JP7334083B2 - 分類信頼度算出装置、領域分割装置、学習装置、分類信頼度算出方法、学習方法、分類信頼度算出プログラム、及び学習プログラム - Google Patents
分類信頼度算出装置、領域分割装置、学習装置、分類信頼度算出方法、学習方法、分類信頼度算出プログラム、及び学習プログラム Download PDFInfo
- Publication number
- JP7334083B2 JP7334083B2 JP2019139143A JP2019139143A JP7334083B2 JP 7334083 B2 JP7334083 B2 JP 7334083B2 JP 2019139143 A JP2019139143 A JP 2019139143A JP 2019139143 A JP2019139143 A JP 2019139143A JP 7334083 B2 JP7334083 B2 JP 7334083B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- class
- target data
- classification
- change
- 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
- Image Analysis (AREA)
Description
図1は画像処理システム1の概略の構成を示すブロック図である。画像処理システム1は撮影部2、通信部3、記憶部4、画像処理部5および表示部6からなる。
図2は学習装置としての画像処理システム1の概略の機能ブロック図であり、記憶部4が学習用データ記憶手段40および学習モデル記憶手段41として機能し、画像処理部5が学習手段50として機能する。
図5は画像処理システム1の学習時の動作の概略のフロー図である。
図6は領域分割装置としての画像処理システム1の概略の機能ブロック図であり、記憶部4が学習モデル記憶手段41として機能し、画像処理部5が領域分割手段51、変化境界推定手段52、エッジ抽出手段53、信頼度算出手段54、分類修正手段55、ラベル領域修正手段56として機能する。また、通信部3が画像処理部5と協働し、画像入力手段30および領域情報出力手段31として機能する。
図7は画像処理システム1の領域分割時の動作の概略のフロー図である。
(1)上記実施形態では、分類器の学習モデルと推定器の学習モデルとは、特徴量抽出部400を共有する例を示したが、両学習モデルは共通部分を持たない別個のモデルとしても良い。その場合、分類器と推定器は、共通の学習用データによって学習させてもよいし、別々の学習用データによって学習させてもよい。
Claims (11)
- 空間を計測して得られる複数の対象データのそれぞれを、計測された前記空間内の物体の種類に対応する複数のクラスのいずれかに分類する分類処理に関する信頼度を求める分類信頼度算出装置であって、
前記分類処理とは独立して前記空間における前記クラスの変化を推定し、その変化位置からなる変化境界を求める変化境界推定手段と、
前記分類処理によるクラス分類結果について、前記変化境界が前記クラスごとの前記対象データの分布の境界として整合する整合度合いに基づいて前記信頼度を算出する信頼度算出手段と、
を有することを特徴とする分類信頼度算出装置。 - 請求項1に記載の分類信頼度算出装置において、
前記対象データについて前記変化位置を推定する推定器として、学習用対象データ及び当該学習用対象データに対し予め与えられた正解のクラスにおける前記変化位置を用いた学習が行われた学習済みモデルを記憶している推定器記憶手段を有し、
前記変化境界推定手段は、前記推定器を用いて前記対象データの前記変化境界を求めること、
を特徴とする分類信頼度算出装置。 - 請求項1又は請求項2に記載の分類信頼度算出装置において、
前記クラス分類結果に基づいて、前記空間を前記クラスで識別されるラベル領域に分割し、当該ラベル領域のエッジを求めるエッジ抽出手段、をさらに備え、
前記信頼度算出手段は、前記ラベル領域内の前記対象データの位置から1又は複数の所定の方向について前記エッジ及び前記変化境界のそれぞれまでの距離であるエッジ距離及び変化境界距離を求め、当該エッジ距離と当該変化境界距離との比較結果に基づく前記変化境界と前記エッジとの一致度合いを前記整合度合いとして求めて当該対象データについて前記信頼度を算出すること、を特徴とする分類信頼度算出装置。 - 請求項1から請求項3のいずれか1つに記載の分類信頼度算出装置を備え、前記空間を前記クラスで識別されるラベル領域に分割する領域分割装置であって、
前記変化境界に基づく区画内にて得られた前記クラス分類結果のうち前記信頼度が所定の閾値以上であるものに基づいて、当該区画に存在する前記クラス分類結果を修正する分類修正手段と、
前記分類修正手段により修正された前記クラス分類結果が示す前記クラスで識別されるラベル領域を求めるラベル領域修正手段と、
を有することを特徴とする領域分割装置。 - 請求項4に記載の領域分割装置において、
前記分類修正手段は、前記区画内の前記クラス分類結果をそれらのうち前記信頼度が最大のものに合わせる修正を行うこと、を特徴とする領域分割装置。 - 空間を計測して得られる複数の対象データのそれぞれを、計測された前記空間内の物体の種類に対応する複数のクラスのいずれかに分類する分類処理を行い前記空間を前記クラスで識別されるラベル領域に分割する領域分割装置であって、
前記分類処理を行う分類器として、学習用対象データと当該学習用対象データに対し予め与えられた正解のクラスとを用いた学習が行われた学習済みモデルを記憶している分類器記憶手段と、
前記対象データを前記分類器に入力し、その出力のクラス分類結果に基づいて前記ラベル領域を求める領域分割手段と、
前記対象データについて前記空間での前記クラスの変化位置を推定する推定器として、
前記学習用対象データ及び当該学習用対象データの前記正解のクラスにおける前記変化位置を用いた学習が行われた学習済みモデルを記憶している推定器記憶手段と、
前記対象データを前記推定器に入力し、前記変化位置からなる変化境界を求める変化境界推定手段と、
前記ラベル領域における前記クラス分類結果について、前記変化境界が前記クラスごとの前記対象データの分布の境界として整合する整合度合いに基づいて、前記分類処理の信頼度を算出する信頼度算出手段と、
を有することを特徴とする領域分割装置。 - 空間を計測して得られる複数の対象データのそれぞれを、計測された前記空間内の物体の種類に対応する複数のクラスのいずれかに分類する分類処理を行う分類器と前記対象データについて前記空間での前記クラスの変化位置を推定する推定器とを学習させる学習装置であって、
前記分類器として、前記対象データを入力され当該対象データについてのクラス分類結果を出力する学習モデルを記憶する分類器記憶手段と、
前記推定器として、前記対象データを入力され当該対象データについての前記変化位置を出力する学習モデルを記憶する推定器記憶手段と、
学習用対象データ及び当該学習用対象データに対し予め与えられた正解のクラスを記憶している学習用データ記憶手段と、
前記分類器及び前記推定器それぞれの前記学習モデルに前記学習用対象データを入力し、前記分類器の前記学習モデルをその出力と前記クラス分類結果の前記正解との間の誤差に基づいて更新する学習と、前記推定器の前記学習モデルをその出力と前記正解のクラスにおける前記変化位置との間の誤差に基づいて更新する学習とを行う学習手段と、
を有することを特徴とする学習装置。 - 空間を計測して得られる複数の対象データのそれぞれを、計測された前記空間内の物体の種類に対応する複数のクラスのいずれかに分類する分類処理に関する信頼度を求める分類信頼度算出方法であって、
前記分類処理とは独立して前記空間における前記クラスの変化を推定し、その変化位置からなる変化境界を求める変化境界推定ステップと、
前記分類処理によるクラス分類結果について、前記変化境界が前記クラスごとの前記対象データの分布の境界として整合する整合度合いに基づいて前記信頼度を算出する信頼度算出ステップと、
を有することを特徴とする分類信頼度算出方法。 - 空間を計測して得られる複数の対象データのそれぞれを、計測された前記空間内の物体の種類に対応する複数のクラスのいずれかに分類する分類処理を行う分類器と前記対象データについて前記空間での前記クラスの変化位置を推定する推定器とを学習させる学習方法であって、
前記分類器として、前記対象データを入力され当該対象データについてのクラス分類結果を出力する学習モデルを用意するステップと、
前記推定器として、前記対象データを入力され当該対象データについての前記変化位置を出力する学習モデルを用意するステップと、
学習用対象データ及び当該学習用対象データに対し予め与えられた正解のクラスを用意するステップと、
前記分類器及び前記推定器それぞれの前記学習モデルに前記学習用対象データを入力し、前記分類器の前記学習モデルをその出力と前記クラス分類結果の前記正解との間の誤差に基づいて更新する学習と、前記推定器の前記学習モデルをその出力と前記正解のクラスにおける前記変化位置との間の誤差に基づいて更新する学習とを行う学習ステップと、
を有することを特徴とする学習方法。 - 空間を計測して得られる複数の対象データのそれぞれを、計測された前記空間内の物体の種類に対応する複数のクラスのいずれかに分類する分類処理に関する信頼度を求める処理をコンピュータに行わせるプログラムであって、
当該コンピュータを、
前記分類処理とは独立して前記空間における前記クラスの変化を推定し、その変化位置からなる変化境界を求める変化境界推定手段、及び、
前記分類処理によるクラス分類結果について、前記変化境界が前記クラスごとの前記対象データの分布の境界として整合する整合度合いに基づいて前記信頼度を算出する信頼度算出手段、
として機能させることを特徴とする分類信頼度算出プログラム。 - 空間を計測して得られる複数の対象データのそれぞれを、計測された前記空間内の物体の種類に対応する複数のクラスのいずれかに分類する分類処理を行う分類器と前記対象データについて前記空間での前記クラスの変化位置を推定する推定器とを学習させる処理をコンピュータに行わせるプログラムであって、
当該コンピュータを、
前記分類器として、前記対象データを入力され当該対象データについてのクラス分類結果を出力する学習モデルを記憶する分類器記憶手段、
前記推定器として、前記対象データを入力され当該対象データについての前記変化位置を出力する学習モデルを記憶する推定器記憶手段、
学習用対象データ及び当該学習用対象データに対し予め与えられた正解のクラスを記憶している学習用データ記憶手段、及び、
前記分類器及び前記推定器それぞれの前記学習モデルに前記学習用対象データを入力し、前記分類器の前記学習モデルをその出力と前記クラス分類結果の前記正解との間の誤差に基づいて更新する学習と、前記推定器の前記学習モデルをその出力と前記正解のクラスにおける前記変化位置との間の誤差に基づいて更新する学習とを行う学習手段、
として機能させることを特徴とする学習プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019139143A JP7334083B2 (ja) | 2019-07-29 | 2019-07-29 | 分類信頼度算出装置、領域分割装置、学習装置、分類信頼度算出方法、学習方法、分類信頼度算出プログラム、及び学習プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019139143A JP7334083B2 (ja) | 2019-07-29 | 2019-07-29 | 分類信頼度算出装置、領域分割装置、学習装置、分類信頼度算出方法、学習方法、分類信頼度算出プログラム、及び学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021022236A JP2021022236A (ja) | 2021-02-18 |
JP7334083B2 true JP7334083B2 (ja) | 2023-08-28 |
Family
ID=74574345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019139143A Active JP7334083B2 (ja) | 2019-07-29 | 2019-07-29 | 分類信頼度算出装置、領域分割装置、学習装置、分類信頼度算出方法、学習方法、分類信頼度算出プログラム、及び学習プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7334083B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6485934B1 (ja) | 2018-08-21 | 2019-03-20 | 邦彦 轉 | 蓄転器 |
KR102572423B1 (ko) * | 2023-03-07 | 2023-08-30 | 주식회사 에이모 | 인스턴스 레이어를 생성하는 방법 및 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012118923A (ja) | 2010-12-03 | 2012-06-21 | Toyota Motor Corp | 領域分割装置及び領域分割方法 |
JP2015103075A (ja) | 2013-11-26 | 2015-06-04 | 日本電信電話株式会社 | 境界検出装置、境界検出方法及びコンピュータプログラム |
JP2017045331A (ja) | 2015-08-27 | 2017-03-02 | キヤノン株式会社 | 画像処理方法、画像処理装置、及びプログラム |
-
2019
- 2019-07-29 JP JP2019139143A patent/JP7334083B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012118923A (ja) | 2010-12-03 | 2012-06-21 | Toyota Motor Corp | 領域分割装置及び領域分割方法 |
JP2015103075A (ja) | 2013-11-26 | 2015-06-04 | 日本電信電話株式会社 | 境界検出装置、境界検出方法及びコンピュータプログラム |
JP2017045331A (ja) | 2015-08-27 | 2017-03-02 | キヤノン株式会社 | 画像処理方法、画像処理装置、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2021022236A (ja) | 2021-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598610B (zh) | 一种基于神经选择注意的目标显著性检测方法 | |
CN109389555B (zh) | 一种全景图像拼接方法及装置 | |
AU2006252252B2 (en) | Image processing method and apparatus | |
CN111724439A (zh) | 一种动态场景下的视觉定位方法及装置 | |
CN112184759A (zh) | 一种基于视频的运动目标检测与跟踪方法及系统 | |
CN110378837A (zh) | 基于鱼眼摄像头的目标检测方法、装置和存储介质 | |
JP7334083B2 (ja) | 分類信頼度算出装置、領域分割装置、学習装置、分類信頼度算出方法、学習方法、分類信頼度算出プログラム、及び学習プログラム | |
US20230059499A1 (en) | Image processing system, image processing method, and non-transitory computer readable medium | |
CN112836625A (zh) | 人脸活体检测方法、装置、电子设备 | |
JP7092615B2 (ja) | 影検出装置、影検出方法、影検出プログラム、学習装置、学習方法、及び学習プログラム | |
CN112884782A (zh) | 生物对象分割方法、装置、计算机设备和存储介质 | |
JP7312026B2 (ja) | 画像処理装置、画像処理方法およびプログラム | |
CN109740527B (zh) | 一种视频帧中图像处理方法 | |
JP5872395B2 (ja) | 領域分割装置 | |
JP2017500662A (ja) | 投影ひずみを補正するための方法及びシステム | |
US20210074018A1 (en) | Generating spatial gradient maps for a person in an image | |
JP7292178B2 (ja) | 領域分割装置、領域分割方法および領域分割プログラム | |
CN116897532A (zh) | 深度图像的修复方法及装置、摄像头组件及电子设备 | |
CN108256578B (zh) | 一种灰度图像的识别方法、装置、设备及可读存储介质 | |
CN114973384A (zh) | 基于关键点和视觉显著目标检测的电子人脸照片采集方法 | |
CN109727218B (zh) | 一种完整图形提取方法 | |
CN113409331A (zh) | 图像处理方法、图像处理装置、终端及可读存储介质 | |
CN112949571A (zh) | 识别年龄的方法、年龄识别模型的训练方法和装置 | |
JP2004062505A (ja) | 画像処理装置 | |
JP2020126573A (ja) | 画像処理装置、目検出方法、及び注視方向検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220712 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230525 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230530 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230726 |
|
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: 20230808 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230816 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7334083 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |