JP7354063B2 - 分類システム、プログラム及び学習システム - Google Patents
分類システム、プログラム及び学習システム Download PDFInfo
- Publication number
- JP7354063B2 JP7354063B2 JP2020118635A JP2020118635A JP7354063B2 JP 7354063 B2 JP7354063 B2 JP 7354063B2 JP 2020118635 A JP2020118635 A JP 2020118635A JP 2020118635 A JP2020118635 A JP 2020118635A JP 7354063 B2 JP7354063 B2 JP 7354063B2
- Authority
- JP
- Japan
- Prior art keywords
- unit
- classification
- class
- input data
- score
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- 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
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/245—Classification techniques relating to the decision surface
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield 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
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
- G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
図1は、第1の実施形態における分類システム1の構成例を示す図である。分類システム1は、板や棒、管などの形状に加工された鋼材の品質が、予め定められた品質等級のいずれに属するかを判定し、鋼材の品質を分類する。第1の実施形態における品質等級がクラスの一例である。品質等級として、標準化団体で定められた規格や、業界団体により定められた規格が用いられる。例えば、JIS(Japan Industrial Standards)で定められた規格の一つに「JIS G0551 鋼-結晶粒度の顕微鏡試験方法」がある。この規格では、品質等級が22等級に分けられている。等級は、-1,0,0.5,1.0,1.5,2.0,…,9.0,9.5,10.0の数値で表される。
分類装置3において用いられる算出モデル322及びN個の判定モデル331を得るための学習システムについて説明する。図6は、第1の実施形態における学習システム5の構成例を示す図である。学習システム5は、記憶部6、第1の学習部7及び第2の学習部8を備える。記憶部6は、算出モデル322の学習において用いる算出モデル用学習データセットを予め記憶する。算出モデル用学習データセットは、鋼材を撮像して得られた画像と当該鋼材が属する品質等級を示すラベルとからなる複数の学習データを含む。
図8は、第2の実施形態における分類システム1Aの構成例を示す図である。分類システム1Aは、手書きの文字が、数字(0,1,2,…,9)のいずれであるかを判定し、文字を分類する。また、分類システム1Aは、文字が数字以外の文字である場合、文字が数字ではないと分類する。分類システム1Aは、第1の実施形態の分類システム1と同様に、撮像装置2、分類装置3及び表示装置4を備える。撮像装置2は、文字を撮像し、得られた画像を入力データとして分類装置3へ供給する。分類装置3は、学習済みの算出モデル322及び判定モデル331を用いて、文字が0から9のいずれに該当するか判定し、文字を分類する。第2の実施形態では「0」から「9」のそれぞれがクラスの一例である。分類装置3は、文字が0から9のいずれであるかを示す分類結果を表示装置4に出力し、分類結果を表示装置4に表示させる。なお、文字が0から9のいずれでもない場合、分類装置3は、文字が数字でないという分類結果を表示装置4に出力する。
第1の実施形態では鋼材の品質等級を分類する分類システム1を説明し、第2の実施形態では文字が0から9のいずれの文字であるかを分類する分類システム1Aを説明した。第1及び第2の実施形態では、分類対象を撮像した画像を入力データとして用いる場合を説明したが、分類対象となる入力データは、センサーで測定された測定値を含むセンサーデータや、音響データであってもよい。センサーデータを取得するセンサーとして、圧力センサー、温度センサー、湿度センサー、光センサー、超音波センサー、加重センサーなどを用いてもよい。実施形態の分類システムは、センサーデータ又は音響データを入力データとして取得する場合においても、入力データが属するクラスを示す分類結果、又は入力データが未知のクラスに属することを示す分類結果を出力できる。分類システムは、センサーデータ又は音響データを入力データして取得する場合においても、分類精度の低下を抑制できる。
Claims (6)
- 予め定められたクラスそれぞれのスコアを入力データから算出するスコア算出部と、
前記スコア算出部により算出された前記クラスそれぞれのスコアに基づいて、前記入力データが前記クラスのいずれかに属するか否かを判定する判定部と、
前記入力データが前記クラスのいずれかに属すると前記判定部が判定した場合に、算出された前記クラスごとのスコアに基づいて、前記入力データが属するクラスを決定し、前記入力データが前記クラスのいずれにも属しないと前記判定部が判定した場合に、前記入力データが未知のクラスに属すると決定する分類部と、
を備え、
前記判定部は、
前記クラスそれぞれに対応する判定モデルであって、前記クラスごとのスコアからなるベクトルが判定モデルに対応するクラスに属するか否かを判定する学習済みの判定モデルと、
前記スコア算出部により算出される前記クラスそれぞれの前記スコアのうち、最も大きいスコアのクラスに対応する判定モデルへ、前記入力データから算出された前記スコアからなるベクトルを供給する選択部と、
を備え、
前記ベクトルが供給される判定モデルの判定結果が前記分類部へ供給される、
分類システム。 - 前記スコア算出部は、
前記入力データから前記クラスごとの確信度を算出する学習済みの算出モデルと、
前記算出モデルが算出する前記クラスごとの前記確信度を所定の範囲内の値にシグモイド関数を用いて変換し、前記確信度それぞれを変換した値を前記スコアとして出力する変換部と、
を備える、
請求項1に記載の分類システム。 - 前記判定部は、前記スコア算出部により算出される前記クラスそれぞれの前記スコアのうち、最も大きいスコアに基づいて、前記入力データが前記クラスのいずれかに属するか否かを判定する、
請求項1又は請求項2に記載の分類システム。 - 前記判定部は、前記判定モデルとして1クラスサポートベクターマシンを備える、
請求項1に記載の分類システム。 - 前記クラスそれぞれに対応する前記判定モデルは、前記スコア算出部により算出される前記クラスのスコアからなる複数のベクトルのうち、前記判定モデルに対応するクラスのスコアが最も大きいベクトルの集合を用いた学習により得られる、
請求項1又は請求項4に記載の分類システム。 - 分類システムが備えるコンピュータを
予め定められたクラスそれぞれのスコアを入力データから算出するスコア算出部と、
前記スコア算出部により算出された前記クラスそれぞれのスコアに基づいて、前記入力データが前記クラスのいずれかに属するか否かを判定する判定部と、
前記入力データが前記クラスのいずれかに属すると前記判定部が判定した場合に、算出された前記クラスごとのスコアに基づいて、前記入力データが属するクラスを決定し、前記入力データが前記クラスのいずれにも属しないと前記判定部が判定した場合に、前記入力データが未知のクラスに属すると決定する分類部と、
として機能させるためのプログラムであって、
前記判定部は、
前記クラスそれぞれに対応する判定モデルであって、前記クラスごとのスコアからなるベクトルが判定モデルに対応するクラスに属するか否かを判定する学習済みの判定モデルと、
前記スコア算出部により算出される前記クラスそれぞれの前記スコアのうち、最も大きいスコアのクラスに対応する判定モデルへ、前記入力データから算出された前記スコアからなるベクトルを供給する選択部と、
を備え、
前記ベクトルが供給される判定モデルの判定結果が前記分類部へ供給される、
プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IN202011020392 | 2020-05-14 | ||
IN202011020392 | 2020-05-14 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021179944A JP2021179944A (ja) | 2021-11-18 |
JP7354063B2 true JP7354063B2 (ja) | 2023-10-02 |
Family
ID=78511641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020118635A Active JP7354063B2 (ja) | 2020-05-14 | 2020-07-09 | 分類システム、プログラム及び学習システム |
Country Status (2)
Country | Link |
---|---|
US (1) | US12008799B2 (ja) |
JP (1) | JP7354063B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7509212B2 (ja) * | 2020-09-03 | 2024-07-02 | 日本電気株式会社 | 情報処理システム、情報処理方法、及びコンピュータプログラム |
US20220222486A1 (en) * | 2021-01-08 | 2022-07-14 | Bank Of America Corporation | Data Source Evaluation Platform for Improved Generation of Supervised Learning Models |
CN114881938A (zh) * | 2022-04-20 | 2022-08-09 | 山东省科学院激光研究所 | 基于小波分析和神经网络的晶粒度检测方法及系统 |
WO2024161744A1 (ja) * | 2023-02-02 | 2024-08-08 | 日東電工株式会社 | 画像分類装置、画像分類方法、検査システム及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013196045A (ja) | 2012-03-15 | 2013-09-30 | Omron Corp | 画像処理装置、画像処理方法、制御プログラムおよび記録媒体 |
CN107480690A (zh) | 2017-07-04 | 2017-12-15 | 中国科学院计算技术研究所 | 一种基于支持向量机的包含未知类别的多分类方法 |
JP2018528525A (ja) | 2015-08-04 | 2018-09-27 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | 未知クラスの検出および未知クラスのための分類器の初期化 |
US20190392260A1 (en) | 2018-06-25 | 2019-12-26 | Fujitsu Limited | Method and apparatus for training classification model, method and apparatus for classifying |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110106740A1 (en) * | 2002-05-24 | 2011-05-05 | University Of South Florida | Tissue classification method for diagnosis and treatment of tumors |
JP5141767B2 (ja) * | 2008-08-05 | 2013-02-13 | 富士通株式会社 | サンプルの帰属クラス予測方法、帰属クラス予測プログラムおよび帰属クラス予測装置 |
JP5667004B2 (ja) | 2011-07-19 | 2015-02-12 | 日本電信電話株式会社 | データ分類装置及び方法及びプログラム |
JP2013092911A (ja) * | 2011-10-26 | 2013-05-16 | Sony Corp | 情報処理装置、情報処理方法、および、プログラム |
US20150186793A1 (en) * | 2013-12-27 | 2015-07-02 | Google Inc. | System and method for distance learning with efficient retrieval |
US10068129B2 (en) * | 2015-11-18 | 2018-09-04 | Adobe Systems Incorporated | Recognizing unknown person instances in an image gallery |
US9846822B2 (en) * | 2015-12-31 | 2017-12-19 | Dropbox, Inc. | Generating and utilizing normalized scores for classifying digital objects |
US10867216B2 (en) * | 2016-03-15 | 2020-12-15 | Canon Kabushiki Kaisha | Devices, systems, and methods for detecting unknown objects |
US9928448B1 (en) * | 2016-09-23 | 2018-03-27 | International Business Machines Corporation | Image classification utilizing semantic relationships in a classification hierarchy |
JP6915349B2 (ja) * | 2017-04-04 | 2021-08-04 | コニカミノルタ株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
US11829848B2 (en) * | 2017-05-09 | 2023-11-28 | Microsoft Technology Licensing, Llc | Adding negative classes for training classifier |
US10984054B2 (en) * | 2017-07-27 | 2021-04-20 | Robert Bosch Gmbh | Visual analytics system for convolutional neural network based classifiers |
KR102563752B1 (ko) * | 2017-09-29 | 2023-08-04 | 삼성전자주식회사 | 뉴럴 네트워크를 위한 트레이닝 방법, 뉴럴 네트워크를 이용한 인식 방법 및 그 장치들 |
JP7074460B2 (ja) | 2017-11-10 | 2022-05-24 | アズビル株式会社 | 画像検査装置および方法 |
US11087184B2 (en) * | 2018-09-25 | 2021-08-10 | Nec Corporation | Network reparameterization for new class categorization |
US10867210B2 (en) * | 2018-12-21 | 2020-12-15 | Waymo Llc | Neural networks for coarse- and fine-object classifications |
US11494614B2 (en) * | 2019-03-20 | 2022-11-08 | Microsoft Technology Licensing, Llc | Subsampling training data during artificial neural network training |
US11790275B2 (en) * | 2019-04-18 | 2023-10-17 | Teledyne Scientific & Imaging, Llc | Adaptive continuous machine learning by uncertainty tracking |
US11295240B2 (en) * | 2019-06-15 | 2022-04-05 | Boult Terrance E | Systems and methods for machine classification and learning that is robust to unknown inputs |
US11645505B2 (en) * | 2020-01-17 | 2023-05-09 | Servicenow Canada Inc. | Method and system for generating a vector representation of an image |
US20210264300A1 (en) * | 2020-02-21 | 2021-08-26 | CACI, Inc.- Federal | Systems and methods for labeling data |
-
2020
- 2020-07-09 JP JP2020118635A patent/JP7354063B2/ja active Active
-
2021
- 2021-05-11 US US17/317,301 patent/US12008799B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013196045A (ja) | 2012-03-15 | 2013-09-30 | Omron Corp | 画像処理装置、画像処理方法、制御プログラムおよび記録媒体 |
JP2018528525A (ja) | 2015-08-04 | 2018-09-27 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | 未知クラスの検出および未知クラスのための分類器の初期化 |
CN107480690A (zh) | 2017-07-04 | 2017-12-15 | 中国科学院计算技术研究所 | 一种基于支持向量机的包含未知类别的多分类方法 |
US20190392260A1 (en) | 2018-06-25 | 2019-12-26 | Fujitsu Limited | Method and apparatus for training classification model, method and apparatus for classifying |
Non-Patent Citations (1)
Title |
---|
岡本 拓巳 ほか,大腸内視鏡診断支援のためのSupport Vector Machineを用いたタイプ識別ハードウェアの設計,電子情報通信学会技術研究報告,日本,一般社団法人電子情報通信学会,2014年11月19日,Vol.114 No.329,p.39-44 |
Also Published As
Publication number | Publication date |
---|---|
US20210357677A1 (en) | 2021-11-18 |
JP2021179944A (ja) | 2021-11-18 |
US12008799B2 (en) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7354063B2 (ja) | 分類システム、プログラム及び学習システム | |
JP7004145B2 (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
CN110274908B (zh) | 缺陷检查装置、缺陷检查方法以及计算机可读记录介质 | |
WO2023077404A1 (zh) | 缺陷检测方法、装置和系统 | |
JP6869490B2 (ja) | 欠陥検査装置、欠陥検査方法、及びそのプログラム | |
CN111814867A (zh) | 缺陷检测模型的训练方法、缺陷检测方法及相关装置 | |
CN111402226A (zh) | 一种基于级联卷积神经网络的表面疵点检测方法 | |
JP5546317B2 (ja) | 外観検査装置、外観検査用識別器の生成装置及び外観検査用識別器生成方法ならびに外観検査用識別器生成用コンピュータプログラム | |
JP7444439B2 (ja) | 欠陥検出分類システム及び欠陥判定トレーニングシステム | |
JP2020160616A (ja) | 生成装置、コンピュータプログラム、生成方法 | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
WO2023084543A1 (en) | System and method for leveraging neural network based hybrid feature extraction model for grain quality analysis | |
CN111652213A (zh) | 一种基于深度学习的船舶水尺读数识别方法 | |
CN117854072B (zh) | 一种工业视觉缺陷自动标注方法 | |
CN116012291A (zh) | 工业零件图像缺陷检测方法及系统、电子设备和存储介质 | |
CN111814852A (zh) | 图像检测方法、装置、电子设备和计算机可读存储介质 | |
CN113808099A (zh) | 一种铝材表面缺陷检测装置与方法 | |
CN114066810A (zh) | 一种包装盒凹凸点缺陷检测方法及装置 | |
KR102430946B1 (ko) | 소장 정결도를 진단하는 시스템 및 방법 | |
CN113313678A (zh) | 一种基于多尺度特征融合的精子形态学自动分析方法 | |
CN115861259A (zh) | 一种基于模板匹配的引线框架表面缺陷检测方法及装置 | |
WO2021009804A1 (ja) | 閾値の学習方法 | |
CN115131355B (zh) | 利用电子设备数据检测防水布异常的智能方法 | |
CN114820597B (zh) | 一种基于人工智能的冶炼品缺陷检测方法、装置及系统 | |
CN110956623A (zh) | 皱纹检测方法、装置、设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220325 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230125 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230207 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230407 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230531 |
|
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: 20230822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230920 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7354063 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |