JP2967047B2 - パターン認識方法 - Google Patents
パターン認識方法Info
- Publication number
- JP2967047B2 JP2967047B2 JP8122242A JP12224296A JP2967047B2 JP 2967047 B2 JP2967047 B2 JP 2967047B2 JP 8122242 A JP8122242 A JP 8122242A JP 12224296 A JP12224296 A JP 12224296A JP 2967047 B2 JP2967047 B2 JP 2967047B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- input
- image
- compression
- recognition
- 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 - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Description
【0001】
【発明の属する技術分野】この発明はパターン認識方法
に関し、たとえば、物体認識,顔認識,画像認識,文字
認識および音声認識などを必要とする分野に利用できる
ようなパターン認識方法に関する。
に関し、たとえば、物体認識,顔認識,画像認識,文字
認識および音声認識などを必要とする分野に利用できる
ようなパターン認識方法に関する。
【0002】
【従来の技術】従来より、パターン認識方法として、多
層ニューラルネットを用いて入力に各種パターン,出力
に認識カテゴリを示す(1,0)などの離散値を与えて
学習させ、パターンの識別を行なう方法が用いられてき
た。しかし、この認識方法では、複数の認識候補への可
能性を連続値で表現できないため、柔軟な認識ができな
い。そのため、中間層の次元を圧縮した多層ニューラル
ネットを認識カテゴリごとに用意し、各カテゴリに属す
る複数のパターンを与えて恒等写像を学習させ、新規の
入力パターンと各ニューラルネットの出力パターンとの
距離を各カテゴリの認識スコアとする特定カテゴリデー
タフィルタによる認識方法が特公平5−85919号公
報で提案されている。
層ニューラルネットを用いて入力に各種パターン,出力
に認識カテゴリを示す(1,0)などの離散値を与えて
学習させ、パターンの識別を行なう方法が用いられてき
た。しかし、この認識方法では、複数の認識候補への可
能性を連続値で表現できないため、柔軟な認識ができな
い。そのため、中間層の次元を圧縮した多層ニューラル
ネットを認識カテゴリごとに用意し、各カテゴリに属す
る複数のパターンを与えて恒等写像を学習させ、新規の
入力パターンと各ニューラルネットの出力パターンとの
距離を各カテゴリの認識スコアとする特定カテゴリデー
タフィルタによる認識方法が特公平5−85919号公
報で提案されている。
【0003】一方、ニューラルネットを用いずに、認識
カテゴリごとに単数または複数の基準パターンを記憶し
ておき、照合時に入力パターンまたは基準パターンに変
換を加え、両者を動的に整合する弾性ネットワーク法な
どの動的認識方法が提案されている。
カテゴリごとに単数または複数の基準パターンを記憶し
ておき、照合時に入力パターンまたは基準パターンに変
換を加え、両者を動的に整合する弾性ネットワーク法な
どの動的認識方法が提案されている。
【0004】
【発明が解決しようとする課題】前述の特定カテゴリデ
ータフィルタによる認識方法では、学習に用いたパター
ンまたはそれらに類似したパターンのみが認識可能であ
り、未学習の多様な変形パターンを認識できないという
問題がある。たとえば、物体や文字の画像認識の場合、
認識対象となる入力パターンは一般に位置ずれ,画像内
回転,大きさ変化,歪みなど、学習パターンに対して千
差万別の変形を受けている可能性があり、このような未
学習の変形パターンを特定カテゴリフィルタに入力する
と、出力の復元パターンは入力パターンと一般に大きく
異なり、両者の距離に基づいてパターンの識別を行なう
ことは極めて困難となる。また、膨大な量の変形パター
ンを事前に用意して学習しておくことも事実上不可能で
ある。
ータフィルタによる認識方法では、学習に用いたパター
ンまたはそれらに類似したパターンのみが認識可能であ
り、未学習の多様な変形パターンを認識できないという
問題がある。たとえば、物体や文字の画像認識の場合、
認識対象となる入力パターンは一般に位置ずれ,画像内
回転,大きさ変化,歪みなど、学習パターンに対して千
差万別の変形を受けている可能性があり、このような未
学習の変形パターンを特定カテゴリフィルタに入力する
と、出力の復元パターンは入力パターンと一般に大きく
異なり、両者の距離に基づいてパターンの識別を行なう
ことは極めて困難となる。また、膨大な量の変形パター
ンを事前に用意して学習しておくことも事実上不可能で
ある。
【0005】次に、前述の動的にパターンを照合する認
識方法は、未学習の変形パターンに対しても柔軟に認識
できるが、この方法では入力パターンが記憶パターンと
同等の情報を保存している場合にのみ有効となる。それ
ゆえに、認識カテゴリが互いに極めて異なる多様なパタ
ーンを含む場合、同カテゴリに属する多数のパターンを
記憶しておく必要があるとともに、入力パターンと多数
の記憶パターンとの動的照合を順次行なう必要があり、
膨大な計算量が必要となるという問題がある。たとえ
ば、3次元物体画像や顔画像の認識の場合、物体の姿勢
またはカメラの視点が変化すれば、撮像された物体また
は顔の射影画像が大きく変化する。したがって、たとえ
ば記憶された正面画像に対して入力の背面画像を動的に
照合することは一般に不可能であり、射影画像に関する
多量の記憶と、各射影画像に対する逐次的な動的手法に
よる多大な計算量が必要となる。
識方法は、未学習の変形パターンに対しても柔軟に認識
できるが、この方法では入力パターンが記憶パターンと
同等の情報を保存している場合にのみ有効となる。それ
ゆえに、認識カテゴリが互いに極めて異なる多様なパタ
ーンを含む場合、同カテゴリに属する多数のパターンを
記憶しておく必要があるとともに、入力パターンと多数
の記憶パターンとの動的照合を順次行なう必要があり、
膨大な計算量が必要となるという問題がある。たとえ
ば、3次元物体画像や顔画像の認識の場合、物体の姿勢
またはカメラの視点が変化すれば、撮像された物体また
は顔の射影画像が大きく変化する。したがって、たとえ
ば記憶された正面画像に対して入力の背面画像を動的に
照合することは一般に不可能であり、射影画像に関する
多量の記憶と、各射影画像に対する逐次的な動的手法に
よる多大な計算量が必要となる。
【0006】したがって、上述の問題により、従来の手
法で未学習の多様な変形パターンを認識する場合、一般
に多量の記憶コストまたは計算コストを必要とし、柔軟
かつ効率よく多様なパターンを認識することが極めて困
難であるという欠点がある。
法で未学習の多様な変形パターンを認識する場合、一般
に多量の記憶コストまたは計算コストを必要とし、柔軟
かつ効率よく多様なパターンを認識することが極めて困
難であるという欠点がある。
【0007】それゆえに、この発明の主たる目的は、前
述のような個々の問題点を一括して解決することが可能
であって、学習に用いたパターンのみならず未学習の多
様な変形パターンに対しても柔軟かつ効率よく認識可能
なパターン認識方法を提供することである。
述のような個々の問題点を一括して解決することが可能
であって、学習に用いたパターンのみならず未学習の多
様な変形パターンに対しても柔軟かつ効率よく認識可能
なパターン認識方法を提供することである。
【0008】
【課題を解決するための手段】請求項1に係る発明はニ
ューラルネットを用いたパターン認識方法であって、入
力パターンの圧縮と復元を行なう圧縮・復元ネットを認
識カテゴリごとに各カテゴリに属する複数のパターンを
用いて学習で形成する第1のステップと、第1のステッ
プで形成した各圧縮・復元ネットが出力する生成パター
ンと入力パターンとの間の距離に基づいて、認識カテゴ
リの候補を選択する第2のステップと、第1のステップ
で圧縮・復元ネットが出力する生成パターンと入力パタ
ーンとを大局的または局所的に整合する第3のステップ
と、未学習の変形パターンの入力に対して、第2のステ
ップにおける候補選択と第3のステップにおける大局的
または局所的整合を反復してパターンの識別を行なう第
4のステップとを含む。
ューラルネットを用いたパターン認識方法であって、入
力パターンの圧縮と復元を行なう圧縮・復元ネットを認
識カテゴリごとに各カテゴリに属する複数のパターンを
用いて学習で形成する第1のステップと、第1のステッ
プで形成した各圧縮・復元ネットが出力する生成パター
ンと入力パターンとの間の距離に基づいて、認識カテゴ
リの候補を選択する第2のステップと、第1のステップ
で圧縮・復元ネットが出力する生成パターンと入力パタ
ーンとを大局的または局所的に整合する第3のステップ
と、未学習の変形パターンの入力に対して、第2のステ
ップにおける候補選択と第3のステップにおける大局的
または局所的整合を反復してパターンの識別を行なう第
4のステップとを含む。
【0009】請求項2に係る発明では、請求項1の第3
のステップにおける大局的整合は、重心位置およびモー
メントなどのパターンの全体的特徴を表わす代表値を入
力パターンと圧縮・復元ネットからの生成パターンにお
いて算出し、両者が一致するように入力パターンの全体
的変換を行ない、変換パターンを再び圧縮・復元ネット
に入力して生成パターンを再度算出し、パターン変換と
パターン生成とを反復し、入力パターンと生成パターン
との距離が予め定めた設定値以下になれば、その候補を
認識カテゴリと判定することによって、未学習の変形パ
ターンの認識を行なう。
のステップにおける大局的整合は、重心位置およびモー
メントなどのパターンの全体的特徴を表わす代表値を入
力パターンと圧縮・復元ネットからの生成パターンにお
いて算出し、両者が一致するように入力パターンの全体
的変換を行ない、変換パターンを再び圧縮・復元ネット
に入力して生成パターンを再度算出し、パターン変換と
パターン生成とを反復し、入力パターンと生成パターン
との距離が予め定めた設定値以下になれば、その候補を
認識カテゴリと判定することによって、未学習の変形パ
ターンの認識を行なう。
【0010】請求項3に係る発明では、請求項1の第3
のステップにおける局所的整合は、入力パターンの局所
的変形を滑らかさの拘束条件で許容し、入力パターンと
生成パターンの誤差の総和と入力パターンの変形量との
和が最小になるように、入力パターンの変換および圧縮
・復元ネットからのパターン生成を行ない、パターン変
換とパターン生成を反復し、入力パターンと生成パター
ンとの距離が予め定めた設定値以下になれば、その候補
を認識カテゴリと判定することによって、未学習の変形
パターンの認識を行なう。
のステップにおける局所的整合は、入力パターンの局所
的変形を滑らかさの拘束条件で許容し、入力パターンと
生成パターンの誤差の総和と入力パターンの変形量との
和が最小になるように、入力パターンの変換および圧縮
・復元ネットからのパターン生成を行ない、パターン変
換とパターン生成を反復し、入力パターンと生成パター
ンとの距離が予め定めた設定値以下になれば、その候補
を認識カテゴリと判定することによって、未学習の変形
パターンの認識を行なう。
【0011】
【発明の実施の形態】図1はこの発明の一実施形態を示
すブロック図である。この実施形態においては、特に、
3次元物体の認識について、カメラの視点または物体の
姿勢によらず物体画像を識別し、かつ未学習の多様な変
形画像をも識別する認識問題について説明する。
すブロック図である。この実施形態においては、特に、
3次元物体の認識について、カメラの視点または物体の
姿勢によらず物体画像を識別し、かつ未学習の多様な変
形画像をも識別する認識問題について説明する。
【0012】図1において、CCDカメラ1は物体を鉛
直軸回りに回転させて、1°間隔で360枚の画像を撮
像するものである。CCDカメラ1の画像出力はA/D
変換器2に与えられてデジタル信号に変換される。CC
Dカメラ1で撮像された原画像は512×480画素を
有し、各画素はA/D変換器2によって256階調の白
黒濃淡値のデジタル信号に変換される。このデジタル信
号は平滑化フィルタ3に与えられて平滑化処理が施され
た後、グリッドサンプラ4に与えられてグリッド上で画
像濃淡値がサンプリングされ、学習に使用するサンプル
画像が作成される。このサンプル画像は、0.4〜1.
6の濃淡値を持つように正規化される。このサンプル値
は圧縮・復元ニューラルネット5に与えられて画像の圧
縮・復元が行なわれる。
直軸回りに回転させて、1°間隔で360枚の画像を撮
像するものである。CCDカメラ1の画像出力はA/D
変換器2に与えられてデジタル信号に変換される。CC
Dカメラ1で撮像された原画像は512×480画素を
有し、各画素はA/D変換器2によって256階調の白
黒濃淡値のデジタル信号に変換される。このデジタル信
号は平滑化フィルタ3に与えられて平滑化処理が施され
た後、グリッドサンプラ4に与えられてグリッド上で画
像濃淡値がサンプリングされ、学習に使用するサンプル
画像が作成される。このサンプル画像は、0.4〜1.
6の濃淡値を持つように正規化される。このサンプル値
は圧縮・復元ニューラルネット5に与えられて画像の圧
縮・復元が行なわれる。
【0013】この圧縮・復元ニューラルネット5は各物
体に対応する複数のニューラルネットから構成される。
比較・候補選択器6はグリッドサンプラ4で作成された
画像とその画像を入力とする圧縮・復元ニューラルネッ
ト5からの復元画像を比較することにより、物体の候補
を選択する。整合処理器7は比較・候補選択器6で選択
された物体候補の復元画像とサンプル画像の整合を行な
う。まず、圧縮・復元ニューラルネット5の学習方法と
学習結果について説明する。
体に対応する複数のニューラルネットから構成される。
比較・候補選択器6はグリッドサンプラ4で作成された
画像とその画像を入力とする圧縮・復元ニューラルネッ
ト5からの復元画像を比較することにより、物体の候補
を選択する。整合処理器7は比較・候補選択器6で選択
された物体候補の復元画像とサンプル画像の整合を行な
う。まず、圧縮・復元ニューラルネット5の学習方法と
学習結果について説明する。
【0014】図2は圧縮・復元ニューラルネット5を構
成する各ニューラルネットを示す図である。この5層ニ
ューラルネットは第1層〜第3層までの画像圧縮部と第
3層〜第5層までの画像復元部を有する。第3層のユニ
ット数は画像情報の持つ自由度を表わす。サンプル画像
は鉛直軸回りの回転により作成されるため、この場合の
自由度数は1であるが、回転により生じる周期性を表現
する必要があり、ここでは2個のユニットを使用する。
この発明においては、各ニューラルネットは、特定の物
体の画像のみを圧縮・復元するような恒等写像を学習す
るが、これは入力画像と復元画像の差を小さくする条件
のもとで行なわれる誤差逆伝播法(バックプロパゲーシ
ョン)により実現される。
成する各ニューラルネットを示す図である。この5層ニ
ューラルネットは第1層〜第3層までの画像圧縮部と第
3層〜第5層までの画像復元部を有する。第3層のユニ
ット数は画像情報の持つ自由度を表わす。サンプル画像
は鉛直軸回りの回転により作成されるため、この場合の
自由度数は1であるが、回転により生じる周期性を表現
する必要があり、ここでは2個のユニットを使用する。
この発明においては、各ニューラルネットは、特定の物
体の画像のみを圧縮・復元するような恒等写像を学習す
るが、これは入力画像と復元画像の差を小さくする条件
のもとで行なわれる誤差逆伝播法(バックプロパゲーシ
ョン)により実現される。
【0015】図3は図1に示したCCDカメラ1で撮像
された3種類の物体画像を示す図であり、上段から順に
物体A,B,Cを撮像した例を示し、それぞれの物体の
正面を0°としたときの60°,120°,180°の
視点方向から撮像した画像に対応している。これら3種
類の物体画像は異なる圧縮・復元ニューラルネット5で
学習される。
された3種類の物体画像を示す図であり、上段から順に
物体A,B,Cを撮像した例を示し、それぞれの物体の
正面を0°としたときの60°,120°,180°の
視点方向から撮像した画像に対応している。これら3種
類の物体画像は異なる圧縮・復元ニューラルネット5で
学習される。
【0016】図4は物体Bを学習したニューラルネット
が行なう画像の圧縮・復元特性を示す図である。この図
4に示したサンプル画像の大きさは32×30画素であ
る。上段はニューラルネットに入力した画像を示すが、
これらは学習に使用した画像と同一のものである。ま
た、下段は上段に対応するネットワークの出力(復元画
像)であり、入力画像は良好に復元されている。
が行なう画像の圧縮・復元特性を示す図である。この図
4に示したサンプル画像の大きさは32×30画素であ
る。上段はニューラルネットに入力した画像を示すが、
これらは学習に使用した画像と同一のものである。ま
た、下段は上段に対応するネットワークの出力(復元画
像)であり、入力画像は良好に復元されている。
【0017】図5は物体Bを学習したニューラルネット
5の圧縮・復元特性を明示するため、入力画像と復元画
像の誤差を視点方向に関してプロットしたグラフであ
る。実線は学習に使用した物体Bの全画像に対する復元
誤差を示す。他の2種類の点線は物体A,Cの全画像に
関する復元誤差をそれぞれの物体ごとにプロットしてあ
る。この図5より、物体Bを学習したニューラルネット
は物体Bの画像のみ良好に復元するため、復元誤差を比
較することにより物体Bと他の物体との識別が可能とな
る。
5の圧縮・復元特性を明示するため、入力画像と復元画
像の誤差を視点方向に関してプロットしたグラフであ
る。実線は学習に使用した物体Bの全画像に対する復元
誤差を示す。他の2種類の点線は物体A,Cの全画像に
関する復元誤差をそれぞれの物体ごとにプロットしてあ
る。この図5より、物体Bを学習したニューラルネット
は物体Bの画像のみ良好に復元するため、復元誤差を比
較することにより物体Bと他の物体との識別が可能とな
る。
【0018】図6は物体Bを学習したニューラルネット
5に対して、学習した物体Bの全画像を入力した際に得
られる、ニューラルネット第3層の表現を示す。このグ
ラフの横軸と縦軸はそれぞれ第1,第2ユニットの出力
を示す。第3層では物体に対する視点方向が周期的に表
現されている。
5に対して、学習した物体Bの全画像を入力した際に得
られる、ニューラルネット第3層の表現を示す。このグ
ラフの横軸と縦軸はそれぞれ第1,第2ユニットの出力
を示す。第3層では物体に対する視点方向が周期的に表
現されている。
【0019】次に、未学習の画像を認識する方法および
認識結果について説明する。学習に使用した画像がカメ
ラ視野のほぼ中央で撮影されているのに対して、未学習
画像は視野において位置ずれが存在したり、回転や歪み
などの状態変化を有する画像を示す。ここでは、学習用
画像,未学習画像ともに16×15グリッドで濃淡値を
抽出した。
認識結果について説明する。学習に使用した画像がカメ
ラ視野のほぼ中央で撮影されているのに対して、未学習
画像は視野において位置ずれが存在したり、回転や歪み
などの状態変化を有する画像を示す。ここでは、学習用
画像,未学習画像ともに16×15グリッドで濃淡値を
抽出した。
【0020】図7は図1のブロック図をより具体的に表
現したものであって、未学習の画像から物体を認識する
ための手法を示す概念図である。図7において、原画像
に対して平滑化フィルタ3で平滑化処理を施した後、グ
リッドサンプラ4により各グリッド点で濃淡値を抽出し
てサンプル画像を作成する。サンプル画像は学習終了後
の圧縮・復元ニューラルネット5に入力されて画像情報
を視点方向にまで圧縮した後、再び画像を復元して出力
される。学習に使用した物体画像が入力されるならば、
その物体を学習したニューラルネットが最も良好に画像
を復元する。したがって、復元誤差が最小となるニュー
ラルネットを比較・候補選択器6が選択することで物体
の認識が可能となる。しかし、対象が未学習画像の場合
には、最小の復元誤差をもたらすニューラルネットが必
ずしも正しい物体を示すとは限らない。
現したものであって、未学習の画像から物体を認識する
ための手法を示す概念図である。図7において、原画像
に対して平滑化フィルタ3で平滑化処理を施した後、グ
リッドサンプラ4により各グリッド点で濃淡値を抽出し
てサンプル画像を作成する。サンプル画像は学習終了後
の圧縮・復元ニューラルネット5に入力されて画像情報
を視点方向にまで圧縮した後、再び画像を復元して出力
される。学習に使用した物体画像が入力されるならば、
その物体を学習したニューラルネットが最も良好に画像
を復元する。したがって、復元誤差が最小となるニュー
ラルネットを比較・候補選択器6が選択することで物体
の認識が可能となる。しかし、対象が未学習画像の場合
には、最小の復元誤差をもたらすニューラルネットが必
ずしも正しい物体を示すとは限らない。
【0021】この場合、選択されたニューラルネットの
復元画像を参照情報とし、入力画像との差異を小さくす
るように整合処理器7による整合を入力画像に対して行
なう。具体的には、図7の全グリッドを移動させた後、
グリッドサンプラ4で再び平滑化画像から濃淡値を抽出
する。この再サンプル画像は再び圧縮・復元ニューラル
ネット5に入力されて圧縮・復元が行なわれる。これら
一連の操作(図1における4→5→6→7)は繰返し行
なわれ、ニューラルネットの復元誤差が予め定めた設定
値以下になった時点で、その物体候補を最終的な認識結
果とする。この発明においては、大局的整合と局所的整
合の2種類の整合手法が用いられる。
復元画像を参照情報とし、入力画像との差異を小さくす
るように整合処理器7による整合を入力画像に対して行
なう。具体的には、図7の全グリッドを移動させた後、
グリッドサンプラ4で再び平滑化画像から濃淡値を抽出
する。この再サンプル画像は再び圧縮・復元ニューラル
ネット5に入力されて圧縮・復元が行なわれる。これら
一連の操作(図1における4→5→6→7)は繰返し行
なわれ、ニューラルネットの復元誤差が予め定めた設定
値以下になった時点で、その物体候補を最終的な認識結
果とする。この発明においては、大局的整合と局所的整
合の2種類の整合手法が用いられる。
【0022】大局的整合は、図7における濃淡値を抽出
する各グリッド点の位置関係(距離)を固定し、並行移
動や回転変換を行なう操作である。
する各グリッド点の位置関係(距離)を固定し、並行移
動や回転変換を行なう操作である。
【0023】図8は全体的特徴を表わす代表値として画
像の重心位置を使用した場合の大局的整合において、候
補選択と整合処理の推移を示す図である。この図8は位
置ずれのある物体Bの画像を認識する過程を示してい
る。左2列は物体Bの正面画像を示し、右2列は30°
の視点方向の画像について処理の推移を示す。また、上
段から順に繰返して行なわれる画像変換の1ないし3回
目および最終回(正面画像は17回目、30°画像は6
回目)に対応している。
像の重心位置を使用した場合の大局的整合において、候
補選択と整合処理の推移を示す図である。この図8は位
置ずれのある物体Bの画像を認識する過程を示してい
る。左2列は物体Bの正面画像を示し、右2列は30°
の視点方向の画像について処理の推移を示す。また、上
段から順に繰返して行なわれる画像変換の1ないし3回
目および最終回(正面画像は17回目、30°画像は6
回目)に対応している。
【0024】各段において、左図は圧縮・復元ニューラ
ルネット5への入力画像を表わし、右図は物体候補とし
て選択された圧縮・復元ニューラルネット5による復元
画像を示す。学習に使用した画像を右下方向に並行移動
して作成した未学習画像に関して、図8の上段から下段
に向けて認識過程が進行する。整合の初期状態では復元
誤差を最小にする圧縮・復元ニューラルネット5が必ず
しも正しい物体に対応しないが、変換された画像(整合
画像)を圧縮・復元ニューラルネット5に再入力して候
補選択と整合処理を数回〜10回程度繰返して行なうこ
とにより、画像は視野の中心に移動すると同時に、物体
Bを学習したニューラルネット5が選択されるようにな
る。すなわち、物体Bとして正しく認識される。
ルネット5への入力画像を表わし、右図は物体候補とし
て選択された圧縮・復元ニューラルネット5による復元
画像を示す。学習に使用した画像を右下方向に並行移動
して作成した未学習画像に関して、図8の上段から下段
に向けて認識過程が進行する。整合の初期状態では復元
誤差を最小にする圧縮・復元ニューラルネット5が必ず
しも正しい物体に対応しないが、変換された画像(整合
画像)を圧縮・復元ニューラルネット5に再入力して候
補選択と整合処理を数回〜10回程度繰返して行なうこ
とにより、画像は視野の中心に移動すると同時に、物体
Bを学習したニューラルネット5が選択されるようにな
る。すなわち、物体Bとして正しく認識される。
【0025】局所的整合は図7に示した各グリッド点が
それぞれ最適な位置に移動することで実現される。この
場合はグリッド点間の距離を必ずしも保存されない。こ
の移動は物体候補として選択された圧縮・復元ニューラ
ルネット5に関して、入力画像と復元画像との差異を小
さくする条件下で行なわれるが、平滑化画像上では同一
濃淡値を持つ画素は複数存在する。したがって、この変
換方法は、一意の解を解くために、グリッドの歪みを滑
らかにする拘束条件を付加したコスト関数を再急降下法
で最小にすることにより実現される。次式にコスト関数
を示す。
それぞれ最適な位置に移動することで実現される。この
場合はグリッド点間の距離を必ずしも保存されない。こ
の移動は物体候補として選択された圧縮・復元ニューラ
ルネット5に関して、入力画像と復元画像との差異を小
さくする条件下で行なわれるが、平滑化画像上では同一
濃淡値を持つ画素は複数存在する。したがって、この変
換方法は、一意の解を解くために、グリッドの歪みを滑
らかにする拘束条件を付加したコスト関数を再急降下法
で最小にすることにより実現される。次式にコスト関数
を示す。
【0026】
【数1】 上述の式において、Iは再サンプル画像,Rは復元画
像,(dxi,j,dyi,j )はグリッド(i,j)におけ
る移動ベクトルの推定値である。
像,(dxi,j,dyi,j )はグリッド(i,j)におけ
る移動ベクトルの推定値である。
【0027】図9はこの手法を用いて画像変換を行なっ
た例を示す。左図は学習に使用した正面画像に変形を加
えたものであり、未学習画像である。上段から順に20
°回転した画像,横方向に歪みのある画像,縦方向に歪
みのある画像,拡大した画像,縮小した画像である。右
図は左図の未学習画像に対して施された局所的整合の最
終状態を示している。10回程度の反復で学習時の状態
がほぼ再現できている。すなわち、入出力誤差を最小と
する物体Bのニューラルネットが正しく選択されて認識
が行なわれる。
た例を示す。左図は学習に使用した正面画像に変形を加
えたものであり、未学習画像である。上段から順に20
°回転した画像,横方向に歪みのある画像,縦方向に歪
みのある画像,拡大した画像,縮小した画像である。右
図は左図の未学習画像に対して施された局所的整合の最
終状態を示している。10回程度の反復で学習時の状態
がほぼ再現できている。すなわち、入出力誤差を最小と
する物体Bのニューラルネットが正しく選択されて認識
が行なわれる。
【0028】以上の実施形態が示すように、圧縮・復元
ニューラルネット5による射影像の生成と入力画像の変
換を反復的に進行させることにより、3次元物体の認識
に必要な計算量を大幅に減少させることができる。
ニューラルネット5による射影像の生成と入力画像の変
換を反復的に進行させることにより、3次元物体の認識
に必要な計算量を大幅に減少させることができる。
【0029】
【発明の効果】以上のように、この発明によれば、既学
習の圧縮・復元ネットによるパターン生成と大局的整合
または局所的整合を繰返すことにより、従来、多数の記
憶パターンに対する逐次的整合に要した膨大な計算時間
を回避し、未学習の多様な変形パターンに対しても効率
よく認識することが可能となる。
習の圧縮・復元ネットによるパターン生成と大局的整合
または局所的整合を繰返すことにより、従来、多数の記
憶パターンに対する逐次的整合に要した膨大な計算時間
を回避し、未学習の多様な変形パターンに対しても効率
よく認識することが可能となる。
【図1】この発明の一実施形態を示すブロック図であ
る。
る。
【図2】図1に示した5層ニューラルネットを示す図で
ある。
ある。
【図3】図1に示したCCDカメラで撮像された3種類
の物体画像を示す図である。
の物体画像を示す図である。
【図4】学習に使用した物体Bの画像、およびそれらの
画像に関する物体Bを学習したニューラルネットによる
復元画像を示す図である。
画像に関する物体Bを学習したニューラルネットによる
復元画像を示す図である。
【図5】物体Bを学習したニューラルネットに対して、
すべての物体画像を入力して得られる画像の復元誤差を
プロットして示した図である。
すべての物体画像を入力して得られる画像の復元誤差を
プロットして示した図である。
【図6】物体Bを学習したニューラルネットに対して、
物体Bの全画像を入力した際に得られる第3層の表現を
示す図である。
物体Bの全画像を入力した際に得られる第3層の表現を
示す図である。
【図7】未学習の画像から物体を認識するための手法を
示す概念図である。
示す概念図である。
【図8】大局的整合を用いて位置ずれのある物体Bの画
像を認識する過程を示す図である。
像を認識する過程を示す図である。
【図9】局所的整合を用いて未学習の物体Bの画像を認
識した結果を示す図である。
識した結果を示す図である。
1 CCDカメラ 2 A/D変換器 3 平滑化フィルタ 4 グリッドサンプラ 5 圧縮・復元ニューラルネット 6 比較・候補選択器 7 整合処理器
フロントページの続き (56)参考文献 特開 平7−311849(JP,A) 特開 平3−265982(JP,A) 電子情報通信学会技術研究報告 Vo l93 No376(NC93 pp59−66) 1993/12/14「モジュール学習による3 次元物体の認識と類別」鈴木、安藤 (58)調査した分野(Int.Cl.6,DB名) G06T 7/00 JICSTファイル(JOIS)
Claims (3)
- 【請求項1】 ニューラルネットを用いたパターン認識
方法であって、 入力パターンの圧縮と復元を行なう圧縮・復元ネット
を、認識カテゴリごとに各カテゴリに属する複数のパタ
ーンを用いて学習で形成する第1のステップ、 前記第1のステップで形成した各圧縮・復元ネットが出
力する生成パターンと前記入力パターンとの間の距離に
基づいて、認識カテゴリの候補を選択する第2のステッ
プ、 前記第1のステップで圧縮・復元ネットが出力する生成
パターンと前記入力パターンとを大局的または局所的に
整合する第3のステップ、および未学習の変形パターン
の入力に対して、前記第2のステップにおける候補選択
と前記第3のステップにおける大局的または局所的整合
を反復してパターンの識別を行なう第4のステップを備
えた、パターン認識方法。 - 【請求項2】 前記第3のステップにおける大局的整合
は、重心位置およびモーメントなどのパターンの全体的
特徴を表わす代表値を入力パターンと圧縮・復元ネット
からの生成パターンにおいて算出し、両者が一致するよ
うに前記入力パターンの全体的変換を行ない、変換パタ
ーンを再び前記圧縮・復元ネットに入力して生成パター
ンを再度算出し、前記パターン変換と前記パターン生成
とを反復し、前記入力パターンと前記生成パターンとの
距離が予め定めた設定値以下になれば、その候補を認識
カテゴリと判定することによって、前記未学習の変形パ
ターンの認識を行なうことを特徴とする、請求項1のパ
ターン認識方法。 - 【請求項3】 前記第3のステップにおける局所的整合
は、前記入力パターンの局所的変形を滑らかさの拘束条
件で許容し、前記入力パターンと前記生成パターンの誤
差の総和と前記入力パターンの変形量との和が最小にな
るように、前記入力パターンの変換および圧縮・復元ネ
ットからのパターン生成を行ない、前記パターン変換と
前記パターン生成とを反復し、前記入力パターンと前記
生成パターンとの距離が予め定めた設定値以下になれ
ば、その候補を認識カテゴリと判定することによって、
前記未学習の変形パターンの認識を行なうことを特徴と
する、請求項1のパターン認識方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP8122242A JP2967047B2 (ja) | 1996-04-18 | 1996-04-18 | パターン認識方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP8122242A JP2967047B2 (ja) | 1996-04-18 | 1996-04-18 | パターン認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH09282466A JPH09282466A (ja) | 1997-10-31 |
JP2967047B2 true JP2967047B2 (ja) | 1999-10-25 |
Family
ID=14831114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP8122242A Expired - Fee Related JP2967047B2 (ja) | 1996-04-18 | 1996-04-18 | パターン認識方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2967047B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200382730A1 (en) * | 2017-05-02 | 2020-12-03 | Semiconductor Energy Laboratory Co., Ltd. | Imaging device and electronic device |
JP6352512B1 (ja) * | 2017-08-22 | 2018-07-04 | 株式会社 ディー・エヌ・エー | 信号処理装置、信号処理方法、信号処理プログラム、及びデータ構造 |
DE112020006948B4 (de) * | 2020-05-28 | 2024-06-20 | Mitsubishi Electric Corporation | Überwachungsvorrichtung eines anlagenzustands und verfahren zur überwachung eines anlagenzustands |
-
1996
- 1996-04-18 JP JP8122242A patent/JP2967047B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
Title |
---|
電子情報通信学会技術研究報告 Vol93 No376(NC93 pp59−66)1993/12/14「モジュール学習による3次元物体の認識と類別」鈴木、安藤 |
Also Published As
Publication number | Publication date |
---|---|
JPH09282466A (ja) | 1997-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113196289B (zh) | 人体动作识别方法、人体动作识别***及设备 | |
JP7130905B2 (ja) | フィードフォワード畳み込みニューラルネットワークを使用した高速且つ堅牢な皮膚紋理の印のマニューシャの抽出 | |
KR102289045B1 (ko) | 멀티 스케일 객체 이미지 복원 방법 및 장치 | |
CN112257572B (zh) | 一种基于自我注意力机制的行为识别方法 | |
CN1130847A (zh) | 用于编码包含在视频信号中的区域的轮廓的装置 | |
CN111401322A (zh) | 进出站识别方法、装置、终端及存储介质 | |
CN113989928A (zh) | 一种动作捕捉和重定向方法 | |
CN114548253A (zh) | 一种基于图像识别及动态匹配的数字孪生模型构建*** | |
CN116092183A (zh) | 手势识别方法及装置、电子设备、存储介质 | |
CN114529793A (zh) | 一种基于门控循环特征融合的深度图像修复***及方法 | |
JP2967047B2 (ja) | パターン認識方法 | |
CN111738092A (zh) | 一种基于深度学习的恢复被遮挡人体姿态序列方法 | |
CN112184843B (zh) | 图像数据压缩的冗余数据去除***及方法 | |
JP2950023B2 (ja) | パターン認識辞書生成装置およびパターン認識装置 | |
CN115631115B (zh) | 基于递归Transformer的动态图像复原方法 | |
JP2778194B2 (ja) | パターン認識方法および装置 | |
CN117237858B (zh) | 一种回环检测方法 | |
CN116524199B (zh) | 一种基于PReNet渐进式网络的图像去雨方法及装置 | |
JP7285479B2 (ja) | 画像認識装置、及び画像認識プログラム | |
JP3060922B2 (ja) | 特徴生成装置 | |
CN117853339A (zh) | 任意尺度图像的超分辨率方法 | |
JP3496530B2 (ja) | パターン特定装置 | |
JP2861816B2 (ja) | パターン認識辞書生成装置とパターン認識装置 | |
CN116935049A (zh) | 一种点云图像融合语义分割方法、***、设备及介质 | |
CN117011308A (zh) | 一种机械装配体图像实例分割方法、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19990803 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |