JPWO2020080045A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2020080045A5 JPWO2020080045A5 JP2020552992A JP2020552992A JPWO2020080045A5 JP WO2020080045 A5 JPWO2020080045 A5 JP WO2020080045A5 JP 2020552992 A JP2020552992 A JP 2020552992A JP 2020552992 A JP2020552992 A JP 2020552992A JP WO2020080045 A5 JPWO2020080045 A5 JP WO2020080045A5
- Authority
- JP
- Japan
- Prior art keywords
- image data
- image
- imaging device
- classification method
- filters
- 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.)
- Ceased
Links
- 238000000034 method Methods 0.000 claims 29
- 238000003384 imaging method Methods 0.000 claims 21
- 238000002834 transmittance Methods 0.000 claims 8
- 238000013145 classification model Methods 0.000 claims 6
- 230000003287 optical effect Effects 0.000 claims 6
- 238000010801 machine learning Methods 0.000 claims 2
Claims (30)
- 物体の特徴を示す特徴情報を含む画像の画像データを取得することと、
前記特徴情報に基づき、前記画像に含まれる前記物体を分類することと、
を含み、
前記画像データは、
イメージセンサと、
前記イメージセンサに入射する光の光路に配置されたフィルタアレイであって、前記光路に交差する面に沿って2次元的に配列された透光性の複数のフィルタを含み、前記複数のフィルタは、光透過率の波長依存性が互いに異なる2つ以上のフィルタを含み、前記2つ以上のフィルタの各々の光透過率は、複数の波長域において極大値を有する、フィルタアレイと、
を備える第1の撮像装置によって前記画像を撮像することにより取得される、
物体分類方法。 - 前記物体を分類することは、機械学習アルゴリズムによって学習された分類モデルを前記画像データに適用することにより行われ、
前記分類モデルは、各々が、学習用画像データと、前記学習用画像データが示す学習用画像に含まれる前記物体を識別するラベルデータとを含む複数の第1の訓練データセットによって予め学習されている、
請求項1に記載の物体分類方法。 - 前記複数の第1の訓練データセットに含まれる複数の学習用画像データは、前記第1の撮像装置とは異なる第2の撮像装置によって生成された学習用画像データを含む、
請求項2に記載の物体分類方法。 - 前記第2の撮像装置は、前記第1の撮像装置における前記フィルタアレイと同等の特性を有するフィルタアレイを備える、
請求項3に記載の物体分類方法。 - 前記物体が分類された後、前記画像データと、前記物体を識別する第2のラベルデータとを含む第2の訓練データセットによって、前記分類モデルがさらに学習されることをさらに含む、
請求項2から4のいずれかに記載の物体分類方法。 - 前記複数の第1の訓練データセットに含まれる複数の学習用画像データにおける前記物体の前記学習用画像内での位置は、前記複数の学習用画像データにおいて互いに異なる、
請求項2から4のいずれかに記載の物体分類方法。 - 前記学習用画像データは、前記物体が前記学習用画像内で所定の範囲以上を占めた状態で撮像されることによって取得される、
請求項2から4のいずれかに記載の物体分類方法。 - 前記画像データを取得することは、ディスプレイを含む撮像装置を用いて行われ、
前記画像データが取得される前に、前記画像の中で前記物体が位置すべきエリアまたは前記物体が占めるべき範囲をユーザに知らせるための補助表示を前記ディスプレイに表示させることをさらに含む、
請求項1から4のいずれかに記載の物体分類方法。 - 前記複数のフィルタは、光透過率の波長依存性が互いに異なり、
前記複数のフィルタの各々の光透過率は、複数の波長域において極大値を有する、
請求項1から4のいずれかに記載の物体分類方法。 - 請求項1から4のいずれかに記載の物体分類方法を用いた車両制御方法であって、
前記第1の撮像装置は、車両に取り付けられ、
前記物体を分類することの結果に基づいて、前記車両の動作を制御することを含む、
車両制御方法。 - 請求項1から4のいずれかに記載の物体分類方法を用いた情報表示方法であって、
前記物体を分類することの結果に基づいて、前記物体の名称および前記物体の説明からなる群から選択される少なくとも1つを示すデータをデータベースから取得することと、
前記物体の名称および前記物体の説明からなる群から選択される前記少なくとも1つをディスプレイに表示することと、
を含む、
情報表示方法。 - 物体の特徴を示す特徴情報を含む画像の画像データを取得することと、
前記特徴情報に基づき、前記画像に含まれる前記物体を分類することと、
を含み、
前記画像データは、
イメージセンサと、
互いに異なる波長域の光を発する複数の光源を含む光源アレイと、
を備える第1の撮像装置によって、前記複数の光源の一部を発光させた状態で前記画像を撮像する動作を、前記複数の光源の前記一部に含まれる光源の組み合わせを変えながら、複数回に亘って繰り返すことにより取得される、
物体分類方法。 - 前記物体を分類することは、機械学習アルゴリズムによって学習された分類モデルを前記画像データに適用することにより行われ、
前記分類モデルは、各々が、学習用画像データと、前記学習用画像データが示す学習用画像に含まれる前記物体を識別するラベルデータとを含む複数の第1の訓練データセットによって予め学習されている、
請求項12に記載の物体分類方法。 - 前記複数の第1の訓練データセットに含まれる複数の学習用画像データは、前記第1の撮像装置とは異なる第2の撮像装置によって生成された学習用画像データを含む、
請求項13に記載の物体分類方法。 - 前記第2の撮像装置は、前記第1の撮像装置における前記光源アレイと同等の特性を有する光源アレイを備える、
請求項14に記載の物体分類方法。 - 前記物体が分類された後、前記画像データと、前記物体を識別する第2のラベルデータとを含む第2の訓練データセットによって、前記分類モデルがさらに学習されることをさらに含む、
請求項13から15のいずれかに記載の物体分類方法。 - 前記複数の第1の訓練データセットに含まれる複数の学習用画像データにおける前記物体の前記学習用画像内での位置は、前記複数の学習用画像データにおいて互いに異なる、
請求項13から15のいずれかに記載の物体分類方法。 - 前記学習用画像データは、前記物体が前記学習用画像内で所定の範囲以上を占めた状態で撮像されることによって取得される、
請求項13から15のいずれかに記載の物体分類方法。 - 前記画像データを取得することは、ディスプレイを含む撮像装置を用いて行われ、
前記画像データが取得される前に、前記画像の中で前記物体が位置すべきエリアまたは前記物体が占めるべき範囲をユーザに知らせるための補助表示を前記ディスプレイに表示させることをさらに含む、
請求項12から15のいずれかに記載の物体分類方法。 - 請求項12から15のいずれかに記載の物体分類方法を用いた車両制御方法であって、
前記第1の撮像装置は、車両に取り付けられ、
前記物体を分類することの結果に基づいて、前記車両の動作を制御することを含む、
車両制御方法。 - 請求項12から15のいずれかに記載の物体分類方法を用いた情報表示方法であって、
前記物体を分類することの結果に基づいて、前記物体の名称および前記物体の説明からなる群から選択される少なくとも1つを示すデータをデータベースから取得することと、
前記物体の名称および前記物体の説明からなる群から選択される前記少なくとも1つをディスプレイに表示することと、
を含む、
情報表示方法。 - 物体の特徴を示す特徴情報を含む画像の画像データを生成するイメージセンサと、
前記イメージセンサに入射する光の光路に配置されたフィルタアレイであって、前記光路に交差する面に沿って2次元的に配列された透光性の複数のフィルタを含み、前記複数のフィルタは、光透過率の波長依存性が互いに異なる2つ以上のフィルタを含み、前記2つ以上のフィルタの各々の光透過率は、複数の波長域において極大値を有する、フィルタアレイと、
前記特徴情報に基づき、前記画像に含まれる前記物体を分類する信号処理回路と、
を備える、
物体分類装置。 - 物体を含む画像の画像信号を生成するイメージセンサと、
互いに異なる波長域の光を発する複数の光源を含む光源アレイと、
前記イメージセンサおよび前記複数の光源を制御する制御回路であって、前記複数の光源の一部を発光させた状態で前記イメージセンサに撮像させる動作を、前記複数の光源の前記一部に含まれる光源の組み合わせを変えながら、複数回に亘って繰り返す制御回路と、
前記イメージセンサによって前記複数回の撮像ごとに生成された前記画像信号から構成される画像データに含まれる、前記物体の特徴を示す特徴情報に基づき、前記画像に含まれる前記物体を分類する信号処理回路と、
を備える、
物体分類装置。 - メモリと、
信号処理回路と、
を備え、
前記信号処理回路は、
複数の画素を含む画像の2次元画像データであって、前記複数の画素の各々のデータに複数の波長域の情報が多重化され、且つ前記複数の画素の各々の輝度分布が符号化されたマルチ/ハイパースペクトル画像データである2次元画像データを受け付け、
前記2次元画像データに含まれる特徴情報に基づき、前記2次元画像データが示すシーンに含まれる物体を分類する、
物体分類装置。 - 前記特徴情報は、前記2次元画像データを基に前記複数の波長域の各々の画像を再構成することなく、前記2次元画像データから抽出される、
請求項24に記載の物体分類装置。 - 前記2次元画像データを取得する撮像装置をさらに備える、
請求項24に記載の物体分類装置。 - 前記2次元画像データは、前記物体が前記撮像装置の撮像領域における所定の範囲以上を占めた状態で撮像されることによって取得される、
請求項26に記載の物体分類装置。 - 前記撮像装置によって前記2次元画像データが取得される前に、前記撮像装置によって撮像される画像の中で前記物体が位置すべきエリアまたは前記物体が占めるべき範囲をユーザに知らせるための補助表示を表示するディスプレイをさらに備える、
請求項27に記載の物体分類装置。 - 前記撮像装置は、
イメージセンサと、
前記イメージセンサに入射する光の光路に配置されたフィルタアレイであって、前記光路に交差する面に沿って2次元的に配列された透光性の複数のフィルタを含み、前記複数のフィルタは、光透過率の波長依存性が互いに異なる2つ以上のフィルタを含み、前記2つ以上のフィルタの各々の光透過率は、複数の波長域において極大値を有する、フィルタアレイと、
を含む、
請求項26に記載の物体分類装置。 - 前記複数のフィルタは、周期的に配置される複数の部分集合を含む、
請求項29に記載の物体分類装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023147062A JP2023158210A (ja) | 2018-10-15 | 2023-09-11 | 物体分類装置および物体分類方法 |
JP2023147063A JP2023158211A (ja) | 2018-10-15 | 2023-09-11 | 物体分類方法、車両制御方法、情報表示方法、および物体分類装置 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018194149 | 2018-10-15 | ||
JP2018194149 | 2018-10-15 | ||
PCT/JP2019/037200 WO2020080045A1 (ja) | 2018-10-15 | 2019-09-24 | 物体認識方法、車両制御方法、情報表示方法、および物体認識装置 |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023147062A Division JP2023158210A (ja) | 2018-10-15 | 2023-09-11 | 物体分類装置および物体分類方法 |
JP2023147063A Division JP2023158211A (ja) | 2018-10-15 | 2023-09-11 | 物体分類方法、車両制御方法、情報表示方法、および物体分類装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020080045A1 JPWO2020080045A1 (ja) | 2021-09-09 |
JPWO2020080045A5 true JPWO2020080045A5 (ja) | 2022-09-12 |
Family
ID=70283406
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020552992A Ceased JPWO2020080045A1 (ja) | 2018-10-15 | 2019-09-24 | 物体認識方法、車両制御方法、情報表示方法、および物体認識装置 |
JP2023147063A Pending JP2023158211A (ja) | 2018-10-15 | 2023-09-11 | 物体分類方法、車両制御方法、情報表示方法、および物体分類装置 |
JP2023147062A Pending JP2023158210A (ja) | 2018-10-15 | 2023-09-11 | 物体分類装置および物体分類方法 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023147063A Pending JP2023158211A (ja) | 2018-10-15 | 2023-09-11 | 物体分類方法、車両制御方法、情報表示方法、および物体分類装置 |
JP2023147062A Pending JP2023158210A (ja) | 2018-10-15 | 2023-09-11 | 物体分類装置および物体分類方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210158108A1 (ja) |
EP (1) | EP3869452A4 (ja) |
JP (3) | JPWO2020080045A1 (ja) |
CN (1) | CN112106064A (ja) |
WO (1) | WO2020080045A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6705533B2 (ja) * | 2018-10-19 | 2020-06-03 | ソニー株式会社 | センサ装置、パラメータ設定方法 |
TWI830907B (zh) * | 2019-06-05 | 2024-02-01 | 日商索尼半導體解決方案公司 | 圖像辨識裝置及圖像辨識方法 |
CN111787323B (zh) * | 2020-05-23 | 2021-09-03 | 清华大学 | 一种基于对抗学习的可变比特率生成式压缩方法 |
JPWO2021246192A1 (ja) * | 2020-06-05 | 2021-12-09 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7023475B2 (en) * | 2002-04-08 | 2006-04-04 | Hewlett-Packard Development Company, L.P. | System and method for identifying an object with captured images |
JP5686281B2 (ja) * | 2009-12-25 | 2015-03-18 | 株式会社リコー | 立体物識別装置、並びに、これを備えた移動体制御装置及び情報提供装置 |
JP5759161B2 (ja) * | 2010-12-16 | 2015-08-05 | キヤノン株式会社 | 物体認識装置、物体認識方法、学習装置、学習方法、プログラム、および情報処理システム |
JP5214760B2 (ja) * | 2011-03-23 | 2013-06-19 | 株式会社東芝 | 学習装置、方法及びプログラム |
JP5910250B2 (ja) * | 2012-03-30 | 2016-04-27 | スズキ株式会社 | 対象物識別装置 |
EP3146463B1 (en) | 2014-05-23 | 2020-05-13 | Ventana Medical Systems, Inc. | Systems and methods for detection of biological structures and/or patterns in images |
US9880053B2 (en) * | 2014-10-29 | 2018-01-30 | Panasonic Intellectual Property Management Co., Ltd. | Image pickup apparatus, spectroscopic system, and spectroscopic method |
CN105611117B (zh) * | 2014-11-19 | 2018-12-07 | 松下知识产权经营株式会社 | 摄像装置以及分光系统 |
CN106331442B (zh) * | 2015-07-02 | 2021-01-15 | 松下知识产权经营株式会社 | 摄像装置 |
US10311302B2 (en) | 2015-08-31 | 2019-06-04 | Cape Analytics, Inc. | Systems and methods for analyzing remote sensing imagery |
TWI579540B (zh) * | 2015-12-02 | 2017-04-21 | 財團法人工業技術研究院 | 多點光譜系統 |
JP6910792B2 (ja) * | 2016-12-13 | 2021-07-28 | ソニーセミコンダクタソリューションズ株式会社 | データ処理装置、データ処理方法、プログラム、および電子機器 |
WO2018162297A1 (en) * | 2017-03-07 | 2018-09-13 | Sony Corporation | System, method and computer program |
JP2019195304A (ja) * | 2018-05-10 | 2019-11-14 | 学校法人順天堂 | 画像解析方法、装置、コンピュータプログラム、及び深層学習アルゴリズムの生成方法 |
WO2020014683A1 (en) * | 2018-07-13 | 2020-01-16 | Kache.AI | Systems and methods for autonomous object detection and vehicle following |
US10733473B2 (en) * | 2018-09-20 | 2020-08-04 | Uber Technologies Inc. | Object verification for a network-based service |
-
2019
- 2019-09-24 CN CN201980031643.3A patent/CN112106064A/zh active Pending
- 2019-09-24 WO PCT/JP2019/037200 patent/WO2020080045A1/ja unknown
- 2019-09-24 EP EP19873555.7A patent/EP3869452A4/en active Pending
- 2019-09-24 JP JP2020552992A patent/JPWO2020080045A1/ja not_active Ceased
-
2021
- 2021-02-05 US US17/169,350 patent/US20210158108A1/en active Pending
-
2023
- 2023-09-11 JP JP2023147063A patent/JP2023158211A/ja active Pending
- 2023-09-11 JP JP2023147062A patent/JP2023158210A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPWO2020080045A5 (ja) | ||
US11450152B2 (en) | Detection of manipulated images | |
US11132771B2 (en) | Bright spot removal using a neural network | |
Pourreza et al. | Identification of nine Iranian wheat seed varieties by textural analysis with image processing | |
CN105701444B (zh) | 用于确定道路表面的状况的系统和方法 | |
CN111046703A (zh) | 人脸防伪检测方法、装置及多目相机 | |
Kalouche et al. | Vision-based classification of skin cancer using deep learning | |
JP2012249917A (ja) | 画像処理装置および方法、画像処理システム、プログラム、および、記録媒体 | |
US20210158108A1 (en) | Object classification method, vehicle control method, information display method, and object classification device | |
WO2013098512A1 (fr) | Procédé et dispositif de détection et de quantification de signes cutanés sur une zone de peau | |
US11416707B2 (en) | Information processing method, information processing system, and information processing apparatus | |
JP2021069793A5 (ja) | ||
Lee et al. | Automatic recognition of flower species in the natural environment | |
EP2807631B1 (en) | Device and method for detecting a plant against a background | |
Ramcharan et al. | Assessing a mobile-based deep learning model for plant disease surveillance | |
JP6647134B2 (ja) | 被写体追跡装置及びそのプログラム | |
JP2019028650A5 (ja) | ||
CN108182406A (zh) | 零售终端的物品陈列识别方法及系统 | |
Kim et al. | Classification of oil painting using machine learning with visualized depth information | |
US11756214B2 (en) | Method and apparatus for tracking nematode worms | |
JP7170602B2 (ja) | 学習データ作成装置及び方法、並びに機械学習装置及び方法 | |
Jaisharma | RICE QUALITY ANALYSIS USING MACHINE LEARNING | |
EP4128018B1 (en) | Method, system and computer programs for the automatic counting of the number of insects in a trap | |
Verma et al. | Automatic assessment of artistic quality of photos | |
JP2022187547A (ja) | 視線推定システム |