JP2015036939A - 特徴抽出プログラム及び情報処理装置 - Google Patents
特徴抽出プログラム及び情報処理装置 Download PDFInfo
- Publication number
- JP2015036939A JP2015036939A JP2013168974A JP2013168974A JP2015036939A JP 2015036939 A JP2015036939 A JP 2015036939A JP 2013168974 A JP2013168974 A JP 2013168974A JP 2013168974 A JP2013168974 A JP 2013168974A JP 2015036939 A JP2015036939 A JP 2015036939A
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- feature
- learning
- layer
- layers
- 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
- Image Analysis (AREA)
Abstract
Description
複数の階層の各階層において、1つ前の階層の出力を入力として画像情報の特徴量を抽出するよう機能させるものであって、
前記複数の階層の最初の階層において、画像情報から特徴量を抽出する基本特徴量抽出手段と、
前記複数の階層において抽出された特徴量を用いて学習を行い学習結果を出力する学習手段と、
前記複数の階層の最初以外の階層のそれぞれにおいて、前記学習手段の学習結果に基づいて、1つ前の階層の出力から教師なしのクラスタリング手法により特徴量を抽出する特徴量抽出手段と、
前記複数の階層の最初以外の階層のそれぞれにおいて、前記特徴量抽出手段が抽出した特徴量をプーリング処理し、プーリング処理された特徴量を当該階層の出力とするプーリング処理手段として機能させる特徴抽出プログラム。
前記複数の階層の最初の階層において、画像情報から特徴量を抽出する基本特徴量抽出手段と、
前記複数の階層において抽出された特徴量を用いて学習を行い学習結果を出力する学習手段と、
前記複数の階層の最初以外の階層のそれぞれにおいて、前記学習手段の学習結果に基づいて、1つ前の階層の出力から教師なしのクラスタリング手法により特徴量を抽出する特徴量抽出手段と、
前記複数の階層の最初以外の階層のそれぞれにおいて、前記特徴量抽出手段が抽出した特徴量をプーリング処理し、プーリング処理された特徴量を当該階層の出力とするプーリング処理手段とを有する情報処理装置。
(情報処理装置の構成)
図1は、本発明の第1の実施の形態に係る情報処理装置の構成の一例を示す図である。
以下に、情報処理装置の動作例を各図を参照しつつ、(1)特徴抽出動作、(2)学習動作に分けて説明する。
図11は、情報処理装置の特徴抽出動作の一例を示すフローチャートである。図2は、特徴抽出動作の一例を説明する概略図である。
図12は、情報処理装置の学習動作の一例を示すフローチャートである。図3は、学習動作の一例を説明する概略図である。
上記した第1の実施の形態によると、画像情報の特徴抽出において、教師あり学習を用いる方法であるバックプロパゲーション法を用いずに、教師なしのクラスタリング手法であるk−meansクラスタリングを用いたため、例えば、公知の技術であるKD−treeと呼ばれる木構造を用いて高速に計算することができるため、従来に比べて演算処理の負荷を抑制できる。
(情報処理装置の構成)
図13は、本発明の第2の実施の形態に係る情報処理装置の構成の一例を示す図である。図14は、特徴抽出動作の一例を説明する概略図である。
上記した第2の実施の形態によると、共通学習結果情報115に含まれるベクトルの数がレイヤ1−レイヤMで抽出される特徴量情報1131−113Mに含まれる次元数となる、つまり、特徴量情報1131−113Mの次元数が全て共通となるため、計算の簡略化を図ることができ、第1の実施の形態に比べて、処理が高速化される。
(情報処理装置の構成)
図15は、本発明の第3の実施の形態に係る情報処理装置の構成の一例を示す図である。図16は、特徴抽出動作の一例を説明する概略図である。
上記した第3の実施の形態によると、一つ前のレイヤm−1において得られた学習結果情報112m−1をk−meansクラスタリングの初期値に利用したため、k−meansクラスタリングにおいて値の収束までの処理の回数が短縮でき、第1の実施の形態に比べて、処理が高速化される。
なお、本発明は、上記実施の形態に限定されず、本発明の趣旨を逸脱しない範囲で種々な変形が可能である。
10 制御部
11 記憶部
12 通信部
100 基本特徴量抽出手段
101 特徴量抽出手段
101i インデックス
101ma、101mb、101mc 特徴量ベクトル
101v 値
102 学習手段
103 プーリング処理手段
104 初期値設定手段
110 特徴抽出プログラム
111 画像情報
112 学習結果情報
113 特徴量情報
114 訓練画像情報集合
115 共通学習結果情報
Claims (4)
- コンピュータを、
複数の階層の各階層において、1つ前の階層の出力を入力として画像情報の特徴量を抽出するよう機能させるものであって、
前記複数の階層の最初の階層において、画像情報から特徴量を抽出する基本特徴量抽出手段と、
前記複数の階層において抽出された特徴量を用いて学習を行い学習結果を出力する学習手段と、
前記複数の階層の最初以外の階層のそれぞれにおいて、前記学習手段の学習結果に基づいて、1つ前の階層の出力から教師なしのクラスタリング手法により特徴量を抽出する特徴量抽出手段と、
前記複数の階層の最初以外の階層のそれぞれにおいて、前記特徴量抽出手段が抽出した特徴量をプーリング処理し、プーリング処理された特徴量を当該階層の出力とするプーリング処理手段として機能させる特徴抽出プログラム。 - 前記特徴量抽出手段は、前記複数の階層のうち特定の階層までに抽出された特徴量を用いて前記学習手段が学習を行い出力した学習結果に基づいて、1つ前の階層の出力から特徴量を抽出する請求項1に記載の特徴抽出プログラム。
- 前記学習手段は、1つ前の階層の学習結果を用いて学習を行う請求項1又は2に記載の特徴抽出プログラム。
- 複数の階層において1つ前の階層の出力を入力として特徴量を抽出するものであって、
前記複数の階層の最初の階層において、画像情報から特徴量を抽出する基本特徴量抽出手段と、
前記複数の階層において抽出された特徴量を用いて学習を行い学習結果を出力する学習手段と、
前記複数の階層の最初以外の階層のそれぞれにおいて、前記学習手段の学習結果に基づいて、1つ前の階層の出力から教師なしのクラスタリング手法により特徴量を抽出する特徴量抽出手段と、
前記複数の階層の最初以外の階層のそれぞれにおいて、前記特徴量抽出手段が抽出した特徴量をプーリング処理し、プーリング処理された特徴量を当該階層の出力とするプーリング処理手段とを有する情報処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013168974A JP6107531B2 (ja) | 2013-08-15 | 2013-08-15 | 特徴抽出プログラム及び情報処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013168974A JP6107531B2 (ja) | 2013-08-15 | 2013-08-15 | 特徴抽出プログラム及び情報処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015036939A true JP2015036939A (ja) | 2015-02-23 |
JP6107531B2 JP6107531B2 (ja) | 2017-04-05 |
Family
ID=52687388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013168974A Expired - Fee Related JP6107531B2 (ja) | 2013-08-15 | 2013-08-15 | 特徴抽出プログラム及び情報処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6107531B2 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845528A (zh) * | 2016-12-30 | 2017-06-13 | 湖北工业大学 | 一种基于K‑means与深度学习的图像分类算法 |
WO2017125980A1 (ja) * | 2016-01-21 | 2017-07-27 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2018081684A (ja) * | 2016-11-14 | 2018-05-24 | 澤蒼 顧 | 人工知能超深層学習モデルの構築方法、人工知能超深層学習装置、人工知能超深層学習モデルが搭載された汎用モバイル端末装置、及び人工知能超深層学習モデルのプログラム |
CN108388943A (zh) * | 2018-01-08 | 2018-08-10 | 中国科学院计算技术研究所 | 一种适用于神经网络的池化装置及方法 |
KR20200068104A (ko) * | 2018-11-28 | 2020-06-15 | 울산과학기술원 | 조기 추론 기반의 심층학습 장치 및 그 방법 |
KR20210040604A (ko) * | 2019-10-04 | 2021-04-14 | 광주과학기술원 | 행위 인식 방법 및 장치 |
JP2022000782A (ja) * | 2015-05-21 | 2022-01-04 | グーグル エルエルシーGoogle LLC | ニューラルネットワークプロセッサにおけるベクトル計算ユニット |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1021406A (ja) * | 1996-03-29 | 1998-01-23 | Nec Corp | 物体認識方法及び装置 |
JP2005215988A (ja) * | 2004-01-29 | 2005-08-11 | Canon Inc | パターン認識用学習方法、パターン認識用学習装置、画像入力装置、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 |
-
2013
- 2013-08-15 JP JP2013168974A patent/JP6107531B2/ja not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1021406A (ja) * | 1996-03-29 | 1998-01-23 | Nec Corp | 物体認識方法及び装置 |
JP2005215988A (ja) * | 2004-01-29 | 2005-08-11 | Canon Inc | パターン認識用学習方法、パターン認識用学習装置、画像入力装置、コンピュータプログラム、及びコンピュータ読み取り可能な記録媒体 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022000782A (ja) * | 2015-05-21 | 2022-01-04 | グーグル エルエルシーGoogle LLC | ニューラルネットワークプロセッサにおけるベクトル計算ユニット |
US12014272B2 (en) | 2015-05-21 | 2024-06-18 | Google Llc | Vector computation unit in a neural network processor |
JP7346510B2 (ja) | 2015-05-21 | 2023-09-19 | グーグル エルエルシー | ニューラルネットワークプロセッサにおけるベクトル計算ユニット |
US11620508B2 (en) | 2015-05-21 | 2023-04-04 | Google Llc | Vector computation unit in a neural network processor |
WO2017125980A1 (ja) * | 2016-01-21 | 2017-07-27 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JPWO2017125980A1 (ja) * | 2016-01-21 | 2018-11-15 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US10789691B2 (en) | 2016-01-21 | 2020-09-29 | Sony Corporation | Information processing apparatus and information processing method |
JP2018081684A (ja) * | 2016-11-14 | 2018-05-24 | 澤蒼 顧 | 人工知能超深層学習モデルの構築方法、人工知能超深層学習装置、人工知能超深層学習モデルが搭載された汎用モバイル端末装置、及び人工知能超深層学習モデルのプログラム |
CN106845528A (zh) * | 2016-12-30 | 2017-06-13 | 湖北工业大学 | 一种基于K‑means与深度学习的图像分类算法 |
CN108388943A (zh) * | 2018-01-08 | 2018-08-10 | 中国科学院计算技术研究所 | 一种适用于神经网络的池化装置及方法 |
CN108388943B (zh) * | 2018-01-08 | 2020-12-29 | 中国科学院计算技术研究所 | 一种适用于神经网络的池化装置及方法 |
KR102180051B1 (ko) | 2018-11-28 | 2020-11-17 | 울산과학기술원 | 조기 추론 기반의 심층학습 장치 및 그 방법 |
KR20200068104A (ko) * | 2018-11-28 | 2020-06-15 | 울산과학기술원 | 조기 추론 기반의 심층학습 장치 및 그 방법 |
KR102334338B1 (ko) | 2019-10-04 | 2021-12-03 | 광주과학기술원 | 행위 인식 방법 및 장치 |
KR20210040604A (ko) * | 2019-10-04 | 2021-04-14 | 광주과학기술원 | 행위 인식 방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
JP6107531B2 (ja) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6107531B2 (ja) | 特徴抽出プログラム及び情報処理装置 | |
Ge et al. | Multi-evidence filtering and fusion for multi-label classification, object detection and semantic segmentation based on weakly supervised learning | |
WO2019100723A1 (zh) | 训练多标签分类模型的方法和装置 | |
WO2019100724A1 (zh) | 训练多标签分类模型的方法和装置 | |
CN109478239B (zh) | 检测图像中的对象的方法和对象检测*** | |
Chen et al. | DISC: Deep image saliency computing via progressive representation learning | |
US9633282B2 (en) | Cross-trained convolutional neural networks using multimodal images | |
Goodfellow et al. | Multi-digit number recognition from street view imagery using deep convolutional neural networks | |
CN108734210B (zh) | 一种基于跨模态多尺度特征融合的对象检测方法 | |
CN109002755B (zh) | 基于人脸图像的年龄估计模型构建方法及估计方法 | |
WO2014205231A1 (en) | Deep learning framework for generic object detection | |
CN111027576B (zh) | 基于协同显著性生成式对抗网络的协同显著性检测方法 | |
CN110245621B (zh) | 人脸识别装置及图像处理方法、特征提取模型、存储介质 | |
US11568212B2 (en) | Techniques for understanding how trained neural networks operate | |
JP2015099563A (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP2010157118A (ja) | パターン識別装置及びパターン識別装置の学習方法ならびにコンピュータプログラム | |
CN111680755A (zh) | 医学图像识别模型构建及医学图像识别方法、装置、介质及终端 | |
CN112528845A (zh) | 一种基于深度学习的物理电路图识别方法及其应用 | |
CN112132145A (zh) | 一种基于模型扩展卷积神经网络的图像分类方法及*** | |
Kishorjit Singh et al. | Image classification using SLIC superpixel and FAAGKFCM image segmentation | |
CN111368865B (zh) | 遥感影像储油罐检测方法、装置、可读存储介质及设备 | |
CN111079930A (zh) | 数据集质量参数的确定方法、装置及电子设备 | |
CN114612681A (zh) | 基于gcn的多标签图像分类方法、模型构建方法及装置 | |
CN114299304A (zh) | 一种图像处理方法及相关设备 | |
JP2021051589A5 (ja) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160218 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170123 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6107531 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |