JPH01209582A - 画像認識システム - Google Patents
画像認識システムInfo
- Publication number
- JPH01209582A JPH01209582A JP3484488A JP3484488A JPH01209582A JP H01209582 A JPH01209582 A JP H01209582A JP 3484488 A JP3484488 A JP 3484488A JP 3484488 A JP3484488 A JP 3484488A JP H01209582 A JPH01209582 A JP H01209582A
- Authority
- JP
- Japan
- Prior art keywords
- associative
- pattern
- memory
- input
- section
- 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.)
- Pending
Links
- 230000015654 memory Effects 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 abstract description 20
- 230000007935 neutral effect Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 21
- 230000009977 dual effect Effects 0.000 description 10
- 238000013139 quantization Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔発明の技術分野〕
この発明は画像認識システムに関する。
[発明の背景とその間II 、! ]
m偉情報を!5!識する方法としては、単純な記号の!
!識に関しては、図形のW張、数種、細線化等の前処理
の後に所定の大艶ざの領域内の黒、白の領域の位り大き
き、相互の関係などをコード化し、登録データと比較す
る方法があった。また文字の認識に関しては、座標角度
分布、最終点リスト、反射線分等の特徴を抽出し、これ
らの特1飲と登録データの特徴とを比較する方法があっ
た。前者の方法では複雑な図形、文字等の認識が困難で
あることは明らかであるが、後者においては、文字の特
徴とVl録特徴間のマツチング時における許要であり、
またサンブリングデータ以外の手書文字の認識を行うこ
とは困難である。しかも一般に、手書文字の特徴は多種
多様であり、同一の文字の待1飲の個人差も大きい。
!識に関しては、図形のW張、数種、細線化等の前処理
の後に所定の大艶ざの領域内の黒、白の領域の位り大き
き、相互の関係などをコード化し、登録データと比較す
る方法があった。また文字の認識に関しては、座標角度
分布、最終点リスト、反射線分等の特徴を抽出し、これ
らの特1飲と登録データの特徴とを比較する方法があっ
た。前者の方法では複雑な図形、文字等の認識が困難で
あることは明らかであるが、後者においては、文字の特
徴とVl録特徴間のマツチング時における許要であり、
またサンブリングデータ以外の手書文字の認識を行うこ
とは困難である。しかも一般に、手書文字の特徴は多種
多様であり、同一の文字の待1飲の個人差も大きい。
この発明はこのような従来の問題点を解消すべく創案さ
れたもので、多様な特徴量の処理が可能であり、かつ認
識率を高め得る画像y!識システムを提供することを目
的とする。
れたもので、多様な特徴量の処理が可能であり、かつ認
識率を高め得る画像y!識システムを提供することを目
的とする。
この発明に係る画像認識システムは、画像を入力する入
力部と、入力された画像を処理しかつ持重を抽出する画
像処理部と、この画像処理部で処理された画像を入力パ
ターンとしてJ1想パターンを出力する連想部と、この
連想部の連想パターンに直接または間接的に対応したア
ドレスに記憶事項が格納されたメモリとを備え、いわゆ
るニューラルネットワークにより主要な認識の処理を行
うむのである。またこの発明の出願人は汎用高速画像処
理システムに関する一連の出願を行、ており、このIT
I像処理システムは実用的速度で、!!!識に必要な特
徴量を抽出するのに好適である。
力部と、入力された画像を処理しかつ持重を抽出する画
像処理部と、この画像処理部で処理された画像を入力パ
ターンとしてJ1想パターンを出力する連想部と、この
連想部の連想パターンに直接または間接的に対応したア
ドレスに記憶事項が格納されたメモリとを備え、いわゆ
るニューラルネットワークにより主要な認識の処理を行
うむのである。またこの発明の出願人は汎用高速画像処
理システムに関する一連の出願を行、ており、このIT
I像処理システムは実用的速度で、!!!識に必要な特
徴量を抽出するのに好適である。
次のこの発明に係るlli 6111E 81システム
の一実施例を図面に基づいて説明する。
の一実施例を図面に基づいて説明する。
第1図において画像!!識クシステム画像入力部1と、
画像処理部2と、認識部3とを備え、これらはバスBを
通じて相互に接続されるとともに、MPυ4に接IJ!
yれている。画像入力部1にはイメージスキャナ等の入
力機器とIloとを含み、Iloには適宜、データ圧縮
手段、データ保持のためのメモリ等が含まれる。画像処
理部2は特徴抽出を行う処理部5と、画像を保持するフ
レームメモリ6とを備え、所望により内部に画像入力部
1が設けられる。認識部3は、!!議すべき画像の想部
8と、連想部8の出力に基づいて、記4s事項が′Il
録されたメモリ9のアドレスを指定する変換部10とを
備えている。
画像処理部2と、認識部3とを備え、これらはバスBを
通じて相互に接続されるとともに、MPυ4に接IJ!
yれている。画像入力部1にはイメージスキャナ等の入
力機器とIloとを含み、Iloには適宜、データ圧縮
手段、データ保持のためのメモリ等が含まれる。画像処
理部2は特徴抽出を行う処理部5と、画像を保持するフ
レームメモリ6とを備え、所望により内部に画像入力部
1が設けられる。認識部3は、!!議すべき画像の想部
8と、連想部8の出力に基づいて、記4s事項が′Il
録されたメモリ9のアドレスを指定する変換部10とを
備えている。
第2図は画像処理部における処理部5を示すものであり
、処理部5は、フレームメモリ6からマルチプレクサ1
1を介して遷択的に取り込んだデータをローカルバスL
Bを71シて近傍処理部12に転送している。近傍処理
部12にはデータを所定近傍領域(例えば3X3)単位
でデータを保持し、これらのデータを並列に演算部13
に入力する。演算部13は数値演算部14および状態演
録部15を有し、近傍処理部12の出力は数値演算部1
4に入力される。数値演算部14は乗算部16、セレク
タ17.統合部18を順次接続してなり、微分その他の
オペレータ処理や画障閏演算は数値t14算部14にお
いて行なわれる。数値演算は例えば各画素の濃度に乗数
を乗じた後にこれを数値的に統合する処理を行うが、同
一の画素にはfl!すれている。これによって乗算部の
カーネル数は同時処理画素数に等しい最小値とすること
ができ、これにともなって後段のセレクタ、統合部のゲ
ート数も減少する。従って数値演算部は小規模回路で最
大限の機能をもっことができ、処理速度1+高速化され
る。
、処理部5は、フレームメモリ6からマルチプレクサ1
1を介して遷択的に取り込んだデータをローカルバスL
Bを71シて近傍処理部12に転送している。近傍処理
部12にはデータを所定近傍領域(例えば3X3)単位
でデータを保持し、これらのデータを並列に演算部13
に入力する。演算部13は数値演算部14および状態演
録部15を有し、近傍処理部12の出力は数値演算部1
4に入力される。数値演算部14は乗算部16、セレク
タ17.統合部18を順次接続してなり、微分その他の
オペレータ処理や画障閏演算は数値t14算部14にお
いて行なわれる。数値演算は例えば各画素の濃度に乗数
を乗じた後にこれを数値的に統合する処理を行うが、同
一の画素にはfl!すれている。これによって乗算部の
カーネル数は同時処理画素数に等しい最小値とすること
ができ、これにともなって後段のセレクタ、統合部のゲ
ート数も減少する。従って数値演算部は小規模回路で最
大限の機能をもっことができ、処理速度1+高速化され
る。
数値演算部14内のデータは状態iI4算部l5に導か
れ、状!!!演算部15は所定近傍領域内の画素に対し
次のような判断または演算を行う。
れ、状!!!演算部15は所定近傍領域内の画素に対し
次のような判断または演算を行う。
■ 中央画素が処理対象画素であるか否か。
!I)8近傍に中央画素と異なる濃度の画素が存在する
か否か。
か否か。
11118近傍の各画素が中央画素と同一か否か。
lv l オイラー数算出のためのTFDEの各個数
。
。
V)所定パターンとの一致度。
vI)その他。
このように数値演算とともに状態演算を並列的にしかも
別回路で行うことにより、各回路の効率は特徴量抽出の
ための有効なデータである。
別回路で行うことにより、各回路の効率は特徴量抽出の
ための有効なデータである。
状態演算部15の出力は変換部19に入力されざらに特
1飲油出や、積算、比較などの処理により特徴量が求め
られる。
1飲油出や、積算、比較などの処理により特徴量が求め
られる。
変換部19はスタティックRAMなどの高速メモリの出
力の分岐にフルアダーなとの軽演算部を接続し、この軽
演算部の出力を高速メモリのデータ入力にフィードバッ
クしてなるものである。このような構成により、同一デ
ータに同一演算を繰返し施したり、データの積算、デー
タの逐次比較等の纜雑な演算を小規模の回路において高
速で行う こ と が で き る 。
力の分岐にフルアダーなとの軽演算部を接続し、この軽
演算部の出力を高速メモリのデータ入力にフィードバッ
クしてなるものである。このような構成により、同一デ
ータに同一演算を繰返し施したり、データの積算、デー
タの逐次比較等の纜雑な演算を小規模の回路において高
速で行う こ と が で き る 。
演算部13、変換部19の出力は出力側のローカルバス
LBを通じて前記フレームメモリ6のいずれかに戻され
ている。
LBを通じて前記フレームメモリ6のいずれかに戻され
ている。
出力側のローカルパスLBにはさらに逐次処理部20が
接続され、ラベリングや細線化などの逐照しつつ、逐次
処理を行う。
接続され、ラベリングや細線化などの逐照しつつ、逐次
処理を行う。
このような処理部においては、極めて多積な特徴量を高
速で求めることができ、認識部3に貴重な特徴量を供給
し得る。なおフレームメモリ6としてデュアルボートメ
そすを採用すれば、データの読出し、書き込みを極めて
高速で行い得る。
速で求めることができ、認識部3に貴重な特徴量を供給
し得る。なおフレームメモリ6としてデュアルボートメ
そすを採用すれば、データの読出し、書き込みを極めて
高速で行い得る。
認識部3における連想部8としては、例えば第3図に示
す回路が採用され、いわゆる記憶マトリックスに対する
以下のようなマトリックス演算が行なわれる。
す回路が採用され、いわゆる記憶マトリックスに対する
以下のようなマトリックス演算が行なわれる。
→ →
Z=φo (M y )
→ →
間=xx’
→
X : 記憶事項(継ベクトル)
→
x’; xの転1テ列
M : 記憶行列
→
y : 入力(継ベクトル)の転置行列φ0: 量子化
関数(行列の各要素を正のとき1.0のと伊O1負のと
き−1に 変換する。) → Z :a想(1に!ベクトル) 認識部3はデュアルポートメモリ21を備え、デュアル
ポートメモリ21のシリアルI10には連想部あるいは
行列演算部22が接続されている。行列演算部22の出
力は量子化部23に接続されている。
関数(行列の各要素を正のとき1.0のと伊O1負のと
き−1に 変換する。) → Z :a想(1に!ベクトル) 認識部3はデュアルポートメモリ21を備え、デュアル
ポートメモリ21のシリアルI10には連想部あるいは
行列演算部22が接続されている。行列演算部22の出
力は量子化部23に接続されている。
デュアルポートメモリ21には記憶事項を示すベクトル
(n行とする。)とその転置行列との積よりなるnXn
のマトリクスがその行列の配列に応じて登録され、シリ
アル!10(図中SIOで示す。)にはこのマトリクス
が1行単位で読み出される。SIOに読み出されたデー
タは1クロツク毎に1要素ずつ出力きれ、その読み出し
は高速である。
(n行とする。)とその転置行列との積よりなるnXn
のマトリクスがその行列の配列に応じて登録され、シリ
アル!10(図中SIOで示す。)にはこのマトリクス
が1行単位で読み出される。SIOに読み出されたデー
タは1クロツク毎に1要素ずつ出力きれ、その読み出し
は高速である。
行列演算部22はn行のベクトルよりなる入力パターン
全体を保持する連想用入力部24を備え、この連想用入
力部24は例えばシフトレジスタで構成されている。入
力部24で保持された入力パターンとSIOから出力さ
れるデータは乗算部25で要素毎に乗算され、乗算結果
は加算11126においてそれまでの乗算結果の累積と
加算される。それまでの乗算結果の累積は保持部27に
格納される。
全体を保持する連想用入力部24を備え、この連想用入
力部24は例えばシフトレジスタで構成されている。入
力部24で保持された入力パターンとSIOから出力さ
れるデータは乗算部25で要素毎に乗算され、乗算結果
は加算11126においてそれまでの乗算結果の累積と
加算される。それまでの乗算結果の累積は保持部27に
格納される。
入力パターンの積の累積値すなわち
→
%l X y ’
が求められたと艶には、その値は量子化部23に入力さ
れる。
れる。
量子化部23では
→
% X y ’
の各要素を、正ならば1に、0ならば0に、負ならば−
1に変換し、その結果を第2のデュアルポートメモリ2
8に格納する。
1に変換し、その結果を第2のデュアルポートメモリ2
8に格納する。
量子化部3は例えば第4図のように構成され、要素Eの
絶対値を閾値Hと比較し、そのサインフラグS2を出力
する。また要素EのサインフラグS+とサインフラグS
2から、次の論理により量子化した値の絶対値Vおよび
そのサインフラグS。
絶対値を閾値Hと比較し、そのサインフラグS2を出力
する。また要素EのサインフラグS+とサインフラグS
2から、次の論理により量子化した値の絶対値Vおよび
そのサインフラグS。
を出力する。
S 3=S (X S 2
V ” S 2
この真理値表は第1表のとおりとなる。
第1表
入力パターンとしては前述の画俺処理部で樗らで900
バイトの入力パターン、すなわち、900行の継ベクト
ルとなり、記憶行列は900X900、要素数81万の
行列となる。
バイトの入力パターン、すなわち、900行の継ベクト
ルとなり、記憶行列は900X900、要素数81万の
行列となる。
デュアルポートメモリの読出しサイクルを40nsec
とすると、記憶行列の読出しは、40X10−’X81
0.0OO=32.4nsec程度の時間で行うことが
できる。
とすると、記憶行列の読出しは、40X10−’X81
0.0OO=32.4nsec程度の時間で行うことが
できる。
なお各ブロック間をパイプライン処理とすれば全体の処
理をより高速化でき、また、第2のデュアルポートメモ
リ28を省略して、第1のデュアルポートメモリ1に処
理結果を格納してもよい。
理をより高速化でき、また、第2のデュアルポートメモ
リ28を省略して、第1のデュアルポートメモリ1に処
理結果を格納してもよい。
行列演算部22にはざらに学習のための構成要素が含ま
れており、学習のための構成要素と想起のための構成要
素はマルチプレクサ等で選択される。
れており、学習のための構成要素と想起のための構成要
素はマルチプレクサ等で選択される。
乗W部25には、SIOと学習用の入力パターンとを選
択するマルチプレクサ29が接続され、加算部6には、
保持部7の出力とSIOの出力とを選択するマルチプレ
クサ30が接続されている。
択するマルチプレクサ29が接続され、加算部6には、
保持部7の出力とSIOの出力とを選択するマルチプレ
クサ30が接続されている。
学習用の入力パターンは、入力パターンとその転1テ列
との積であり、シフトレジスタ24に保持されたベクト
ルの全要素の1つを乗じたものを加算する。この1つの
要素の保持のために保持部31が設けられている。
との積であり、シフトレジスタ24に保持されたベクト
ルの全要素の1つを乗じたものを加算する。この1つの
要素の保持のために保持部31が設けられている。
このように構成された入力パターンは1行毎に加算部2
6において記憶行列Mに加算される。
6において記憶行列Mに加算される。
前記量子化部23は最大値を固定する機能に切換ること
が可能であり、入力パターンと2惚は列との和において
所定の最大値を越えるものがあるときにはそれを所定の
最大値に変更する。例えば記憶行列の各要素を8ビツト
とすると、入力パターンとの加算により要素が255を
越えOに戻るおそれがあるが、最大値を255に規制し
ておけばそのような問題は生じない。
が可能であり、入力パターンと2惚は列との和において
所定の最大値を越えるものがあるときにはそれを所定の
最大値に変更する。例えば記憶行列の各要素を8ビツト
とすると、入力パターンとの加算により要素が255を
越えOに戻るおそれがあるが、最大値を255に規制し
ておけばそのような問題は生じない。
このようなニューラルネントワーク型のL2IJa部は
i想結果に対して教師53号を与えてい(ことにより、
記憶行列の各要素が変化し、最適な連想を生じるように
教育し得るので、人為的に連想パターンを決定する必要
はなく、容量の許すIII囲内で任意の図形の認識に適
用でき、文字認識においては、ユーザの文字の特性を学
習してそのユーザの文字を高い確率で認識し得るように
なる。
i想結果に対して教師53号を与えてい(ことにより、
記憶行列の各要素が変化し、最適な連想を生じるように
教育し得るので、人為的に連想パターンを決定する必要
はなく、容量の許すIII囲内で任意の図形の認識に適
用でき、文字認識においては、ユーザの文字の特性を学
習してそのユーザの文字を高い確率で認識し得るように
なる。
メモリ9には種々の記憶行列の各位およびm終的に連想
すべき文字などのデータが登録されており、一定の連想
を行うときには記憶行列の各要素を連想部8のデュアル
ポートメモリ21に転送する。連!!! fRl 8の
出力は連想すべき文字のコード番号などとし、コード番
号でメモリ9のアドレスを直接指定し、あるいは、3!
!忠部8の出力を変換部10でコード番号に変換してメ
モリ9のアドレスを指定してもよい。
すべき文字などのデータが登録されており、一定の連想
を行うときには記憶行列の各要素を連想部8のデュアル
ポートメモリ21に転送する。連!!! fRl 8の
出力は連想すべき文字のコード番号などとし、コード番
号でメモリ9のアドレスを直接指定し、あるいは、3!
!忠部8の出力を変換部10でコード番号に変換してメ
モリ9のアドレスを指定してもよい。
なおi想部の構成は以上の実施例に限定されるものでは
なくマカロツク、ビッツモデルに基づtまたコネクショ
ンマシーン等をも使用し得るたtこし現在の半導体技術
では大容量、小型のコネクションマシーンをハードウェ
アで構成することは困難であるので、記憶行列を用いた
構成が好ましtl。
なくマカロツク、ビッツモデルに基づtまたコネクショ
ンマシーン等をも使用し得るたtこし現在の半導体技術
では大容量、小型のコネクションマシーンをハードウェ
アで構成することは困難であるので、記憶行列を用いた
構成が好ましtl。
ざらに画像処理部2は前記実施例に限定されるものでは
なく、多くの特1飲量を抽出し得る高速画像処理システ
ムであれば任意の構成を採用し得る。
なく、多くの特1飲量を抽出し得る高速画像処理システ
ムであれば任意の構成を採用し得る。
前述のとおり、この発明に係る画lt認識システムは、
画像を入力する入力部と、入力された画像を処理しかつ
特徴を抽出する画像処理部と、この1iii像処理部で
処理された画像を入力パターンとして連想パターンを出
力する連想部と、この運!!l!部の連想パターンに直
接または間接的に対応したアドレスに記憶事項が格納さ
れたメモリとを備え、いわゆるニューラルネットワーク
により主要な認識の処理を行うので、多様な特徴量の処
理が可能であるとともに、r;lU&率を高め得るとい
うほれた効果を有する。
画像を入力する入力部と、入力された画像を処理しかつ
特徴を抽出する画像処理部と、この1iii像処理部で
処理された画像を入力パターンとして連想パターンを出
力する連想部と、この運!!l!部の連想パターンに直
接または間接的に対応したアドレスに記憶事項が格納さ
れたメモリとを備え、いわゆるニューラルネットワーク
により主要な認識の処理を行うので、多様な特徴量の処
理が可能であるとともに、r;lU&率を高め得るとい
うほれた効果を有する。
第1図はこの発明に係る画像!!!識シフシステム実施
例を示すブロック図、第2図は同実施例における画像処
理部を示す1099図、第3図は同実施例における連想
部を示すブロック図、第4[i!lは連想部における量
子化部を示すブロック図である1・画像入力部、2・・
・画像処理部、3・認識部、4・・・MPU、5・−・
処理部、6・・・フレームメモリ、7・・・入力部、8
・・j1想部、9・・メモl鳳10・変換部、11・・
・マルチプレクサ、12・・・近傍処理部、13・・・
演算部、14・・・数値演算部、15・・状態演算部、
16・・・乗算部、17・・・セレクタ、18 統合部
、19・・・変換部、2o・・逐次処理部、21・・・
デュアルポートメモリ、22・・・行列演算部、23・
・・量子化部、24・・速忠用入力部、25・・乗算部
、26・・・加算部、27・・・保持部、28・・・デ
ュアルポートメモリ、29.30・・マルチプレクサ。
例を示すブロック図、第2図は同実施例における画像処
理部を示す1099図、第3図は同実施例における連想
部を示すブロック図、第4[i!lは連想部における量
子化部を示すブロック図である1・画像入力部、2・・
・画像処理部、3・認識部、4・・・MPU、5・−・
処理部、6・・・フレームメモリ、7・・・入力部、8
・・j1想部、9・・メモl鳳10・変換部、11・・
・マルチプレクサ、12・・・近傍処理部、13・・・
演算部、14・・・数値演算部、15・・状態演算部、
16・・・乗算部、17・・・セレクタ、18 統合部
、19・・・変換部、2o・・逐次処理部、21・・・
デュアルポートメモリ、22・・・行列演算部、23・
・・量子化部、24・・速忠用入力部、25・・乗算部
、26・・・加算部、27・・・保持部、28・・・デ
ュアルポートメモリ、29.30・・マルチプレクサ。
Claims (1)
- (1)画像を入力する入力部と、入力された画像を処理
しかつ特徴を抽出する画像処理部と、この画像処理部で
処理された画像を入力パターンとして連想パターンを出
力する連想部と、この連想部の連想パターンに対応した
アドレスに記憶事項が格納されたメモリとを備えた画像
認識システム。
Priority Applications (9)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3484488A JPH01209582A (ja) | 1988-02-17 | 1988-02-17 | 画像認識システム |
US07/295,763 US5040230A (en) | 1988-01-11 | 1989-01-11 | Associative pattern conversion system and adaptation method thereof |
EP89100421A EP0327817B1 (en) | 1988-01-11 | 1989-01-11 | Associative pattern conversion system and adaptation method thereof |
DE198989100421T DE327817T1 (de) | 1988-01-11 | 1989-01-11 | Assoziatives musterkonversionssystem und anpassungsverfahren dafuer. |
DE68927014T DE68927014T2 (de) | 1988-01-11 | 1989-01-11 | Assoziatives Musterkonversionssystem und Anpassungsverfahren dafür |
US07/501,875 US5136653A (en) | 1988-01-11 | 1990-03-29 | Acoustic recognition system using accumulate power series |
GR89300174T GR890300174T1 (en) | 1988-01-11 | 1990-05-11 | Associative pattern conversion system and adaptation method thereof |
US08/033,465 US5416850A (en) | 1988-01-11 | 1993-03-18 | Associative pattern conversion system and adaption method thereof |
US08/307,072 US5506915A (en) | 1988-01-11 | 1994-09-16 | Associative pattern conversion system and adaptation method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3484488A JPH01209582A (ja) | 1988-02-17 | 1988-02-17 | 画像認識システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH01209582A true JPH01209582A (ja) | 1989-08-23 |
Family
ID=12425500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3484488A Pending JPH01209582A (ja) | 1988-01-11 | 1988-02-17 | 画像認識システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH01209582A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03132467A (ja) * | 1989-10-18 | 1991-06-05 | Toshiba Corp | 移動体識別装置 |
-
1988
- 1988-02-17 JP JP3484488A patent/JPH01209582A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03132467A (ja) * | 1989-10-18 | 1991-06-05 | Toshiba Corp | 移動体識別装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4484346A (en) | Neighborhood transformation logic circuitry for an image analyzer system | |
US4395698A (en) | Neighborhood transformation logic circuitry for an image analyzer system | |
NL7902709A (nl) | Automatische beeldverwerker. | |
CN108596330A (zh) | 一种并行特征全卷积神经网络及其构建方法 | |
US20200279166A1 (en) | Information processing device | |
CN108681773B (zh) | 数据运算的加速方法、装置、终端及可读存储介质 | |
CN112200189B (zh) | 基于SPP-YOLOv3的车型识别方法、装置及计算机可读存储介质 | |
Shi et al. | An FPGA-based hardware accelerator for traffic sign detection | |
US4805226A (en) | Image processing apparatus | |
US11481919B2 (en) | Information processing device | |
JP2001527249A (ja) | 画像検出用装置 | |
JPH01209582A (ja) | 画像認識システム | |
CN114693919A (zh) | 一种目标检测方法、终端设备及存储介质 | |
KR102154834B1 (ko) | 저전력 및 고속 연산을 위한 dram용 비트와이즈 컨볼루션 회로 | |
JPS6337481A (ja) | グレイスケ−ル画像処理において変換を行なうための装置及び方法 | |
Herron et al. | A general-purpose high-speed logical transform image processor | |
CN111783876A (zh) | 自适应智能检测电路及图像智能检测方法 | |
Ikebe et al. | A digital vision chip for early feature extraction with rotated template-matching CA | |
Jackel et al. | VLSI implementations of electronic neural networks: An example in character recognition | |
EP0447751B1 (en) | Image processing system | |
JP2806436B2 (ja) | 演算回路 | |
EP0428624A4 (en) | Intelligent scan image processor | |
Nakagawa et al. | A real-time image feature vector generator employing functional cache memory for edge flags | |
JP2658346B2 (ja) | 並列画像処理装置 | |
JPS63837B2 (ja) |