JP5207870B2 - 次元削減方法、パターン認識用辞書生成装置、及びパターン認識装置 - Google Patents
次元削減方法、パターン認識用辞書生成装置、及びパターン認識装置 Download PDFInfo
- Publication number
- JP5207870B2 JP5207870B2 JP2008202125A JP2008202125A JP5207870B2 JP 5207870 B2 JP5207870 B2 JP 5207870B2 JP 2008202125 A JP2008202125 A JP 2008202125A JP 2008202125 A JP2008202125 A JP 2008202125A JP 5207870 B2 JP5207870 B2 JP 5207870B2
- Authority
- JP
- Japan
- Prior art keywords
- dictionary
- feature
- function
- vector
- coefficient
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 126
- 238000003909 pattern recognition Methods 0.000 title claims description 102
- 230000009467 reduction Effects 0.000 title claims description 92
- 239000013598 vector Substances 0.000 claims description 196
- 239000011159 matrix material Substances 0.000 claims description 153
- 230000006870 function Effects 0.000 claims description 103
- 238000012887 quadratic function Methods 0.000 claims description 103
- 230000008569 process Effects 0.000 claims description 40
- 238000000605 extraction Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 29
- 238000012937 correction Methods 0.000 claims description 21
- 238000011478 gradient descent method Methods 0.000 claims description 20
- 238000009795 derivation Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 4
- 238000011946 reduction process Methods 0.000 claims description 2
- 238000012886 linear function Methods 0.000 claims 1
- 230000014509 gene expression Effects 0.000 description 27
- 238000009826 distribution Methods 0.000 description 18
- 238000000513 principal component analysis Methods 0.000 description 18
- 238000013528 artificial neural network Methods 0.000 description 15
- 238000012847 principal component analysis method Methods 0.000 description 9
- 238000010606 normalization Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012850 discrimination method Methods 0.000 description 3
- 235000016496 Panda oleosa Nutrition 0.000 description 2
- 240000000220 Panda oleosa Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229940050561 matrix product Drugs 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Description
パターン認識用辞書生成装置は、辞書生成用パターン群を用いて、パターン認識用辞書を作成する。まず、パターン認識用辞書生成装置は、特徴抽出により、辞書生成用パターン群をベクトル空間上のベクトル群である辞書生成用特徴パターン群に変換する。特徴抽出により抽出されるベクトルを特徴ベクトル、特徴ベクトルが属するベクトル空間を特徴空間とよぶ。特徴抽出手法としては、例えば、画素特徴、輪郭特徴、勾配特徴等が広く用いられている(非特許文献2)。
[実施例1]
図1は、本発明の次元削減方法を用いてパターン認識用辞書を生成するパターン認識用辞書生成装置の一例を示す構成図である。パターン認識用辞書生成装置は、入力装置11、演算装置12、パターン認識用の認識辞書13、表示装置15、パターンデータベース(DB)16を備える。演算装置12は、本発明による次元削減方法を用いてパターン認識用辞書を生成するパターン認識用辞書作成手段を備える。
特徴抽出ステップ22において、パターンを特徴ベクトルに変換するために必要な情報は、パターン認識用の認識辞書13に保存する。パターン認識装置では、この情報を用いて、同じ方法により入力パターンを特徴ベクトルに変換する。パターン認識用の認識辞書13に保存する情報は、例えば、用いた正規化法、特徴抽出手法や、原特徴空間から特徴空間に射影するための射影行列などである。
まず、二次関数の二次の項の二次形式の行列の固有ベクトル(式(35))の中からの選択基準例を示す。
例2:全てのカテゴリに対して、係数ベクトルを選択する。
例3:全てのカテゴリに対して、係数ベクトルを選択しない。
手法 特徴次元 認識率(%) 識別時間(ms)
従来型の次元削減方法 60 98.10 2.544
従来型の次元削減方法 100 98.43 7.342
従来型の次元削減方法 200 98.72 18.164
本発明による次元削減方法 15 98.63 0.873
本発明による次元削減方法 10 98.47 0.629
本実施例におけるパターン認識装置の構成図は、実施例1における図1と同様である。入力装置11は、コマンド等を入力するためのキーボード及びマウス等の装置及び、スキャナやカメラ等のパターン入力装置である。演算装置12は、入力された画像、音声等パターンを読み取り、パターン認識用認識辞書13に保存されている情報を用いて、入力パターンが予め定められたどのカテゴリに近いかを判定し、判定結果に基づいて認識する。演算装置12は、実施例1のパターン認識用辞書作成手段を備えていてもよい。演算装置12は、CPU、メモリ、記憶装置等を備える。
実施例1のパターン認識用辞書生成装置において、辞書部分空間生成ステップ23の部分を変更した実施形態の一例について述べる。装置構成は、実施例1と同様に図1によって示される。
実施例1のパターン認識用辞書生成装置において、辞書部分空間生成ステップ23で生成した二次関数を識別関数として用いる実施例について説明する。装置構成は、実施例1と同様に図1によって示される。
12 演算装置
13 認識辞書
15 表示装置
16 パターンDB
21 入力
22 特徴抽出
23 辞書部分空間生成
24 学習用特徴パターン群生成
25 識別関数生成
26 出力
31 入力
33 射影ベクトル生成
34 識別
35 出力
41 特徴パターン群入力
42 初期係数設定
43 係数修正
44 基底ベクトル導出
45 射影行列導出
46 射影行列出力
51 カテゴリ51
61 カテゴリ61
71 判別面
81 二次関数の等高面
91 固有ベクトル
92 固有ベクトル
101 判別面
Claims (20)
- 特徴空間上の辞書生成用特徴パターン群を入力する特徴パターン群入力ステップと、
c個(cは自然数)のカテゴリの各々に対応する前記特徴空間上の二次関数の係数の値を設定する初期係数設定ステップと、
前記二次関数を識別関数として前記辞書生成用特徴パターン群の各々の所属カテゴリを判定したときの誤識別による損失を表す損失関数の値が小さくなるように、前記二次関数の係数を勾配降下法、又は確率的勾配降下法により修正する係数修正ステップと、
前記c個のカテゴリの各々について、前記二次関数の二次の項の二次形式の対称行列の固有ベクトルと、前記二次関数の一次の項の係数ベクトルとの中から一つ以上のベクトルを選択する基底ベクトル導出ステップと、
前記c個のカテゴリの各々について、前記基底ベクトル導出ステップにおいて選択されたベクトルによって張られる辞書部分空間への射影行列を生成する射影行列導出ステップと、
前記c個のカテゴリの各々に対応するc個の前記辞書部分空間への前記射影行列、又は、前記c個のカテゴリの各々に対応する前記射影行列と前記二次関数の係数とを出力する射影行列出力ステップと、
を有することを特徴とする特徴空間の次元削減方法。 - 請求項1記載の特徴空間の次元削減方法において、前記特徴空間はベクトル空間であり、前記辞書生成用特徴パターン群は、前記ベクトル空間上の所属カテゴリを示すラベル付きベクトル値の集合であることを特徴とする特徴空間の次元削減方法。
- 請求項1記載の特徴空間の次元削減方法において、前記初期係数設定ステップでは、前記c個のカテゴリの各々に対応する前記二次関数の係数に乱数により生成した値を設定することを特徴とする特徴空間の次元削減方法。
- 請求項1記載の特徴空間の次元削減方法において、前記係数修正ステップでは、前記二次関数を識別関数として前記辞書生成用特徴パターン群の各々の所属カテゴリを判定したときの二乗誤差関数を損失関数とすることを特徴とする特徴空間の次元削減方法。
- 請求項1記載の特徴空間の次元削減方法において、前記射影行列導出ステップでは、前記係数ベクトルと前記対称行列の固有値の絶対値が大きい上位n個に対応する前記固有ベクトル、又は、前記係数ベクトルと前記対称行列の固有値の絶対値が閾値hよりも大きい上位n個に対応する前記固有ベクトルとによって生成される特徴空間の部分空間への射影行列を生成することを特徴とする特徴空間の次元削減方法。
- 請求項1記載の特徴空間の次元削減方法において、前記射影行列導出ステップでは、前記対称行列の固有値の絶対値が大きい上位n個に対応する前記固有ベクトル、又は、前記対称行列の固有値の絶対値が閾値hよりも大きい上位n個に対応する前記固有ベクトルによって生成される特徴空間の部分空間への射影行列を生成することを特徴とする特徴空間の次元削減方法。
- 辞書生成用パターン群を入力する入力部と、
前記辞書生成用パターン群からc個(cは自然数)のカテゴリの各々に対応する特徴空間上の辞書生成用特徴パターン群を抽出する特徴抽出部と、
前記特徴空間上の前記辞書生成用特徴パターン群を入力する特徴パターン群入力処理、c個のカテゴリの各々に対応する前記特徴空間上の二次関数の係数の値を設定する初期係数設定処理、前記二次関数を識別関数として前記辞書生成用特徴パターン群の各々の所属カテゴリを判定したときの誤識別による損失を表す損失関数の値が小さくなるように、前記二次関数の係数を勾配降下法、又は確率的勾配降下法により修正する係数修正処理、前記c個のカテゴリの各々について、前記二次関数の二次の項の二次形式の対称行列の固有ベクトルと、前記二次関数の一次の項の係数ベクトルとの中から一つ以上のベクトルを選択する基底ベクトル導出処理、前記c個のカテゴリの各々について、前記基底ベクトル導出処理において選択されたベクトルによって張られる辞書部分空間への射影行列を生成する射影行列導出処理、前記c個のカテゴリの各々に対応するc個の前記辞書部分空間への前記射影行列、又は、前記c個のカテゴリの各々に対応する前記射影行列と前記二次関数の係数とを出力する射影行列出力処理、を含む特徴空間の次元削減処理により辞書部分空間への前記射影行列を生成する辞書部分空間生成部と、
前記射影行列により前記辞書生成用特徴パターン群を前記辞書部分空間に射影した学習用特徴パターン群を生成する学習用特徴パターン群生成部と、
前記学習用特徴パターン群を用いて前記c個のカテゴリを識別する識別関数を生成する識別関数生成部と、
前記射影行列と前記識別関数のパラメータとを出力する出力部と、
を有するパターン認識用辞書生成装置。 - 請求項7記載のパターン認識用辞書生成装置において、前記識別関数生成部は、前記c個のカテゴリの各々について、前記二次関数を前記辞書部分空間に制限した制限二次関数を生成し、前記制限二次関数を識別関数として前記学習用特徴パターン群の各々の所属カテゴリを判定したときの二乗誤差関数を損失関数として、前記二乗誤差の値が小さくなるように、勾配降下法、又は、確率的勾配降下法により前記制限二次関数の係数を修正したものを識別関数として生成することを特徴とするパターン認識用辞書生成装置。
- 請求項7記載のパターン認識用辞書生成装置において、前記識別関数生成部は、前記c個のカテゴリの各々について、前記二次関数を前記辞書部分空間に制限したものを識別関数として生成することを特徴とするパターン認識用辞書生成装置。
- 請求項7記載のパターン認識用辞書生成装置において、前記特徴空間はベクトル空間であり、前記辞書生成用特徴パターン群は、前記ベクトル空間上の所属カテゴリを示すラベル付きベクトル値の集合であることを特徴とするパターン認識用辞書生成装置。
- 請求項7記載のパターン認識用辞書生成装置において、前記初期係数設定処理は、前記c個のカテゴリの各々に対応する前記二次関数の係数に乱数により生成した値を設定することを特徴とするパターン認識用辞書生成装置。
- 請求項7記載のパターン認識用辞書生成装置において、前記係数修正処理は、前記二次関数を識別関数として前記辞書生成用特徴パターン群の各々の所属カテゴリを判定したときの二乗誤差関数を損失関数とすることを特徴とするパターン認識用辞書生成装置。
- 請求項7記載のパターン認識用辞書生成装置において、前記射影行列導出処理は、前記係数ベクトルと前記対称行列の固有値の絶対値が大きい上位n個に対応する前記固有ベクトル、又は、前記係数ベクトルと前記対称行列の固有値の絶対値が閾値hよりも大きい上位n個に対応する前記固有ベクトルとによって生成される特徴空間の部分空間への射影行列を生成することを特徴とするパターン認識用辞書生成装置。
- 請求項7記載のパターン認識用辞書生成装置において、前記射影行列導出処理は、前記対称行列の固有値の絶対値が大きい上位n個に対応する前記固有ベクトル、又は、前記対称行列の固有値の絶対値が閾値hよりも大きい上位n個に対応する前記固有ベクトルによって生成される特徴空間の部分空間への射影行列を生成することを特徴とするパターン認識用辞書生成装置。
- 特徴空間上の辞書生成用特徴パターン群を入力する特徴パターン群入力処理、c個(cは自然数)のカテゴリの各々に対応する前記特徴空間上の二次関数の係数の値を設定する初期係数設定処理、前記二次関数を識別関数として前記辞書生成用特徴パターン群の各々の所属カテゴリを判定したときの誤識別による損失を表す損失関数の値が小さくなるように、前記二次関数の係数を勾配降下法、又は確率的勾配降下法により修正する係数修正処理、前記c個のカテゴリの各々について、前記二次関数の二次の項の二次形式の対称行列の固有ベクトルと、前記二次関数の一次の項の係数ベクトルとの中から一つ以上のベクトルを選択する基底ベクトル導出処理、前記c個のカテゴリの各々について、前記基底ベクトル導出処理において選択されたベクトルによって張られる辞書部分空間への射影行列を生成する射影行列導出処理、前記c個のカテゴリの各々に対応するc個の前記辞書部分空間への前記射影行列、又は、前記c個のカテゴリの各々に対応する前記射影行列と前記二次関数の係数とを出力する射影行列出力処理、を含む特徴空間の次元削減処理により生成された前記辞書部分空間上の識別関数のパラメータと前記射影行列とを格納する認識用辞書格納部と、
認識対象の入力パターンを入力する入力部と、前記入力パターンから特徴空間上のベクトル値を抽出する特徴抽出部と、
前記c個のカテゴリの各々について、前記射影行列により入力パターンを辞書部分空間に射影した射影ベクトルを生成する射影ベクトル生成部と、
前記c個のカテゴリの各々について、前記識別関数の前記射影ベクトルが表す点での値を算出し、それに基づいて入力パターンが属するカテゴリを識別する識別部と、
前記識別部での識別結果を出力する出力部と、
を有することを特徴とするパターン認識装置。 - 請求項15記載のパターン認識装置において、前記特徴空間はベクトル空間であり、前記辞書生成用特徴パターン群は、前記ベクトル空間上の所属カテゴリを示すラベル付きベクトル値の集合であることを特徴とするパターン認識装置。
- 請求項15記載のパターン認識装置において、前記初期係数設定処理は、前記c個のカテゴリの各々に対応する前記二次関数の係数に乱数により生成した値を設定することを特徴とするパターン認識装置。
- 請求項15記載のパターン認識装置において、前記係数修正処理は、前記二次関数を識別関数として前記辞書生成用特徴パターン群の各々の所属カテゴリを判定したときの二乗誤差関数を損失関数とすることを特徴とするパターン認識装置。
- 請求項15記載のパターン認識装置において、前記射影行列導出処理は、前記係数ベクトルと前記対称行列の固有値の絶対値が大きい上位n個に対応する前記固有ベクトル、又は、前記係数ベクトルと前記対称行列の固有値の絶対値が閾値hよりも大きい上位n個に対応する前記固有ベクトルとによって生成される特徴空間の部分空間への射影行列を生成することを特徴とするパターン認識装置。
- 請求項15記載のパターン認識装置において、前記射影行列導出処理は、前記対称行列の固有値の絶対値が大きい上位n個に対応する前記固有ベクトル、又は、前記対称行列の固有値の絶対値が閾値hよりも大きい上位n個に対応する前記固有ベクトルによって生成される特徴空間の部分空間への射影行列を生成することを特徴とするパターン認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008202125A JP5207870B2 (ja) | 2008-08-05 | 2008-08-05 | 次元削減方法、パターン認識用辞書生成装置、及びパターン認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008202125A JP5207870B2 (ja) | 2008-08-05 | 2008-08-05 | 次元削減方法、パターン認識用辞書生成装置、及びパターン認識装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010039778A JP2010039778A (ja) | 2010-02-18 |
JP5207870B2 true JP5207870B2 (ja) | 2013-06-12 |
Family
ID=42012258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008202125A Active JP5207870B2 (ja) | 2008-08-05 | 2008-08-05 | 次元削減方法、パターン認識用辞書生成装置、及びパターン認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5207870B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10460232B2 (en) | 2014-12-03 | 2019-10-29 | Samsung Electronics Co., Ltd. | Method and apparatus for classifying data, and method and apparatus for segmenting region of interest (ROI) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5905734B2 (ja) * | 2012-02-17 | 2016-04-20 | Kddi株式会社 | サポートベクトルマシンを構築する方法及び装置 |
WO2014000159A1 (zh) * | 2012-06-26 | 2014-01-03 | Yan Tao | 校正多通道视景投影***的投影仪的方法及设备 |
JP6633267B2 (ja) * | 2014-03-20 | 2020-01-22 | 株式会社東芝 | 次元削減装置、方法及びプログラム |
CN105335713A (zh) | 2015-10-28 | 2016-02-17 | 小米科技有限责任公司 | 指纹识别方法及装置 |
CN107203891A (zh) * | 2016-03-17 | 2017-09-26 | 阿里巴巴集团控股有限公司 | 一种自动多阀值特征过滤方法及装置 |
CN108985135A (zh) * | 2017-06-02 | 2018-12-11 | 腾讯科技(深圳)有限公司 | 一种人脸检测器训练方法、装置及电子设备 |
JP7031686B2 (ja) | 2017-12-22 | 2022-03-08 | 日本電気株式会社 | 画像認識システム、方法およびプログラム、並びにパラメータ学習システム、方法およびプログラム |
JP6670512B1 (ja) * | 2018-11-06 | 2020-03-25 | Necプラットフォームズ株式会社 | パターン認識装置、パターン認識方法及びプログラム |
WO2022080126A1 (ja) | 2020-10-14 | 2022-04-21 | 日立Astemo株式会社 | 画像処理装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006059284A (ja) * | 2004-08-24 | 2006-03-02 | Nippon Telegr & Teleph Corp <Ntt> | 物体識別装置、物体識別方法、およびこの方法のプログラム |
JP5110793B2 (ja) * | 2005-12-28 | 2012-12-26 | 日立コンピュータ機器株式会社 | 帳票識別装置 |
-
2008
- 2008-08-05 JP JP2008202125A patent/JP5207870B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10460232B2 (en) | 2014-12-03 | 2019-10-29 | Samsung Electronics Co., Ltd. | Method and apparatus for classifying data, and method and apparatus for segmenting region of interest (ROI) |
Also Published As
Publication number | Publication date |
---|---|
JP2010039778A (ja) | 2010-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5207870B2 (ja) | 次元削減方法、パターン認識用辞書生成装置、及びパターン認識装置 | |
Chacko et al. | Handwritten character recognition using wavelet energy and extreme learning machine | |
US8965762B2 (en) | Bimodal emotion recognition method and system utilizing a support vector machine | |
Bhowmik et al. | SVM-based hierarchical architectures for handwritten Bangla character recognition | |
CN108268838B (zh) | 人脸表情识别方法及人脸表情识别*** | |
WO2020186951A1 (en) | Adaptive image cropping for face recognition | |
Haque et al. | Two-handed bangla sign language recognition using principal component analysis (PCA) and KNN algorithm | |
CN110598603A (zh) | 人脸识别模型获取方法、装置、设备和介质 | |
US20200143209A1 (en) | Task dependent adaptive metric for classifying pieces of data | |
KR20170108339A (ko) | 영상에서 다수의 객체를 인식하는 방법 | |
Ali et al. | A novel features and classifiers fusion technique for recognition of Arabic handwritten character script | |
Topçu et al. | Decision fusion for patch-based face recognition | |
Sethy et al. | Off-line Odia handwritten character recognition: an axis constellation model based research | |
JPWO2015146113A1 (ja) | 識別辞書学習システム、識別辞書学習方法および識別辞書学習プログラム | |
CN116110089A (zh) | 一种基于深度自适应度量学习的面部表情识别方法 | |
Ahammad et al. | Recognizing Bengali sign language gestures for digits in real time using convolutional neural network | |
CN106529490B (zh) | 基于稀疏自编码码本实现笔迹鉴别的***及方法 | |
Jena et al. | Implementation of linear discriminant analysis for Odia numeral recognition | |
Ali et al. | Arabic handwritten character recognition using machine learning approaches | |
CN112001231B (zh) | 加权多任务稀疏表示的三维人脸识别方法、***及介质 | |
CN111950592B (zh) | 一种基于监督最小二乘多类核典型相关分析的多模态情感特征融合方法 | |
CN109101984B (zh) | 一种基于卷积神经网络的图像识别方法及装置 | |
CN107729945A (zh) | 基于类间稀疏表示的鉴别回归、分类方法及*** | |
JP5353482B2 (ja) | パターン認識用辞書生成装置、パターン認識装置、及びパターン認識用辞書生成方法 | |
Patel et al. | Multiresolution technique to handwritten English character recognition using learning rule and Euclidean distance metric |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110525 |
|
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: 20130205 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130219 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160301 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5207870 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |