JP7537724B1 - 情報処理システム - Google Patents
情報処理システム Download PDFInfo
- Publication number
- JP7537724B1 JP7537724B1 JP2023084948A JP2023084948A JP7537724B1 JP 7537724 B1 JP7537724 B1 JP 7537724B1 JP 2023084948 A JP2023084948 A JP 2023084948A JP 2023084948 A JP2023084948 A JP 2023084948A JP 7537724 B1 JP7537724 B1 JP 7537724B1
- Authority
- JP
- Japan
- Prior art keywords
- information
- image information
- processing unit
- identification information
- learning
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 59
- 238000012545 processing Methods 0.000 claims abstract description 125
- 238000010801 machine learning Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 29
- 230000008520 organization Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 15
- 241001465754 Metazoa Species 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000283203 Otariidae Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本発明は、機械学習における学習モデル(ネットワーク)の生成に関する情報処理システムを提供することを目的とする。
【解決手段】
機械学習で用いる学習モデルに関する処理を実行する情報処理システムであって、複数の対象物の画像情報を分類する分類処理部と、分類したグループと仮識別情報とを対応づける仮識別情報処理部と、グループに含まれる対象物の画像情報と仮識別情報とを含む学習用データを用いて、機械学習の学習処理を実行して学習モデルを生成するモデル生成処理部と、入力を受け付けた標本情報を学習モデルに入力することで仮識別情報を出力させる認識処理部、出力した仮識別情報と標本情報に対応する対象物識別情報とを対応づける出力処理部と、を有する情報処理システムである。
【選択図】 図1
Description
2:管理端末
20:分類処理部
21:仮識別情報処理部
22:モデル生成処理部
23:標本情報受付処理部
24:認識処理部
25:出力処理部
26:クレンジング処理部
70:演算装置
71:記憶装置
72:表示装置
73:入力装置
74:通信装置
Claims (11)
- 機械学習で用いる学習モデルに関する処理を実行する情報処理システムであって、
複数の対象物の画像情報を分類する分類処理部と、
前記分類したグループと仮識別情報とを対応づける仮識別情報処理部と、
前記グループに含まれる対象物の画像情報と前記仮識別情報とを含む学習用データを用いて、機械学習の学習処理を実行して学習モデルを生成するモデル生成処理部と、
入力を受け付けた標本情報を前記学習モデルに入力することで仮識別情報を出力させる認識処理部、
前記出力した仮識別情報と前記標本情報に対応する対象物識別情報とを対応づける出力処理部と、
を有することを特徴とする情報処理システム。 - 前記情報処理システムは、
同定処理の対象とする画像情報を前記学習モデルに入力することで、前記学習モデルが出力する仮識別情報に対応する対象物識別情報を出力値として出力させる、
ことを特徴とする請求項1に記載の情報処理システム。 - 前記情報処理システムは、
前記分類したグループに含まれる対象物の画像情報のうち、誤りが含まれている可能性がある対象物画像情報を除外するクレンジング処理を実行するクレンジング処理部、
を有することを特徴とする請求項1に記載の情報処理システム。 - 前記クレンジング処理部は、
前記グループに含まれる対象物の画像情報の指標値を用いて算出した基準値からの情報距離を用いて、除外する対象物の画像情報を判定する、
ことを特徴とする請求項3に記載の情報処理システム。 - 前記クレンジング処理部は、
前記グループに含まれる対象物の画像情報の指標値を用いて基準値を算出し、
前記基準値と、前記対象物の画像情報の指標値とを用いて情報距離を算出し、
前記情報距離が所定の閾値以上または所定の比率以上の乖離がある場合には、その対象物の画像情報を除外する対象物の画像情報として判定する、
ことを特徴とする請求項4に記載の情報処理システム。 - 前記クレンジング処理部は、
前記グループに含まれる対象物の画像情報の類似度を用いて、除外する対象物の画像情報を判定する、
ことを特徴とする請求項3に記載の情報処理システム。 - 前記クレンジング処理部は、
前記グループに含まれる対象物の画像情報と、そのグループに含まれる他の対象物の画像情報との類似度を算出し、
その類似度を用いたあらかじめ定められた条件を充足した場合には、その対象物の画像情報を除外する対象物の画像情報として判定する、
ことを特徴とする請求項6に記載の情報処理システム。 - 前記対象物は陳列棚に陳列している商品であり、
前記分類処理部は、
陳列棚の画像情報から陳列している商品の画像情報を切り出して対象物画像情報として抽出し、
隣接している商品の対象物画像情報の類似度を比較し、
前記類似度が一定の条件を充足している場合には、隣接している商品の対象物画像情報を同一のグループに分類する、
ことを特徴とする請求項1に記載の情報処理システム。 - 前記対象物は陳列棚に陳列している商品であり、
前記認識処理部は、
入力を受け付けた売上高に応じた商品の標本情報を前記学習モデルに入力し、前記学習モデルで受け付けた前記標本情報に対応する仮識別情報を出力する、
ことを特徴とする請求項1に記載の情報処理システム。 - 前記対象物は陳列棚に陳列している商品であり、
前記認識処理部は、
入力を受け付けた組織体ごとの商品の標本情報を前記学習モデルに入力し、前記学習モデルで受け付けた前記標本情報に対応する仮識別情報を出力する、
ことを特徴とする請求項1に記載の情報処理システム。 - コンピュータを、
複数の対象物の画像情報を分類する分類処理部、
前記分類したグループと仮識別情報とを対応づける仮識別情報処理部、
前記グループに含まれる対象物の画像情報と前記仮識別情報とを含む学習用データを用いて、機械学習の学習処理を実行して学習モデルを生成するモデル生成処理部、
入力を受け付けた標本情報を前記学習モデルに入力することで仮識別情報を出力させる認識処理部、
前記出力した仮識別情報と前記標本情報に対応する対象物識別情報とを対応づける出力処理部、
として機能させることを特徴とする情報処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023084948A JP7537724B1 (ja) | 2023-05-23 | 2023-05-23 | 情報処理システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023084948A JP7537724B1 (ja) | 2023-05-23 | 2023-05-23 | 情報処理システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7537724B1 true JP7537724B1 (ja) | 2024-08-21 |
Family
ID=92419291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023084948A Active JP7537724B1 (ja) | 2023-05-23 | 2023-05-23 | 情報処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7537724B1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013161295A (ja) | 2012-02-06 | 2013-08-19 | Canon Inc | ラベル付加装置、ラベル付加方法及びプログラム |
US20180068180A1 (en) | 2016-09-05 | 2018-03-08 | International Business Machines Corporation | Semi-supervised price tag detection |
JP2020181404A (ja) | 2019-04-25 | 2020-11-05 | 住友電気工業株式会社 | 画像分類器、画像分類方法及びコンピュータプログラム |
JP2022190289A (ja) | 2021-06-14 | 2022-12-26 | 株式会社日立製作所 | 画像認識支援装置、画像認識支援方法、及び画像認識支援プログラム |
-
2023
- 2023-05-23 JP JP2023084948A patent/JP7537724B1/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013161295A (ja) | 2012-02-06 | 2013-08-19 | Canon Inc | ラベル付加装置、ラベル付加方法及びプログラム |
US20180068180A1 (en) | 2016-09-05 | 2018-03-08 | International Business Machines Corporation | Semi-supervised price tag detection |
JP2020181404A (ja) | 2019-04-25 | 2020-11-05 | 住友電気工業株式会社 | 画像分類器、画像分類方法及びコンピュータプログラム |
JP2022190289A (ja) | 2021-06-14 | 2022-12-26 | 株式会社日立製作所 | 画像認識支援装置、画像認識支援方法、及び画像認識支援プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9633045B2 (en) | Image ranking based on attribute correlation | |
Kotu et al. | Predictive analytics and data mining: concepts and practice with rapidminer | |
Duyck et al. | Sloop: A pattern retrieval engine for individual animal identification | |
US20020165839A1 (en) | Segmentation and construction of segmentation classifiers | |
JP4668680B2 (ja) | 属性識別システムおよび属性識別辞書生成装置 | |
CN114119058B (zh) | 用户画像模型的构建方法、设备及存储介质 | |
Mata-Montero et al. | Automated plant species identification: challenges and opportunities | |
WO2022192738A1 (en) | Systems and methods for time series modeling | |
Saleh | Machine Learning Fundamentals: Use Python and scikit-learn to get up and running with the hottest developments in machine learning | |
Masood et al. | Clustering techniques in bioinformatics | |
Gove et al. | New guidance for using t-SNE: Alternative defaults, hyperparameter selection automation, and comparative evaluation | |
Johnston et al. | Applied Unsupervised Learning with Python: Discover hidden patterns and relationships in unstructured data with Python | |
CN111340071A (zh) | 用于使用分层贝叶斯的个性化产品推荐的系统及方法 | |
Varghese et al. | INFOPLANT: Plant recognition using convolutional neural networks | |
Saleh | The The Machine Learning Workshop: Get ready to develop your own high-performance machine learning algorithms with scikit-learn | |
AU2021204470A1 (en) | Benefit surrender prediction | |
JP7537724B1 (ja) | 情報処理システム | |
Jeyaraman et al. | Practical Machine Learning with R: Define, build, and evaluate machine learning models for real-world applications | |
Anggoro et al. | Classification of Solo Batik patterns using deep learning convolutional neural networks algorithm | |
Vesanto et al. | An automated report generation tool for the data understanding phase | |
Amorim et al. | Supervised learning using local analysis in an optimal-path forest | |
Branch | A case study of applying som in market segmentation of automobile insurance customers | |
Hall | An Automated Approach to Bee Identi cation from Wing Venation | |
Ghosh et al. | Understanding machine learning | |
Rahman et al. | Deep Learning Modeling for Potato Breed Recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230523 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240527 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240626 |
|
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: 20240730 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240731 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7537724 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |