JP7468644B2 - 環境遷移予測装置、環境遷移予測方法、及び環境遷移予測プログラム - Google Patents
環境遷移予測装置、環境遷移予測方法、及び環境遷移予測プログラム Download PDFInfo
- Publication number
- JP7468644B2 JP7468644B2 JP2022530433A JP2022530433A JP7468644B2 JP 7468644 B2 JP7468644 B2 JP 7468644B2 JP 2022530433 A JP2022530433 A JP 2022530433A JP 2022530433 A JP2022530433 A JP 2022530433A JP 7468644 B2 JP7468644 B2 JP 7468644B2
- Authority
- JP
- Japan
- Prior art keywords
- frame
- environmental state
- environmental
- state
- label
- 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
- 230000007613 environmental effect Effects 0.000 title claims description 148
- 230000007704 transition Effects 0.000 title claims description 68
- 238000000034 method Methods 0.000 title claims description 21
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 238000003860 storage Methods 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 241000227653 Lycopersicon Species 0.000 description 3
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010411 cooking Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000005309 stochastic process Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Description
Yazan Abu Farha et.al., "When will you do what? - Anticipating Temporal Occurrences of Activities", インターネット検索 URL:https://arxiv.org/pdf/1804.00892.pdf
で表され、環境状態iから環境状態kへ遷移するときの状態遷移確率をpikとした場合、前記第2フレームの環境状態ラベルEt+1が環境状態kである確率Pが、
で表され、前記第2フレームの環境状態ラベルEt+1の予測結果が、
で求められる。
Yikang Li et.al. ,"Scene Graph Generation from Objects, Phrases and Region Captions", インターネット検索 URL:https://arxiv.org/pdf/1707.09700.pdf
(2)
メモリと、
前記メモリに接続された少なくとも1つのプロセッサと、
を含み、
前記プロセッサは、
時系列の複数のフレームを含む画像データのうち現在のフレームを表す第1フレームに対して、環境状態を示す環境状態ラベルを推定し、
前記第1フレームの次の第2フレームに対して、マルコフ性を仮定し、前記第1フレームの環境状態から前記第2フレームの環境状態へ遷移するときの状態遷移確率と、前記推定された環境状態ラベルとに基づいて、前記第2フレームの環境状態ラベルを予測する、
ように構成されている環境遷移予測装置。
環境遷移予測処理を実行するようにコンピュータによって実行可能なプログラムを記憶した非一時的記憶媒体であって、
前記環境遷移予測処理は、
時系列の複数のフレームを含む画像データのうち現在のフレームを表す第1フレームに対して、環境状態を示す環境状態ラベルを推定し、
前記第1フレームの次の第2フレームに対して、マルコフ性を仮定し、前記第1フレームの環境状態から前記第2フレームの環境状態へ遷移するときの状態遷移確率と、前記推定された環境状態ラベルとに基づいて、前記第2フレームの環境状態ラベルを予測する、
非一時的記憶媒体。
Claims (4)
- 時系列の複数のフレームを含む画像データのうち現在のフレームを表す第1フレームに対して、学習用画像データのフレーム毎にシーングラフが定義された環境状態ラベル推定モデルを用いて、環境状態を示す環境状態ラベルを推定する環境状態ラベル推定部と、
前記第1フレームの次の第2フレームに対して、マルコフ性を仮定し、前記第1フレームの環境状態から前記第2フレームの環境状態へ遷移するときの状態遷移確率と、前記環境状態ラベル推定部により推定された環境状態ラベルとに基づいて、前記第2フレームの環境状態ラベルを予測する環境状態遷移予測部と、
を備えた環境遷移予測装置。 - 前記第1フレームの環境状態ラベルEtが環境状態iである確率Pは、
で表され、
環境状態iから環境状態kへ遷移するときの状態遷移確率をpikとした場合、前記第2フレームの環境状態ラベルEt+1が環境状態kである確率Pは、
で表され、
前記第2フレームの環境状態ラベルEt+1の予測結果は、
で求められる
請求項1に記載の環境遷移予測装置。 - 環境状態ラベル推定部が、時系列の複数のフレームを含む画像データのうち現在のフレームを表す第1フレームに対して、学習用画像データのフレーム毎にシーングラフが定義された環境状態ラベル推定モデルを用いて、環境状態を示す環境状態ラベルを推定し、
環境状態遷移予測部が、前記第1フレームの次の第2フレームに対して、マルコフ性を仮定し、前記第1フレームの環境状態から前記第2フレームの環境状態へ遷移するときの状態遷移確率と、前記環境状態ラベル推定部により推定された環境状態ラベルとに基づいて、前記第2フレームの環境状態ラベルを予測する、
環境遷移予測方法。 - 時系列の複数のフレームを含む画像データのうち現在のフレームを表す第1フレームに対して、学習用画像データのフレーム毎にシーングラフが定義された環境状態ラベル推定モデルを用いて、環境状態を示す環境状態ラベルを推定し、
前記第1フレームの次の第2フレームに対して、マルコフ性を仮定し、前記第1フレームの環境状態から前記第2フレームの環境状態へ遷移するときの状態遷移確率と、前記推定された環境状態ラベルとに基づいて、前記第2フレームの環境状態ラベルを予測することを、
コンピュータに実行させるための環境遷移予測プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/022871 WO2021250819A1 (ja) | 2020-06-10 | 2020-06-10 | 環境遷移予測装置、環境遷移予測方法、及び環境遷移予測プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021250819A1 JPWO2021250819A1 (ja) | 2021-12-16 |
JP7468644B2 true JP7468644B2 (ja) | 2024-04-16 |
Family
ID=78845560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022530433A Active JP7468644B2 (ja) | 2020-06-10 | 2020-06-10 | 環境遷移予測装置、環境遷移予測方法、及び環境遷移予測プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7468644B2 (ja) |
WO (1) | WO2021250819A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012128799A (ja) | 2010-12-17 | 2012-07-05 | Denso Corp | 運転シーンの遷移予測装置及び車両用推奨運転操作提示装置 |
JP2015165381A (ja) | 2014-02-05 | 2015-09-17 | 株式会社リコー | 画像処理装置、機器制御システム、および画像処理プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11326542A (ja) * | 1998-05-11 | 1999-11-26 | Nippon Telegr & Teleph Corp <Ntt> | 気象パターン分類予測方法、装置、および気象パターン分類予測プログラムを記録した記録媒体 |
-
2020
- 2020-06-10 WO PCT/JP2020/022871 patent/WO2021250819A1/ja active Application Filing
- 2020-06-10 JP JP2022530433A patent/JP7468644B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012128799A (ja) | 2010-12-17 | 2012-07-05 | Denso Corp | 運転シーンの遷移予測装置及び車両用推奨運転操作提示装置 |
JP2015165381A (ja) | 2014-02-05 | 2015-09-17 | 株式会社リコー | 画像処理装置、機器制御システム、および画像処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2021250819A1 (ja) | 2021-12-16 |
JPWO2021250819A1 (ja) | 2021-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11522881B2 (en) | Structural graph neural networks for suspicious event detection | |
Kowalczyk et al. | Two-parameter degenerate sliding bifurcations in Filippov systems | |
JP7286013B2 (ja) | ビデオコンテンツ認識方法、装置、プログラム及びコンピュータデバイス | |
di Bernardo et al. | Discontinuity-induced bifurcations of piecewise smooth dynamical systems | |
CA3088689C (en) | Finite rank deep kernel learning for robust time series forecasting and regression | |
JP7215077B2 (ja) | 予測プログラム、予測方法及び予測装置 | |
Faerman et al. | Lasagne: Locality and structure aware graph node embedding | |
US20180174072A1 (en) | Method and system for predicting future states of a datacenter | |
AU2020325094B2 (en) | Finite rank deep kernel learning with linear computational complexity | |
EP3975050A1 (en) | Method and system for evaluating consistency of an engineered system | |
WO2021149528A1 (ja) | イベント予測システム、イベント予測方法およびプログラム | |
JP2020030830A (ja) | 自律学習エージェントの経路学習における予測誤差をモデル化する方法およびシステム | |
CN111566676A (zh) | 量子计算设备设计 | |
Moghaddam et al. | Dynamic energy optimization in chip multiprocessors using deep neural networks | |
JP7468644B2 (ja) | 環境遷移予測装置、環境遷移予測方法、及び環境遷移予測プログラム | |
US9378469B2 (en) | Optimization of system control based on solving multi-point boundary value problems | |
KR102026651B1 (ko) | 입자 필터 프레임 워크를 이용한 강건한 객체 추적 방법 및 시스템 | |
MacDonald et al. | GPfit: an R package for Gaussian process model fitting using a new optimization algorithm | |
CN112016677A (zh) | 深度神经网络的训练方法、装置和电子设备 | |
Lin et al. | Almost surely safe exploration and exploitation for deep reinforcement learning with state safety estimation | |
Calafiore et al. | Sparse identification of posynomial models | |
KR20230092371A (ko) | 공진화 신경 상미분 방정식 기반의 인공지능 신경망 장치 및 방법 | |
Lan et al. | Efficient reinforcement learning with least-squares soft Bellman residual for robotic grasping | |
Tlelo-Cuautle et al. | Integer and fractional-order chaotic circuits and systems | |
CN110751672A (zh) | 利用稀释卷积实现多尺度光流像素变换的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221025 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231128 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231226 |
|
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: 20240305 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240318 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7468644 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |