JPS60712B2 - パタ−ン認識装置 - Google Patents

パタ−ン認識装置

Info

Publication number
JPS60712B2
JPS60712B2 JP54033058A JP3305879A JPS60712B2 JP S60712 B2 JPS60712 B2 JP S60712B2 JP 54033058 A JP54033058 A JP 54033058A JP 3305879 A JP3305879 A JP 3305879A JP S60712 B2 JPS60712 B2 JP S60712B2
Authority
JP
Japan
Prior art keywords
board
pattern
circuit
elements
input
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.)
Expired
Application number
JP54033058A
Other languages
English (en)
Other versions
JPS55124879A (en
Inventor
邦彦 福島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Japan Broadcasting Corp
Original Assignee
Japan Broadcasting Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Japan Broadcasting Corp filed Critical Japan Broadcasting Corp
Priority to JP54033058A priority Critical patent/JPS60712B2/ja
Publication of JPS55124879A publication Critical patent/JPS55124879A/ja
Publication of JPS60712B2 publication Critical patent/JPS60712B2/ja
Expired legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Character Discrimination (AREA)
  • Image Analysis (AREA)

Description

【発明の詳細な説明】 本発明は、入力情報が表わすパターンを認識するパター
ン認識装置、特に、形状の歪みや位置のずれに影響され
ずに正しくパターンを認識し得るパターン認識装置に関
するものである。
従来、この種パターン認識装置を製作する場合には、個
々の回路素子を結合する回路装置内の結合係数の値はす
べて設計段階においてあらかじめ設定しておくのを通例
としていた。
認識すべき入力パターンの集合が確定している場合には
かかる設定の態様で差支えないが、パターン認識の目的
によっては、結合係数の値を製作の段階では固定せずに
可変にしておき、認識すべき入力パターンの集合の性質
に順応して自動的に変化していく能力をもたせることが
必要になる。すなわち、回路装置内の結合係数を「自己
組織化」させることが必要になる。しかして、パターン
認識装置を自己組織的に構成するようにする提案は従来
から多く試みられているが、従来提案された認識装置は
いずれもその自己組織化の能力が低く、パターン認識装
置として実用し得るものはほとんど得られなかった。
また、回路装置を自己組織化させる場合に、従釆の認識
装置においては、「教師あり学習」の方式を適用してい
た。しかして、教師あり学習とは、あらかじめ回路装置
の設定段階すなわち学習段階において、基準となるパタ
ーンが回路装置に呈示される度毎に、そのパターンが何
であるかという答をパターンの呈示と同時に「教師」す
なわち基準信号から教えて貰いながら回路装置が自己組
織化を進めていく設定方式をいう。本発明の目的は、従
来の教師あり学習の設定方式を排して、いわば「教師な
し学習」による設定方式により自己組織化を進め、学習
段階すなわち設定段階において、学習すべきすなわち基
準とすべきパターンの呈示を単に繰返すだけで回路装置
の自己組織化が進行していくようにしたパターン認識装
置を提供することにある。
すなわち、本発明パターン認識装置は、呈示されたパタ
ーン相互間の類似性、非類似性に基づいてパターン分類
の基準を回路装置自体の内部に設定していくようにした
ものであり、入力情報を複数個の特徴抽出板に並列に供
給して前記入力情報に含まれるパターンの特徴の種類お
よび位置を判別するにあたり、前記複数個の特徴抽出板
に含まれる素子を複数のグループに分けてそれぞれのグ
ループ毎に最大出力を送出する素子をそれぞれ検出し、
前記最大出力を送出する素子のそれぞれに入力する特徴
パターンの形状に応じて前記最大出力を送出する素子が
それぞれ属する前記特徴抽出板の判別機能をそれぞれ設
定するように構成したことを特徴とするものである。
以下に図面を参照して実施例につき本発明を詳細に説明
するが、まず、パターン認識の方式について略述する。
本発明が根拠とする方式のパターン認識を行なう回路装
置の全体構成の概要を模式的に第1図に示す。第1図の
パターン認識装置は、入力光電変換層Uoとそれに結合
した特徴抽出板Usl(1=,〜L)および特徴整列板
Ucl(1=・〜L)の組合わせからなっている。ここ
で、入力光電変換層Uoは、2次元の碁盤目状に光電変
換素子を配列して構成したものであり、第1次特徴抽出
板Us2、すなわち、Us2板は、入力光電変換層Uo
と同一個数の回路素子からなっており、その個々の回路
素子としては、例えば本発明者により特開昭51−35
255号公報に開示したシャント型抑制入力を有する回
路素子を用いる。この第1特徴抽出板Us2における1
個の回路素子は、光電変換層Uoの特定の領域における
複数個の光電変換素子に結合しており、それぞれの回路
素子が結合する光電変換層Uo上の対応する領域は、光
電変換素子群が1素子ずつずれながら、順次に互いに重
畳しており、しかも光電変換素子の組合わせがすべての
領域毎に異なるようになっている。かかる結合の態様を
第2図に模式的に示す。第2図に示す結合の態様におい
て、例えばUo層の領域Uo2に含まれた光電変換素子
の出力は、Us2板の回路素子Us.,に入力し、Uo
3領域からの出力は回路素子Us12に入力し、以下同
様に入力するようになっている。
かかる態様でUsl阪上のすべての回路素子はUo層上
で互いに重複しながらそれぞれ異なるすべての領域にそ
れぞれ対応して結合されている。本発明が根拠とする方
式のパターン認識装置には、上述の第1次特徴抽出板U
slがK,枚設けてあり、それらの特徴抽出板Uslは
すべて上述した態様で光電変換層Uoの個々の光電変換
素子に並列に接続されている。
それらK,枚の特徴抽出板にはそれぞれk,(k,=1
〜K,)なる記号を付して説明する。しかして、それら
Uslm〜Us2(KI)板はそれぞれ互いに異なるパ
ターンの特徴を弁別する。すなわち、例えば文字を構成
するパターンをいくつかの特徴に分解し、それらの特徴
をそれぞれUs・m〜Usl(K,)層にそれぞれ対応
させて割当て、Uslm〜Us2(K,)層にはそれぞ
れ割当てられた特徴であるか否かを弁別し得る能力をも
たせておく。例えば、第3図に示すように、Us2m層
では横一文字を弁別し、Us2‘2}層はT型を弁別し
、また、Us,{3}層は縦一文字を弁別する、という
ように「Us,(K,)層までに、多様な図形に対応し
得るようにそれぞれ特定の特徴を弁別し得る能力をもた
せておく。
なお、第3図には簡単のために特徴抽出板の枚数を減ら
してあるが、実際には、その枚数を増加させるほど、種
々異なる特徴に対応し得るように構成することができる
。上述したパターン弁別機能は、つぎのような構成によ
って付与する。すなわち、前述したように、Us2板上
の個々の回路素子は、特開昭51−35255号公報記
載のよに構成するが、上述したパターンに応じた各種特
徴の設定を如何にして行なうかを説明するために、その
構成を簡単化して第4図に示す。第4図に示した構成に
おいて、いま、Uo層の特定の領域Uoxからの情報を
取出すUsl層の回路素子をUs,xとすると、Uo層
の領域Uox中の光電変換素子Uoxl〜Uox9の出
力は線形総和素子Zに正の入力として加えられる。
それと同時に、Uo層全体の素子からの出力の平均値か
らなる抑制入力Vsが負の入力として加えられる。いま
、Us・坂上の上述した回路素子Us・xが1く,枚あ
るUs・板のうち、例えば藤棒を弁別する機能を有する
Us・{1}に属するものとすれば、光電変換素子Uo
x4、Uoね、Uox6の出力を取出す線路にそれぞれ
設けた利得調整素子Rx4、Rx5、Rx6の利得を大
にしておき、横棒のパタ−ンが入来して来たときには、
線形総和素子Zから大出力が取出されて回路素子Usl
xに出力するようにしておく。
上述したような特徴パターンの設定は、Uo層の各素子
にそれぞれ接続してあるUsl層の各回路素子、すなわ
ち、Us,‘1}板からUs,(K1,板まで、それぞ
れ並列に接続してある各回路素子のすべてに対して行な
われており、しかも、それぞれに設定した特徴パターン
はUs・‘1}板〜Us2(KI’板のそれぞれで異な
っている。
さらに、同じUs2板、すなわち、特定のUs2(k2
)板に含まれる回路素子は、すべて、同じ特徴パターン
を弁別し得るようになっている。例えば、Us・{1ー
板上の各回路素子は、Uo層上の特定の位置に藤穣のパ
ターンがあったときに弁別することができ、このような
回路素子がUslm坂上に多数並んでいるので、Uo層
上のその横棒パターンのあった領域に対応した回路素子
から出力を取出す。上述のようにしてUo層上のパター
ンに含まれる特徴の種類とその特徴が存在する位置とが
、どのUs,(k,)板のどの回路素子から出力が取出
されたかによって判明する。
かかるUs・層の出力は、ついで、各Us・(kl)に
対応して設けた第1次特徴整列板Uc2すなわち、Uc
2板に供給される。このUc,板はUs,板より回路素
子の個数が少なく、しかも、Usl板上の特定の領域毎
にUc,板の特定の回路素子が対応するようになってい
る。したがって、第3図に示したように、Uc・板上で
は、Usl坂上で出力を取出した回路素子が存在する領
域に対応する回路素子から出力が取出されるようになっ
ている。すなわち、その場合に、Uo層に入力した光像
が分割されて、Usl板においてその光像に含まれる特
徴パターンがそれぞれ判別され、しかも、その特徴パタ
ーンがそれぞれ存在する位置が判別され、Uc,板にお
いてその位置が正規化されることになる。第3図に示し
た構成例においては、第1次特徴抽出板Us,と第1次
特徴整列板Uclとにより「T」なる文字が認識されて
いるが、実際には、多数の回路素子を用いて多様なパタ
ーンを認識しなければならないのであるから、第1図に
示したように、特徴抽出板と特徴整列板との上述した組
合わせを、第2次、第3次、第L次までの複数L段にわ
たって直列に配置し、L段にわたってL回の特徴抽出お
よび特徴整列を行なう必要がある。
例えば、Ucl板から第2次特徴抽出板Us2への情報
の移行は、例えば第5図に示すようにして行なう。第5
図に示す情報移行の例においては、Us2板上の回路素
子の個数はUc,板上の回路素子の個数に等しく、それ
らUc,板とUs2板との相互間の結合関係はト光電変
換層UoとUsl板との相互間の結合関係と同様にする
。ただし、Uo層は単に1枚であったのに対し、Uc・
板はUc・;1)〜UC1(KI)のK,枚からなって
おり、Us2板はUs2{1}〜Us3(K2)のK,
枚からなっているので、かかる複数枚同志のUc,‘K
,)とUs3(K2)との相互結合関係に互いに交叉し
ながら、相手方のすべてに並列に接続されることになる
。しかして、K・枚の第2次特徴抽出板Us2{1}〜
US3(K2)は、Us2(K,)板におけると同様に
、それぞれ異なるパターンの特徴をそれぞれ分担して弁
別するように構成するが、その場合にそれぞれ分担する
特徴パターンは、Us・(KI)板におけるとは異なり
、Us2(K,)板に設定した各種の特徴パターンの組
合わせからなっている。
例えば、Us3‘1)板においては、図示のとおり1こ
、左側の横棒と右側のT字との組合わせを弁別し、Us
2【2}板においては左側のT字と右側の横溝との組合
わせを弁別するものとすると、第5図に示すように、各
Us3板上には、かかる組合わせ特徴パターンの存在の
有無と、その存在位置とが表示される。US2板とUc
3板との相互関係は、Us,板とUc・板との相互関係
と同様に構成しており、さらに、位置の正規化と特徴パ
ターンの判別とが一層細密に行なわれる。上述のように
して例えば文字「A」のパターンを認識するにあたって
の各特徴抽出板および特徴整列板における認識動作を第
6図に模式的に示して説明する。
第6図には、第3次特徴整列板Uc4の出力によって最
終的に文字「A」のパターンが認識される場合の認識過
程の例を示してある。
一般には、前述したような手日頃の認識動作を複数回線
返してその結果を積み上げていくことにより、特徴抽出
板Usおよび特徴整列板Uc上の回路素子の個数は順次
の各段階毎に急速に減少していき、最終的なL段目の特
徴整列板UcLにおいては、その坂上の回路素子は1個
となり、その替わりに1〜KL種類の各特徴パターンの
弁別をそれぞれ分担する特徴整列板の枚数は、パターン
認識の対象とする文字等の個数と同等に増大し、各特徴
整列板UcL(KL)のそれぞれが対象とするすべての
文字等にそれぞれ対応することになる。
すなわち「その場合には「各特徴整列板UcL【1’〜
UCL(KL)がそれぞれ分担する特徴パターンは、文
字等のパターンそのものとなるわけである。かかる構成
のパターン認識装置の動作を一般的に説明すると、つぎ
のとおりである。
入力光電変換層Uoにおいて光受容細胞に相当する光電
変換素子は、2次元の碁盤目状に行列配置してあるので
、ny行のnx番目の光受容細胞の出力をUo(n)と
して表わすことにする。
なお、記号nは、その細胞の位置を表わす2次元座標で
あり、nこ(nx、ny)である。第1段目の基本回路
に含まれるUsl板の出力をUsl(kl、n)とし、
Ucl板の出力をUcl(kl、n)とするが、ここに
、nは、上述したように、Uo層上におけるそれらの細
胞の受容野の中心の位置を表わす2次元座標である。
しかして、前述したように、入力光電変換層Uoにおい
ては、n×・nyの整数値に対応する位置のすべてに細
胞が存在するが、段数1が増すにつれて細胞の密度が粗
〈なり、必ずしもすべての整数座標の位置に細胞が存在
するわけではない。また、係数klはその細胞の受容野
に対する最適刺激の種類、すなわち、その細胞が抽出す
る特徴の種類を指定するパラメータであり、整数値をと
る。前述したUs板あるいはUc板は、それぞれ同一係
数klのS細胞すなわちS回路素子、あるいは、C細胞
すなわちC回路素子の集合からなっている。しかして、
S細胞およびC細胞は、興奮性細胞、すなわち、刺激入
力があったときに相手の細胞の興奮性すなわち正極性の
入力端子に信号を送出する細胞であるが、Us板および
Uc板には、それぞれ、この他に抑制性細胞vsl(n
)およびvcl(n)が存在している。さて、上述のよ
うな記号を用いて各細胞すなわち各回路素子の出力を数
式で表わすとつぎのようになる。S細胞はシャント型抑
制入力を有する特開昭51一35255号公報記載の回
路素子であり、その出力は次式で与えられる。
ここに の(X)={巻を8 ■ なお、al(kl‐1「 し、kl)は興奮性結合の強
度、bl(n)は抑制性結合の強度をそれぞれ表わす。
またrlは抑制性結合の強度を制御する正のパラメータ
であり、rlの値が大きいほど細胞の反応の選択性は向
上する。しかして、実際に用いるrlの値は、類似パタ
ーンを区別する能力と形の歪みを許容する能力との兼ね
合いによって適切な値に設定する。なお、m式において
1=1の場合には、Ucl‐,(kl‐1「n)はUo
(n)を表わすものと解釈し、因みに、1=0の場合の
klの総数KIは1である。つぎに、抑制性のvc細胞
は自乗平均 (r.m.s.)型入出力特性を有しており、次式のよ
うな出力を形成する。
ここに、ci‐・(し)は興奮性固定シナプス結合の強
度を表わす。
なお「【1)式および‘3}式において〃の総和範囲、
すなわち、1個の細胞が入力を受け取る範囲を指定する
SIは、初段1=1では小さく、後段になるほど、すな
わち、1が大きくなるほど大きくなり、最終段では入力
光電変換層uoの全面を覆う大きさにする。
つぎに、C細胞もS細胞と同様にシャント型入出力特性
を有する回路素子であるが、その出力は、飽和特性を示
す。
かかるC細胞の出力を数式で表わすと次式のようになる
。ここに 叫X}=,十総) (5) また、抑制性細胞vsは、単に入力の算術平均を出力と
して出す回路素子であり、その出力は次式で与えられる
‘4〕式および{6}式で〃の総和範囲、すなわち、1
個の細胞が入力を受け取る範囲を指定するDIは、SI
と同様に、初段では狭く、後段になるほど広くなるよう
に指定してある。
しかして、前述したm式から判るように、興奮性結合a
l(kl‐2、1、kl)の値は、その結合を介して入
力を受け取っているS細胞usl(kl、n)の受容野
の位置nには依存しない。
このことは、一枚のS面内にある多数のS細胞は、いず
れも同一空間分布の入力結合を有していることを意味し
ている。したがって、同一S面に含まれるS細胞相互間
の相違は、各細胞への入力信号を送出している前段の細
胞の位置が異なるという点のみである。そこで、本発明
においては、上述したようなパターン認識装置を改良し
て、第4図に示したような特徴抽出板Usを構成する回
路素子のそれぞれにあらかじめ固定した特徴パターンに
対する判別能力をもたせることなく、入力パターンの情
報に応じてそれぞれの回路素子に学習をさせ、自己組織
的に判別能力をもたせるようにする。したがって、本発
明によれば、如何なる特徴パターンについても対応する
ことができるので、パターン認識装置としての機能を大
幅に拡大することができる。しかして、本発明パターン
認識装置における回路素子相互間の可変結合の自己組織
化は、以下に述べるようにして達成される。すなわち、
ある一つの学習パターンが呈示されたときに、可変結合
すなわち第4図示の可変利得制御素子、例えばRx2〜
Rx9およびRvをどのように変更すべきかをつぎのよ
うに規定する。
可変結合の決定にあたって、まず、複数個の特徴抽出板
Usl‘1’〜Usl(KI)のそれぞれから、後述す
る一定の規準に従って、1個の回路素子を「代表」とし
て選定する。その代表の回路素子に対しては、その回路
素子にその時点で呈示された特徴パターンを抽出するの
に最適の方向にその回路素子の入力可変結合係数を増大
させる。一方、同じUs板上において代表にならなかっ
た他の回路素子の入力結合係数は、その回路素子が含ま
れるUs板から選出された「代表」の回路素子の入力結
合係数と全く同じ態様に設定する。しかし、ある一つの
Us板から代表が選出されなかった場合には、そのUs
板のどの回路素子の入力結合係数も変化させないように
する。かかる入力結合係数設定の態様を定量的に述べる
とつぎのようになる。いま仮1こ、ある回路素子Usl
(k?,令,が代表として選出されたとすると、その回
路素子と同じUs板に含まれる他のすべてのS細胞、す
なわち、「代表」回路素子と同じkl値(kl=kl二
)を有するS細胞に到る可変結合al(kl‐1、し、
kl)およびblくkl)を次式に示す量だけ増加させ
る。△al(kl−,、し 、kl)=q−・cl−,
(n)ucl−・(kl、金+し)
(7)△bl(kl=)=(q
/2)・Vcl−,(n)
(8)ここに、qは学習の速
度を規定する正の定数であり、その他の記号は前述した
従来装櫨におけると同一の記号である。
なお、興奮性可変結合al(kl‐,、し、kl)の初
期値は、小さい正の値にしておき、例えば、lkL・一
kllおよびlレlに関して単調減少になるようにし、
第1段目のUs板においては、kl毎に異なった特定の
傾きを有する直線を指定し「その直線に沿った結合係数
の値が他の部分の値よりも大きくなるようにしておく。
一方、抑制性可変結合bl(kl)の初期値は0にして
おく。しかして、Us板中の代表となる素子細胞はつぎ
のような手順によって選出する。
すなわち、以下に述べる操作は異なる段階の各Us板群
においても同時に行なうので、第7図に示すように、あ
る一つのUs板群において、そのUs板に含まれる特定
の領域毎に、kl=1〜KIまでの各Us板を貫通した
S柱ともいうべきものを設定し、そのS柱内で、その時
点に呈示されたパターンに対して最大出力をもって反応
した回路素子を1個だけ選出し、その回路素子を代表の
候補とする。
このようにして選出した候補がもしその候補の属するU
s板内において唯一の候補である場合には、その回路素
子をそのUs板の代表に選定する。しかし、同一Us板
内に2個以上の候補が現われた場合には、それらの候補
の中で最大出力を出した回路素子だけをそのUs板の代
表として選定する。上述のようにして代表に選定された
回路素子においては、つぎのような動作が行なわれる。
すなわち、第8図に示すように、いま、Us板上の回路
素子xがUo層内に対応する領域Uoxからの信号を取
り入れているとする。領域Uoxは前述したSx柱に含
まれるわけであるが、かかる素子細胞us,xの出力が
その回路素子を含むあるS柱内に含まれるすべての回路
素子と比較して最大であってその回路素子us,xが代
表になるとすると、代表決定の判定をした他の回路(図
示せず)からの代表決定パルスが到来する。第8図示の
回路が第4図示の回路と異なるところは、Uo層の領域
Uox中の光電変換素子Uoxl〜Uoもの出力が乗算
回路ANDを介して線形総和素子2に供給されているこ
とである。その乗算回路ANDにおいては、個々の光電
変換素子Uox,〜UoもおよびVsからの出力と上述
した代表決定パルスとの積が形成され、かかる乗算出力
Setが可変利得制御素子Rxl〜R海およびRvにそ
れぞれ供給され、入力信号のパターンに応じてそれぞれ
の利得をセットする。すなわち、第8図示の構成におい
て、当初は各可変利得制御素子Rxl〜R櫓の値が互い
に等しい値であったものが、入力パターンによって特定
の素子uox4、uox5、uox6のみが刺激されて
、それらの素子から興奮隆出力1が得られると、乗算回
路ANDにおいては、それらの素子uox4、uo権、
uo濠からの個々の出力と代表決定パルスとの各別の積
が“1”となるので、かかる論理積出力Setが可変利
得制御素子R権「Rx5、Rx駅にそれぞれ各別に供給
され、それらの可変利得制御素子Rx4、Rx5、Rx
6の利得を他の素子よりも増大させる。上述したのと同
様のことは、上述した素子細胞us,xが所属している
us2板全体について行なわれ、いずれか特定のk番号
が付されているそのUs2坂上の素子細胞全体が同じよ
うなパターンに対して興奮性となる。
すなわち、第8図に黒点で示したように入力パターンが
「横榛」であった場合には、その横榛に対して判別が行
なわれるようになる。このようにして、同一段階の各特
徴抽出板Us,(1}〜Usl(k,)がいずれかのパ
ターンをそれぞれ判別する任務を担うようになるもので
ある。なお、上述したところでは、説明の便宜上、当初
はすべての可変利得制御素子値が等値であるとしたが、
もし、厳密に等値であるとすると、複数の領域から候補
が選出されてしまい、代表となるべき素子細胞が理論上
決定されなくなる。したががつて、本発明装置にいては
、従来装置における程ではないが、従来と同様に、考え
得る限りの特徴パターンに従って各特徴抽出板Us,m
〜Us,くKI)毎にそれぞれ一応軽度のプリセットを
各可変利得制御素子に施しておく。しかして、上述の軽
度とは、各可変利得制御素子Rxl〜Rx9に相互間の
差をあまり極端にはつけないが、あらかじめ徴差をつけ
ておくことを意味する。したがって、かかるプリセット
の状態に近似したパターンが呈示されれば、それらプリ
セットした可変利得制御素子を有する回路素子からは他
の回路素子とは格段に大きい値の出力が得られるように
しておき、さらに、一旦代表が決定されると、上述した
ようにあらかじめ施しておいた軽度のプリセットは解消
し、入力情報に従った結合係数が決められたように、そ
れぞれの可変利得制御素子を設定しておくことになる。
以上の説明から明らかなように、本発明によれば、位置
ずれや形の多小の歪みには影響されずに、パターン認識
装置を教師なし学習方式によって自己組織化させること
ができ、したがって、認識すべきパターンの呈示のみを
単に繰返すだけで回路装置の自己組織化が自動的に進行
するようにすることができる。
さらに、かかる回路装置は、呈示された学習パターン相
互間の類似性、非類似性に基づいてパターン分類の基準
を回路装置自体の内部に形成していくことができる。し
かも、その際に回路装置内に自動的に形成される類似性
の判断基準が人間の感覚によく一致しているので、回路
装置が人間と同様のパターン認識能力を備えるようにな
る。また、本発明パターン認識装置は、文字、図形等の
パターン認識のみならず、物体認識や聴覚パターンの認
識すなわち音声認識等にも広く適用することができる。
【図面の簡単な説明】
第1図は本発明が基づく方式によるパターン認識の過程
を模式的に示す線図、第2図は同じくその認識過程にお
ける情報移行の態様の例を模式的に示す綾図、第3図は
同じくその認識過程における情報移行の態様の他の例を
漠式的に示す線図、第4図は同じくその特徴パターンの
判別の態様の例と模式的に示す線図、第5図は同じくそ
の特徴パターンの判別の態様の他の例を模式的に示す線
図、第6図は本発明が基づく方式によるパターン認識装
置における認識動作の態様の例を模式的に示す線図、第
7図は本発明パターン認識装置における代表回路素子選
出領域の態様の例を模式的に示す線図、第8図は同じく
その特徴パターンの判別の態様の例を模式的に示す線図
である。 Uo・・・・・・入力光電変換層、Usn(KI)・…
−・特徴抽出板、Ucn(K・)・・・・・・特徴整列
板、Uox2・・・・・・光電変換素子、Usx.・・
・・・・特徴抽出回路素子、Ucx,・・・・・・特徴
整列回路素子、Z・・・・・・線形総和素子、AND・
・・・・・乗算回路。 第1図 第2図 第3図 第4図 第6図 第5図 第7図 第8図

Claims (1)

    【特許請求の範囲】
  1. 1 入力情報を複数個の特徴抽出板に並列に供給して前
    記入力情報に含まれるパターンの特徴の種類および位置
    を判別するにあたり、前記複数個の特徴抽出板に含まれ
    る素子を複数のグループに分けてそれぞれのグループ毎
    に最大出力を送出する素子をそれぞれ検出し、前記最大
    出力を送出する素子のそれぞれに入力する特徴パターン
    の形状に応じて前記最大出力を送出する素子がそれぞれ
    属する前記特徴抽出板の判別機能をそれぞれ設定するよ
    うに構成したことを特徴とするパターン認識装置。
JP54033058A 1979-03-19 1979-03-19 パタ−ン認識装置 Expired JPS60712B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP54033058A JPS60712B2 (ja) 1979-03-19 1979-03-19 パタ−ン認識装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP54033058A JPS60712B2 (ja) 1979-03-19 1979-03-19 パタ−ン認識装置

Publications (2)

Publication Number Publication Date
JPS55124879A JPS55124879A (en) 1980-09-26
JPS60712B2 true JPS60712B2 (ja) 1985-01-09

Family

ID=12376144

Family Applications (1)

Application Number Title Priority Date Filing Date
JP54033058A Expired JPS60712B2 (ja) 1979-03-19 1979-03-19 パタ−ン認識装置

Country Status (1)

Country Link
JP (1) JPS60712B2 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0634236B2 (ja) * 1985-11-02 1994-05-02 日本放送協会 階層型情報処理方法
US7054850B2 (en) 2000-06-16 2006-05-30 Canon Kabushiki Kaisha Apparatus and method for detecting or recognizing pattern by employing a plurality of feature detecting elements
JP4780921B2 (ja) 2004-03-17 2011-09-28 キヤノン株式会社 並列パルス信号処理装置、及びその制御方法

Also Published As

Publication number Publication date
JPS55124879A (en) 1980-09-26

Similar Documents

Publication Publication Date Title
CN111523470B (zh) 一种行人重识别方法、装置、设备及介质
KR100442835B1 (ko) 인공 신경망을 이용한 얼굴 인식 방법 및 장치
JP3705619B2 (ja) 銀行券認証システム
JP7490359B2 (ja) 情報処理装置、情報処理方法及びプログラム
EP0511668A2 (en) Image recognition device and image recognition method
CN107066966A (zh) 一种基于关键点区域图像的人脸识别方法
JPS60712B2 (ja) パタ−ン認識装置
EP0220077B1 (en) Pattern recognition apparatus
US5317675A (en) Neural network pattern recognition learning method
JPS5853790B2 (ja) パタ−ン認識方式
CN113505856A (zh) 一种高光谱影像无监督自适应分类方法
EP0444878A2 (en) Neural network
CN107093181A (zh) 一种利用视觉系统识别存在冗余标签的多标签检测方法
Yahagi et al. Face Recognition using neural networks with multiple combinations of categories
CN115546862A (zh) 基于跨尺度局部差异深度子空间特征的表情识别方法和系统
CN111047581B (zh) 基于Itti模型和胶囊神经网络的图像显著性检测方法
US6463423B1 (en) Multi-winners feedforward neural network
JPH08329032A (ja) ニュ−ラルネット型パターン認識装置及びニュ−ラルネットの学習方法
CN107993333A (zh) 磁图像传感器
US5251269A (en) Multi-layer neural network modelled after the striate cortex for recognizing visual patterns
JP2736361B2 (ja) ニューラルネット構成方法
CN112085170A (zh) 一种图像类对抗样本的差异性检测方法
Fukushima Neocognitron of a new version: handwritten digit recognition
EP0420254A2 (en) Data processing system
JP3303253B2 (ja) パターンマッチング方法および装置