 | Vicarious Fpc, Inc. | Method and system for query training |
CN111192294B (zh) * | 2019-12-30 | 2022-04-22 | 华中科技大学 | 一种基于目标检测的目标跟踪方法及系统 |
US20210264261A1 (en) * | 2020-02-21 | 2021-08-26 | Caci, Inc. - Federal | Systems and methods for few shot object detection |
CN111582372A (zh) * | 2020-05-09 | 2020-08-25 | 西交利物浦大学 | 图像分类方法、模型、存储介质及电子设备 |
CN111626407A (zh) * | 2020-05-22 | 2020-09-04 | 中国科学院空天信息创新研究院 | 一种深度神经网络模型快速重构方法和系统 |
CN111950702A (zh) * | 2020-07-16 | 2020-11-17 | 华为技术有限公司 | 一种神经网络结构确定方法及其装置 |
CN112308822A (zh) * | 2020-10-10 | 2021-02-02 | 杭州电子科技大学 | 基于深度卷积神经网络的椎间盘ct图像检测方法 |
CN112288772B (zh) * | 2020-10-14 | 2022-06-07 | 武汉大学 | 基于在线多特征选择的通道注意力目标跟踪方法 |
CN112446379B (zh) * | 2021-02-01 | 2021-04-20 | 清华大学 | 一种动态大场景自适应智能处理方法 |
-
2021
- 2021-09-16 CN CN202111088473.8A patent/CN113792876B/zh active Active
-
2022
- 2022-03-30 JP JP2022056947A patent/JP7324891B2/ja active Active
- 2022-03-31 EP EP22165959.2A patent/EP4095761A1/en active Pending
- 2022-04-11 US US17/718,149 patent/US11929871B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190354837A1 (en) | 2018-05-18 | 2019-11-21 | Baidu Usa Llc | Resource-efficient neural architects |
CN111626349A (zh) | 2020-05-22 | 2020-09-04 | 中国科学院空天信息创新研究院 | 一种基于深度学习的目标检测方法和系统 |
CN111797983A (zh) | 2020-05-25 | 2020-10-20 | 华为技术有限公司 | 一种神经网络构建方法以及装置 |
Non-Patent Citations (1)
Title |
---|
Mingxing Tan et al.,MnasNet: Platform-Aware Neural Architecture Search for Mobile,[online],2018年07月31日,internet, [retrieved on 2023.03.22], <url: https://arxiv.org/pdf/1807.11626v1.pdf> |
Also Published As
Publication number | Publication date |
---|---|
EP4095761A1 (en) | 2022-11-30 |
US11929871B2 (en) | 2024-03-12 |
CN113792876A (zh) | 2021-12-14 |
CN113792876B (zh) | 2023-08-29 |
US20220247626A1 (en) | 2022-08-04 |
JP2022091919A (ja) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111898696B (zh) | 伪标签及标签预测模型的生成方法、装置、介质及设备 | |
TWI737006B (zh) | 一種跨模態訊息檢索方法、裝置和儲存介質 | |
EP4033453A1 (en) | Training method and apparatus for target detection model, device and storage medium | |
US20220129731A1 (en) | Method and apparatus for training image recognition model, and method and apparatus for recognizing image | |
EP3913542A2 (en) | Method and apparatus of training model, device, medium, and program product | |
CN113407850B (zh) | 一种虚拟形象的确定和获取方法、装置以及电子设备 | |
JP2023531350A (ja) | サンプル画像を増分する方法、画像検出モデルの訓練方法及び画像検出方法 | |
JP2022177201A (ja) | 画像処理方法、装置、電子機器及び記憶媒体 | |
Huu et al. | Proposing a Recognition System of Gestures Using MobilenetV2 Combining Single Shot Detector Network for Smart‐Home Applications | |
CN111539897A (zh) | 用于生成图像转换模型的方法和装置 | |
KR20230007998A (ko) | 멀티태스크의 인식 방법, 훈련 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 | |
JP2022173321A (ja) | オブジェクトの検出方法、装置、デバイス、媒体及びプログラム | |
JP7324891B2 (ja) | バックボーンネットワーク生成方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
CN114266937A (zh) | 模型训练、图像处理方法,装置,设备以及存储介质 | |
CN112949433B (zh) | 视频分类模型的生成方法、装置、设备和存储介质 | |
CN114020950A (zh) | 图像检索模型的训练方法、装置、设备以及存储介质 | |
CN113657468A (zh) | 预训练模型的生成方法、装置、电子设备和存储介质 | |
WO2024040870A1 (zh) | 文本图像生成、训练、文本图像处理方法以及电子设备 | |
JP2023078411A (ja) | 情報処理方法、モデルトレーニング方法、装置、機器、媒体及びプログラム製品 | |
CN116402914A (zh) | 用于确定风格化图像生成模型的方法、装置及产品 | |
CN113361621B (zh) | 用于训练模型的方法和装置 | |
CN114974438A (zh) | 粒子运动模拟方法、装置、设备、存储介质和程序产品 | |
CN114297022A (zh) | 云环境异常检测方法、装置、电子设备和存储介质 | |
CN114596203A (zh) | 用于生成图像和用于训练图像生成模型的方法和装置 | |
CN111949860B (zh) | 用于生成相关度确定模型的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220330 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230606 |
|
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: 20230725 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230731 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7324891 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |