JPH06309464A - 多判定器によるパターン認識装置 - Google Patents
多判定器によるパターン認識装置Info
- Publication number
- JPH06309464A JPH06309464A JP5091708A JP9170893A JPH06309464A JP H06309464 A JPH06309464 A JP H06309464A JP 5091708 A JP5091708 A JP 5091708A JP 9170893 A JP9170893 A JP 9170893A JP H06309464 A JPH06309464 A JP H06309464A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- recognition
- dictionary
- learning
- comprehensive judgment
- 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.)
- Granted
Links
Landscapes
- Character Discrimination (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【目的】 本発明は、文字, 画像, 音声などのパターン
を自動的に認識する装置に関し、その認識精度を向上さ
せる。 【構成】 文字，画像，音声などパターンを自動的に認
識する装置であって、入力パターンを管理し、複数の判
定器群(2) に伝達するコントローラ(1) と、異なる認識
方法を実装した複数の判定器群(2) と、それらから出力
される認識結果を総合判定する総合判定器(3) と、総合
判定に関する学習データを格納する総合判定辞書(4) か
らなり、学習時において、各判定器群(2) から出力され
る認識結果を一組のパターンとして辞書(4) に登録し、
学習の終了時に各判定器群(2) ごとの正解率を求めて辞
書(4) に登録し、未学習パターンの認識において，総合
判定器(3) が全判定器群(2) の認識結果と、予め、学習
によって作成した辞書(4) 内のパターンとを比較し、一
致するパターンが存在すれば、そこに登録された学習カ
テゴリを最終認識結果として出力する。
を自動的に認識する装置に関し、その認識精度を向上さ
せる。 【構成】 文字，画像，音声などパターンを自動的に認
識する装置であって、入力パターンを管理し、複数の判
定器群(2) に伝達するコントローラ(1) と、異なる認識
方法を実装した複数の判定器群(2) と、それらから出力
される認識結果を総合判定する総合判定器(3) と、総合
判定に関する学習データを格納する総合判定辞書(4) か
らなり、学習時において、各判定器群(2) から出力され
る認識結果を一組のパターンとして辞書(4) に登録し、
学習の終了時に各判定器群(2) ごとの正解率を求めて辞
書(4) に登録し、未学習パターンの認識において，総合
判定器(3) が全判定器群(2) の認識結果と、予め、学習
によって作成した辞書(4) 内のパターンとを比較し、一
致するパターンが存在すれば、そこに登録された学習カ
テゴリを最終認識結果として出力する。
Description
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は文字，画像，音声などの
パターンをコンピュータ内で自動的に認識する分野にお
いて、その認識精度を向上させるパターン認識装置に関
する。
パターンをコンピュータ内で自動的に認識する分野にお
いて、その認識精度を向上させるパターン認識装置に関
する。
【０００２】従来から、文字，画像，音声などのパター
ンを認識する各種の装置が知られているが、１００％の
認識率を持つパターン認識装置は未だ存在していないの
が現状である。
ンを認識する各種の装置が知られているが、１００％の
認識率を持つパターン認識装置は未だ存在していないの
が現状である。
【０００３】然し、それぞれのパターン認識装置は、そ
れぞれ固有の特徴を備えており、得意，不得意の領域が
ある。従って、これらの各種のパターン認識装置を使用
し、学習時での、それぞれの認識結果を履歴として記録
しておき、未学習パターンを認識するとき、上記の学習
結果を用いて総合的に判断することで、それぞれのパタ
ーン認識装置の特徴を生かしたパターン認識を行うこと
ができ、認識率を向上させることが期待できる。
れぞれ固有の特徴を備えており、得意，不得意の領域が
ある。従って、これらの各種のパターン認識装置を使用
し、学習時での、それぞれの認識結果を履歴として記録
しておき、未学習パターンを認識するとき、上記の学習
結果を用いて総合的に判断することで、それぞれのパタ
ーン認識装置の特徴を生かしたパターン認識を行うこと
ができ、認識率を向上させることが期待できる。
【０００４】特に、パターン認識の履歴が残っていて、
どのパターンのとき、どういう認識をしたかが記録され
ていることで、パターン認識装置の部分的な改善を行う
ことができる。
どのパターンのとき、どういう認識をしたかが記録され
ていることで、パターン認識装置の部分的な改善を行う
ことができる。
【０００５】複数個のパターン認識結果を総合的に判断
する方法として、例えば、特開昭４−３１９５５号公報
「文字認識装置」に示されているようなニューラルネッ
トワークによる認識方法があるが、ニューラルネットワ
ークによる認識方法では、それぞれの学習パターンが、
認識結果に対してどのような影響を与えているかが判ら
ない。例えば、認識率を向上させるのにあまり効果的で
ないパターンも学習してしまい、どのサンプルが良いの
かの論理的な説明ができないという問題が残り、パター
ン認識装置の構成要件としては適切ではない。
する方法として、例えば、特開昭４−３１９５５号公報
「文字認識装置」に示されているようなニューラルネッ
トワークによる認識方法があるが、ニューラルネットワ
ークによる認識方法では、それぞれの学習パターンが、
認識結果に対してどのような影響を与えているかが判ら
ない。例えば、認識率を向上させるのにあまり効果的で
ないパターンも学習してしまい、どのサンプルが良いの
かの論理的な説明ができないという問題が残り、パター
ン認識装置の構成要件としては適切ではない。
【０００６】
【従来の技術】図５は、従来のパターン認識装置を説明
する図である。これまでのパターン認識では、各種の認
識方法，認識アルゴリズムが提案されているが、それぞ
れ性質が異なり、得意，不得意な対象パターンがある。
する図である。これまでのパターン認識では、各種の認
識方法，認識アルゴリズムが提案されているが、それぞ
れ性質が異なり、得意，不得意な対象パターンがある。
【０００７】従って、パターン認識装置（たとえばＯＣ
Ｒなど）を構成する際には、認識対象に合わせて最適な
認識方式（アルゴリズム）を選択する必要がある。然
し、現実には、認識対象となる入力パターンは外界の影
響により、さまざまな変形を受ける。一方、認識装置
は、一旦、構成してしまうと、その認識方法を変更する
ことができないため、認識の精度が落ちることになる。
Ｒなど）を構成する際には、認識対象に合わせて最適な
認識方式（アルゴリズム）を選択する必要がある。然
し、現実には、認識対象となる入力パターンは外界の影
響により、さまざまな変形を受ける。一方、認識装置
は、一旦、構成してしまうと、その認識方法を変更する
ことができないため、認識の精度が落ちることになる。
【０００８】これを改善するため、図５に示したよう
に、従来から、認識方法の異なる複数の認識装置（判定
器） 21,22, 〜を、並列に構成し、その認識結果を総合
判定して、一つの判定を出力するような構成が提案され
ている。
に、従来から、認識方法の異なる複数の認識装置（判定
器） 21,22, 〜を、並列に構成し、その認識結果を総合
判定して、一つの判定を出力するような構成が提案され
ている。
【０００９】この場合、認識結果の総合判定の方法とし
ては、1)確信度が最大である判定器21,22, 〜の認識結
果を採用する。2)最も多い認識結果を採用する（多数
決) 。3)各判定器 21,22, 〜としてニューラルネットワ
ークを使用し、各ニューラルネットワークでの判定結果
の総合判定を行う。等が提案されている。
ては、1)確信度が最大である判定器21,22, 〜の認識結
果を採用する。2)最も多い認識結果を採用する（多数
決) 。3)各判定器 21,22, 〜としてニューラルネットワ
ークを使用し、各ニューラルネットワークでの判定結果
の総合判定を行う。等が提案されている。
【００１０】
【発明が解決しようとする課題】上記の従来技術では、
次のような問題がある。例えば、上記 1) 項の、確信度
が最大のものを採用する構成の場合には、それ以外の判
定結果を無視して、特定の判定方法のみを全面的に信用
するため、やはり最終結果の信頼性が低下する。
次のような問題がある。例えば、上記 1) 項の、確信度
が最大のものを採用する構成の場合には、それ以外の判
定結果を無視して、特定の判定方法のみを全面的に信用
するため、やはり最終結果の信頼性が低下する。
【００１１】又、2)項の多数決方法をとる構成の場合、
ほぼ半々の結果が出たときには、多数決を無理に行うこ
とになり、最終判定の信頼性が低下する。又、3)項に述
べているように、上記判定器 2として、ニューラルネッ
トワークを使用する方法｛前述の特開平４−３１９５５
号公報「文字認識装置」参照｝では、個々の判定結果を
総合的に判定し、最終結果を導くように学習を進めるこ
とができるが、前述のように、どのような入力パターン
が、どのように、最終結果に影響を及ぼしているかを論
理的に説明することができないため、認識率が悪い場合
には、新たな学習パターンを加えて、再度、学習する必
要があり、学習に手間がかかるという問題がある。
ほぼ半々の結果が出たときには、多数決を無理に行うこ
とになり、最終判定の信頼性が低下する。又、3)項に述
べているように、上記判定器 2として、ニューラルネッ
トワークを使用する方法｛前述の特開平４−３１９５５
号公報「文字認識装置」参照｝では、個々の判定結果を
総合的に判定し、最終結果を導くように学習を進めるこ
とができるが、前述のように、どのような入力パターン
が、どのように、最終結果に影響を及ぼしているかを論
理的に説明することができないため、認識率が悪い場合
には、新たな学習パターンを加えて、再度、学習する必
要があり、学習に手間がかかるという問題がある。
【００１２】このように、従来のパターン認識装置で
は、各認識方法の持つ特性を無視して、単純な論理によ
る総合判定、例えば、認識結果の信頼度の最大のものを
選択するとか、多数決論理により、判定するといったも
のであるため、多数の認識方法を並列化しているにも係
わらず、その最終判定結果の信頼性はそれほど向上しな
い。
は、各認識方法の持つ特性を無視して、単純な論理によ
る総合判定、例えば、認識結果の信頼度の最大のものを
選択するとか、多数決論理により、判定するといったも
のであるため、多数の認識方法を並列化しているにも係
わらず、その最終判定結果の信頼性はそれほど向上しな
い。
【００１３】本発明は上記従来の欠点に鑑み、上記よう
な総合判定に関する従来方法を改善し、最終判定結果の
認識精度を、従来以上に向上させるだけでなく、多様な
入力パターンにもシステム構成を変更することなく、柔
軟に学習できるパターン認識装置を提供することを目的
とするものである。
な総合判定に関する従来方法を改善し、最終判定結果の
認識精度を、従来以上に向上させるだけでなく、多様な
入力パターンにもシステム構成を変更することなく、柔
軟に学習できるパターン認識装置を提供することを目的
とするものである。
【００１４】
【課題を解決するための手段】図１，図２は、本発明の
原理説明図であって、図１は基本構成図を示し、図２は
基本動作のフローを示している。上記の問題点は、下記
のように構成したパターン認識装置によって解決され
る。
原理説明図であって、図１は基本構成図を示し、図２は
基本動作のフローを示している。上記の問題点は、下記
のように構成したパターン認識装置によって解決され
る。
【００１５】(1) 文字，画像，音声などパターンを自動
的に認識する装置であって、入力パターンを管理し、複
数の判定器 21,22, 〜に伝達するコントローラ 1と、異
なる認識方法を実装した複数の判定器群 2と、それらか
ら出力される認識結果を総合判定する総合判定器 3と、
総合判定に関する学習データを格納する総合判定辞書
（以下、単に、辞書ということがある） 4からなり、学
習時において、各判定器 21,22, 〜から出力される認識
結果とパラメータ名、例えば、認識信頼度とを一組とし
て辞書 4に登録し、学習の終了時に各判定器21,22, 〜
ごとの正解率を求めて辞書 4に登録し、｛図２(a) の処
理ステップ 100〜103 参照｝未学習パターンの認識にお
いて、上記総合判定器 3が全判定器 21,22, 〜の認識結
果と、予め、学習によって作成した辞書 4内のパターン
とを比較し、一致するパターンが存在すれば、そこに登
録された学習カテゴリを最終認識結果として出力｛図２
(b) の処理ステップ 200〜204 参照｝し、上記総合判定
器 3と辞書 4内のパターンとの比較を行う際に、各判定
器 21,22, 〜ごとに認識結果を比較し、その比較結果に
応じた１つの値、例えば、一致したときは正の数、不一
致のときは負の数を計算し、その総合値が正か負かによ
ってマッチングの程度を判断するように構成する。
的に認識する装置であって、入力パターンを管理し、複
数の判定器 21,22, 〜に伝達するコントローラ 1と、異
なる認識方法を実装した複数の判定器群 2と、それらか
ら出力される認識結果を総合判定する総合判定器 3と、
総合判定に関する学習データを格納する総合判定辞書
（以下、単に、辞書ということがある） 4からなり、学
習時において、各判定器 21,22, 〜から出力される認識
結果とパラメータ名、例えば、認識信頼度とを一組とし
て辞書 4に登録し、学習の終了時に各判定器21,22, 〜
ごとの正解率を求めて辞書 4に登録し、｛図２(a) の処
理ステップ 100〜103 参照｝未学習パターンの認識にお
いて、上記総合判定器 3が全判定器 21,22, 〜の認識結
果と、予め、学習によって作成した辞書 4内のパターン
とを比較し、一致するパターンが存在すれば、そこに登
録された学習カテゴリを最終認識結果として出力｛図２
(b) の処理ステップ 200〜204 参照｝し、上記総合判定
器 3と辞書 4内のパターンとの比較を行う際に、各判定
器 21,22, 〜ごとに認識結果を比較し、その比較結果に
応じた１つの値、例えば、一致したときは正の数、不一
致のときは負の数を計算し、その総合値が正か負かによ
ってマッチングの程度を判断するように構成する。
【００１６】(2) 上記学習時において、各判定器 21,2
2, 〜ごとの正解率から、予め、設定した基準正解率を
下回る率の判定器を、パターン認識に不適当な判定器 2
1,又は、22, 〜として除外するように構成する。
2, 〜ごとの正解率から、予め、設定した基準正解率を
下回る率の判定器を、パターン認識に不適当な判定器 2
1,又は、22, 〜として除外するように構成する。
【００１７】(3) 上記学習時において、各学習パターン
ごとに出力パターンの出現回数を数え、その回数に比例
した確信度を辞書 4に登録するように構成する。 (4) 上記未学習パターンの認識において、辞書 4内に完
全に一致するパターンが存在しない場合、辞書 4内で最
大の正解率を持つ判定器 21,又は、22, 〜の認識結果を
最終結果とするように構成する。
ごとに出力パターンの出現回数を数え、その回数に比例
した確信度を辞書 4に登録するように構成する。 (4) 上記未学習パターンの認識において、辞書 4内に完
全に一致するパターンが存在しない場合、辞書 4内で最
大の正解率を持つ判定器 21,又は、22, 〜の認識結果を
最終結果とするように構成する。
【００１８】(5) 上記未学習パターンの認識において、
辞書 4内に完全に一致するパターンが存在しない場合、
辞書 4内で、正解率が高い判定器 21,22, 〜を上位Ｌ位
までとり、その範囲内でパターンが一致するか否かを判
定し、一致したパターンに対応したカテゴリを最終結果
とするように構成する。
辞書 4内に完全に一致するパターンが存在しない場合、
辞書 4内で、正解率が高い判定器 21,22, 〜を上位Ｌ位
までとり、その範囲内でパターンが一致するか否かを判
定し、一致したパターンに対応したカテゴリを最終結果
とするように構成する。
【００１９】(6) 上記未学習パターンの認識において、
辞書 4内で一致したパターンの出現回数に応じた確信度
を、最終結果の確信度として出力するように構成する。
辞書 4内で一致したパターンの出現回数に応じた確信度
を、最終結果の確信度として出力するように構成する。
【００２０】
【作用】図１に本発明の基本構成を示す。ここで、コン
トローラ 1は、画像や音声など認識すべき入力パターン
を管理し、複数個の判定器 21,22, 〜にそれを分配する
機能を持つ。判定器群２は、上記複数の判定器 21,22,
〜からなり，それぞれ異なる認識方法を実行する。ここ
で、２はＲＥＣ(1) 〜ＲＥＣ(n) のｎ個の判定器からな
るとする。総合判定器 3は、ＲＥＣ(1) 〜ＲＥＣ(n) の
認識結果を総合的に判定する。学習時にはこの総合判定
器３が独自に総合判定辞書 4を作成する。総合判定辞書
4は学習パターンに対するＲＥＣ(1) 〜ＲＥＣ(n) の認
識結果を保存して、未学習パターンの認識時に総合判定
器 3に格納されている各認識結果を参照し、所定の論理
条件に基づいて、総合的に判定する。
トローラ 1は、画像や音声など認識すべき入力パターン
を管理し、複数個の判定器 21,22, 〜にそれを分配する
機能を持つ。判定器群２は、上記複数の判定器 21,22,
〜からなり，それぞれ異なる認識方法を実行する。ここ
で、２はＲＥＣ(1) 〜ＲＥＣ(n) のｎ個の判定器からな
るとする。総合判定器 3は、ＲＥＣ(1) 〜ＲＥＣ(n) の
認識結果を総合的に判定する。学習時にはこの総合判定
器３が独自に総合判定辞書 4を作成する。総合判定辞書
4は学習パターンに対するＲＥＣ(1) 〜ＲＥＣ(n) の認
識結果を保存して、未学習パターンの認識時に総合判定
器 3に格納されている各認識結果を参照し、所定の論理
条件に基づいて、総合的に判定する。
【００２１】図２に本発明の基本動作をフローで示す。
図２(a) は、学習パターンを各判定器｛REC(1)〜｝で認
識した結果を、総合判定辞書に格納する動作を示す。総
合判定辞書には、各判定器｛REC(1)〜｝がどのパターン
でどういう認識結果と, 認識信頼度 (％) を出力した
か、を逐一記憶すると共に、各判定器｛REC(1)〜｝での
総合正解率 (％) を出力する。
図２(a) は、学習パターンを各判定器｛REC(1)〜｝で認
識した結果を、総合判定辞書に格納する動作を示す。総
合判定辞書には、各判定器｛REC(1)〜｝がどのパターン
でどういう認識結果と, 認識信頼度 (％) を出力した
か、を逐一記憶すると共に、各判定器｛REC(1)〜｝での
総合正解率 (％) を出力する。
【００２２】上記の総合正解率 (％) が、予め、設定し
た基準正解率を下回る率の判定器については、パターン
認識に不適当な判定器として除外する。又、各学習パタ
ーン毎に、出力パターンの出現回数を数え、その回数に
比例した信頼度を、上記辞書に登録するようにする。
た基準正解率を下回る率の判定器については、パターン
認識に不適当な判定器として除外する。又、各学習パタ
ーン毎に、出力パターンの出現回数を数え、その回数に
比例した信頼度を、上記辞書に登録するようにする。
【００２３】図２(b) は未学習パターンを認識する際の
総合判定の動作を示す。各判定器｛REC(1)〜｝の認識結
果を、図２(a) に示した動作で、予め、作成した総合判
定辞書と比較し、一致する内容があるかを確認する。あ
れば辞書内に登録された最終判定結果を最終結果として
出力する。なければ判定不能として出力する。或いは、
辞書内で最大の正解率を持つ判定器の認識結果を最終結
果とする。又は、正解率の高い判定器を上位Ｌ位までも
採用して、その範囲内でパターンが一致するか否かを判
定し、一致したパターンに対応したカテゴリを最終結果
とする。
総合判定の動作を示す。各判定器｛REC(1)〜｝の認識結
果を、図２(a) に示した動作で、予め、作成した総合判
定辞書と比較し、一致する内容があるかを確認する。あ
れば辞書内に登録された最終判定結果を最終結果として
出力する。なければ判定不能として出力する。或いは、
辞書内で最大の正解率を持つ判定器の認識結果を最終結
果とする。又は、正解率の高い判定器を上位Ｌ位までも
採用して、その範囲内でパターンが一致するか否かを判
定し、一致したパターンに対応したカテゴリを最終結果
とする。
【００２４】このとき、辞書内に登録されている上記パ
ターンの出現回数に対応した信頼度を、最終結果の信頼
度として出力する。以上の構成と手順により、本発明が
実現できる。
ターンの出現回数に対応した信頼度を、最終結果の信頼
度として出力する。以上の構成と手順により、本発明が
実現できる。
【００２５】従って、学習時の認識結果を逐次記録して
おき、その記録結果に基づいて、判定できるので、従来
の多数決論理などよりも認識精度を向上できる。又、入
力パターンが大幅に変動しても，複数判定器の認識結果
が変化するのに応じて、総合判定辞書も変化するので、
全体の構成を変えることなく、適応できる。
おき、その記録結果に基づいて、判定できるので、従来
の多数決論理などよりも認識精度を向上できる。又、入
力パターンが大幅に変動しても，複数判定器の認識結果
が変化するのに応じて、総合判定辞書も変化するので、
全体の構成を変えることなく、適応できる。
【００２６】又、複数の判定器が同一のハードウェア内
になく、ネットワークに結合した各サーバに分散してい
るような環境においても、ネットワークを介して、それ
ぞれのサーバの判定器での認識結果を収集し、総合判定
辞書に登録した結果に基づいて認識することができるの
で、本発明の基本構成は変える必要がない。等の効果が
得られる。
になく、ネットワークに結合した各サーバに分散してい
るような環境においても、ネットワークを介して、それ
ぞれのサーバの判定器での認識結果を収集し、総合判定
辞書に登録した結果に基づいて認識することができるの
で、本発明の基本構成は変える必要がない。等の効果が
得られる。
【００２７】
【実施例】以下本発明の実施例を図面によって詳述す
る。前述の図１，図２は、本発明の原理説明図であり、
図３, 図４は、本発明の一実施例を示した図であって、
図３(a) は、総合判定辞書の構造例を示し、図３(b)
は、総合判定辞書において、出力パターンの出現回数の
多い順にソーティングした例を示し、図４は、総合判定
器で辞書内のパターンとの比較を行う際に、各判定器毎
に認識結果を比較して、その比較結果である一致，不一
致の値を計算して、その総合値によってマッチングの程
度を判定する例を模式的に示している。
る。前述の図１，図２は、本発明の原理説明図であり、
図３, 図４は、本発明の一実施例を示した図であって、
図３(a) は、総合判定辞書の構造例を示し、図３(b)
は、総合判定辞書において、出力パターンの出現回数の
多い順にソーティングした例を示し、図４は、総合判定
器で辞書内のパターンとの比較を行う際に、各判定器毎
に認識結果を比較して、その比較結果である一致，不一
致の値を計算して、その総合値によってマッチングの程
度を判定する例を模式的に示している。
【００２８】本発明においては、文字，画像，音声など
パターンを自動的に認識する装置であって、入力パター
ンを管理し、複数の判定器 21,22, 〜に伝達するコント
ローラ 1と、異なる認識方法を実装した複数の判定器群
2と、それらから出力される認識結果を総合判定する総
合判定器 3と、総合判定に関する学習データを格納する
総合判定辞書 4からなり、学習時において、各判定器 2
1,22, 〜から出力される認識結果とパラメータ名、例え
ば、認識信頼度とを一組として辞書 4に登録し、学習の
終了時に各判定器 21,22, 〜ごとの正解率を求めて辞書
4に登録し、未学習パターンの認識において、上記総合
判定器 3が全判定器 21,22, 〜の認識結果と、予め、学
習によって作成した辞書 4内のパターンとを比較し、一
致するパターンが存在すれば、そこに登録された学習カ
テゴリを最終認識結果として出力し、上記総合判定器 3
と辞書 4内のパターンとの比較を行う際に、各判定器 2
0,21, 〜ごとに認識結果を比較し、その比較結果に応じ
た１つの値、例えば、一致したときは正の数、不一致の
ときは負の数を計算し、その各判定器 21,22, 〜の値を
収集した総合値が負か正かによってマッチングの程度を
判断する手段等が、本発明を実施するのに必要な手段で
ある。尚、全図を通して同じ符号は同じ対象物を示して
いる。
パターンを自動的に認識する装置であって、入力パター
ンを管理し、複数の判定器 21,22, 〜に伝達するコント
ローラ 1と、異なる認識方法を実装した複数の判定器群
2と、それらから出力される認識結果を総合判定する総
合判定器 3と、総合判定に関する学習データを格納する
総合判定辞書 4からなり、学習時において、各判定器 2
1,22, 〜から出力される認識結果とパラメータ名、例え
ば、認識信頼度とを一組として辞書 4に登録し、学習の
終了時に各判定器 21,22, 〜ごとの正解率を求めて辞書
4に登録し、未学習パターンの認識において、上記総合
判定器 3が全判定器 21,22, 〜の認識結果と、予め、学
習によって作成した辞書 4内のパターンとを比較し、一
致するパターンが存在すれば、そこに登録された学習カ
テゴリを最終認識結果として出力し、上記総合判定器 3
と辞書 4内のパターンとの比較を行う際に、各判定器 2
0,21, 〜ごとに認識結果を比較し、その比較結果に応じ
た１つの値、例えば、一致したときは正の数、不一致の
ときは負の数を計算し、その各判定器 21,22, 〜の値を
収集した総合値が負か正かによってマッチングの程度を
判断する手段等が、本発明を実施するのに必要な手段で
ある。尚、全図を通して同じ符号は同じ対象物を示して
いる。
【００２９】以下、図１，図２を参照しながら、図３,
図４によって、本発明のパターン認識装置の構成と動作
を説明する。１．前提 学習対象とするカテゴリをＣ１〜Ｃｍとする（ｍカテゴ
リ）。その学習パターンを各カテゴリごとにＮｉ（ｉ＝
１〜ｎ）とする。今はｍ＝４，Ｎｉ＝５に設定してお
く。このとき、全学習パターン数はＮ１＋Ｎ２＋・・・
＋Ｎｍである。カテゴリｋの第ｊ番目の学習パターンを
Ｐｋｊと表す。
図４によって、本発明のパターン認識装置の構成と動作
を説明する。１．前提 学習対象とするカテゴリをＣ１〜Ｃｍとする（ｍカテゴ
リ）。その学習パターンを各カテゴリごとにＮｉ（ｉ＝
１〜ｎ）とする。今はｍ＝４，Ｎｉ＝５に設定してお
く。このとき、全学習パターン数はＮ１＋Ｎ２＋・・・
＋Ｎｍである。カテゴリｋの第ｊ番目の学習パターンを
Ｐｋｊと表す。
【００３０】各判定器をＲＥＣ(1) 21〜ＲＥＣ(n) 2nと
する。具体的な例としてｎ＝４に設定しておく。例え
ば、文字認識を例にとると、ＲＥＣ(1) 21は「パターン
マッチング法」，ＲＥＣ(2) 22は「折線近似法」，ＲＥ
Ｃ(3) 23は「弛緩法」，ＲＥＣ(4) 24は「複合類似度
法」など公知の認識方式をそれぞれ実現するものとす
る。それぞれに必要な辞書も各判定器 21,22, 〜内に含
まれているとする。
する。具体的な例としてｎ＝４に設定しておく。例え
ば、文字認識を例にとると、ＲＥＣ(1) 21は「パターン
マッチング法」，ＲＥＣ(2) 22は「折線近似法」，ＲＥ
Ｃ(3) 23は「弛緩法」，ＲＥＣ(4) 24は「複合類似度
法」など公知の認識方式をそれぞれ実現するものとす
る。それぞれに必要な辞書も各判定器 21,22, 〜内に含
まれているとする。
【００３１】各判定器 21,22, 〜は認識結果として，認
識したカテゴリ名（ｃｉ）とその時の確信度（ｒｉ）を
出力するものとする（ｉは判定器の番号）。２．学習 ２．１ 学習の基本動作 学習時の動作を説明する。学習用のパターンＰｋｊが入
力されると、コントローラ１はそのデータを各判定器Ｒ
ＥＣ(1) 21〜ＲＥＣ(4) 24に伝達する。各判定器 21 〜
24は、予め、内蔵している辞書（固定）を使用してパタ
ーン認識を行い、その結果を（ｃｉ，ｒｉ）として出力
する。総合判定器 3では、各（ｃｉ，ｒｉ）から図３
(a) に示す表を作成する。これを全学習パターンについ
て繰り返す。図３(a) では、確信度ｒｉは図示されてい
ないが、それぞれの判定結果ｃｉに、各判定器ｉ毎の確
信度ｒｉが付加されて出力されてくる。｛図２の処理ス
テップ 100,101参照｝ 学習が終了すると、図３(a) のようにカテゴリＣｉ
（“Ａ",“Ｂ",“Ｃ",“Ｄ”）毎に、横５, 縦４の表が
完成する。ここで全学習パターン（５パターン）に対し
て、正解（Ｃｉ）を出力した判定器があれば、この判定
器｛図示の例では、REC(2) 22 ｝は学習について１００
％の正解能力を持つことになる。同様に他の判定器につ
いても総合正解率を求めて、表に記入しておく。｛図２
の処理ステップ 102参照｝２．２ 学習結果のソーティング ｛請求項３に対応する
実施例｝ 次に同じＲＥＣ(1) 21〜ＲＥＣ(4) 24の認識結果を出力
した学習パターン毎に集計して、どういう出力パターン
が多かったかを調べるために、出現回数についてソーテ
ィングを行う。
識したカテゴリ名（ｃｉ）とその時の確信度（ｒｉ）を
出力するものとする（ｉは判定器の番号）。２．学習 ２．１ 学習の基本動作 学習時の動作を説明する。学習用のパターンＰｋｊが入
力されると、コントローラ１はそのデータを各判定器Ｒ
ＥＣ(1) 21〜ＲＥＣ(4) 24に伝達する。各判定器 21 〜
24は、予め、内蔵している辞書（固定）を使用してパタ
ーン認識を行い、その結果を（ｃｉ，ｒｉ）として出力
する。総合判定器 3では、各（ｃｉ，ｒｉ）から図３
(a) に示す表を作成する。これを全学習パターンについ
て繰り返す。図３(a) では、確信度ｒｉは図示されてい
ないが、それぞれの判定結果ｃｉに、各判定器ｉ毎の確
信度ｒｉが付加されて出力されてくる。｛図２の処理ス
テップ 100,101参照｝ 学習が終了すると、図３(a) のようにカテゴリＣｉ
（“Ａ",“Ｂ",“Ｃ",“Ｄ”）毎に、横５, 縦４の表が
完成する。ここで全学習パターン（５パターン）に対し
て、正解（Ｃｉ）を出力した判定器があれば、この判定
器｛図示の例では、REC(2) 22 ｝は学習について１００
％の正解能力を持つことになる。同様に他の判定器につ
いても総合正解率を求めて、表に記入しておく。｛図２
の処理ステップ 102参照｝２．２ 学習結果のソーティング ｛請求項３に対応する
実施例｝ 次に同じＲＥＣ(1) 21〜ＲＥＣ(4) 24の認識結果を出力
した学習パターン毎に集計して、どういう出力パターン
が多かったかを調べるために、出現回数についてソーテ
ィングを行う。
【００３２】図３(a) では同じカテゴリ (図示の例で
は、"A")内で、同じ出力パターン（ｃ１，ｃ２，ｃ３，
ｃ４）を持つものを集め、その累積値が多い順に並べ
る。図３(b) に並べ直した表を示す。以上で学習を終了
する。
は、"A")内で、同じ出力パターン（ｃ１，ｃ２，ｃ３，
ｃ４）を持つものを集め、その累積値が多い順に並べ
る。図３(b) に並べ直した表を示す。以上で学習を終了
する。
【００３３】２．３ 学習による不適判定器の除外｛請
求項２に対応する実施例｝ ここで図３(a) の表内で、総合正解率が、予め、設定し
た基準値より低い判定器｛たとえば基準値を３０％に設
定したときの判定器ＲＥＣ(4) 24｝が存在すれば、これ
を、パターン認識に不適切な判定器とみなして除外す
る。従って、ＲＥＣ(1) 21〜ＲＥＣ(4) 24の内、ＲＥＣ
(1) 21〜ＲＥＣ(3) 23のみを実用的な判定器とする。
｛図２の処理ステップ 103参照｝３．未学習パターンの認識 ３．１ 認識の基本動作 ｛請求項１に対応する実施例｝ 次に未学習パターンの認識について説明する。入力パタ
ーン（未知）は、コントローラ１から各判定器 21,22,
〜に伝達され，各判定器 21,22, 〜から認識結果が出力
される。総合判定器３は図３(a),(b) の形で記憶された
総合判定辞書４を検索し，同じ出力パターン（ｃ１，ｃ
２，ｃ３，ｃ４）があるか調べる。｛この実施例では、
前述の REC(4) 24は、除外対象になっていないとす
る。｝ 若し、完全に一致したパターンが、総合判定辞書 4内に
あれば、それに対応したカテゴリを最終認識結果として
出力する。｛図２の処理ステップ 200,201,202,204参
照｝ 若し、一致パターンがなければ、認識不能として結果を
出力する。或いは、後述する３．３，３．４のような対
処を行うようにする。｛図２の処理ステップ 203参照｝３．２ 表検索のマッチング法 ｛請求項１に対応する実
施例｝ 総合判定辞書 4と出力パターンとの比較において、上記
のように完全に一致しない場合もある。
求項２に対応する実施例｝ ここで図３(a) の表内で、総合正解率が、予め、設定し
た基準値より低い判定器｛たとえば基準値を３０％に設
定したときの判定器ＲＥＣ(4) 24｝が存在すれば、これ
を、パターン認識に不適切な判定器とみなして除外す
る。従って、ＲＥＣ(1) 21〜ＲＥＣ(4) 24の内、ＲＥＣ
(1) 21〜ＲＥＣ(3) 23のみを実用的な判定器とする。
｛図２の処理ステップ 103参照｝３．未学習パターンの認識 ３．１ 認識の基本動作 ｛請求項１に対応する実施例｝ 次に未学習パターンの認識について説明する。入力パタ
ーン（未知）は、コントローラ１から各判定器 21,22,
〜に伝達され，各判定器 21,22, 〜から認識結果が出力
される。総合判定器３は図３(a),(b) の形で記憶された
総合判定辞書４を検索し，同じ出力パターン（ｃ１，ｃ
２，ｃ３，ｃ４）があるか調べる。｛この実施例では、
前述の REC(4) 24は、除外対象になっていないとす
る。｝ 若し、完全に一致したパターンが、総合判定辞書 4内に
あれば、それに対応したカテゴリを最終認識結果として
出力する。｛図２の処理ステップ 200,201,202,204参
照｝ 若し、一致パターンがなければ、認識不能として結果を
出力する。或いは、後述する３．３，３．４のような対
処を行うようにする。｛図２の処理ステップ 203参照｝３．２ 表検索のマッチング法 ｛請求項１に対応する実
施例｝ 総合判定辞書 4と出力パターンとの比較において、上記
のように完全に一致しない場合もある。
【００３４】そのようなときは、以下のように重みを付
けて、総合値で判断を行う。図４は、このときの動作を
模式的に示している。先ず、総合判定辞書 4内のあるパ
ターンを（Ｔ１，Ｔ２，Ｔ３，Ｔ４），そのときの各判
定器の信頼度を（Ｒ１，Ｒ２，Ｒ３，Ｒ４），未学習パ
ターン“Ｘ”に対する認識結果を（ｘ１，ｘ２，ｘ３，
ｘ４），認識時の信頼度を（ｒ１，ｒ２，ｒ３，ｒ４）
とする。若し、判定器ＲＥＣ(i) 2iの認識結果と、総合
判定辞書 4内の結果が一致する（ｘｉ＝Ｔｉ）ならば、 Ｑｉ ≡ Ｍｉｎ（ｒｉ，Ｒｉ） 一致しないならば、 Ｑｉ ≡ −Ｍｉｎ（ｒｉ，Ｒｉ） なるＱｉを求める。総合値としてＱ＝Ｑ１＋Ｑ２＋Ｑ３
＋Ｑ４を求める。このＱが負値であれば、マッチングし
ないとする。正の値をもつＱのうち、全学習パターンに
渡って、総合値が最大となるＰｋｊを探し、そのカテゴ
リＣｋを最終結果として出力する。
けて、総合値で判断を行う。図４は、このときの動作を
模式的に示している。先ず、総合判定辞書 4内のあるパ
ターンを（Ｔ１，Ｔ２，Ｔ３，Ｔ４），そのときの各判
定器の信頼度を（Ｒ１，Ｒ２，Ｒ３，Ｒ４），未学習パ
ターン“Ｘ”に対する認識結果を（ｘ１，ｘ２，ｘ３，
ｘ４），認識時の信頼度を（ｒ１，ｒ２，ｒ３，ｒ４）
とする。若し、判定器ＲＥＣ(i) 2iの認識結果と、総合
判定辞書 4内の結果が一致する（ｘｉ＝Ｔｉ）ならば、 Ｑｉ ≡ Ｍｉｎ（ｒｉ，Ｒｉ） 一致しないならば、 Ｑｉ ≡ −Ｍｉｎ（ｒｉ，Ｒｉ） なるＱｉを求める。総合値としてＱ＝Ｑ１＋Ｑ２＋Ｑ３
＋Ｑ４を求める。このＱが負値であれば、マッチングし
ないとする。正の値をもつＱのうち、全学習パターンに
渡って、総合値が最大となるＰｋｊを探し、そのカテゴ
リＣｋを最終結果として出力する。
【００３５】３．３ マッチングしない場合（１）｛請
求項４に対応する実施例｝ ３．１において、総合判定辞書 4に一致したパターンが
ない場合、次のような対処をする。辞書内で信頼度が最
大（ｍａｘ（Ｒ１，Ｒ２，Ｒ３，Ｒ４））の判定器REC
(i)を探し、その判定器 REC(i) の結果ｘｉを最終結果
として出力する。又、認識パターンに対する信頼度が最
大（ｍａｘ（ｒ１，ｒ２，ｒ３，ｒ４））の判定器ｉを
探し、その結果ｘｉを最終結果とするのは、従来技術で
説明したのと同じである。
求項４に対応する実施例｝ ３．１において、総合判定辞書 4に一致したパターンが
ない場合、次のような対処をする。辞書内で信頼度が最
大（ｍａｘ（Ｒ１，Ｒ２，Ｒ３，Ｒ４））の判定器REC
(i)を探し、その判定器 REC(i) の結果ｘｉを最終結果
として出力する。又、認識パターンに対する信頼度が最
大（ｍａｘ（ｒ１，ｒ２，ｒ３，ｒ４））の判定器ｉを
探し、その結果ｘｉを最終結果とするのは、従来技術で
説明したのと同じである。
【００３６】３．４ マッチングしない場合（２）｛請
求項５に対応する実施例｝ 一致しない場合の第２の対処法である。総合判定辞書 4
内のある学習パターンに対して、信頼度が高い順に並
べ，上位Ｌ位について、上記３．１項と同様のマッチン
グを行う。例えば、上位３位までについて、一致するパ
ターンがあれば、そのカテゴリを最終結果として出力す
る。
求項５に対応する実施例｝ 一致しない場合の第２の対処法である。総合判定辞書 4
内のある学習パターンに対して、信頼度が高い順に並
べ，上位Ｌ位について、上記３．１項と同様のマッチン
グを行う。例えば、上位３位までについて、一致するパ
ターンがあれば、そのカテゴリを最終結果として出力す
る。
【００３７】３．５ 最終的な確信度の計算 最終的には一つのカテゴリ名と, 一つの確信度を認識結
果として出力しなければならない。カテゴリ名は上記の
方法で求める。確信度は複数の判定器の結果を総合して
求める必要がある。先ず、マッチした辞書パターンに対
して、図３(b) の表に対応した出現回数を検索する。た
とえば図３(b) において、もっとも左端のパターンにマ
ッチした場合は、その出現回数は３である。これを学習
回数“５”で正規化した値３／５＝６０％を：この最終
結果の確信度として出力する。以上により、本発明が実
現できる。
果として出力しなければならない。カテゴリ名は上記の
方法で求める。確信度は複数の判定器の結果を総合して
求める必要がある。先ず、マッチした辞書パターンに対
して、図３(b) の表に対応した出現回数を検索する。た
とえば図３(b) において、もっとも左端のパターンにマ
ッチした場合は、その出現回数は３である。これを学習
回数“５”で正規化した値３／５＝６０％を：この最終
結果の確信度として出力する。以上により、本発明が実
現できる。
【００３８】
【発明の効果】以上、詳細に説明したように、本発明の
パターン認識装置によれば、以下のような効果がある。 (1) 複数の判定器を用いることにより、認識精度を向上
できる。 (2) 学習時の認識結果を記憶しておくことにより、従来
の多数決論理などよりも認識精度を向上できる。 (3) 入力パターンが大幅に変動しても、複数判定器の認
識結果が変化するのに応じて、総合判定辞書も変化する
ので、全体の構成を変えることなく、適応できる。 (4) 複数の判定器が同一のハードウェア内になく、ネッ
トワークに結合した各サーバに分散しているような環境
においても、ネットワークを介して、各判定器からの認
識結果等を収集して、総合判定辞書を作成することで、
本発明による総合判定ができるので、本発明の基本構成
は変える必要がない。
パターン認識装置によれば、以下のような効果がある。 (1) 複数の判定器を用いることにより、認識精度を向上
できる。 (2) 学習時の認識結果を記憶しておくことにより、従来
の多数決論理などよりも認識精度を向上できる。 (3) 入力パターンが大幅に変動しても、複数判定器の認
識結果が変化するのに応じて、総合判定辞書も変化する
ので、全体の構成を変えることなく、適応できる。 (4) 複数の判定器が同一のハードウェア内になく、ネッ
トワークに結合した各サーバに分散しているような環境
においても、ネットワークを介して、各判定器からの認
識結果等を収集して、総合判定辞書を作成することで、
本発明による総合判定ができるので、本発明の基本構成
は変える必要がない。
【図１】本発明の原理説明図（その１）
【図２】本発明の原理説明図（その２）
【図３】本発明の一実施例を示した図（その１）
【図４】本発明の一実施例を示した図（その２）
【図５】従来のパターン認識装置を説明する図
1 コントローラ 2 判定器群 21,22,〜2n 各判定器｛REC(1)〜REC(n)｝，認識装
置 3 総合判定器 4 総合判定
辞書，辞書 100 〜103,200 〜204 処理ステップ
置 3 総合判定器 4 総合判定
辞書，辞書 100 〜103,200 〜204 処理ステップ
Claims (6)
- 【請求項１】文字，画像，音声などパターンを自動的に
認識する装置であって、入力パターンを管理し、複数の
判定器(21,22, 〜) に伝達するコントローラ(1) と、異
なる認識方法を実装した複数の判定器群(2) と、それら
から出力される認識結果を総合判定する総合判定器(3)
と、総合判定に関する学習データを格納する総合判定辞
書(4) からなり、 学習時において、各判定器(21,22, 〜) から出力される
認識結果とパラメータ名とを一組として上記総合判定辞
書(4) に登録し、学習の終了時に各判定器(21,22, 〜)
ごとの正解率を求めて上記総合判定辞書(4) に登録し、 未学習パターンの認識において、上記総合判定器(3) が
全判定器(21,22, 〜)の認識結果と、予め、学習によっ
て作成した上記総合判定辞書(4) 内のパターンとを比較
し、一致するパターンが存在すれば、そこに登録された
学習カテゴリを最終認識結果として出力し、 上記総合判定器(3) と上記総合判定辞書(4) 内のパター
ンとの比較を行う際に、各判定器(21,22, 〜) ごとに認
識結果を比較し、その結果である一致, 不一致に応じた
１つの値を計算し、その総合値が正か負かによってマッ
チングの程度を判断することを特徴とするパターン認識
装置。 - 【請求項２】上記学習時において、各判定器(21,22,
〜) ごとの正解率から、予め、設定した基準正解率を下
回る率の判定器を、パターン認識に不適当な判定器(21,
又は、22, 〜) として除外することを特徴とする請求項
１に記載のパターン認識装置。 - 【請求項３】上記学習時において、各学習パターンごと
に出力パターンの出現回数を数え、その回数に比例した
確信度を上記総合判定辞書(4) に登録することを特徴と
する、請求項１に記載のパターン認識装置。 - 【請求項４】上記未学習パターンの認識において、上記
総合判定辞書(4) 内に完全に一致するパターンが存在し
ない場合、上記総合判定辞書(4) 内で最大の正解率を持
つ判定器(21,又は、22, 〜) の認識結果を最終結果とす
ることを特徴とする請求項１に記載のパターン認識装
置。 - 【請求項５】上記未学習パターンの認識において、上記
総合判定辞書(4) 内に完全に一致するパターンが存在し
ない場合、上記総合判定辞書(4) 内で、正解率が高い判
定器(21,22, 〜) を上位Ｌ位までとり、その範囲内でパ
ターンが一致するか否かを判定し、一致したパターンに
対応したカテゴリを最終結果とすることを特徴とする請
求項１に記載のパターン認識装置。 - 【請求項６】上記未学習パターンの認識において、上記
総合判定辞書(4) 内で一致したパターンの出現回数に応
じた確信度を、最終結果の確信度として出力することを
特徴とする請求項１に記載のパターン認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09170893A JP3265701B2 (ja) | 1993-04-20 | 1993-04-20 | 多判定器によるパターン認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09170893A JP3265701B2 (ja) | 1993-04-20 | 1993-04-20 | 多判定器によるパターン認識装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06309464A true JPH06309464A (ja) | 1994-11-04 |
| JP3265701B2 JP3265701B2 (ja) | 2002-03-18 |
Family
ID=14034020
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP09170893A Expired - Fee Related JP3265701B2 (ja) | 1993-04-20 | 1993-04-20 | 多判定器によるパターン認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3265701B2 (ja) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0981730A (ja) * | 1995-09-18 | 1997-03-28 | Canon Inc | パターン認識方法及び装置及びコンピュータ制御装置 |
| JPH09190420A (ja) * | 1996-01-08 | 1997-07-22 | Ricoh Co Ltd | パターン認識装置 |
| JP2001307106A (ja) * | 2000-04-20 | 2001-11-02 | Hitachi Ltd | 目標物抽出・表示方法、及び、目標物抽出・表示装置 |
| JP2002259906A (ja) * | 2001-03-05 | 2002-09-13 | Ricoh Co Ltd | パターン認識方法、装置及びプログラム |
| JP2002539481A (ja) * | 1999-03-09 | 2002-11-19 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 複数の音声認識器を用いる方法 |
| WO2002095665A1 (fr) * | 2001-05-22 | 2002-11-28 | Risei Notsu | Systeme de reconnaissance d'image, serveur de gestion de reconnaissance, procede de commande et programme |
| JP2003186491A (ja) * | 2001-12-13 | 2003-07-04 | Telecommunication Advancement Organization Of Japan | 電子化テキスト作成支援システム |
| JP2005115525A (ja) * | 2003-10-06 | 2005-04-28 | Fuji Photo Film Co Ltd | 識別処理に用いる特徴量の種類と識別条件を決定する装置、プログラムならびにプログラムを記録した記録媒体、および特定内容のデータを選別する装置 |
| JP2007058751A (ja) * | 2005-08-26 | 2007-03-08 | Fujitsu Ten Ltd | 物体判別装置、物体判別方法および物体判別プログラム |
| JP2008527516A (ja) * | 2005-01-06 | 2008-07-24 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 販売時点ステーションにおける小切手コード・ライン認識のオンライン訂正 |
| WO2008096582A1 (ja) * | 2007-02-06 | 2008-08-14 | Nec Corporation | 認識器重み学習装置および音声認識装置、ならびに、システム |
| JP2009271885A (ja) * | 2008-05-12 | 2009-11-19 | Panasonic Corp | 年齢推定方法及び年齢推定装置 |
| JP2010073201A (ja) * | 2008-08-20 | 2010-04-02 | Hammock:Kk | Ｏｃｒシステム |
| JP2014071813A (ja) * | 2012-10-01 | 2014-04-21 | Fuji Xerox Co Ltd | 文字認識装置及びプログラム |
| JP2016018353A (ja) * | 2014-07-08 | 2016-02-01 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
| JPWO2018134916A1 (ja) * | 2017-01-18 | 2019-04-11 | 三菱電機株式会社 | 音声認識装置 |
| JP2019164626A (ja) * | 2018-03-20 | 2019-09-26 | 日本電気株式会社 | 障害物認識支援装置、障害物認識支援方法、プログラム |
| JP2019164600A (ja) * | 2018-03-20 | 2019-09-26 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
| JP2020095374A (ja) * | 2018-12-11 | 2020-06-18 | 沖電気工業株式会社 | 文字認識システム、文字認識装置、プログラム及び文字認識方法 |
| US11410408B2 (en) | 2019-10-24 | 2022-08-09 | Fujifilm Business Innovation Corp. | Information processing apparatus and non-transitory computer readable medium storing program |
| JP2022169652A (ja) * | 2017-01-24 | 2022-11-09 | エンゼルグループ株式会社 | チップ認識システム |
-
1993
- 1993-04-20 JP JP09170893A patent/JP3265701B2/ja not_active Expired - Fee Related
Cited By (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0981730A (ja) * | 1995-09-18 | 1997-03-28 | Canon Inc | パターン認識方法及び装置及びコンピュータ制御装置 |
| JPH09190420A (ja) * | 1996-01-08 | 1997-07-22 | Ricoh Co Ltd | パターン認識装置 |
| JP2002539481A (ja) * | 1999-03-09 | 2002-11-19 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 複数の音声認識器を用いる方法 |
| JP2001307106A (ja) * | 2000-04-20 | 2001-11-02 | Hitachi Ltd | 目標物抽出・表示方法、及び、目標物抽出・表示装置 |
| JP2002259906A (ja) * | 2001-03-05 | 2002-09-13 | Ricoh Co Ltd | パターン認識方法、装置及びプログラム |
| WO2002095665A1 (fr) * | 2001-05-22 | 2002-11-28 | Risei Notsu | Systeme de reconnaissance d'image, serveur de gestion de reconnaissance, procede de commande et programme |
| US7305434B2 (en) | 2001-05-22 | 2007-12-04 | Risei Notsu | Terminal group image recognition system |
| JP2003186491A (ja) * | 2001-12-13 | 2003-07-04 | Telecommunication Advancement Organization Of Japan | 電子化テキスト作成支援システム |
| JP2005115525A (ja) * | 2003-10-06 | 2005-04-28 | Fuji Photo Film Co Ltd | 識別処理に用いる特徴量の種類と識別条件を決定する装置、プログラムならびにプログラムを記録した記録媒体、および特定内容のデータを選別する装置 |
| JP2008527516A (ja) * | 2005-01-06 | 2008-07-24 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 販売時点ステーションにおける小切手コード・ライン認識のオンライン訂正 |
| JP2007058751A (ja) * | 2005-08-26 | 2007-03-08 | Fujitsu Ten Ltd | 物体判別装置、物体判別方法および物体判別プログラム |
| JP5177561B2 (ja) * | 2007-02-06 | 2013-04-03 | 日本電気株式会社 | 認識器重み学習装置および音声認識装置、ならびに、システム |
| WO2008096582A1 (ja) * | 2007-02-06 | 2008-08-14 | Nec Corporation | 認識器重み学習装置および音声認識装置、ならびに、システム |
| US8428950B2 (en) | 2007-02-06 | 2013-04-23 | Nec Corporation | Recognizer weight learning apparatus, speech recognition apparatus, and system |
| JP2009271885A (ja) * | 2008-05-12 | 2009-11-19 | Panasonic Corp | 年齢推定方法及び年齢推定装置 |
| JP2010073201A (ja) * | 2008-08-20 | 2010-04-02 | Hammock:Kk | Ｏｃｒシステム |
| JP2014071813A (ja) * | 2012-10-01 | 2014-04-21 | Fuji Xerox Co Ltd | 文字認識装置及びプログラム |
| JP2016018353A (ja) * | 2014-07-08 | 2016-02-01 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
| JPWO2018134916A1 (ja) * | 2017-01-18 | 2019-04-11 | 三菱電機株式会社 | 音声認識装置 |
| US11954966B2 (en) | 2017-01-24 | 2024-04-09 | Angel Group Co., Ltd. | Chip recognition system |
| JP2022169652A (ja) * | 2017-01-24 | 2022-11-09 | エンゼルグループ株式会社 | チップ認識システム |
| US11941942B2 (en) | 2017-01-24 | 2024-03-26 | Angel Group Co., Ltd. | Chip recognition system |
| US11842595B2 (en) | 2017-01-24 | 2023-12-12 | Angel Group Co., Ltd. | Chip recognition system |
| JP2023040266A (ja) * | 2017-01-24 | 2023-03-22 | エンゼルグループ株式会社 | チップ認識システム |
| JP2023040267A (ja) * | 2017-01-24 | 2023-03-22 | エンゼルグループ株式会社 | チップ認識システム |
| JP2019164600A (ja) * | 2018-03-20 | 2019-09-26 | 富士ゼロックス株式会社 | 情報処理装置及びプログラム |
| US11403494B2 (en) | 2018-03-20 | 2022-08-02 | Nec Corporation | Obstacle recognition assistance device, obstacle recognition assistance method, and storage medium |
| WO2019181429A1 (ja) * | 2018-03-20 | 2019-09-26 | 日本電気株式会社 | 障害物認識支援装置、障害物認識支援方法、記憶媒体 |
| JP2019164626A (ja) * | 2018-03-20 | 2019-09-26 | 日本電気株式会社 | 障害物認識支援装置、障害物認識支援方法、プログラム |
| JP2020095374A (ja) * | 2018-12-11 | 2020-06-18 | 沖電気工業株式会社 | 文字認識システム、文字認識装置、プログラム及び文字認識方法 |
| US11410408B2 (en) | 2019-10-24 | 2022-08-09 | Fujifilm Business Innovation Corp. | Information processing apparatus and non-transitory computer readable medium storing program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3265701B2 (ja) | 2002-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH06309464A (ja) | 多判定器によるパターン認識装置 | |
| JP2940933B2 (ja) | パターン認識方式 | |
| CN100388312C (zh) | 生物测量信息登记装置、校验装置、登记/校验系统和登记方法 | |
| US7697765B2 (en) | Learning method and device for pattern recognition | |
| KR100352565B1 (ko) | 개인 식별 방법, 개인 식별 장치, 및 기록 매체 | |
| CN107871100A (zh) | 人脸模型的训练方法和装置、人脸认证方法和装置 | |
| US7515741B2 (en) | Adaptive fingerprint matching method and apparatus | |
| Lin et al. | Robust face detection with multi-class boosting | |
| US8335750B1 (en) | Associative pattern memory with vertical sensors, amplitude sampling, adjacent hashes and fuzzy hashes | |
| KR102418596B1 (ko) | 소규모 학습 데이터 셋 기반 딥러닝 시스템과 이를 이용한 딥러닝 학습방법 | |
| WO2007072947A1 (ja) | 画像検索装置および画像検索方法 | |
| JP2003051010A (ja) | イメージ群選別方法 | |
| CN110069959A (zh) | 一种人脸检测方法、装置及用户设备 | |
| CN111144546B (zh) | 评分方法、装置、电子设备及存储介质 | |
| CN109886206B (zh) | 一种三维物体识别方法及设备 | |
| Valdes-Ramirez et al. | An ensemble of fingerprint matching algorithms based on cylinder codes and mtriplets for latent fingerprint identification | |
| TWI772627B (zh) | 人物重識別方法、人物重識別系統及影像篩選方法 | |
| US6973206B2 (en) | Method and system for quality based fingerprint matching | |
| Kangwanwatana et al. | Improve face verification rate using image pre-processing and facenet | |
| CN111652102A (zh) | 一种输电通道目标物辨识方法及系统 | |
| JPH03294983A (ja) | 文字認識装置 | |
| TWI806030B (zh) | 應用於人臉辨識系統的處理電路及處理方法 | |
| CN111860165B (zh) | 一种基于视频流的动态人脸识别方法和装置 | |
| JP2008021190A (ja) | パターン識別装置およびパターン識別プログラム | |
| KR20220045137A (ko) | 통계적 특징점 선별 장치 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20011204 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080111 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090111 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100111 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110111 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |