JP2022036131A - 学習装置、推論装置、学習方法、推論方法、コンピュータシステムおよびプログラム - Google Patents
学習装置、推論装置、学習方法、推論方法、コンピュータシステムおよびプログラム Download PDFInfo
- Publication number
- JP2022036131A JP2022036131A JP2021209174A JP2021209174A JP2022036131A JP 2022036131 A JP2022036131 A JP 2022036131A JP 2021209174 A JP2021209174 A JP 2021209174A JP 2021209174 A JP2021209174 A JP 2021209174A JP 2022036131 A JP2022036131 A JP 2022036131A
- Authority
- JP
- Japan
- Prior art keywords
- machine learning
- channel
- learning model
- image data
- data
- 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 54
- 238000010801 machine learning Methods 0.000 claims abstract description 253
- 238000012545 processing Methods 0.000 claims abstract description 103
- 230000008569 process Effects 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 27
- 238000004891 communication Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 238000013527 convolutional neural network Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- 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
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
Description
本発明の実施の形態1に係る画像処理装置について図1乃至図3を参照して説明する。本実施の形態1において、画像処理装置は、αチャンネル付き画像データなどの所定の学習用画像データに基づいて機械学習モデルにおける設定値を学習する学習装置、及び機械学習モデルを用いて対象画像データに対して所定の推論処理を実行する推論装置の少なくとも一方としての機能を発揮する。
最初に、画像処理装置1に備わる各処理部に関して図1を参照しながら説明する。画像処理装置1は、図1に示すように、制御部10、画像処理部11、記憶部12、通信部13、表示部14、操作部15及び読取部16を備える。なお、画像処理装置1及び画像処理装置1における動作について以下では、1台のサーバコンピュータとして説明するが、複数のコンピュータによって処理を分散するようにして構成されてもよい。
通信部13は、インターネット等の通信網への通信接続を実現する通信モジュールである。通信部13は、ネットワークカード、無線通信デバイス又はキャリア通信用モジュールを用いる。
次に、画像処理装置1の機能に関して図面を参照しながら説明する。なお、画像データは3チャンネルで、RGBを例に挙げて説明するが、YCbCr等、他の画像データ形式のものであっても良い。
図2は本実施の形態1に係る画像処理装置の機能ブロックを示す図あり、図3は機械学習の全体フローを示す図、図4は実施の形態1における機械学習の詳細フローを示す図である。
次にαチャンネルを持つ画像データによる学習について、図3、図5及び図6を用いて説明する。図5は本実施の形態2に係る画像処理装置の機能ブロックを示す図、図6は実施の形態2における画像処理装置の学習動作時の動作を示すフローチャートである。上記実施の形態1に係る画像処理装置1と同様の構成については同様の符号を付し、その詳細な説明は省略する。
次にαチャンネルを持つ画像データによる学習を行う他の実施の形態について図3、図7、図8を用いて説明する。
次に推論時の画像処理装置1の機能に関して図面を参照しながら説明する。なお、画像データは3チャンネルで、RGBを例に挙げて説明するが、YCbCr等、他の画像データ形式のものであっても良い。
図9は図2および図7に示した機械学習モデルの推論時における機能ブロックを示した図、図10はそのフローである。なお、前述した実施の形態における各機能と同じ機能ブロックは同じ符号を付す。
次に実施形態2の機械学習モデルを用いた推論について説明する。図11は図5に示した機械学習モデルの推論時における機能ブロックを示した図であり、図12はそのフローである。また、図13はαチャンネルの推論処理における遷移を示すイメージ図であり、入力データの解像度を上げる処理を例示している。図5と図11とを対比すると、推論時は制御部10が学習処理実行部101に替えて推論処理実行部102を具備する点で学習時と相違する。また、推論時は、出力部117が画像データとαチャンネルの統合を行う機能を備えている点、および、出力部117に第二チャンネル数調整部を備えない点で学習時と異なり、他の機能は学習時と略同じである。
<第1態様>
本態様の学習装置は、所定の学習用画像データに基づいて機械学習モデルにおける設定値を学習する学習装置であって、学習用画像データの各チャンネルのうち少なくとも一部のチャンネルのデータ(色データ、α値)を反転させる反転部(色反転部121、α値反転部133)と、反転されたデータを機械学習モデル(第一機械学習モデル113、第二機械学習モデル115)に入力する入力部(111)と、機械学習モデルから出力されたデータを反転させたデータと教師データとを比較可能、または/および、機械学習モデルから出力されたデータと教師データを反転させたデータとを比較可能な出力部(117)と、比較の結果に応じて、設定値を学習する学習処理実行部(101)とを具備することを特徴とする。
本態様の学習装置は、反転部(α値反転部133)は、学習用画像データの各チャンネルのうちαチャンネルのデータ(α値)を反転することを特徴とする。本態様によれば、各画素の画素値の大きさの傾向が色データとα値とで反転する場合において、学習用画像データに含まれるα値を反転することにより、当該反転したα値に基づいて、推論時に色データが入力される機械学習モデル(第一機械学習モデル113)を学習可能である(図5の具体例および図7の具体例を参照)。したがって、効率的な機械学習が可能になる。
本態様の学習装置は、機械学習モデルは画素データ(色データ)および/または反転したαチャンネルのデータ(α値)を学習する第一機械学習モデル(113)と、色反転した画素データおよび/またはαチャンネルのデータを学習する第二機械学習モデル(115)のいずれか一方或いは両方とからなることを特徴とする。本態様によれば、例えば、第二機械学習モデルが設けられない構成と比較して、α値に対して適当な推論処理が実行できるという利点がある。
本態様の推論装置は、機械学習モデルを用いて所定の推論処理を実行する推論装置であって、対象画像データの各チャンネルのうちαチャンネルのデータ(α値)を反転させる反転部(α値反転部133)と、反転されたデータを機械学習モデル(第一機械学習モデル113)に入力する入力部(111)と、機械学習モデルに入力されたデータに対して推論処理を実行する推論処理実行部(102)と、推論処理が実行されたデータを反転させる再反転部(α値反転部133)とを具備することを特徴とする。
本態様の学習方法は、機械学習モデルにおける設定値の学習方法であって、所定の学習用画像データの各チャンネルのうち少なくとも一部のチャンネルのデータを反転させ(図4のS109、図6のS131、図8のS161、図8のS170)、反転されたデータを機械学習モデルに入力し(図4のS110、図6のS133、図8のS162、図8のS172)、機械学習モデルから出力されたデータを反転させたデータと教師データとを比較(図4のS113、図8のS165、図8のS176)、または/および、機械学習モデルから出力されたデータと教師データを反転させたデータとを比較(図6のS137)し、比較の結果に応じて、設定値を学習する(図4のS114、図6のS138、図8のS158)ことを特徴とする。本態様によれば、第1態様と同様な効果が奏せられる。
本態様のプログラムは、所定の学習用画像データに基づいて機械学習モデルにおける設定値を学習する学習装置のコンピュータを、学習用画像データの各チャンネルのうち少なくとも一部のチャンネルのデータ(色データまたはα値)を反転させる反転部(α値反転部133、色反転部121)と、反転されたデータを機械学習モデル(第一機械学習モデル113、第二機械学習モデル115)に入力する入力部(111)と、機械学習モデルから出力されたデータを反転させたデータと教師データとを比較可能、または/および、機械学習モデルから出力されたデータと教師データを反転させたデータとを比較可能な出力部(117)と、比較の結果に応じて、設定値を学習する学習処理実行部(101)として機能させることを特徴とする。本態様によれば、第1態様と同様な効果が奏せられる。
本態様の推論装置は、機械学習モデルを用いて所定の推論処理を実行する推論方法であって、対象画像データの各チャンネルのうちαチャンネルのデータ(α値)を反転させ(図12のS229)、反転されたデータを機械学習モデル(第一機械学習モデル113)に入力し、機械学習モデルに入力されたデータに対して推論処理を実行し(図12のS231)、推論処理が実行されたデータを反転させる(図12のS234)ことを特徴とする。本態様によれば、第4態様と同様な効果が奏せられる。
本態様のプログラムは、機械学習モデルを用いて所定の推論処理を実行する推論装置のコンピュータを、対象画像データの各チャンネルのうちαチャンネルのデータ(α値)を反転させる反転部(α値反転部133)と、反転されたデータを機械学習モデル(第一機械学習モデル113)に入力する入力部(111)と、機械学習モデルに入力されたデータに対して推論処理を実行する推論処理実行部(102)と、推論処理が実行されたデータを反転させる再反転部(α値反転部133)として機能させることを特徴とする。本態様によれば、第4態様と同様な効果が奏せられる。
12 記憶部
101 学習処理実行部
102 推論処理実行部
111 入力部
113 第一機械学習モデル
115 第二機械学習モデル
117 出力部
119 第一チャンネル数調整部
120 第二チャンネル数調整部
121 色反転部
131 αチャンネル判定部
133 α値反転部
Claims (6)
- 所定の学習用画像データに基づいて、画像生成用の機械学習モデルにおける設定値を学習する学習装置であって、
学習用画像データの入力を受け付ける入力部と、
前記入力部に入力された学習用画像データが画像補助データであるαチャンネルを有しているか否かを判定するαチャンネル判定部と、
αチャンネルを除いた画像データが入力される第一機械学習モデルと、
αチャンネルが入力される第二機械学習モデルと、
学習対象の機械学習モデルを用いて、学習用画像データに基づいて、前記学習対象の機械学習モデルにおける設定値を学習する処理を実行するための学習処理実行部と、
前記設定値を記憶する学習結果記憶部と、を備え、
前記学習処理実行部は、前記αチャンネル判定部において画像データがαチャンネルを有していると判定される場合には、αチャンネルを除いた画像データを前記第一機械学習モデルに、αチャンネルを前記第二機械学習モデルに分離して出力する、ことを特徴とする学習装置。 - 画像生成用の機械学習モデルを用いて対象画像データに対して所定の推論処理を実行する推論装置であって、
対象画像データの入力を受け付ける入力部と、
前記入力部に入力された対象画像データが画像補助データであるαチャンネルを有しているか否かを判定するαチャンネル判定部と、
αチャンネルを除いた画像データが入力される第一機械学習モデルと、
αチャンネルが入力される第二機械学習モデルと、
前記第一機械学習モデル及び前記第二機械学習モデルを用いて、前記対象画像データに対して所定の推論処理を実行する推論処理実行部と、を備え、
前記推論処理実行部は、前記αチャンネル判定部において画像データがαチャンネルを有していると判定される場合には、αチャンネルを含まない画像データを前記第一機械学習モデルに、αチャンネルを前記第二機械学習モデルに分離して出力する、ことを特徴とする推論装置。 - コンピュータを請求項1または2のいずれか1項に記載の学習装置又は推論装置として動作させる、ことを特徴とするコンピュータプログラム。
- 請求項1または2のいずれか1項に記載の学習装置もしくは推論装置又は請求項3に記載のコンピュータプログラムに向けて入力データを送信し、これら学習装置もしくは推論装置又はコンピュータプログラムからの出力データを受信して利用する、ことを特徴とするコンピュータシステム。
- 所定の学習用画像データに基づいて、画像生成用の機械学習モデルにおける設定値を学習する学習方法であって、
学習用画像データの入力を受け付ける入力ステップと、
前記入力ステップにおいて入力された学習用画像データが画像補助データであるαチャンネルを有しているか否かを判定するαチャンネル判定ステップと、
αチャンネルを除いた画像データが入力される第一機械学習モデルにおける第一機械学習ステップと、
αチャンネルが入力される第二機械学習モデルにおける第二機械学習ステップと、
学習対象の機械学習モデルを用いて、学習用画像データに基づいて、前記学習対象の機械学習モデルにおける設定値を学習する処理を実行するための学習処理実行ステップと、
前記設定値を記憶する学習結果記憶ステップと、を含み、
前記学習処理実行ステップにおいては、前記αチャンネル判定ステップにおいて画像データがαチャンネルを有していると判定される場合には、αチャンネルを除いた画像データを前記第一機械学習モデルに、αチャンネルを前記第二機械学習モデルに分離して出力する、ことを特徴とする学習方法。 - 画像生成用の機械学習モデルを用いて対象画像データに対して所定の推論処理を実行する推論方法であって、
対象画像データの入力を受け付ける入力ステップと、
前記入力ステップにおいて入力された対象画像データが画像補助データであるαチャンネルを有しているか否かを判定するαチャンネル判定ステップと、
αチャンネルを除いた画像データが入力される第一機械学習モデルにおける第一機械学習ステップと、αチャンネルが入力される第二機械学習モデルにおける第二機械学習ステップと、
前記第一機械学習モデル及び前記第二機械学習モデルを用いて、前記対象画像データに対して所定の推論処理を実行する推論処理実行ステップと、を含み、
前記推論処理実行ステップにおいては、前記αチャンネル判定ステップにおいて画像データがαチャンネルを有していると判定される場合には、αチャンネルを含まない画像データを前記第一機械学習モデルに、αチャンネルを前記第二機械学習モデルに分離して出力する、ことを特徴とする推論方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019123289 | 2019-07-01 | ||
JP2019123289 | 2019-07-01 | ||
JP2020079462A JP7005040B2 (ja) | 2019-07-01 | 2020-04-28 | 学習装置、推論装置、学習方法、プログラムおよび推論方法 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020079462A Division JP7005040B2 (ja) | 2019-07-01 | 2020-04-28 | 学習装置、推論装置、学習方法、プログラムおよび推論方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022036131A true JP2022036131A (ja) | 2022-03-04 |
JP7321579B2 JP7321579B2 (ja) | 2023-08-07 |
Family
ID=74066067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021209174A Active JP7321579B2 (ja) | 2019-07-01 | 2021-12-23 | 学習装置、推論装置、学習方法、推論方法、コンピュータシステムおよびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11615609B2 (ja) |
JP (1) | JP7321579B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7409343B2 (ja) * | 2021-03-17 | 2024-01-09 | 横河電機株式会社 | コントローラ、制御方法及び制御プログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002281290A (ja) * | 2001-03-15 | 2002-09-27 | Minolta Co Ltd | 画像処理のための装置、方法及びプログラム |
JP2017146957A (ja) * | 2016-02-19 | 2017-08-24 | トヨタ自動車株式会社 | 深層畳み込みニューラルネットワークによるレイヤベースの物体検出の強化 |
US20180302614A1 (en) * | 2017-04-13 | 2018-10-18 | Facebook, Inc. | Panoramic camera systems |
JP2019016230A (ja) * | 2017-07-07 | 2019-01-31 | 日本電信電話株式会社 | 学習装置、画像合成装置、学習方法、画像合成方法、及びプログラム |
JP2019095860A (ja) * | 2017-11-17 | 2019-06-20 | 株式会社東芝 | ニューラルネットワーク装置および演算装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11379958B2 (en) | 2016-09-02 | 2022-07-05 | Casio Computer Co., Ltd. | Diagnosis assisting device, and image processing method in diagnosis assisting device |
JP6361776B2 (ja) | 2016-09-02 | 2018-07-25 | カシオ計算機株式会社 | 診断支援装置、及び診断支援装置における画像処理方法、並びにプログラム |
JP6814480B2 (ja) | 2017-11-08 | 2021-01-20 | 株式会社アクセル | 処理装置、推論装置、学習装置、処理システム、処理方法、及び処理プログラム |
US10320569B1 (en) * | 2018-04-05 | 2019-06-11 | HOTYB, Inc. | Systems and methods for authenticating a digitally signed assertion using verified evaluators |
US11449611B2 (en) * | 2019-05-21 | 2022-09-20 | Nxp B.V. | Apparatuses and methods involving a circuit for detecting a hardware-trojan |
-
2020
- 2020-06-30 US US16/917,356 patent/US11615609B2/en active Active
-
2021
- 2021-12-23 JP JP2021209174A patent/JP7321579B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002281290A (ja) * | 2001-03-15 | 2002-09-27 | Minolta Co Ltd | 画像処理のための装置、方法及びプログラム |
JP2017146957A (ja) * | 2016-02-19 | 2017-08-24 | トヨタ自動車株式会社 | 深層畳み込みニューラルネットワークによるレイヤベースの物体検出の強化 |
US20180302614A1 (en) * | 2017-04-13 | 2018-10-18 | Facebook, Inc. | Panoramic camera systems |
JP2019016230A (ja) * | 2017-07-07 | 2019-01-31 | 日本電信電話株式会社 | 学習装置、画像合成装置、学習方法、画像合成方法、及びプログラム |
JP2019095860A (ja) * | 2017-11-17 | 2019-06-20 | 株式会社東芝 | ニューラルネットワーク装置および演算装置 |
Non-Patent Citations (1)
Title |
---|
吉元裕真, 田向権: "Depth画像を活用した深層学習によるホームサービスロボット向け一般物体認識システムの構築", 電子情報通信学会技術研究報告, vol. SIS2017-55, JPN6023025425, ISSN: 0005092382 * |
Also Published As
Publication number | Publication date |
---|---|
US11615609B2 (en) | 2023-03-28 |
US20210004699A1 (en) | 2021-01-07 |
JP7321579B2 (ja) | 2023-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11250548B2 (en) | Digital image completion using deep learning | |
US8553045B2 (en) | System and method for image color transfer based on target concepts | |
US8508546B2 (en) | Image mask generation | |
JP6569047B1 (ja) | 学習方法、コンピュータプログラム、分類器、及び生成器 | |
US10614347B2 (en) | Identifying parameter image adjustments using image variation and sequential processing | |
CN108108215B (zh) | 皮肤生成方法、装置、终端和计算机可读存储介质 | |
WO2022227547A1 (zh) | 用于图像处理的方法、装置、电子设备及存储介质 | |
JP2024515532A (ja) | 1つ以上のユーザ固有の頭皮分類を生成するために、ユーザの頭皮の頭皮領域の画素データを分析するためのデジタル撮像及び学習システム並びに方法 | |
CN112149635A (zh) | 跨模态人脸识别模型训练方法、装置、设备以及存储介质 | |
CN113012188A (zh) | 图像融合方法、装置、计算机设备和存储介质 | |
JP7321579B2 (ja) | 学習装置、推論装置、学習方法、推論方法、コンピュータシステムおよびプログラム | |
EP3738305B1 (en) | Electronic device and control method thereof | |
US20190371268A1 (en) | Electronic device and control method thereof | |
Liu et al. | Image-driven harmonious color palette generation for diverse information visualization | |
CN109891459B (zh) | 图像处理装置及图像处理方法 | |
JP7005040B2 (ja) | 学習装置、推論装置、学習方法、プログラムおよび推論方法 | |
CN112150347A (zh) | 从有限的修改后图像集合中学习的图像修改样式 | |
US11687782B2 (en) | Systems and methods for recognition of user-provided images | |
JP6947460B1 (ja) | プログラム、情報処理装置、及び方法 | |
JP7100783B1 (ja) | 学習装置及び推論装置 | |
JP7402552B2 (ja) | 学習装置及び推論装置 | |
KR102446711B1 (ko) | 상품 이미지 생성 모델, 상품 이미지 생성 모델을 이용하여 상품 이미지를 생성하는 방법 및 상품 이미지 생성 장치 | |
KR102673686B1 (ko) | 사용자가 제작한 이미지의 색채를 기반으로 사용자의 정서를 분석하는 방법 | |
JP7045103B1 (ja) | データ拡張装置、データ拡張システム、及びデータ拡張プログラム | |
KR20230068894A (ko) | 디스플레이 장치 및 그 동작방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220622 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230510 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230627 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230630 |
|
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: 20230711 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230719 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7321579 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |