JP2018116364A - 辞書生成装置、評価装置、辞書生成方法、評価方法及びプログラム - Google Patents
辞書生成装置、評価装置、辞書生成方法、評価方法及びプログラム Download PDFInfo
- Publication number
- JP2018116364A JP2018116364A JP2017005275A JP2017005275A JP2018116364A JP 2018116364 A JP2018116364 A JP 2018116364A JP 2017005275 A JP2017005275 A JP 2017005275A JP 2017005275 A JP2017005275 A JP 2017005275A JP 2018116364 A JP2018116364 A JP 2018116364A
- Authority
- JP
- Japan
- Prior art keywords
- data
- dictionary
- unit
- evaluation
- degree
- 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
- 238000000034 method Methods 0.000 title claims description 205
- 238000011156 evaluation Methods 0.000 title claims description 88
- 238000012545 processing Methods 0.000 claims description 138
- 238000009826 distribution Methods 0.000 claims description 63
- 239000013598 vector Substances 0.000 claims description 40
- 230000006978 adaptation Effects 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 2
- 238000010168 coupling process Methods 0.000 claims description 2
- 238000005859 coupling reaction Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims 3
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 144
- 230000010365 information processing Effects 0.000 description 68
- 230000005856 abnormality Effects 0.000 description 61
- 230000007547 defect Effects 0.000 description 41
- 238000007689 inspection Methods 0.000 description 30
- 238000012854 evaluation process Methods 0.000 description 28
- 230000002950 deficient Effects 0.000 description 22
- 238000012986 modification Methods 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 230000014509 gene expression Effects 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000002159 abnormal effect Effects 0.000 description 10
- 238000011157 data evaluation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000012821 model calculation Methods 0.000 description 9
- 230000001186 cumulative effect Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000001878 scanning electron micrograph Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/28—Determining representative reference patterns, e.g. by averaging or distorting; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/772—Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
- G06V10/7796—Active pattern-learning, e.g. online learning of image or video features based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Pure & Applied Mathematics (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
Abstract
Description
を有することを特徴とする。
図1は、第1の実施形態に係る検査システム100の全体図である。本実施形態に係る検査システム100は、検査対象の物体の表面外観検査によって良否判定を行うために利用する辞書を生成し、また生成された辞書を用いて、物体の良否判定を行う。具体的には、検査システム100は、良品であることがわかっている物体の撮影画像を学習データとして用い、特定カテゴリとして良品の特徴を表現する辞書を生成する。また、検査システム100は、良否判定の対象となるデータ(判定対象データ)をカテゴリが未知のデータとし、このデータが特定のカテゴリ(良品のカテゴリ)に属するか否かを辞書を利用して判定することにより、良否判定を行う。
セット保持部211や、新データセット保持部251に記憶されているデータである。iはデータのインデックスであり、Nは対象データセットに含まれる対象データの個数である。Dは基準データ群又は辞書である。xiは再構成係数ベクトル、。‖yi−Dxi‖2
は再構成誤差である。また、‖・‖0はL0ノルム、‖・‖2はL2ノルムである。kは基準データの係数が非零である個数の上限であり、スパース制約条件を表す。本実施形態においては、辞書生成部231は、k=2として(式1)の最適解を求める。その結果、再構成係数ベクトルの要素の内、最大2個の値が非0になり、それ以外は0というスパースな解が得られる。
(非特許文献2)
Michal Aharon et al., "The K−SVD: An al
gorithm for designing of overcomplete dictionaries for sparse representation", I
EEE Trans. Signal Processing, 2006
‖2)を算出する。具体的には、モデル算出部243は、再構成情報を表す再構成ベクトルを用いて主成分分析を行い、部分空間を取得する。そして、モデル算出部243は、各々の対象データの再構成情報ベクトルを生成した部分空間へ投影し、その投影誤差を求める。なお、W={u1,u2,…,udk}は、対象データの再構成情報を主成分分析して得られた固有ベクトルの集合であり、dkは、使用する固有ベクトルの個数である。ここで、S304の処理は、投影誤差を求める投影誤差評価処理の一例である。
スチャーで仮定し、モデルはEMアルゴリズムで生成する。
ぞれ対象データの尤度の平均及び分散である。dは再構成ベクトルの次元数である。thres.2は正常・異常境界を決める閾値である。
混合ガウス分布のパラメータ、thres.3は正常・異常境界を決める閾値である。このように、選択部245は、対応するデータの辞書との適合の程度の指標値として、異常度に替えて尤度を用いてもよい。さらに他の例としては、選択部245は、尤度の逆数を異常度として用いてもよい。
次に、第2の実施形態に係る検査システム100について説明する。正常範囲が広く設定されると、正常と判定される大多数のデータの割合が増え、マイノリティ学習の効率が下がる。一方で、正常範囲を狭くすると、再学習すべき正常データを逃す可能性がある。よって、正常範囲と異常範囲の境界を定める適切な閾値を決定する方法が求められる。マイノリティ学習の目的は、正常データにおける異常度の高いデータと欠陥データにおける異常度の低いデータを区別することにある。この点に着目すると、欠陥データのうち異常度が最小となるデータを特定し、このデータの異常度の近傍値を境界としてマイノリティデータを選択することが好ましい。このようにして選択されたマイノリティデータを用いることにより、欠陥データと正常データの境界の精度の高い辞書を生成することができる。
次に、第3の実施形態に係る検査システム100について説明する。第1の実施形態及び第2の実施形態においては、情報処理装置110は、異常度(尤度)に応じて、マイノリティデータを選択したが、本実施形態の情報処理装置110は、異常度(尤度)に応じた重みを各データに付与した上で段階辞書を生成する。
個選択する場合について説明する。辞書候補評価部1043は、K0個の候補基準データに関して、評価値Vm (t)を降順に並べ替えて、評価値が最も高いK’個を選択する。す
べての基準データのインデックスの集合をIとし、選択された基準データのインデックスの集合をIk’、選択されない基準データのインデックスの集合をIk’’とした場合、
確定辞書は(式11)により表現される。
次に、第4の実施形態に係る検査システム100について説明する。本実施形態においては、情報処理装置110は、データ空間をデータ分布の多峰性に対応したサブ空間に分割し、各サブ空間に対して辞書学習及び評価を行う。以下、第4の実施形態に係る検査システム100について、他の実施形態に係る検査システム100と異なる点について説明する。図14は、第4の実施形態に係る辞書生成処理及び評価処理に係る処理部1400のソフトウェア構成を示す図である。図15は、第4の実施形態に係る辞書生成処理を示すフローチャートである。図16は、第4の実施形態に係る評価処理を示すフローチャートである。
データ分割方法1:クラスタ生成で使用するデータとしては、パッチそのままを利用することやパッチをDCT変換した結果のほか、再構成係数ベクトルを活用することや(式7)の再構成情報ベクトルyi 'を利用してもよい。データ空間を分割するには、階層的で凝集型のクラスタ生成や非階層的で最適化ベースのK平均法等、様々な基本的なクラスタリング手法を用いることが可能である。さらに、第1の実施形態において説明したK−SVD等の辞書生成方法をマイノリティデータセットに適用して、得られた基準データをクラスタの中心にしてもよい。
上記の実施形態において生成される辞書は、特定カテゴリを表現するための表現辞書の生成方法に関するものである。これらの方法は、特定カテゴリと非特定カテゴリを識別するための識別辞書の生成にも適用可能である。表現辞書は、未知の欠陥の種類が予測困難の場合に効果的である。一方で、識別辞書は、たとえば、欠陥の種類が限られている際に効率的である。
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
110 情報処理装置
111 CPU
Claims (32)
- 特定カテゴリに属するデータの特徴を表現する、複数の段から成る辞書を生成する辞書生成装置であって、
特定カテゴリに属する複数のデータに基づいて生成された辞書に対する、前記辞書の生成に用いられたデータの適合の程度を示す情報に基づいて、前記複数のデータから一部のデータを選択する選択手段と、
前記選択手段により選択されたデータを用いて、前記辞書の次の段の辞書を生成する辞書生成手段と
を有することを特徴とする辞書生成装置。 - 前記選択手段は、前記複数のデータそれぞれに対する前記適合の程度を示す情報の分布に基づいて、前記データを選択することを特徴とする請求項1に記載の辞書生成装置。
- 前記辞書を用いて、前記辞書の生成に用いられた複数のデータそれぞれを再構成する再構成手段をさらに有し、
前記選択手段は、再構成により得られた再構成情報に基づいて、前記データを選択することを特徴とする請求項1又は2に記載の辞書生成装置。 - 前記辞書は、スパースコーディングの辞書であり、
前記再構成情報は、スパースコーディングの結合係数のL1ノルムを含むことを特徴とする請求項3に記載の辞書生成装置。 - 前記再構成情報に含まれる再構成ベクトルの主成分分析により得られる部分空間に前記再構成ベクトルを投影した際に生じる投影誤差を、前記複数のデータそれぞれに対して求める投影誤差評価手段をさらに有し、
前記選択手段は、前記投影誤差に基づいて、前記データを選択することを特徴とする請求項3又は4に記載の辞書生成装置。 - 前記複数のデータそれぞれの投影誤差の分布モデルを生成するモデル生成手段をさらに有し、
前記選択手段は、前記分布モデルに基づいて、前記データを選択することを特徴とする請求項5に記載の辞書生成装置。 - 前記分布モデルに基づいて、前記投影誤差を、前記辞書との適合の適度を示す指標値に変換する変換手段をさらに有し、
前記選択手段は、前記指標値に基づいて、前記データを選択することを特徴とする請求項6に記載の辞書生成装置。 - 前記辞書生成手段により生成された辞書と、前記辞書の生成に用いられたデータと、を用いて、前記選択手段及び前記辞書生成手段の処理を繰り返すよう制御する繰り返し手段をさらに有することを特徴とする請求項1に記載の辞書生成装置。
- 前記辞書の生成に用いられた複数のデータそれぞれから解像度の異なる複数のデータを生成する多解像度化手段をさらに有し、
前記選択手段は、解像度毎の複数のデータに基づいて生成された、解像度毎の複数の辞書それぞれに対する、各辞書の生成に用いられたデータの適合の程度を示す情報に基づいて、各解像度の複数のデータから、一部のデータを選択し、
前記辞書生成手段は、前記選択手段により選択された、各解像度のデータを用いて、各解像度の辞書の次の段の辞書を生成することを特徴とする請求項1に記載の辞書生成装置。 - 前記特定カテゴリに属する複数のデータをデータの特徴に基づいて、複数のデータセットに分割する分割手段をさらに有し、
前記選択手段は、前記複数のデータセットそれぞれに基づいて生成された複数の辞書それぞれに対する、各辞書の生成に用いられたデータの適合の程度を示す情報に基づいて、前記複数のデータセットそれぞれから、一部のデータを選択し、
前記辞書生成手段は、前記複数のデータセットそれぞれに対応して生成された前記複数の辞書それぞれの次の段の辞書を生成することを特徴とする請求項1に記載の辞書生成装置。 - 特定カテゴリに属するデータの特徴を表現する、複数の段から成る辞書を生成する辞書生成装置であって、
前記特定カテゴリに属する複数のデータを含む第1のデータセットに基づいて生成された辞書に対する、前記特定カテゴリに属するデータと前記特定カテゴリに属さないデータとを含む第2のデータセットに含まれる複数のデータそれぞれの適合の程度を示す情報に基づいて、前記第2のデータセットに含まれる複数のデータを順位付けする順位付け手段と、
前記順位に沿って前記複数のデータを並べたデータリストを表示手段に表示するよう制御する表示処理手段と、
前記表示手段に表示されたデータに対する第1のユーザ操作に応じて、前記第2のデータセットのデータの一部を選択する選択手段と、
前記選択手段により選択されたデータを用いて、前記辞書の次の段の辞書を生成する辞書生成手段と
を有することを特徴とする辞書生成装置。 - 前記辞書を用いて、前記辞書の生成に用いられた複数のデータそれぞれを再構成する再構成手段をさらに有し、
前記順位付け手段は、再構成により得られた再構成情報に基づいて、前記データを順位付けすることを特徴とする請求項11に記載の辞書生成装置。 - 前記再構成情報に含まれる再構成ベクトルの主成分分析により得られる部分空間に前記再構成ベクトルを投影した際に生じる投影誤差を、前記複数のデータそれぞれに対して求める投影誤差評価手段をさらに有し、
前記順位付け手段は、前記投影誤差に基づいて、前記データを順位付けすることを特徴とする請求項12に記載の辞書生成装置。 - 複数のデータそれぞれの前記投影誤差の分布モデルを生成するモデル生成手段と、
前記分布モデルに基づいて、前記投影誤差を、辞書との適合の程度を示す指標値に変換する変換手段と
をさらに有し、
前記順位付け手段は、前記指標値に基づいて、前記データを順位付けすることを特徴とする請求項13に記載の辞書生成装置。 - 前記第2のデータセットは、特定カテゴリに属さない1つの画像から生成された複数のデータを含み、
前記表示処理手段は、前記データリストと共に、前記画像を前記表示手段に表示することを特徴とする請求項11乃至14の何れか1項に記載の辞書生成装置。 - 前記表示処理手段は、前記データリストにおいて第2のユーザ操作に応じてデータが選択された場合に、選択されたデータに対応する前記画像の一部の領域を強調表示するよう制御することを特徴とする請求項15に記載の辞書生成装置。
- 前記辞書生成手段により生成された辞書と、前記第2のデータセットに含まれるデータと、を用いて、前記順位付け手段、前記表示処理手段、前記選択手段及び前記辞書生成手段の処理を繰り返すよう制御する繰り返し手段をさらに有することを特徴とする請求項11に記載の辞書生成装置。
- 特定カテゴリに属するデータの特徴を表現する、複数の段から成る辞書を生成する辞書生成装置であって、
特定カテゴリに属する複数のデータに基づいて生成された複数の辞書候補から第n段(nは、1以上の整数)の辞書が選択された時点において、辞書として選択されていない辞書候補に対する、前記複数のデータそれぞれの適合の程度を示す情報に応じて、前記複数のデータのうち少なくとも1つのデータを重み付けする重み付け手段と、
前記重み付け手段による重み付けが行われた後の、前記複数のデータに基づいて、前記辞書候補の中から第n+1段の辞書を選択する選択手段を有することを特徴とする辞書生成装置。 - 前記辞書として選択されていない辞書候補に対する、前記複数のデータそれぞれの再構成情報を生成する再構成手段をさらに有し、
前記重み付け手段は、前記再構成情報に基づいて、前記データの重み付けを行うことを特徴とする請求項18に記載の辞書生成装置。 - 前記再構成情報に含まれる再構成ベクトルの主成分分析により得られる部分空間に前記再構成ベクトルを投影した際に生じる投影誤差を、前記複数のデータそれぞれに対して求める投影誤差評価手段をさらに有し、
前記重み付け手段は、前記投影誤差に基づいて、前記データの重み付けを行うことを特徴とする請求項19に記載の辞書生成装置。 - 複数のデータそれぞれの前記投影誤差の分布モデルを生成するモデル生成手段をさらに有し、
前記重み付け手段は、前記分布モデルに基づいて、前記データの重み付けを行うことを特徴とする請求項20に記載の辞書生成装置。 - 前記特定カテゴリに属する複数のデータをデータの特徴に基づいて、複数のデータセットに分割する分割手段をさらに有し、
前記選択手段は、各データセットに含まれる複数のデータのうち少なくとも1つのデータを重み付けし、
前記選択手段は、各データセットに対し、第n+1段の辞書を選択することを特徴とする請求項18に記載の辞書生成装置。 - 前記選択手段は、前記辞書として選択されていない辞書候補それぞれに対する、前記複数のデータそれぞれの適合の程度を評価する評価手段をさらに有し、
前記選択手段は、前記評価手段の評価結果に基づいて、前記第n+1段の辞書を選択することを特徴とする請求項18乃至22の何れか1項に記載の辞書生成装置。 - 学習データの、辞書に対する適合の程度を示す情報に基づいて生成された複数の段から成る辞書を用いて、処理対象のデータが特定カテゴリに属することの尤度を評価する評価手段を有することを特徴とする評価装置。
- 前記評価手段は、前記複数の辞書それぞれの生成に用いられたデータそれぞれの、前記適合の程度を示す情報の分布と、前記処理対象のデータの前記適合の程度を示す情報と、に基づいて、前記尤度を評価することを特徴とする請求項24に記載の評価装置。
- 前記評価手段は、前記適合の程度を示す情報に基づいて重み付けされた学習データに基づいて段階的に生成された、前記複数の辞書を用いて、前記尤度を評価することを特徴とする請求項24に記載の評価装置。
- 特定カテゴリに属するデータの特徴を表現する、複数の段から成る辞書を生成する辞書生成方法であって、
特定カテゴリに属する複数のデータに基づいて生成された辞書に対する、前記辞書の生成に用いられたデータの適合の程度を示す情報に基づいて、前記複数のデータから一部のデータを選択する選択工程と、
前記選択工程により選択されたデータを用いて、前記辞書の次の段の辞書を生成する辞書生成工程と
を有することを特徴とする辞書生成方法。 - 特定カテゴリに属するデータの特徴を表現する、複数の段から成る辞書を生成する辞書生成方法であって、
前記特定カテゴリに属する複数のデータを含む第1のデータセットに基づいて生成された辞書に対する、前記特定カテゴリに属するデータと前記特定カテゴリに属さないデータとを含む第2のデータセットに含まれる複数のデータそれぞれの適合の程度を示す情報に基づいて、前記第2のデータセットに含まれる複数のデータを順位付けする順位付け工程と、
前記順位に沿って前記複数のデータを並べたデータリストを表示工程に表示するよう制御する表示処理工程と、
前記表示工程に表示されたデータに対する第1のユーザ操作に応じて、前記第2のデータセットのデータの一部を選択する選択工程と、
前記選択工程により選択されたデータを用いて、前記辞書の次の段の辞書を生成する辞書生成工程と
を有することを特徴とする辞書生成方法。 - 特定カテゴリに属するデータの特徴を表現する、複数の段から成る辞書を生成する辞書生成方法であって、
特定カテゴリに属する複数のデータに基づいて生成された複数の辞書候補から第n段(nは、1以上の整数)の辞書が選択された時点において、辞書として選択されていない辞書候補に対する、前記複数のデータそれぞれの適合の程度を示す情報に応じて、前記複数のデータのうち少なくとも1つのデータを重み付けする重み付け工程と、
前記重み付け工程による重み付けが行われた後の、前記複数のデータに基づいて、前記辞書候補の中から第n+1段の辞書を選択する選択工程を有することを特徴とする辞書生成方法。 - 学習データの、辞書に対する適合の程度を示す情報に基づいて生成された複数の段から成る辞書を用いて、処理対象のデータが特定カテゴリに属することの尤度を評価する評価工程を有することを特徴とする評価方法。
- コンピュータを、請求項1乃至23の何れか1項に記載の辞書生成装置の各手段として機能させるためのプログラム。
- コンピュータを、請求項24乃至26の何れか1項に記載の評価装置の各手段として機能させるためのプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017005275A JP7058941B2 (ja) | 2017-01-16 | 2017-01-16 | 辞書生成装置、辞書生成方法、及びプログラム |
US15/870,627 US11521099B2 (en) | 2017-01-16 | 2018-01-12 | Dictionary generation apparatus, evaluation apparatus, dictionary generation method, evaluation method, and storage medium for selecting data and generating a dictionary using the data |
CN201810051692.0A CN108320024B (zh) | 2017-01-16 | 2018-01-16 | 词典生成装置及方法、评估装置及方法、以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017005275A JP7058941B2 (ja) | 2017-01-16 | 2017-01-16 | 辞書生成装置、辞書生成方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018116364A true JP2018116364A (ja) | 2018-07-26 |
JP7058941B2 JP7058941B2 (ja) | 2022-04-25 |
Family
ID=62841563
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017005275A Active JP7058941B2 (ja) | 2017-01-16 | 2017-01-16 | 辞書生成装置、辞書生成方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11521099B2 (ja) |
JP (1) | JP7058941B2 (ja) |
CN (1) | CN108320024B (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020030565A (ja) * | 2018-08-22 | 2020-02-27 | 株式会社Ye Digital | 画像判定方法、画像判定装置および画像判定プログラム |
JP2021039476A (ja) * | 2019-09-02 | 2021-03-11 | 株式会社東芝 | 欠陥検査装置、欠陥検査方法、およびプログラム |
JP7397404B2 (ja) | 2020-02-07 | 2023-12-13 | オムロン株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110569795B (zh) * | 2018-03-13 | 2022-10-14 | 腾讯科技(深圳)有限公司 | 一种图像识别方法、装置以及相关设备 |
CN109359678B (zh) * | 2018-10-09 | 2022-08-30 | 四川轻化工大学 | 一种白酒图谱的高精度分类识别算法 |
FR3088123B1 (fr) * | 2018-11-02 | 2020-10-23 | Commissariat Energie Atomique | Procede et dispositif de detection d'un arc electrique dans un systeme electrique |
CN109544614B (zh) * | 2018-11-26 | 2022-04-01 | 东南大学 | 一种基于图像低频信息相似度的匹配图像对识别的方法 |
US11064219B2 (en) * | 2018-12-03 | 2021-07-13 | Cloudinary Ltd. | Image format, systems and methods of implementation thereof, and image processing |
JP7263074B2 (ja) * | 2019-03-22 | 2023-04-24 | キヤノン株式会社 | 情報処理装置、及びその制御方法、プログラム、記憶媒体 |
CN115375609A (zh) * | 2021-05-21 | 2022-11-22 | 泰连服务有限公司 | 自动零件检查*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009002743A (ja) * | 2007-06-20 | 2009-01-08 | Hitachi High-Technologies Corp | 外観検査方法及びその装置および画像処理評価システム |
JP2011007553A (ja) * | 2009-06-24 | 2011-01-13 | Hitachi High-Technologies Corp | 欠陥検出方法及び装置 |
JP2015191334A (ja) * | 2014-03-27 | 2015-11-02 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101295401A (zh) | 2008-06-05 | 2008-10-29 | 上海交通大学 | 基于线性pca的红外点目标检测方法 |
JP2010198476A (ja) | 2009-02-26 | 2010-09-09 | Omron Corp | 欠陥検出装置、欠陥検出方法および欠陥検出プログラム |
JP5538967B2 (ja) * | 2009-06-18 | 2014-07-02 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
US9053393B2 (en) * | 2010-03-19 | 2015-06-09 | Canon Kabushiki Kaisha | Learning method and apparatus for pattern recognition |
CN103188988A (zh) * | 2010-08-27 | 2013-07-03 | 索尼公司 | 图像处理装置及方法 |
KR101629165B1 (ko) * | 2013-12-10 | 2016-06-21 | 삼성전자 주식회사 | 자기공명영상장치 및 그 제어방법 |
US9396409B2 (en) * | 2014-09-29 | 2016-07-19 | At&T Intellectual Property I, L.P. | Object based image processing |
US9984283B2 (en) * | 2015-02-14 | 2018-05-29 | The Trustees Of The University Of Pennsylvania | Methods, systems, and computer readable media for automated detection of abnormalities in medical images |
US10148680B1 (en) * | 2015-06-15 | 2018-12-04 | ThetaRay Ltd. | System and method for anomaly detection in dynamically evolving data using hybrid decomposition |
US11049004B1 (en) * | 2015-11-15 | 2021-06-29 | ThetaRay Ltd. | System and method for anomaly detection in dynamically evolving data using random neural network decomposition |
US10755395B2 (en) * | 2015-11-27 | 2020-08-25 | Canon Medical Systems Corporation | Dynamic image denoising using a sparse representation |
JP7089296B2 (ja) * | 2016-09-06 | 2022-06-22 | ビー.ジー.ネゲブ テクノロジーズ アンド アプリケーションズ リミテッド, アット ベン‐グリオン ユニバーシティー | 画像からのハイパースペクトルデータの回復 |
US11017298B2 (en) * | 2016-09-21 | 2021-05-25 | Scianta Analytics Llc | Cognitive modeling apparatus for detecting and adjusting qualitative contexts across multiple dimensions for multiple actors |
US10496880B2 (en) * | 2017-06-27 | 2019-12-03 | Canon Kabushiki Kaisha | Method and apparatus for comparing objects in images |
US11138477B2 (en) * | 2019-08-15 | 2021-10-05 | Collibra Nv | Classification of data using aggregated information from multiple classification modules |
-
2017
- 2017-01-16 JP JP2017005275A patent/JP7058941B2/ja active Active
-
2018
- 2018-01-12 US US15/870,627 patent/US11521099B2/en active Active
- 2018-01-16 CN CN201810051692.0A patent/CN108320024B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009002743A (ja) * | 2007-06-20 | 2009-01-08 | Hitachi High-Technologies Corp | 外観検査方法及びその装置および画像処理評価システム |
JP2011007553A (ja) * | 2009-06-24 | 2011-01-13 | Hitachi High-Technologies Corp | 欠陥検出方法及び装置 |
JP2015191334A (ja) * | 2014-03-27 | 2015-11-02 | キヤノン株式会社 | 情報処理装置、情報処理方法 |
Non-Patent Citations (1)
Title |
---|
DIEGO CARRERA, ET AL.: "Scale-invariant anomaly detection with multiscale group-sparse models", 2016 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP), JPN6021004192, 2016, US, pages 3892 - 3896, XP033017232, ISSN: 0004566279, DOI: 10.1109/ICIP.2016.7533089 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020030565A (ja) * | 2018-08-22 | 2020-02-27 | 株式会社Ye Digital | 画像判定方法、画像判定装置および画像判定プログラム |
JP7106391B2 (ja) | 2018-08-22 | 2022-07-26 | 株式会社Ye Digital | 画像判定方法、画像判定装置および画像判定プログラム |
JP2021039476A (ja) * | 2019-09-02 | 2021-03-11 | 株式会社東芝 | 欠陥検査装置、欠陥検査方法、およびプログラム |
JP7170605B2 (ja) | 2019-09-02 | 2022-11-14 | 株式会社東芝 | 欠陥検査装置、欠陥検査方法、およびプログラム |
JP7397404B2 (ja) | 2020-02-07 | 2023-12-13 | オムロン株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7058941B2 (ja) | 2022-04-25 |
US20180204132A1 (en) | 2018-07-19 |
CN108320024A (zh) | 2018-07-24 |
US11521099B2 (en) | 2022-12-06 |
CN108320024B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7058941B2 (ja) | 辞書生成装置、辞書生成方法、及びプログラム | |
Hosu et al. | KonIQ-10k: An ecologically valid database for deep learning of blind image quality assessment | |
Bergmann et al. | Improving unsupervised defect segmentation by applying structural similarity to autoencoders | |
CN109697434B (zh) | 一种行为识别方法、装置和存储介质 | |
TWI677852B (zh) | 一種圖像特徵獲取方法及裝置、電子設備、電腦可讀存儲介質 | |
JP6708385B2 (ja) | 識別器作成装置、識別器作成方法、およびプログラム | |
US9152926B2 (en) | Systems, methods, and media for updating a classifier | |
CN109344889B (zh) | 脑疾病分类装置、用户终端和计算机可读存储介质 | |
CN112489092B (zh) | 细粒度工业运动模态分类方法、存储介质、设备和装置 | |
CN109919252B (zh) | 利用少数标注图像生成分类器的方法 | |
CN108334805B (zh) | 检测文档阅读顺序的方法和装置 | |
JP2015087903A (ja) | 情報処理装置及び情報処理方法 | |
CN110914864A (zh) | 信息处理装置、信息处理程序和信息处理方法 | |
JP2017102906A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN112613349B (zh) | 基于深度混合卷积神经网络的时序动作检测方法及装置 | |
CN114782997A (zh) | 基于多损失注意力自适应网络的行人重识别方法及*** | |
JP2020119154A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN116266387A (zh) | 基于重参数化残差结构和坐标注意力机制的yolov4的图像识别算法及*** | |
Peng et al. | Document image quality assessment using discriminative sparse representation | |
US10580127B2 (en) | Model generation apparatus, evaluation apparatus, model generation method, evaluation method, and storage medium | |
EP3166022A1 (en) | Method and apparatus for image search using sparsifying analysis operators | |
CN112597997A (zh) | 感兴趣区域确定方法、图像内容识别方法及装置 | |
KR102230559B1 (ko) | 데이터 프로그래밍에 기반한 레이블링 모델 생성 방법 및 장치 | |
US11715288B2 (en) | Optical character recognition using specialized confidence functions | |
CN116246161A (zh) | 领域知识引导下的遥感图像目标精细类型识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191227 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210209 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210407 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210810 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211011 |
|
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: 20220315 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220413 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7058941 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |