JPH0850636A - パタン認識方法 - Google Patents
パタン認識方法Info
- Publication number
- JPH0850636A JPH0850636A JP6183281A JP18328194A JPH0850636A JP H0850636 A JPH0850636 A JP H0850636A JP 6183281 A JP6183281 A JP 6183281A JP 18328194 A JP18328194 A JP 18328194A JP H0850636 A JPH0850636 A JP H0850636A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- feature vector
- class
- dictionary
- distance
- 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)
Abstract
(57)【要約】
【目的】パタン認識方法において，距離関数が分布を記
述する精度を高め，認識精度を向上させること，空間変
換後の特徴ベクトルの分布が大きく識別の精度に対する
寄与が少ない特徴次元を圧縮することにより，認識精度
を低下させずに演算量を削減することを目的とする。 【構成】入力パタンの特徴ベクトルの主成分分析により
空間変換を行うことにより，特徴ベクトルの分布を対称
分布に近付けた上で，距離値を求めるようにする。ま
た，主成分分析を行い，空間変換後の特徴ベクトルの分
布が小さく判別の精度に対する寄与が大きい特徴次元の
みを認識に用いることにより，演算量を削減する。
述する精度を高め，認識精度を向上させること，空間変
換後の特徴ベクトルの分布が大きく識別の精度に対する
寄与が少ない特徴次元を圧縮することにより，認識精度
を低下させずに演算量を削減することを目的とする。 【構成】入力パタンの特徴ベクトルの主成分分析により
空間変換を行うことにより，特徴ベクトルの分布を対称
分布に近付けた上で，距離値を求めるようにする。ま
た，主成分分析を行い，空間変換後の特徴ベクトルの分
布が小さく判別の精度に対する寄与が大きい特徴次元の
みを認識に用いることにより，演算量を削減する。
Description
【０００１】
【産業上の利用分野】本発明は，文字読取り装置を始め
とするパタン認識装置におけるパタン認識方法であっ
て，特に認識精度を向上させるパタン認識方法に関する
ものである。
とするパタン認識装置におけるパタン認識方法であっ
て，特に認識精度を向上させるパタン認識方法に関する
ものである。
【０００２】
【従来の技術】文字認識を例に説明する。文字認識では
識別関数として距離関数が多くの場合用いられる。距離
関数としては，ユークリッド距離関数，重み付きユーク
リッド距離関数，２次識別距離関数などがある。また，
修正関数としても距離関数が多く用いられ，判別分析を
行うことにより得られる判別関数などがある。
識別関数として距離関数が多くの場合用いられる。距離
関数としては，ユークリッド距離関数，重み付きユーク
リッド距離関数，２次識別距離関数などがある。また，
修正関数としても距離関数が多く用いられ，判別分析を
行うことにより得られる判別関数などがある。
【０００３】距離関数および修正関数の多くは対称な関
数であるため，入力されたパタンから抽出された特徴ベ
クトルが対称分布である時に最大の効果が得られる。し
かしながら，入力パタンから抽出された特徴ベクトルは
必ずしも対称分布ではない。そのため，特徴ベクトルの
分布を正確に記述することができず，認識精度が限られ
ていた。
数であるため，入力されたパタンから抽出された特徴ベ
クトルが対称分布である時に最大の効果が得られる。し
かしながら，入力パタンから抽出された特徴ベクトルは
必ずしも対称分布ではない。そのため，特徴ベクトルの
分布を正確に記述することができず，認識精度が限られ
ていた。
【０００４】
【発明が解決しようとする課題】本発明は上記問題点の
解決を図り，特徴ベクトルを空間変換し，特徴ベクトル
の分布を対称分布に近付けることにより，距離関数が分
布を記述する精度を高め，認識精度を向上させることを
目的とする。
解決を図り，特徴ベクトルを空間変換し，特徴ベクトル
の分布を対称分布に近付けることにより，距離関数が分
布を記述する精度を高め，認識精度を向上させることを
目的とする。
【０００５】さらに，空間変換後の特徴ベクトルの分布
が大きく識別の精度に対する寄与が少ない特徴次元を圧
縮することにより，認識精度を低下させずに演算量を削
減することを目的とする。
が大きく識別の精度に対する寄与が少ない特徴次元を圧
縮することにより，認識精度を低下させずに演算量を削
減することを目的とする。
【０００６】
【課題を解決するための手段】本発明では，入力パタン
の特徴ベクトルの主成分分析により空間変換を行うこと
により，特徴ベクトルの分布を対称分布に近付けた上
で，距離値を求めるようにする。
の特徴ベクトルの主成分分析により空間変換を行うこと
により，特徴ベクトルの分布を対称分布に近付けた上
で，距離値を求めるようにする。
【０００７】また，主成分分析を行い，空間変換後の特
徴ベクトルの分布が小さく判別の精度に対する寄与が大
きい特徴次元のみを認識に用いることにより，演算量を
削減する。
徴ベクトルの分布が小さく判別の精度に対する寄与が大
きい特徴次元のみを認識に用いることにより，演算量を
削減する。
【０００８】
【作用】距離関数を用いて距離値を求めるときに，距離
関数が特徴ベクトルの分布を正確に記述できるようにな
るため，認識精度の著しい向上を期待することができ
る。また，認識精度に対する寄与の大きい特徴次元のみ
を認識に用い，寄与の小さい特徴次元は認識に用いない
ことにより，識別辞書および判別辞書および識別判別辞
書と特徴ベクトルの照合を行う特徴次元を削減できるた
め，演算量を削減することができる。
関数が特徴ベクトルの分布を正確に記述できるようにな
るため，認識精度の著しい向上を期待することができ
る。また，認識精度に対する寄与の大きい特徴次元のみ
を認識に用い，寄与の小さい特徴次元は認識に用いない
ことにより，識別辞書および判別辞書および識別判別辞
書と特徴ベクトルの照合を行う特徴次元を削減できるた
め，演算量を削減することができる。
【０００９】
【実施例】図１は本発明の実施例を示す図である。図
中，１は前処理，２は特徴抽出処理，３は空間変換処
理，４は空間変換パラメータ格納部，５は距離算出処
理，６は識別辞書，７は判別値算出処理，８は判別辞
書，９はクラス決定処理を表す。
中，１は前処理，２は特徴抽出処理，３は空間変換処
理，４は空間変換パラメータ格納部，５は距離算出処
理，６は識別辞書，７は判別値算出処理，８は判別辞
書，９はクラス決定処理を表す。
【００１０】入力されたパタンについて，まず前処理１
で，パタンの重心が予め決められたパタンサイズの中心
に来るように移動し，次にパタンのモーメントにより大
きさの正規化を行う。さらに，雑音フィルタをかけてパ
タン上の雑音を除去する。
で，パタンの重心が予め決められたパタンサイズの中心
に来るように移動し，次にパタンのモーメントにより大
きさの正規化を行う。さらに，雑音フィルタをかけてパ
タン上の雑音を除去する。
【００１１】次いで，特徴抽出処理２で識別に用いる特
徴ベクトルを抽出する。特徴ベクトルの例としては，文
献（信学論 Vol.J 76-D-II No.9 PP.1851-1859，川谷；
“距離関数の学習による手書き数字認識”）に挙げられ
ているものがある。
徴ベクトルを抽出する。特徴ベクトルの例としては，文
献（信学論 Vol.J 76-D-II No.9 PP.1851-1859，川谷；
“距離関数の学習による手書き数字認識”）に挙げられ
ているものがある。
【００１２】空間変換処理３では，以下の式に基づいて
特徴抽出処理２で抽出された特徴ベクトルの値の空間変
換を行う。 ｘm " ＝φm （ｘ’−MX）／｛ｓｑｒｔ（λm ）｝ ここで，固有値および固有ベクトルは訓練パタンの特徴
ベクトルの，共分散行列の固有値と固有ベクトルであ
り，これらは空間変換パラメータ格納部４に格納されて
いる。訓練パタンの特徴ベクトルの共分散行列のｉｊ成
分は，以下のように求められる。
特徴抽出処理２で抽出された特徴ベクトルの値の空間変
換を行う。 ｘm " ＝φm （ｘ’−MX）／｛ｓｑｒｔ（λm ）｝ ここで，固有値および固有ベクトルは訓練パタンの特徴
ベクトルの，共分散行列の固有値と固有ベクトルであ
り，これらは空間変換パラメータ格納部４に格納されて
いる。訓練パタンの特徴ベクトルの共分散行列のｉｊ成
分は，以下のように求められる。
【００１３】 σij＝Σ（ｘi −MXi ）（ｘj −MXj ）／（Ｎ−１） ただし， ｘ’ ； 入力パタンの特徴ベクトル ｘ ； 訓練パタンの特徴ベクトル MX ； ｘの平均ベクトル ｘm " ； 空間変換後の特徴ベクトルのｍ成分 Ｎ ； 訓練パタンの数 σij ； ｘの共分散行列のｉｊ成分 λm ； ｘの共分散行列のｍ番目の固有値 φm ； ｘの共分散行列のｍ番目の固有ベクトル 距離算出処理５では，距離関数Ｄ（ｘ”）を用い，読取
り対象の各クラス毎に入力パタンの特徴ベクトルと参照
パタンの特徴ベクトルとの距離値ｄが求められる。
り対象の各クラス毎に入力パタンの特徴ベクトルと参照
パタンの特徴ベクトルとの距離値ｄが求められる。
【００１４】判別値算出処理７では，判別関数Ｆ
（ｘ”）を用い各クラス毎に判別値ｆが求められる。各
クラスの判別関数Ｆ（ｘ”）は，入力パタンがそのクラ
スに属していれば負の値，属していなければ正の値を持
つように設計されている。すなわち，Ｆ（ｘ”）は各ク
ラスで他のクラスとの違いを反映する関数である。
（ｘ”）を用い各クラス毎に判別値ｆが求められる。各
クラスの判別関数Ｆ（ｘ”）は，入力パタンがそのクラ
スに属していれば負の値，属していなければ正の値を持
つように設計されている。すなわち，Ｆ（ｘ”）は各ク
ラスで他のクラスとの違いを反映する関数である。
【００１５】クラス決定処理９では各クラス毎に， ｇ＝ｄ＋γ・ｆ を求め，ｇが最も小さい値を与えるクラスを選択し，入
力パタンの属するクラスを決定する。なお，γは予め決
められた定数である。ここで，距離関数Ｄ（ｘ”）とし
てどのような関数を用いるか，判別関数Ｆ（ｘ”）をど
のように決定するかが課題となる。
力パタンの属するクラスを決定する。なお，γは予め決
められた定数である。ここで，距離関数Ｄ（ｘ”）とし
てどのような関数を用いるか，判別関数Ｆ（ｘ”）をど
のように決定するかが課題となる。
【００１６】本発明では，Ｄ（ｘ”）を用いて識別を行
ったときに求められるライバルパタン集合と各クラスの
パタン集合との間で線形判別分析が行われて，Ｆ
（ｘ”）が決定される。以下，Ｄ（ｘ”）として重み付
きユークリッド距離を用いた場合の例を示す。
ったときに求められるライバルパタン集合と各クラスの
パタン集合との間で線形判別分析が行われて，Ｆ
（ｘ”）が決定される。以下，Ｄ（ｘ”）として重み付
きユークリッド距離を用いた場合の例を示す。
【００１７】重み付きユークリッド距離は，以下のよう
に書くことができる。 Ｄ（ｘ”）＝Σωm （ｘ”m −μm ）2 ただし，ｘ”＝（ｘ”1 ，…，ｘ”M ）t は入力特徴ベ
クトル，μ＝（μ1 ，…，μM ）t は参照パタンベクト
ル，ω＝（ω1 ，…，ωM ）t は重みベクトル，Ｍは特
徴の次元数である。また，ｔは転置を表す。Σはｍ＝１
からＭまでの総和を表す。ここで，ω1 〜ωM が１であ
ればＤ（ｘ”）はユークリッド距離となる。識別辞書６
には，各クラスの参照パタンベクトル，重みベクトルが
格納される。判別関数Ｆ（ｘ”）は，変数ｙm ，ｙM+m
を以下のように定義して求める。
に書くことができる。 Ｄ（ｘ”）＝Σωm （ｘ”m −μm ）2 ただし，ｘ”＝（ｘ”1 ，…，ｘ”M ）t は入力特徴ベ
クトル，μ＝（μ1 ，…，μM ）t は参照パタンベクト
ル，ω＝（ω1 ，…，ωM ）t は重みベクトル，Ｍは特
徴の次元数である。また，ｔは転置を表す。Σはｍ＝１
からＭまでの総和を表す。ここで，ω1 〜ωM が１であ
ればＤ（ｘ”）はユークリッド距離となる。識別辞書６
には，各クラスの参照パタンベクトル，重みベクトルが
格納される。判別関数Ｆ（ｘ”）は，変数ｙm ，ｙM+m
を以下のように定義して求める。
【００１８】ｙm ＝（ｘ”m −μm ）2 ｙM+m ＝（ｘ”m −μm ） すなわち，変数として訓練パタンの特徴ベクトルの各要
素から参照パタンベクトルの各要素を引いたもの，およ
びそれを自乗したものの両方を変数として用いる。
素から参照パタンベクトルの各要素を引いたもの，およ
びそれを自乗したものの両方を変数として用いる。
【００１９】Ｆ（ｘ”）は次のように定義される。 Ｆ（ｘ”）＝Σａm ｙm ＋Σｂm ｙM+m ＋ｃ ＝Σａm （ｘ”m −μm ）2 ＋Σｂm （ｘ”m −μm ）
＋ｃ （Σはｍ＝１からＭまでの総和）ただし，ｘ”が着目ク
ラスに属するときは負，ライバルパタン集合に属する時
は正となるように｛ａm ｝，｛ｂm ｝，ｃの符号が決め
られる。判別辞書８には，｛ａm ｝，｛ｂm ｝，ｃがク
ラス毎に格納される。｛ａm ｝，｛ｂm ｝，ｃの具体的
な求め方は後述する。
＋ｃ （Σはｍ＝１からＭまでの総和）ただし，ｘ”が着目ク
ラスに属するときは負，ライバルパタン集合に属する時
は正となるように｛ａm ｝，｛ｂm ｝，ｃの符号が決め
られる。判別辞書８には，｛ａm ｝，｛ｂm ｝，ｃがク
ラス毎に格納される。｛ａm ｝，｛ｂm ｝，ｃの具体的
な求め方は後述する。
【００２０】以上，重み付きユークリッド距離について
説明したが，同様な考え方で他の距離関数，例えばシテ
ィブロック距離等にも適用できる。図２は，｛ａm ｝，
｛ｂm ｝，ｃの求め方の詳細を示したものである。
説明したが，同様な考え方で他の距離関数，例えばシテ
ィブロック距離等にも適用できる。図２は，｛ａm ｝，
｛ｂm ｝，ｃの求め方の詳細を示したものである。
【００２１】まず，ステップ１１で訓練パタンを用意
し，ステップ１２で図１の前処理１で述べた前処理を行
う。次にステップ１３で図１の特徴抽出処理２で述べた
特徴抽出を行う。ステップ１４で図１の空間変換処理３
で述べた値域補正および空間変換を行う。ステップ１５
で全訓練パタンに対し，原距離関数Ｄ（ｘ”）により認
識を行う。ステップ１６では，その認識結果からライバ
ルパタンの編集を行う。ライバルパタンは，各クラス毎
に着目クラス以外のクラスに属するパタンから着目クラ
スに誤認識したパタン，および誤認識しそうになったパ
タンを選択することにより求める。誤認識しそうになっ
たパタンは，着目クラス以外のクラスに属するパタンを
着目パタンからの距離の近い順に並べ，そのうちの一定
個を選ぶことにより求めることができる。
し，ステップ１２で図１の前処理１で述べた前処理を行
う。次にステップ１３で図１の特徴抽出処理２で述べた
特徴抽出を行う。ステップ１４で図１の空間変換処理３
で述べた値域補正および空間変換を行う。ステップ１５
で全訓練パタンに対し，原距離関数Ｄ（ｘ”）により認
識を行う。ステップ１６では，その認識結果からライバ
ルパタンの編集を行う。ライバルパタンは，各クラス毎
に着目クラス以外のクラスに属するパタンから着目クラ
スに誤認識したパタン，および誤認識しそうになったパ
タンを選択することにより求める。誤認識しそうになっ
たパタンは，着目クラス以外のクラスに属するパタンを
着目パタンからの距離の近い順に並べ，そのうちの一定
個を選ぶことにより求めることができる。
【００２２】ついで，ステップ１７で線形判別分析を行
うが，この手順は以下の通りである。まず，ベクトルｙ
＝（ｙ1 ，…，ｙM ，ｙM+1 ，…，ｙ2M）に関する着目
クラスの共分散行列をＳS ，およびライバルパタンの共
分散行列をＳR とすると，行列Ｓを Ｓ＝ｑS ＳS ＋ｑR ＳR により求める。ｑS ，ｑR に関しては共に０．５とする
方法，およびパタン数の比とする方法［ｑS ＝着目クラ
スのパタン数／（着目クラスのパタン数＋ライバルパタ
ン数），ｑR ＝１−ｑS ］が知られており，どちらを用
いても算出可能である。
うが，この手順は以下の通りである。まず，ベクトルｙ
＝（ｙ1 ，…，ｙM ，ｙM+1 ，…，ｙ2M）に関する着目
クラスの共分散行列をＳS ，およびライバルパタンの共
分散行列をＳR とすると，行列Ｓを Ｓ＝ｑS ＳS ＋ｑR ＳR により求める。ｑS ，ｑR に関しては共に０．５とする
方法，およびパタン数の比とする方法［ｑS ＝着目クラ
スのパタン数／（着目クラスのパタン数＋ライバルパタ
ン数），ｑR ＝１−ｑS ］が知られており，どちらを用
いても算出可能である。
【００２３】次に，ａ＝（ａ1 ，…，ａM ，ｂ1 ，…，
ｂM ）t とし，着目クラス，およびライバルパタンの平
均ベクトルｙS ，ｙR を用いて，ａおよびｃを， ａ＝Ｓ-1（ｙR −ｙS ） ｃ＝（１／２）ａt （ｙR ＋ｙS ） により求める。
ｂM ）t とし，着目クラス，およびライバルパタンの平
均ベクトルｙS ，ｙR を用いて，ａおよびｃを， ａ＝Ｓ-1（ｙR −ｙS ） ｃ＝（１／２）ａt （ｙR ＋ｙS ） により求める。
【００２４】次に，ステップ１８，１９で最適なγを決
定する。これは全ての訓練パタンを用い，各クラス毎に
距離関数Ｄ（ｘ”）の値ｄと判別関数Ｆ（ｘ”）の値ｆ
から， ｇ＝ｄ＋γ・ｆ を求め，ｇが最も小さい値を与えるクラスを選択して入
力パタンのクラスを決定したときに，訓練パタンに対し
て最も認識率が高くなるγを選択することにより求める
ことができる。上述のような処理を繰り返し行ったとき
に前回の認識率との差をステップ２０で比較し，差が小
さければ終了する。差が大きければステップ２０’で前
回までは正読で今回初めて誤読となったパタンをライバ
ルパタン集合に新しく加え，線形判別分析からの処理を
繰り返す。
定する。これは全ての訓練パタンを用い，各クラス毎に
距離関数Ｄ（ｘ”）の値ｄと判別関数Ｆ（ｘ”）の値ｆ
から， ｇ＝ｄ＋γ・ｆ を求め，ｇが最も小さい値を与えるクラスを選択して入
力パタンのクラスを決定したときに，訓練パタンに対し
て最も認識率が高くなるγを選択することにより求める
ことができる。上述のような処理を繰り返し行ったとき
に前回の認識率との差をステップ２０で比較し，差が小
さければ終了する。差が大きければステップ２０’で前
回までは正読で今回初めて誤読となったパタンをライバ
ルパタン集合に新しく加え，線形判別分析からの処理を
繰り返す。
【００２５】図３は，本発明の第２の実施例を示す図で
ある。２１は前処理，２２は特徴抽出処理，２３は空間
変換処理，２４は空間変換パラメータ格納部，２５は距
離算出処理，２６は識別判別辞書，２７はクラス決定処
理を表す。
ある。２１は前処理，２２は特徴抽出処理，２３は空間
変換処理，２４は空間変換パラメータ格納部，２５は距
離算出処理，２６は識別判別辞書，２７はクラス決定処
理を表す。
【００２６】この実施例では，図１に示す識別辞書６の
内容と判別辞書８の内容とを重畳した情報を持つ識別判
別辞書２６を用いる。空間変換処理２３までの処理は図
１の例と同じである。距離算出処理２５では，各クラス
毎に距離関数Ｄ（ｘ”）の値と判別関数Ｆ（ｘ”）の値
を加えた値Ｇ（ｘ”）を求めるようにしている。クラス
決定処理２７では，Ｇ（ｘ”）の値をもとに入力パタン
のクラスを決定する。この場合の識別判別辞書２６の内
容の作成方法の例としては，特願平４−３４３６８６号
に述べられている方法がある。
内容と判別辞書８の内容とを重畳した情報を持つ識別判
別辞書２６を用いる。空間変換処理２３までの処理は図
１の例と同じである。距離算出処理２５では，各クラス
毎に距離関数Ｄ（ｘ”）の値と判別関数Ｆ（ｘ”）の値
を加えた値Ｇ（ｘ”）を求めるようにしている。クラス
決定処理２７では，Ｇ（ｘ”）の値をもとに入力パタン
のクラスを決定する。この場合の識別判別辞書２６の内
容の作成方法の例としては，特願平４−３４３６８６号
に述べられている方法がある。
【００２７】例えば，重み付きユークリッド距離の場
合， Ｇ（ｘ”）＝Ｄ（ｘ”）＋γ・Ｆ（ｘ”） ＝Σωm ′（ｘ”m −μm ′）2 ＋ｄ ただし， ωm ′＝ωm ＋γａm μm ′＝μm −（１／２）γｂm ／ωm ′ ｄ＝γｃ−（１／４）Σ（γｂm ）2 ／ωm ′ であり，識別判別辞書２６には各クラス毎にμ′＝（μ
1 ′，…，μM ′）t ，ω′＝（ω1 ′，…，ωM ′）
t ，ｄが格納される。なお，Σはｍ＝１からＭまでの総
和である。
合， Ｇ（ｘ”）＝Ｄ（ｘ”）＋γ・Ｆ（ｘ”） ＝Σωm ′（ｘ”m −μm ′）2 ＋ｄ ただし， ωm ′＝ωm ＋γａm μm ′＝μm −（１／２）γｂm ／ωm ′ ｄ＝γｃ−（１／４）Σ（γｂm ）2 ／ωm ′ であり，識別判別辞書２６には各クラス毎にμ′＝（μ
1 ′，…，μM ′）t ，ω′＝（ω1 ′，…，ωM ′）
t ，ｄが格納される。なお，Σはｍ＝１からＭまでの総
和である。
【００２８】図４は，本発明の第３の実施例を示す図で
ある。３１は前処理，３２は特徴抽出処理，３３は空間
変換処理，３４は空間変換パラメータ格納部，３５は次
元圧縮パラメータ格納部，３６は距離算出処理，３７は
識別判別辞書，３８はクラス決定処理を表す。
ある。３１は前処理，３２は特徴抽出処理，３３は空間
変換処理，３４は空間変換パラメータ格納部，３５は次
元圧縮パラメータ格納部，３６は距離算出処理，３７は
識別判別辞書，３８はクラス決定処理を表す。
【００２９】この実施例では，図１に示す識別辞書６の
内容と判別辞書８の内容とを重畳した情報を持つ識別判
別辞書３７を用いる。特徴抽出処理３２までは図１の例
と同じである。特徴抽出処理の後，次元圧縮パラメータ
格納部３５に格納されている次元に対してのみ特徴ベク
トルの空間変換を行う。
内容と判別辞書８の内容とを重畳した情報を持つ識別判
別辞書３７を用いる。特徴抽出処理３２までは図１の例
と同じである。特徴抽出処理の後，次元圧縮パラメータ
格納部３５に格納されている次元に対してのみ特徴ベク
トルの空間変換を行う。
【００３０】次元圧縮パラメータ格納部３５には予め，
訓練パタンの値域補正後の特徴ベクトルの共分散行列の
固有値がある一定値以下の値となる次元番号が格納され
ている。この一定値は，訓練パタンの認識精度が保てる
範囲で定める。
訓練パタンの値域補正後の特徴ベクトルの共分散行列の
固有値がある一定値以下の値となる次元番号が格納され
ている。この一定値は，訓練パタンの認識精度が保てる
範囲で定める。
【００３１】距離算出処理３６以降は図３の例と同じで
ある。
ある。
【００３２】
【発明の効果】以上説明したように，本発明によれば，
各特徴ベクトルの分布を正確に推定できるため，認識精
度の著しい向上が可能である。
各特徴ベクトルの分布を正確に推定できるため，認識精
度の著しい向上が可能である。
【００３３】また，特徴ベクトルの次元圧縮を行うこと
により，認識精度を損なうことなく，演算量を削減する
ことが可能である。
により，認識精度を損なうことなく，演算量を削減する
ことが可能である。
【図１】本発明の実施例を示す図である。
【図２】判別関数を求める場合の手順を示す図である。
【図３】本発明の第２の実施例を示す図である。
【図４】本発明の第３の実施例を示す図である。
１ 前処理 ２ 特徴抽出処理 ３ 空間変換処理 ４ 空間変換パラメータ格納部 ５ 距離算出処理 ６ 識別辞書 ７ 判別値算出処理 ８ 判別辞書 ９ クラス決定処理 ２１ 前処理 ２２ 特徴抽出処理 ２３ 空間変換処理 ２４ 空間変換パラメータ格納部 ２５ 距離算出処理 ２６ 識別判別辞書 ２７ クラス決定処理 ３１ 前処理 ３２ 特徴抽出処理 ３３ 空間変換処理 ３４ 空間変換パラメータ格納部 ３５ 次元圧縮パラメータ格納部 ３６ 距離算出処理 ３７ 識別判別辞書 ３８ クラス決定処理
Claims (4)
- 【請求項１】 入力パタンから抽出された特徴ベクトル
と，各クラス毎に１つ以上の参照パタンの特徴ベクトル
に関する情報からなる識別辞書とを，識別関数に基づい
て照合することにより得られる識別距離を求める過程
と，予め訓練パタンに対して前記識別辞書を用いて認識
を行い，誤った，または誤りそうになったエラーパタン
集合を求め，前記エラーパタン集合，または着目クラス
に属するパタン集合，または正読パタン集合のうちの１
つ以上の集合に関する情報を持つ修正辞書と，前記入力
パタンから抽出された特徴ベクトルとを修正関数に基づ
いて照合することにより得られる修正距離を求める過程
と，前記識別距離および前記修正距離の一方もしくは両
方を用いて得られる値に基づいて，前記入力パタンのク
ラスを決定する過程とを有するパタン認識方法におい
て，前記識別関数と前記修正関数の一方もしくは両方が
対称な関数である場合において，前記入力パタンから抽
出された特徴ベクトルの分布が対称になるように変換を
行う空間変換過程を有し，前記空間変換過程により生成
された変換特徴ベクトルを前記入力パタンから抽出され
た特徴ベクトルの代わりに用い，前記空間変換過程を経
た識別辞書と前記変換特徴ベクトルとを照合して前記入
力パタンの属するクラスを決定することを特徴とするパ
タン認識方法。 - 【請求項２】 入力パタンから抽出された特徴ベクトル
と，各クラス毎に１つ以上の参照パタンの特徴ベクトル
に関する情報からなる識別辞書とを照合することにより
得られる識別距離，および前記入力パタンの特徴ベクト
ルと，予め訓練パタンに対して前記識別辞書を用いて認
識を行い，誤った，または誤りそうになったエラーパタ
ン集合を求め，前記エラーパタン集合，または着目クラ
スに属するパタン集合，または正読パタン集合のうちの
１つ以上の集合に関する情報を持つ修正辞書とを照合し
て得られる修正距離の一方もしくは両方を用いて得られ
る値に相当する修正識別距離を，前記入力パタンの特徴
ベクトルと，前記識別辞書および前記修正辞書を重畳し
て得られる修正識別辞書とを，修正識別距離関数に基づ
いて照合することによって求め，前記入力パタンのクラ
スを前記修正識別距離に基づいて決定する過程を有する
パタン認識方法において，前記修正識別距離関数が対称
な関数である場合において，入力されたパタンから抽出
された特徴ベクトルの分布が対称になるように変換を行
う空間変換過程を有し，前記空間変換過程により生成さ
れた変換特徴ベクトルを前記入力パタンから抽出された
特徴ベクトルの代わりに用い，前記空間変換過程を経た
修正識別辞書と前記変換特徴ベクトルとを照合して前記
入力パタンの属するクラスを決定することを特徴とする
パタン認識方法。 - 【請求項３】 請求項１または請求項２記載のパタン認
識方法において，各クラス毎に新規にそのクラスに誤っ
た，または誤りそうになったそのクラスに属さないパタ
ンを該エラーパタン集合に加えつつ繰り返し修正辞書ま
たは修正識別辞書を作成あるいは更新することを特徴と
するパタン認識方法。 - 【請求項４】 請求項１，請求項２または請求項３記載
のパタン認識方法において，主成分分析による特徴次元
圧縮を行うことを特徴とするパタン認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6183281A JP3019911B2 (ja) | 1994-08-04 | 1994-08-04 | パタン認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6183281A JP3019911B2 (ja) | 1994-08-04 | 1994-08-04 | パタン認識方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0850636A true JPH0850636A (ja) | 1996-02-20 |
| JP3019911B2 JP3019911B2 (ja) | 2000-03-15 |
Family
ID=16132914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6183281A Expired - Lifetime JP3019911B2 (ja) | 1994-08-04 | 1994-08-04 | パタン認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3019911B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002025591A1 (fr) * | 2000-09-25 | 2002-03-28 | Olympus Optical Co., Ltd. | Procede et dispositif de categorisation de motifs, et support de stockage lisible par ordinateur |
| JP2014153846A (ja) * | 2013-02-07 | 2014-08-25 | Mitsubishi Electric Corp | パターン認識装置 |
-
1994
- 1994-08-04 JP JP6183281A patent/JP3019911B2/ja not_active Expired - Lifetime
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002025591A1 (fr) * | 2000-09-25 | 2002-03-28 | Olympus Optical Co., Ltd. | Procede et dispositif de categorisation de motifs, et support de stockage lisible par ordinateur |
| US6931386B2 (en) | 2000-09-25 | 2005-08-16 | Olympus Optical Co., Ltd. | Pattern classification method and apparatus thereof, and computer readable storage medium |
| JP2014153846A (ja) * | 2013-02-07 | 2014-08-25 | Mitsubishi Electric Corp | パターン認識装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3019911B2 (ja) | 2000-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5901244A (en) | Feature extraction system and face image recognition system | |
| CN110532920B (zh) | 基于FaceNet方法的小数量数据集人脸识别方法 | |
| US20210117733A1 (en) | Pattern recognition apparatus, pattern recognition method, and computer-readable recording medium | |
| KR101117837B1 (ko) | 멀티 스케일 지향 패치를 이용한 멀티 이미지 특징 매칭 | |
| US8184914B2 (en) | Method and system of person identification by facial image | |
| CN107578007A (zh) | 一种基于多特征融合的深度学习人脸识别方法 | |
| EP2050043A2 (en) | Face recognition with combined pca-based datasets | |
| CN111666588B (zh) | 一种基于生成对抗网络的情绪差分隐私保护方法 | |
| CN110674685B (zh) | 一种基于边缘信息增强的人体解析分割模型及方法 | |
| US7593566B2 (en) | Data recognition device | |
| JP4039708B2 (ja) | パターン認識方法およびパターン認識装置 | |
| CN117009873A (zh) | 支付风险识别模型的生成方法、支付风险识别方法及装置 | |
| CN112001231A (zh) | 加权多任务稀疏表示的三维人脸识别方法、系统及介质 | |
| JP3537949B2 (ja) | パターン認識装置及び同装置における辞書修正方法 | |
| JP3019911B2 (ja) | パタン認識方法 | |
| CN114913404A (zh) | 模型训练、人脸图像活体检测方法、电子设备及存储介质 | |
| US6466926B1 (en) | Method for optimizing a recognition dictionary to distinguish between patterns that are difficult to distinguish | |
| JP3264242B2 (ja) | 認識辞書学習方法及びその装置並びにプログラムを記録した機械読み取り可能な記録媒体 | |
| CN114333840A (zh) | 语音鉴别方法及相关装置、电子设备和存储介质 | |
| JP3810469B2 (ja) | パターン認識方法 | |
| CN111914718A (zh) | 基于平均影响值数据变换的特征加权pca人脸识别方法 | |
| CN113688944B (zh) | 一种基于元学习的图像识别方法 | |
| Hahmann et al. | Model interpolation for eye localization using the Discriminative Generalized Hough Transform | |
| JP2951496B2 (ja) | パタン認識方法 | |
| KR20020074330A (ko) | 계층적 주요 성분 분석에 기반한 얼굴 인식 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090107 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100107 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110107 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110107 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120107 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130107 Year of fee payment: 13 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |