JP7346951B2 - 物品推定プログラム、物品推定装置、及び物品推定方法 - Google Patents
物品推定プログラム、物品推定装置、及び物品推定方法 Download PDFInfo
- Publication number
- JP7346951B2 JP7346951B2 JP2019128596A JP2019128596A JP7346951B2 JP 7346951 B2 JP7346951 B2 JP 7346951B2 JP 2019128596 A JP2019128596 A JP 2019128596A JP 2019128596 A JP2019128596 A JP 2019128596A JP 7346951 B2 JP7346951 B2 JP 7346951B2
- Authority
- JP
- Japan
- Prior art keywords
- article
- candidate information
- estimation
- highest
- estimation result
- 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
- 238000000034 method Methods 0.000 title claims description 37
- 238000012545 processing Methods 0.000 claims description 82
- 238000012937 correction Methods 0.000 claims description 62
- 230000008569 process Effects 0.000 claims description 22
- 239000000284 extract Substances 0.000 claims description 5
- 244000269722 Thea sinensis Species 0.000 description 28
- 235000013616 tea Nutrition 0.000 description 28
- 238000003384 imaging method Methods 0.000 description 10
- 238000013459 approach Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000010365 information processing Effects 0.000 description 6
- 235000013361 beverage Nutrition 0.000 description 5
- 238000012015 optical character recognition Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 235000005979 Citrus limon Nutrition 0.000 description 3
- 244000131522 Citrus pyriformis Species 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Character Input (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Description
(1)コンピュータは、画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルに基づいて、複数の物品を撮影した処理対象画像内で複数の物品それぞれが写っている物品領域と、物品領域に写っている物品とを推定する。
(2)コンピュータは、処理対象画像内の複数の物品領域のうち特定の物品領域に写っている特定の物品の推定結果が、複数の物品領域のうち残りの物品領域に写っている物品の推定結果に近づくように、特定の物品の推定結果を補正する。
機械学習により生成される学習モデルを用いて、店舗等の棚を撮影した画像に写っている商品を推定する場合、商品名だけではなく、商品のサイズ、同一ブランドの類似商品等も含めて識別できることが望ましい。商品のサイズは、縦横の長さ、体積、容量、重量等を含む。例えば、ペットボトル飲料の場合、ペットボトルの容量が商品のサイズに該当する。以下では、ペットボトルを指して単に「ボトル」と記載することがある。
R2 商品名:A茶 容量:500ml 尤度:0.6
R3 商品名:A茶 容量:250ml 尤度:0.6
R4 商品名:B茶 容量:250ml 尤度:0.8
R5 商品名:B茶 容量:250ml 尤度:0.8
R6 商品名:B茶 容量:250ml 尤度:0.9
順位2 商品名:A茶 容量:500ml 尤度:0.2
順位3 商品名:B茶 容量:250ml 尤度:0.1
R12 順位1 商品名:A茶 容量:500ml 尤度:0.6
順位2 商品名:A茶 容量:250ml 尤度:0.3
順位3 商品名:B茶 容量:250ml 尤度:0.1
R13 順位1 商品名:A茶 容量:250ml 尤度:0.6
順位2 商品名:A茶 容量:500ml 尤度:0.4
R14 順位1 商品名:B茶 容量:250ml 尤度:0.8
順位2 商品名:B茶 容量:500ml 尤度:0.2
R15 順位1 商品名:B茶 容量:250ml 尤度:0.8
順位2 商品名:B茶 容量:500ml 尤度:0.1
順位3 商品名:A茶 容量:250ml 尤度:0.1
R16 順位1 商品名:B茶 容量:250ml 尤度:0.9
順位2 商品名:B茶 容量:500ml 尤度:0.1
順位2 商品名:A茶 容量:500ml 尤度:0.3
順位3 商品名:B茶 容量:250ml 尤度:0.25
順位2 商品名:XXブランド レモン 尤度:0.3
順位2 商品名:XXブランド ゆずれもん 尤度:0.4
(付記1)
画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルに基づいて、複数の物品を撮影した処理対象画像内で前記複数の物品それぞれが写っている物品領域と、前記物品領域に写っている物品とを推定し、
前記処理対象画像内の複数の物品領域のうち特定の物品領域に写っている特定の物品の推定結果が、前記複数の物品領域のうち残りの物品領域に写っている物品の推定結果に近づくように、前記特定の物品の推定結果を補正する、
処理をコンピュータに実行させるための物品推定プログラム。
(付記2)
前記コンピュータは、
前記特定の物品の補正後の推定結果と、前記残りの物品領域に写っている物品の推定結果とを出力する、
ことを特徴とする付記1記載の物品推定プログラム。
(付記3)
前記複数の物品領域それぞれに写っている物品の推定結果は、物品を示す複数の候補情報を含み、
前記複数の候補情報は、尤度に基づいて順位付けされており、
前記コンピュータは、前記特定の物品の推定結果に含まれる最上位の候補情報が、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報と異なる場合、前記特定の物品の推定結果に含まれる最上位の候補情報の順位が下がるように、前記特定の物品の推定結果に含まれる複数の候補情報の順位を補正し、前記特定の物品の補正後の推定結果に含まれる最上位の候補情報と、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報とを出力することを特徴とする付記2記載の物品推定プログラム。
(付記4)
前記複数の物品領域それぞれに写っている物品の推定結果に含まれる複数の候補情報各々は、物品のサイズを含み、
前記コンピュータは、前記特定の物品の推定結果に含まれる最上位の候補情報のサイズが、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報のサイズと異なる場合、前記特定の物品の推定結果に含まれる最上位の候補情報の順位が下がるように、前記特定の物品の推定結果に含まれる複数の候補情報の順位を補正することを特徴とする付記3記載の物品推定プログラム。
(付記5)
前記物品を示す複数の候補情報それぞれは、物品を示す文字列を含み、
前記物品推定プログラムは、前記複数の物品領域それぞれに対する文字認識を行って文字列を抽出する処理を、前記コンピュータにさらに実行させ、
前記コンピュータは、前記複数の物品領域のうちいずれかの物品領域に写っている物品の推定結果に含まれる最上位以外の順位の候補情報の文字列が、前記いずれかの物品領域から抽出された文字列と一致する場合、前記最上位以外の順位の候補情報の順位が上がるように、前記いずれかの物品領域に写っている物品の推定結果に含まれる複数の候補情報の順位を補正することを特徴とする付記3又は4記載の物品推定プログラム。
(付記6)
前記処理対象画像は、前記複数の物品を含む所定数の物品が陳列された棚を撮影した画像であり、
前記所定数の物品各々は、前記棚の複数の段のうちいずれかの段に陳列されており、
前記複数の物品は、前記棚の複数の段のうち特定の段に陳列されており、
前記コンピュータは、前記推定モデルに基づいて、前記処理対象画像内で前記所定数の物品それぞれが写っている物品領域と、前記所定数の物品とを推定し、
前記物品推定プログラムは、
前記処理対象画像内の前記所定数の物品領域に基づいて、前記複数の段それぞれの水平面に対応する直線を前記処理対象画像から検出し、
前記特定の段の水平面に対応する直線に基づいて、前記所定数の物品領域の中から前記複数の物品領域を選択する、
処理を前記コンピュータにさらに実行させることを特徴とする付記1乃至5のいずれか1項に記載の物品推定プログラム。
(付記7)
前記学習処理における教師データは、前記画像集合に含まれる複数の画像それぞれに写っている各物品を示す情報と、各物品が写っている物品領域を示す情報と、各物品の角度を示す情報とを含み、
各物品の角度は、物品が写っている画像を撮影した撮像装置の撮影方向に対する、物品の特徴が表れている方向の角度であることを特徴とする付記1乃至6のいずれか1項に記載の物品推定プログラム。
(付記8)
画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルと、複数の物品を撮影した処理対象画像とを記憶する記憶部と、
前記推定モデルに基づいて、前記処理対象画像内で前記複数の物品それぞれが写っている物品領域と、前記物品領域に写っている物品とを推定する推定部と、
前記処理対象画像内の複数の物品領域のうち特定の物品領域に写っている特定の物品の推定結果が、前記複数の物品領域のうち残りの物品領域に写っている物品の推定結果に近づくように、前記特定の物品の推定結果を補正する補正部と、
を備えることを特徴とする物品推定装置。
(付記9)
前記特定の物品の補正後の推定結果と、前記残りの物品領域に写っている物品の推定結果とを出力する出力部をさらに備えることを特徴とする付記8記載の物品推定装置。
(付記10)
前記複数の物品領域それぞれに写っている物品の推定結果は、物品を示す複数の候補情報を含み、
前記複数の候補情報は、尤度に基づいて順位付けされており、
前記補正部は、前記特定の物品の推定結果に含まれる最上位の候補情報が、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報と異なる場合、前記特定の物品の推定結果に含まれる最上位の候補情報の順位が下がるように、前記特定の物品の推定結果に含まれる複数の候補情報の順位を補正し、
前記出力部は、前記特定の物品の補正後の推定結果に含まれる最上位の候補情報と、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報とを出力することを特徴とする付記8記載の物品推定装置。
(付記11)
前記複数の物品領域それぞれに写っている物品の推定結果に含まれる複数の候補情報各々は、物品のサイズを含み、
前記補正部は、前記特定の物品の推定結果に含まれる最上位の候補情報のサイズが、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報のサイズと異なる場合、前記特定の物品の推定結果に含まれる最上位の候補情報の順位が下がるように、前記特定の物品の推定結果に含まれる複数の候補情報の順位を補正することを特徴とする付記10記載の物品推定装置。
(付記12)
前記物品を示す複数の候補情報それぞれは、物品を示す文字列を含み、
前記物品推定装置は、前記複数の物品領域それぞれに対する文字認識を行って文字列を抽出する文字認識部をさらに備え、
前記補正部は、前記複数の物品領域のうちいずれかの物品領域に写っている物品の推定結果に含まれる最上位以外の順位の候補情報の文字列が、前記いずれかの物品領域から抽出された文字列と一致する場合、前記最上位以外の順位の候補情報の順位が上がるように、前記いずれかの物品領域に写っている物品の推定結果に含まれる複数の候補情報の順位を補正することを特徴とする付記10又は11記載の物品推定装置。
(付記13)
コンピュータによって実行される物品推定方法であって、
前記コンピュータが、
画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルに基づいて、複数の物品を撮影した処理対象画像内で前記複数の物品それぞれが写っている物品領域と、前記物品領域に写っている物品とを推定し、
前記処理対象画像内の複数の物品領域のうち特定の物品領域に写っている特定の物品の推定結果が、前記複数の物品領域のうち残りの物品領域に写っている物品の推定結果に近づくように、前記特定の物品の推定結果を補正する、
ことを特徴とする物品推定方法。
(付記14)
前記コンピュータは、
前記特定の物品の補正後の推定結果と、前記残りの物品領域に写っている物品の推定結果とを出力する、
ことを特徴とする付記13記載の物品推定方法。
(付記15)
前記複数の物品領域それぞれに写っている物品の推定結果は、物品を示す複数の候補情報を含み、
前記複数の候補情報は、尤度に基づいて順位付けされており、
前記コンピュータは、前記特定の物品の推定結果に含まれる最上位の候補情報が、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報と異なる場合、前記特定の物品の推定結果に含まれる最上位の候補情報の順位が下がるように、前記特定の物品の推定結果に含まれる複数の候補情報の順位を補正し、前記特定の物品の補正後の推定結果に含まれる最上位の候補情報と、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報とを出力することを特徴とする付記14記載の物品推定方法。
(付記16)
前記複数の物品領域それぞれに写っている物品の推定結果に含まれる複数の候補情報各々は、物品のサイズを含み、
前記コンピュータは、前記特定の物品の推定結果に含まれる最上位の候補情報のサイズが、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報のサイズと異なる場合、前記特定の物品の推定結果に含まれる最上位の候補情報の順位が下がるように、前記特定の物品の推定結果に含まれる複数の候補情報の順位を補正することを特徴とする付記15記載の物品推定方法。
(付記17)
前記物品を示す複数の候補情報それぞれは、物品を示す文字列を含み、
前記コンピュータは、前記複数の物品領域それぞれに対する文字認識を行って文字列を抽出し、前記複数の物品領域のうちいずれかの物品領域に写っている物品の推定結果に含まれる最上位以外の順位の候補情報の文字列が、前記いずれかの物品領域から抽出された文字列と一致する場合、前記最上位以外の順位の候補情報の順位が上がるように、前記いずれかの物品領域に写っている物品の推定結果に含まれる複数の候補情報の順位を補正することを特徴とする付記15又は16記載の物品推定方法。
201、401 物品推定装置
211、411 記憶部
212、414 推定部
213、416 補正部
214、417 出力部
221、422 推定モデル
222、423、601 処理対象画像
402 撮像装置
412 画像取得部
413 学習部
415 文字認識部
421 画像集合
424 物品領域
425、613-1、613-2 推定結果
426、614、901、902 文字列
501 画像
502-1~502-7、602-1~602-7 ボトル
511、512 教師データ
611、612、701 直線
1301 CPU
1302 メモリ
1303 入力装置
1304 出力装置
1305 補助記憶装置
1306 媒体駆動装置
1307 ネットワーク接続装置
1308 バス
1309 可搬型記録媒体
Claims (11)
- 画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルに基づいて、複数の物品を撮影した処理対象画像内で前記複数の物品それぞれが写っている物品領域と、前記物品領域に写っている物品とを推定し、
前記処理対象画像内の複数の物品領域のうち特定の物品領域に写っている特定の物品の推定結果に含まれる尤度に基づいて順位付けされている複数の第1候補情報のうち最上位の順位の候補情報が、前記複数の物品領域のうち残りの物品領域に写っている物品の推定結果に含まれる尤度に基づいて順位付けされている複数の第2候補情報のうち最上位の順位の候補情報と異なる場合、前記複数の第1候補情報のうち最上位の順位の候補情報の尤度を下げる、
処理をコンピュータに実行させるための物品推定プログラム。 - 前記コンピュータは、
前記最上位の順位の候補情報の尤度を下げた後の前記特定の物品の推定結果と、前記残りの物品領域に写っている物品の推定結果とを出力する、
ことを特徴とする請求項1記載の物品推定プログラム。 - 前記コンピュータは、前記最上位の順位の候補情報の尤度を下げた後の前記特定の物品の推定結果に含まれる最上位の候補情報と、前記残りの物品領域に写っている物品の推定結果に含まれる最上位の候補情報とを出力することを特徴とする請求項2記載の物品推定プログラム。
- 前記複数の第1候補情報各々と前記複数の第2候補情報各々は、物品のサイズを含み、
前記コンピュータは、前記複数の第1候補情報のうち最上位の候補情報のサイズが、前記複数の第2候補情報のうち最上位の候補情報のサイズと異なる場合、前記複数の第1候補情報のうち最上位の順位の候補情報の尤度を下げることを特徴とする請求項3記載の物品推定プログラム。 - 前記複数の第1候補情報それぞれと前記複数の第2候補情報それぞれは、物品を示す文字列を含み、
前記物品推定プログラムは、前記複数の物品領域それぞれに対する文字認識を行って文字列を抽出する処理を、前記コンピュータにさらに実行させ、
前記コンピュータは、前記複数の物品領域のうちいずれかの物品領域に写っている物品の推定結果に含まれる最上位以外の順位の候補情報の文字列が、前記いずれかの物品領域から抽出された文字列と一致する場合、前記最上位以外の順位の候補情報の順位が上がるように、前記いずれかの物品領域に写っている物品の推定結果に含まれる複数の候補情報の順位を補正することを特徴とする請求項3又は4記載の物品推定プログラム。 - 前記処理対象画像は、前記複数の物品を含む所定数の物品が陳列された棚を撮影した画像であり、
前記所定数の物品各々は、前記棚の複数の段のうちいずれかの段に陳列されており、
前記複数の物品は、前記棚の複数の段のうち特定の段に陳列されており、
前記コンピュータは、前記推定モデルに基づいて、前記処理対象画像内で前記所定数の物品それぞれが写っている物品領域と、前記所定数の物品とを推定し、
前記物品推定プログラムは、
前記処理対象画像内の前記所定数の物品領域に基づいて、前記複数の段それぞれの水平面に対応する直線を前記処理対象画像から検出し、
前記特定の段の水平面に対応する直線に基づいて、前記所定数の物品領域の中から前記複数の物品領域を選択する、
処理を前記コンピュータにさらに実行させることを特徴とする請求項1乃至5のいずれか1項に記載の物品推定プログラム。 - 画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルと、複数の物品を撮影した処理対象画像とを記憶する記憶部と、
前記推定モデルに基づいて、前記処理対象画像内で前記複数の物品それぞれが写っている物品領域と、前記物品領域に写っている物品とを推定する推定部と、
前記処理対象画像内の複数の物品領域のうち特定の物品領域に写っている特定の物品の推定結果に含まれる尤度に基づいて順位付けされている複数の第1候補情報のうち最上位の順位の候補情報が、前記複数の物品領域のうち残りの物品領域に写っている物品の推定結果に含まれる尤度に基づいて順位付けされている複数の第2候補情報のうち最上位の順位の候補情報と異なる場合、前記複数の第1候補情報のうち最上位の順位の候補情報の尤度を下げる補正部と、
を備えることを特徴とする物品推定装置。 - コンピュータによって実行される物品推定方法であって、
前記コンピュータが、
画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルに基づいて、複数の物品を撮影した処理対象画像内で前記複数の物品それぞれが写っている物品領域と、前記物品領域に写っている物品とを推定し、
前記処理対象画像内の複数の物品領域のうち特定の物品領域に写っている特定の物品の推定結果に含まれる尤度に基づいて順位付けされている複数の第1候補情報のうち最上位の順位の候補情報が、前記複数の物品領域のうち残りの物品領域に写っている物品の推定結果に含まれる尤度に基づいて順位付けされている複数の第2候補情報のうち最上位の順位の候補情報と異なる場合、前記複数の第1候補情報のうち最上位の順位の候補情報の尤度を下げる、
ことを特徴とする物品推定方法。 - 画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルに基づいて、複数の物品を撮影した処理対象画像内で前記複数の物品それぞれが写っている物品領域と、前記物品領域に写っている物品とを推定し、
前記処理対象画像内の複数の物品領域それぞれに対する文字認識を行って文字列を抽出し、
前記複数の物品領域のうちいずれかの物品領域に写っている物品の推定結果に含まれる物品を示す文字列を含む候補情報のうち最上位以外の順位の候補情報の文字列が、前記いずれかの物品領域から抽出された文字列と一致する場合、前記最上位以外の順位の候補情報の順位が上がるように、前記いずれかの物品領域に写っている物品の推定結果に含まれる複数の候補情報の順位を補正する、
処理をコンピュータに実行させるための物品推定プログラム。 - 画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルと、複数の物品を撮影した処理対象画像とを記憶する記憶部と、
前記推定モデルに基づいて、前記処理対象画像内で前記複数の物品それぞれが写っている物品領域と、前記物品領域に写っている物品とを推定する推定部と、
前記処理対象画像内の複数の物品領域それぞれに対する文字認識を行って文字列を抽出する文字認識部と、
前記複数の物品領域のうちいずれかの物品領域に写っている物品の推定結果に含まれる物品を示す文字列を含む候補情報のうち最上位以外の順位の候補情報の文字列が、前記いずれかの物品領域から抽出された文字列と一致する場合、前記最上位以外の順位の候補情報の順位が上がるように、前記いずれかの物品領域に写っている物品の推定結果に含まれる複数の候補情報の順位を補正する補正部と、
を備えることを特徴とする物品推定装置。 - コンピュータによって実行される物品推定方法であって、
前記コンピュータが、
画像集合に対する学習処理により生成された、画像に写っている物品を推定する推定モデルに基づいて、複数の物品を撮影した処理対象画像内で前記複数の物品それぞれが写っている物品領域と、前記物品領域に写っている物品とを推定し、
前記処理対象画像内の複数の物品領域それぞれに対する文字認識を行って文字列を抽出し、
前記複数の物品領域のうちいずれかの物品領域に写っている物品の推定結果に含まれる物品を示す文字列を含む候補情報のうち最上位以外の順位の候補情報の文字列が、前記いずれかの物品領域から抽出された文字列と一致する場合、前記最上位以外の順位の候補情報の順位が上がるように、前記いずれかの物品領域に写っている物品の推定結果に含まれる複数の候補情報の順位を補正する、
ことを特徴とする物品推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019128596A JP7346951B2 (ja) | 2019-07-10 | 2019-07-10 | 物品推定プログラム、物品推定装置、及び物品推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019128596A JP7346951B2 (ja) | 2019-07-10 | 2019-07-10 | 物品推定プログラム、物品推定装置、及び物品推定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021015368A JP2021015368A (ja) | 2021-02-12 |
JP7346951B2 true JP7346951B2 (ja) | 2023-09-20 |
Family
ID=74532045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019128596A Active JP7346951B2 (ja) | 2019-07-10 | 2019-07-10 | 物品推定プログラム、物品推定装置、及び物品推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7346951B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016063484A1 (ja) | 2014-10-23 | 2016-04-28 | 日本電気株式会社 | 画像処理装置、表示制御装置、画像処理方法、および、記録媒体 |
WO2019107157A1 (ja) | 2017-11-29 | 2019-06-06 | 株式会社Nttドコモ | 棚割情報生成装置及び棚割情報生成プログラム |
-
2019
- 2019-07-10 JP JP2019128596A patent/JP7346951B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016063484A1 (ja) | 2014-10-23 | 2016-04-28 | 日本電気株式会社 | 画像処理装置、表示制御装置、画像処理方法、および、記録媒体 |
WO2019107157A1 (ja) | 2017-11-29 | 2019-06-06 | 株式会社Nttドコモ | 棚割情報生成装置及び棚割情報生成プログラム |
Non-Patent Citations (3)
Title |
---|
Ipek Baz, Erdem Yoruk, Mujdat Cetin,Context-Aware Hybrid Classification System for Fine-Grained Retail Product Recognition,2016 IEEE 12th Image, Video, and Multidimensional Signal Processing Workshop (IVMSP),米国,IEEE,2016年07月11日,5 pages in total,https://ieeexplore.ieee.org/document/7528213/ |
Matttias Marder, Sivan Harary, Amnon Ribak, Yochay Tzur, Sharon Alpert, Asaf Tzadok,Using image analytics to monitor retail store shelves,IBM Journal of Research and Development,米国,IBM,2015年04月24日,Vol. 59, No. 2/3 (March-May 2015),pp. 3:1-3:11,https://ieeexplore.ieee.org/document/7094970/ |
赤塚 隼,Technology Reports,NTT DOCOMOテクニカル・ジャーナル Vol.26 No.2,日本,一般社団法人電気通信協会,2018年07月31日,P.22-30 |
Also Published As
Publication number | Publication date |
---|---|
JP2021015368A (ja) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549870B (zh) | 一种对物品陈列进行鉴别的方法及装置 | |
US11494573B2 (en) | Self-checkout device to which hybrid product recognition technology is applied | |
US9805331B2 (en) | Smartphone-based asset management system | |
JP6693059B2 (ja) | 商品棚認識装置、商品棚認識方法、プログラム及び画像処理装置 | |
US9990561B2 (en) | Identifying consumer products in images | |
US11126828B2 (en) | Method and device for recognizing identity of human target | |
EP3693893A1 (en) | Object identification apparatus, object identification method, and program | |
JP2015210651A (ja) | 商品識別システム | |
EP2889834A1 (en) | Object discrimination device, object discrimination method, and program | |
US20190089931A1 (en) | Identifying consumer products in images | |
CN109977824B (zh) | 物品取放识别方法、装置及设备 | |
AU2020205301B2 (en) | Method and system for region proposal based object recognition for estimating planogram compliance | |
JP7183753B2 (ja) | リスト生成装置、被写体識別装置、リスト生成方法、及びプログラム | |
JP2019046484A (ja) | 画像認識システム | |
JP2019045909A (ja) | 画像認識システム | |
US9342753B2 (en) | Image processing apparatus, image processing method, and computer program product | |
US9858481B2 (en) | Identifying consumer products in images | |
Xiong et al. | Text detection in stores using a repetition prior | |
WO2023049239A2 (en) | Systems and methods for item recognition | |
JP2009129237A (ja) | 画像処理装置及びその方法 | |
CN111428743B (zh) | 商品识别方法、商品处理方法、装置及电子设备 | |
JP6541226B2 (ja) | 情報端末装置及びプログラム | |
JP7346951B2 (ja) | 物品推定プログラム、物品推定装置、及び物品推定方法 | |
CN110705363B (zh) | 一种商品规格的识别方法与装置 | |
CN115619791B (zh) | 一种物品陈列检测方法、装置、设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220407 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230317 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230328 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230526 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230725 |
|
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: 20230821 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7346951 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |