JP7348150B2 - 学習装置、学習方法、及び学習プログラム - Google Patents
学習装置、学習方法、及び学習プログラム Download PDFInfo
- Publication number
- JP7348150B2 JP7348150B2 JP2020156747A JP2020156747A JP7348150B2 JP 7348150 B2 JP7348150 B2 JP 7348150B2 JP 2020156747 A JP2020156747 A JP 2020156747A JP 2020156747 A JP2020156747 A JP 2020156747A JP 7348150 B2 JP7348150 B2 JP 7348150B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- classification
- unit
- model
- image
- 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 42
- 230000008569 process Effects 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 18
- 239000000284 extract Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 60
- 230000006870 function Effects 0.000 description 22
- 230000010365 information processing Effects 0.000 description 21
- 238000013500 data storage Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 8
- 239000011521 glass Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 229940050561 matrix product Drugs 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 101001111655 Homo sapiens Retinol dehydrogenase 11 Proteins 0.000 description 2
- 102100023916 Retinol dehydrogenase 11 Human genes 0.000 description 2
- 101100366082 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) SNF7 gene Proteins 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004397 blinking Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 101150047375 DID2 gene Proteins 0.000 description 1
- 101100317166 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) VPS24 gene Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Description
〔1.情報処理〕
ここから、図1を用いて、実施形態に係る情報処理の一例について説明する。図1は、実施形態に係る情報処理システムによる処理の一例を示す図である。まず、情報処理システム1の構成について説明する。
上述した例で説明した第1分類、第2分類、及び第3分類の場合、各分類間で分類の難易度に差がある。この点について図3を用いて説明する。図3は、分類の一例を示す図である。図3に示すように、人が含まれない画像の第3分類(図3中の風景画像に対応)と、人が含まれる第1分類及び第2分類との間は、相対的に分類が簡単(容易)。一方で、互いに人が含まれており、その人の状態のみが異なる第1分類(図3中のマスクなし画像に対応)と第2分類(図3中のマスク画像に対応)との間は、相対的に分類が難しい(非容易)といえる。このように、各分類(クラス)間での分類の難しさが異なる。
なお、上記の図1の例では、分類対象である人がマスクを着用しているか否か分類対象の状態として分類するモデルM1を学習する場合を示したが、分類対象の状態はマスク着用の有無に限らず、様々な状態であってもよい。例えば、学習装置100は、マスクに限らず、人がヘルメット、サングラス、ネックレス等を装着しているかを分類するモデルを学習してもよい。
次に、図4を用いて、実施形態に係る学習装置100の構成について説明する。図4は、実施形態に係る学習装置100の構成例を示す図である。図4に示すように、学習装置100は、通信部110と、記憶部120と、制御部130とを有する。なお、学習装置100は、学習装置100の管理者等から各種操作を受け付ける入力部(例えば、キーボードやマウス等)や、各種情報を表示するための表示部(例えば、液晶ディスプレイ等)を有してもよい。
通信部110は、例えば、NIC(Network Interface Card)等によって実現される。そして、通信部110は、所定の通信網(ネットワーク)と有線または無線で接続され、端末装置10との間で情報の送受信を行う。
記憶部120は、例えば、RAM(Random Access Memory)、フラッシュメモリ(Flash Memory)等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。実施形態に係る記憶部120は、図4に示すように、学習用データ記憶部121と、モデル情報記憶部122とを有する。
実施形態に係る学習用データ記憶部121は、学習に用いるデータに関する各種情報を記憶する。学習用データ記憶部121は、学習に用いる学習データ(データセット)を記憶する。図5は、本開示の実施形態に係る学習用データ記憶部の一例を示す図である。例えば、学習用データ記憶部121は、学習に用いる学習データや精度評価(測定)に用いる評価用データ等の種々のデータに関する各種情報を記憶する。図5に、実施形態に係る学習用データ記憶部121の一例を示す。図5の例では、学習用データ記憶部121は、「データセットID」、「データID」、「データ」、「分類ラベル」といった項目が含まれる。
実施形態に係るモデル情報記憶部122は、モデルに関する情報を記憶する。例えば、モデル情報記憶部122は、学習処理により学習(生成)された学習済みモデル(モデル)の情報(モデルデータ)を記憶する。図6は、本開示の第1の実施形態に係るモデル情報記憶部の一例を示す図である。図6に、第1の実施形態に係るモデル情報記憶部122の一例を示す。図6に示した例では、モデル情報記憶部122は、「モデルID」、「用途」、「モデルデータ」といった項目が含まれる。
図4の説明に戻って、制御部130は、コントローラ(controller)であり、例えば、CPU(Central Processing Unit)やMPU(Micro Processing Unit)等によって、学習装置100内部の記憶装置に記憶されている各種プログラム(学習プログラムの一例に相当)がRAMを作業領域として実行されることにより実現される。また、制御部130は、コントローラであり、例えば、ASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)等の集積回路により実現される。
取得部131は、記憶部120から各種の情報を取得する。取得部131は、学習用データ記憶部121から学習に用いるデータを取得する。取得部131は、モデル情報記憶部122からモデルの情報を取得する。
学習部132は、モデルを学習する。学習部132は、外部の情報処理装置からの情報や記憶部120に記憶された情報に基づいて、各種情報を学習する。学習部132は、学習用データ記憶部121に記憶された情報に基づいて、各種情報を学習する。学習部132は、学習により生成したモデルをモデル情報記憶部122に格納する。
提供部133は、通信部110を介して、端末装置10へ情報を送信する。提供部133は、端末装置10へモデルを提供する。例えば、提供部133は、端末装置10へ画像分類に用いるモデルM1を送信する。
次に、図7を用いて、実施形態に係る端末装置10の構成について説明する。図7は、実施形態に係る端末装置10の構成例を示す図である。図7に示すように、端末装置10は、通信部11と、記憶部12と、入力部13と、表示部14と、制御部15と、センサ部16とを有する。なお、端末装置10は、各種情報を音声出力するための音声出力部(例えばスピーカ等)を有してもよい。
通信部11は、例えば、通信回路等によって実現される。そして、通信部11は、図示しない所定の通信網と有線または無線で接続され、学習装置100との間で情報の送受信を行う。
記憶部12は、例えば、RAM、フラッシュメモリ等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現される。記憶部12は、例えば、端末装置10にインストールされているアプリケーション(例えば画像分類アプリ等)に関する情報、例えばプログラム等を記憶する。また、記憶部12は、学習装置100から提供されたモデルを記憶する。例えば、記憶部12は、モデルM1を記憶する。
入力部13は、ユーザからの各種操作を受け付ける。入力部13は、タッチパネル機能により表示面を介してユーザからの各種操作を受け付けてもよい。また、入力部13は、端末装置10に設けられたボタンや、端末装置10に接続されたキーボードやマウスからの各種操作を受け付けてもよい。
表示部14は、例えば液晶ディスプレイや有機EL(Electro-Luminescence)ディスプレイ等によって実現されるタブレット端末等の表示画面であり、各種情報を表示するための表示装置である。
制御部15は、コントローラであり、例えば、CPUやMPU等によって、端末装置10内部の記憶部12などの記憶装置に記憶されている各種プログラムがRAMを作業領域として実行されることにより実現される。例えば、この各種プログラムは、インストールされているアプリケーション(例えばメッセージアプリ等)のプログラムが含まれる。また、制御部15は、コントローラであり、例えば、ASICやFPGA等の集積回路により実現される。
受信部151は、通信部11を介して、学習装置100から情報を受信する。受信部151は、学習装置100から提供されたモデルを受信する。受信部151は、モデルM1を受信する。
受付部152は、各種情報を受け付ける。受付部152は、センサ部16の画像センサにより検知された画像の入力を受け付ける。受付部152は、センサ部16の画像センサにより検知された画像を分類処理の対象とする対象画像として受け付ける。
推論部153は、推論処理を行う。推論部153は、記憶部12に記憶されたモデルを用いて、推論処理を行う。推論部153は、受信部151により受信されたモデルを用いて推論を行う。推論部153は、受信部により受信されたモデルにデータを入力することにより、当該データに対応する分類結果を生成する推論処理を行う。推論部153は、モデルに画像データを入力することにより、当該画像データに対応する推論処理を行う。推論部153は、モデルに画像データを入力することにより、当該画像データの分類結果を生成する推論処理を行う。
処理部154は、推論部153の推論結果を用いて各種の処理を実行する。処理部154は、推論部153の推論結果を表示部14に表示する。例えば、処理部154は、対象画像に含まれる人物がマスクを着用していない場合、マスクが着用されていないことを示す情報を表示する。処理部154は、対象画像に含まれる人物がマスクを着用していない場合、表示部14の表示を点滅させることによりアラートを通知する。処理部154は、対象画像に含まれる人物がマスクを着用していない場合、音声出力部により音を出力させることによりアラートを通知する。
送信部155は、通信部11を介して、学習装置100へ情報を送信する。送信部155は、モデルM1を要求する要求情報を学習装置100に送信する。また、送信部155は、画像と分類結果とのセットを学習用データとして、学習装置100に送信してもよい。例えば、送信部155は、画像と、モデルM1が出力したその画像の分類結果と、その分類結果が正解であるか否かを示す情報とを学習用データとして、学習装置100に送信してもよい。送信部155は、推論において入力に用いた画像データと、その画像データに対応する出力結果をユーザが修正したデータとのセットを学習用データとして、学習装置100に送信する。
センサ部16は、所定の情報を検知する。センサ部16は、画像センサを有し画像を撮像する。例えば、センサ部16は、画像センサとして機能するインカメラを有し、画面を見ながら操作するユーザを撮像する。
次に、図8を用いて、実施形態に係る情報処理システム1による情報処理の手順について説明する。図8は、実施形態に係る学習装置による処理の一例を示すフローチャートである。
上述してきたように、実施形態に係る学習装置100は、学習部132を有する。学習部132は、入力された画像を対象として分類対象を分類する分類部(実施形態ではモデルM1の分類部PT3)と、画像のうち分類対象が含まれる領域に応じて、分類部が出力する結果のうち一部を強調する強調部(実施形態ではモデルM1の強調部PT4)と、強調部による強調結果に応じて、画像の分類結果を出力する出力部(実施形態ではモデルM1の出力部PT5)とを有するモデル(実施形態ではモデルM1)を学習する。
また、上述した実施形態に係る端末装置10や学習装置100は、例えば図10に示すような構成のコンピュータ1000によって実現される。以下、学習装置100を例に挙げて説明する。図10は、ハードウェア構成の一例を示す図である。コンピュータ1000は、出力装置1010、入力装置1020と接続され、演算装置1030、一次記憶装置1040、二次記憶装置1050、出力I/F(Interface)1060、入力I/F1070、ネットワークI/F1080がバス1090により接続された形態を有する。
以上、本願の実施形態を説明したが、これら実施形態の内容により本発明が限定されるものではない。また、前述した構成要素には、当業者が容易に想定できるもの、実質的に同一のもの、いわゆる均等の範囲のものが含まれる。さらに、前述した構成要素は適宜組み合わせることが可能である。さらに、前述した実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換又は変更を行うことができる。
100 学習装置
120 記憶部
121 学習用データ記憶部
122 モデル情報記憶部
130 制御部
131 取得部
132 学習部
133 提供部
10 端末装置
11 通信部
12 記憶部
13 入力部
14 表示部
15 制御部
151 受信部
152 受付部
153 推論部
154 処理部
155 送信部
Claims (6)
- 入力された画像を対象として人を分類する分類部と、前記画像のうち前記人が含まれる領域に応じて、前記分類部が出力する結果のうち一部を強調する強調部と、前記強調部による強調結果に応じて、前記画像の分類結果を出力する出力部とを有するモデルであって、前記人であるユーザが利用する端末装置により撮像された画像を対象とする推論に用いられるモデルを学習する学習部と、
前記学習部により学習された前記モデルを前記ユーザが利用する端末装置に提供する提供部と、
を備え、
前記学習部は、
前記人が傘を手に持っていないことを示す第1分類、前記人が前記傘を手に持っていることを示す第2分類、または、前記画像に前記人が含まれない第3分類のうちいずれであるかを示す前記画像の分類結果を、前記出力部が出力する前記モデルを学習し、
前記提供部は、
前記モデルにより前記人が前記傘を持っていないとの分類結果が出力され、かつ天気予報で雨である場合、前記傘を携帯することを促すメッセージを出力する前記端末装置に、前記モデルを提供することを特徴とする学習装置。 - 前記学習部は、
学習用画像と、前記第1分類、前記第2分類、または前記第3分類のうちいずれかの分類との組合せを含む学習データを用いて前記モデルを学習する
ことを特徴とする請求項1に記載の学習装置。 - 前記学習部は、
互いに分類が非容易な前記第1分類及び前記第2分類と、前記第1分類及び前記第2分類との分類が容易である前記第3分類とのうちいずれであるかを示す前記画像の分類結果を、前記出力部が出力する前記モデルを学習する
ことを特徴とする請求項1または請求項2に記載の学習装置。 - 前記学習部は、
入力された前記画像の特徴を抽出する抽出部を有する前記モデルを学習し、
前記分類部は、前記抽出部の抽出結果を用いて前記人を分類し、
前記強調部は、前記抽出部の抽出結果を用いて前記一部を強調する
ことを特徴とする請求項1~3のいずれか1項に記載の学習装置。 - コンピュータが実行する学習方法であって、
入力された画像を対象として人を分類する分類部と、前記画像のうち前記人が含まれる領域に応じて、前記分類部が出力する結果のうち一部を強調する強調部と、前記強調部による強調結果に応じて、前記画像の分類結果を出力する出力部とを有するモデルであって、前記人であるユーザが利用する端末装置により撮像された画像を対象とする推論に用いられるモデルを学習する学習工程と、
前記学習工程により学習された前記モデルを前記ユーザが利用する端末装置に提供する提供工程と、
を含み、
前記学習工程は、
前記人が傘を手に持っていないことを示す第1分類、前記人が前記傘を手に持っていることを示す第2分類、または、前記画像に前記人が含まれない第3分類のうちいずれであるかを示す前記画像の分類結果を、前記出力部が出力する前記モデルを学習し、
前記提供工程は、
前記モデルにより前記人が前記傘を持っていないとの分類結果が出力され、かつ天気予報で雨である場合、前記傘を携帯することを促すメッセージを出力する前記端末装置に、前記モデルを提供することを特徴とする学習方法。 - 入力された画像を対象として人を分類する分類部と、前記画像のうち前記人が含まれる領域に応じて、前記分類部が出力する結果のうち一部を強調する強調部と、前記強調部による強調結果に応じて、前記画像の分類結果を出力する出力部とを有するモデルであって、前記人であるユーザが利用する端末装置により撮像された画像を対象とする推論に用いられるモデルを学習する学習手順と、
前記学習手順により学習された前記モデルを前記ユーザが利用する端末装置に提供する提供手順と、
をコンピュータに実行させ、
前記学習手順は、
前記人が傘を手に持っていないことを示す第1分類、前記人が前記傘を手に持っていることを示す第2分類、または、前記画像に前記人が含まれない第3分類のうちいずれであるかを示す前記画像の分類結果を、前記出力部が出力する前記モデルを学習し、
前記提供手順は、
前記モデルにより前記人が前記傘を持っていないとの分類結果が出力され、かつ天気予報で雨である場合、前記傘を携帯することを促すメッセージを出力する前記端末装置に、前記モデルを提供す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 |
---|---|---|---|
JP2020156747A JP7348150B2 (ja) | 2020-09-17 | 2020-09-17 | 学習装置、学習方法、及び学習プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020156747A JP7348150B2 (ja) | 2020-09-17 | 2020-09-17 | 学習装置、学習方法、及び学習プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022050251A JP2022050251A (ja) | 2022-03-30 |
JP7348150B2 true JP7348150B2 (ja) | 2023-09-20 |
Family
ID=80854315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020156747A Active JP7348150B2 (ja) | 2020-09-17 | 2020-09-17 | 学習装置、学習方法、及び学習プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7348150B2 (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016161997A (ja) | 2015-02-26 | 2016-09-05 | Kddi株式会社 | 情報提示装置、情報提示システムおよびプログラム |
JP2018151919A (ja) | 2017-03-14 | 2018-09-27 | オムロン株式会社 | 画像解析装置、画像解析方法、及び画像解析プログラム |
JP2018169972A (ja) | 2017-03-30 | 2018-11-01 | Kddi株式会社 | 検索結果による学習が可能な対象検出装置、検出モデル生成装置、プログラム及び方法 |
JP2019109843A (ja) | 2017-12-20 | 2019-07-04 | コニカミノルタ株式会社 | 分類装置、分類方法、属性認識装置、及び機械学習装置 |
JP2019533866A (ja) | 2016-10-31 | 2019-11-21 | 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 | 制御フィードバックを用いる画像セグメンテーションの方法及びシステム |
JP2020508143A (ja) | 2017-02-22 | 2020-03-19 | ザ ユナイテッド ステイツ オブ アメリカ, アズ リプレゼンテッド バイ ザ セクレタリー, デパートメント オブ ヘルス アンド ヒューマン サービシーズ | インスタンス重み付けを伴うランダムフォレストを使用するマルチパラメトリックmriにおける前立腺がんの検出、およびホリスティックネスト型ネットワークを用いたディープラーニングによるmr前立腺セグメント化 |
JP2020524348A (ja) | 2017-08-31 | 2020-08-13 | 深▲せん▼市商▲湯▼科技有限公司Shenzhen Sensetime Technology Co., Ltd. | 顔画像検索方法およびシステム、撮影装置、ならびにコンピュータ記憶媒体 |
-
2020
- 2020-09-17 JP JP2020156747A patent/JP7348150B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016161997A (ja) | 2015-02-26 | 2016-09-05 | Kddi株式会社 | 情報提示装置、情報提示システムおよびプログラム |
JP2019533866A (ja) | 2016-10-31 | 2019-11-21 | 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 | 制御フィードバックを用いる画像セグメンテーションの方法及びシステム |
JP2020508143A (ja) | 2017-02-22 | 2020-03-19 | ザ ユナイテッド ステイツ オブ アメリカ, アズ リプレゼンテッド バイ ザ セクレタリー, デパートメント オブ ヘルス アンド ヒューマン サービシーズ | インスタンス重み付けを伴うランダムフォレストを使用するマルチパラメトリックmriにおける前立腺がんの検出、およびホリスティックネスト型ネットワークを用いたディープラーニングによるmr前立腺セグメント化 |
JP2018151919A (ja) | 2017-03-14 | 2018-09-27 | オムロン株式会社 | 画像解析装置、画像解析方法、及び画像解析プログラム |
JP2018169972A (ja) | 2017-03-30 | 2018-11-01 | Kddi株式会社 | 検索結果による学習が可能な対象検出装置、検出モデル生成装置、プログラム及び方法 |
JP2020524348A (ja) | 2017-08-31 | 2020-08-13 | 深▲せん▼市商▲湯▼科技有限公司Shenzhen Sensetime Technology Co., Ltd. | 顔画像検索方法およびシステム、撮影装置、ならびにコンピュータ記憶媒体 |
JP2019109843A (ja) | 2017-12-20 | 2019-07-04 | コニカミノルタ株式会社 | 分類装置、分類方法、属性認識装置、及び機械学習装置 |
Non-Patent Citations (2)
Title |
---|
小倉輝 ほか、データサイエンスエンジニア3人での開発の進め方~社内ハッカソンでダブル受賞しました[オンライン]、2020年8月4日[検索日 2022.11.28]、インターネット:<URL: https://techblog.yahoo.co.jp/entry/2020080430014499/> |
森啓介 ほか、Attention Branch Networkによる一貫学習・強化学習におけるアテンションの獲得、第36回日本ロボット学会学術講演会、2018年9月 |
Also Published As
Publication number | Publication date |
---|---|
JP2022050251A (ja) | 2022-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11671386B2 (en) | Electronic device and method for changing chatbot | |
US20210256264A1 (en) | Data recognition model construction apparatus and method for constructing data recognition model thereof, and data recognition apparatus and method for recognizing data thereof | |
KR102643027B1 (ko) | 전자 장치, 그의 제어 방법 | |
US10587776B2 (en) | Electronic device and method for controlling the electronic device | |
US20190042574A1 (en) | Electronic device and method for controlling the electronic device | |
US20170278172A1 (en) | System, method and computer program product providing eye tracking based cognitive filtering and product recommendations | |
WO2018160893A1 (en) | Skills clustering with latent representation of words | |
US20180158163A1 (en) | Inferring appropriate courses for recommendation based on member characteristics | |
EP3523710B1 (en) | Apparatus and method for providing a sentence based on user input | |
US11475218B2 (en) | Apparatus and method for providing sentence based on user input | |
US20180197094A1 (en) | Apparatus and method for processing content | |
US11481811B2 (en) | Electronic device and method for controlling same | |
US20160086088A1 (en) | Facilitating dynamic affect-based adaptive representation and reasoning of user behavior on computing devices | |
CN110168543A (zh) | 用于处理内容的装置和方法 | |
KR20240032779A (ko) | 전자 장치, 그의 제어 방법 | |
Sardar et al. | Mobile sensors based platform of Human Physical Activities Recognition for COVID-19 spread minimization | |
KR102499379B1 (ko) | 전자 장치 및 이의 피드백 정보 획득 방법 | |
JP7348150B2 (ja) | 学習装置、学習方法、及び学習プログラム | |
US20200150752A1 (en) | Utilizing machine learning to determine survey questions based on context of a person being surveyed, reactions to survey questions, and environmental conditions | |
US20230123815A1 (en) | Stability scoring of individuals utilizing inertial sensor device | |
Gupta et al. | Multi-stage Indian sign language classification with Sensor Modality Assessment | |
JP2020064568A (ja) | 映像解析システム、学習装置、及びその方法 | |
JP7408518B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、端末装置、推論方法、及び推論プログラム | |
US11921729B1 (en) | Context-aware recommendations in a health management platform user interface | |
JP7476091B2 (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210317 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210317 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210615 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210812 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20211026 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220125 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20220125 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20220202 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20220208 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20220415 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20220419 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220621 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230530 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230907 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7348150 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |