JP5353482B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP5353482B2 JP5353482B2 JP2009152887A JP2009152887A JP5353482B2 JP 5353482 B2 JP5353482 B2 JP 5353482B2 JP 2009152887 A JP2009152887 A JP 2009152887A JP 2009152887 A JP2009152887 A JP 2009152887A JP 5353482 B2 JP5353482 B2 JP 5353482B2
- Authority
- JP
- Japan
- Prior art keywords
- function
- feature
- pattern
- axis
- dimensional feature
- 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
Images
Landscapes
- Character Discrimination (AREA)
- Image Analysis (AREA)
Description
本発明のパターン認識装置の実施例について、図表を参照しながら説明する。
y1=f1(x1,x2,…,xn)
y2=f2(x1,x2,…,xn)
・・・・・・・・・・・・・・・・・
ym=fm(x1,x2,…,xn)
また、線型変換である場合、m×nの変換行列Yを用いてy=Yxと表される。
yk1=fk1(x1,x2,…,xn)
yk2=fk2(x1,x2,…,xn)
・・・・・・・・・・・・・・・・・
ykm=fkm(x1,x2,…,xn)
線型変換である場合、m×nの変換行列Ykを用いてyk=Ykxと表される。
特徴軸qkiの重要度を、[数12]の係数λkiiとζkiの絶対値の大きさであるとして、[数17]のように定義する。
[数12]において、係数λkiiと係数ζkiとの次数の違いを考慮して、[数32]のように特徴軸qkiの重要度を定義する。
特徴軸qkiの重要度を決める場合に、係数λkiiとζkiだけでなく、qki方向のxの変動量qki・xの大きさのスケールも考慮に入れる。変動量のスケールは、qki方向のxの分散値によって算出される。
識別関数[数12]を、[数39]に示すように特徴軸qkiに制限した部分の値の分散値を重要度として定義する方法が考えられる。分散値σkiは、[数40]を用いて[数41]のように与えられる。重要度は、hki=σkiと定義する。
第1の実施形態では、[数12]に示すように識別関数を二次以下の関数と仮定し、また、特徴選択関数を線型関数と仮定した。第2の実施形態では、特徴選択関数f(x)又はfk(x)は、線型関数に限定されない。なお、第2の実施形態についても、識別関数は二次以下の関数と仮定する。
第1の実施形態では、[数12]に示すように識別関数を二次以下の関数と仮定し、また、特徴選択関数を線型関数と仮定した。第3の実施形態では、識別関数が二次以下の関数に限定されない場合について説明する。なお、第3の実施形態についても、特徴選択関数は線型関数と仮定する。
第1の実施形態では、[数12]に示すように識別関数を二次以下の関数と仮定し、また、特徴選択関数を線型関数と仮定した。第4の実施形態では、識別関数が二次以下の関数に限定されない場合について説明する。さらに、第4の実施形態では、特徴選択関数は線型関数に限定されない。
102 入力装置
103 表示装置
104 パターン取得装置
105 通信装置
106 演算装置(CPU)
107 外部記憶装置(HDD、メモリ)
201 パターン入力部
202 特徴抽出部
203 特徴選択辞書生成部
204 特徴選択部
205 識別用辞書生成部
207 学習用パターンDB
208 特徴選択用辞書
209 識別用辞書
301 大分類識別部
302 詳細識別部
303 認識結果出力部
304 認識対象パターンDB
501 識別関数生成部
502 識別関数主要部分抽出部
503 特徴選択用辞書
504 識別用辞書
601 大分類特徴選択部
602 大分類識別部
603 詳細識別部
701 識別関数入力ステップ
702 特徴軸選定ステップ
703 軸重要度設定ステップ
704 主要軸算出ステップ
705 大分類識別関数生成ステップ
706 出力ステップ
801 入力ステップ
802 前処理ステップ
803 正規化ステップ
804 文字特徴抽出ステップ
805 出力ステップ
Claims (24)
- プロセッサと、前記プロセッサに接続された記憶媒体とを備えるパターン認識用辞書生成装置であって、
前記記憶媒体には、複数の学習用のパターンから構成される学習用パターンデータベースが格納され、
前記パターン認識用辞書生成装置は、
前記学習用パターンデータベースから、各々の前記学習用のパターンを一つのカテゴリとして取得するパターン入力部と、
前記取得されたカテゴリ毎にn次元特徴を抽出する特徴抽出部と、
前記抽出されたn次元特徴を用いて、前記n次元以下の次元であるm次元特徴に前記n次元特徴を変換する特徴選択関数を生成し、前記生成された特徴選択関数を特徴選択用辞書として前記記憶媒体に格納する特徴選択辞書生成部と、
前記特徴選択関数を用いて、前記抽出されたn次元特徴を前記m次元特徴に変換する特徴選択部と、
前記変換されたm次元特徴を用いて、各カテゴリに対する認識対象のパターンの類似度を算出するためのm次元特徴空間上の詳細識別関数を生成し、前記生成された詳細識別関数を識別用辞書として前記記憶媒体に格納する識別関数生成部と、
前記m次元以下の次元であり、前記n次元特徴空間の部分空間で、かつ、前記m次元特徴空間の部分空間であるL次元特徴空間上のL次元特徴に前記m次元特徴を変換する大分類特徴選択関数を生成し、前記詳細識別関数を前記L次元特徴空間上の関数として変換することによって前記L次元特徴空間上で各カテゴリに対する前記認証対象のパターンの類似度を算出するための大分類識別関数を生成し、前記生成された大分類特徴選択関数を前記特徴選択用辞書として前記記憶媒体に格納し、前記生成された大分類識別関数を前記識別用辞書として前記記憶媒体に格納する識別関数主要部分抽出部と、
を備えることを特徴とするパターン認識用辞書生成装置。 - 前記識別関数主要部分抽出部は、
前記詳細関数を取得する詳細識別関数取得ステップを実行し、
前記取得された詳細識別関数を用いて、前記n次元特徴空間から特徴軸をM個選択する特徴軸選定ステップを実行し、
前記特徴軸の重要度を算出する軸重要度決定ステップを実行し、
前記特徴軸を統合して、L個の主要軸を算出する主要軸算出ステップを実行し、
前記主要軸が生成する前記L次元特徴空間上の関数として前記詳細識別関数を変換することによって前記大分類識別関数を生成する大分類識別関数生成ステップを実行することを特徴とする請求項1に記載のパターン認識用辞書生成装置。 - パターン認識用辞書生成装置は、ユーザがパターン認識用辞書生成装置を操作するための入力部を備え、
前記特徴軸選定ステップは、前記識別関数主要部分抽出部が、ランダムにM個の任意ベクトルを前記特徴軸として選択するステップ、又は、前記ユーザからの指示に基づいてM個のベクトルを前記特徴軸として選択するステップ、を含むことを特徴とする請求項2に記載のパターン認識用辞書生成装置。 - 前記軸重要度決定ステップは、前記識別関数主要部分抽出部が、N個の前記学習用のパターンxiに対する前記詳細識別関数を、前記特徴軸qkiが生成するM次元空間上の関数として変形された関数d(xi)を算出し、前記算出された関数d(xi)の分散値σの関数として前記軸重要度hを算出することを特徴とする請求項2に記載のパターン認識用辞書生成装置。
- プロセッサと、前記プロセッサに接続された記憶媒体とを備えるパターン認識装置であって、
前記記憶媒体は、
複数の認識対象のパターンから構成される認識対象パターンデータベースと、
前記認識対象パターンから抽出されたn次元特徴を、前記n次元以下の次元であるm次元特徴に変換する特徴選択関数、及び、前記m次元以下の次元であり、前記n次元特徴空間の部分空間で、かつ、前記m次元特徴空間の部分空間であるL次元特徴空間上のL次元特徴に前記m次元特徴を変換する大分類特徴選択関数を格納する特徴選択用辞書と、
正解候補パターンに対する前記認識対象のパターンの類似度を算出するためのm次元特徴空間上の詳細識別関数、及び、前記詳細識別関数を前記L次元特徴空間上の関数として変換され、前記L次元特徴空間上で各正解候補に対する前記認識対象のパターンの類似度を算出するための大分類識別関数を格納する識別用辞書と、
を格納し、
前記パターン認識装置は、
前記認識対象パターンデータベースから前記認識対象のパターンを取得するパターン入力部と、
前記取得された認識対象のパターンのn次元特徴を抽出する特徴抽出部と、
前記大分類特徴選択関数を用いて、前記抽出されたn次元特徴を前記L次元特徴に変換する大分類特徴選択部と、
前記変換されたL次元特徴と前記大分類識別関数とを用いて、前記正解候補パターンに対する前記認識対象のパターンの類似度を算出し、一以上の前記正解候補パターンを選択する大分類識別部と、
前記特徴選択関数を用いて、前記n次元特徴を前記m次元特徴に変換する特徴選択部と、
前記詳細識別関数と前記変換されたm次元特徴とを用いて、前記選択された正解候補パターンに対する前記認識対象のパターンの類似度を算出する詳細識別部と、
前記算出された類似度に基づいて、前記認識対象パターンに対する認識結果を出力する認識結果出力部と、
を備えることを特徴とするパターン認識装置。 - 前記大分類識別関数は、
前記詳細関数を取得する詳細識別関数取得ステップを実行し、
前記取得された詳細識別関数を用いて、前記n次元特徴空間から特徴軸をM個選択する特徴軸選定ステップを実行し、
前記特徴軸の重要度を算出する軸重要度決定ステップを実行し、
前記特徴軸を統合して、L個の主要軸を算出する主要軸算出ステップを実行し、
前記主要軸が生成する前記L次元特徴空間上の関数として前記詳細識別関数を変換することによって前記大分類識別関数を生成する大分類識別関数生成ステップを実行することによって生成されることを特徴とする請求項7に記載のパターン認識装置。 - 前記特徴軸選定ステップでは、前記特徴軸としてM個の任意ベクトルがランダムに選択され、又は、予め設定された指示に基づいてM個のベクトルが前記特徴軸として選択されることを特徴とする請求項8に記載のパターン認識装置。
- 前記軸重要度決定ステップでは、N個の前記パターンxiに対する前記詳細識別関数が、前記特徴軸qkiが生成するM次元空間上の関数として変形された関数d(xi)として算出され、前記算出された関数d(xi)の分散値σの関数として前記軸重要度hが算出されることを特徴とする請求項8に記載のパターン認識装置。
- プロセッサと、前記プロセッサに接続された記憶媒体とを備えるパターン認識装置であって、
前記記憶媒体には、複数の学習用のパターンから構成される学習用パターンデータベースと、複数の認識対象のパターンから構成される認識対象パターンデータベースとが格納され、
前記パターン認識用辞書生成装置は、
前記学習用パターンデータベースから、各々の前記学習用のパターンを一つのカテゴリとして取得し、又は、前記認識対象パターンデータベースから前記認識対象のパターンを取得するパターン入力部と、
前記取得されたカテゴリ毎にn次元特徴を抽出し、前記取得された認識対象のパターンのn次元特徴を抽出する特徴抽出部と、
前記抽出されたn次元特徴を用いて、前記n次元特徴を、前記n次元以下の次元であるm次元特徴に変換する特徴選択関数を生成し、前記生成された特徴選択関数を特徴選択用辞書として前記記憶媒体に格納する特徴選択辞書生成部と、
前記特徴選択関数を用いて、前記n次元特徴を前記m次元特徴に変換する特徴選択部と、
前記変換されたm次元特徴を用いて、各カテゴリに対するパターンの類似度を算出するためのm次元特徴空間上の詳細識別関数を生成し、前記生成された詳細識別関数を識別用辞書として前記記憶媒体に格納する識別関数生成部と、
前記m次元特徴を、前記m次元以下の次元であり、前記n次元特徴空間の部分空間で、かつ、前記m次元特徴空間の部分空間であるL次元特徴空間上のL次元特徴に変換する大分類特徴選択関数を生成し、前記詳細識別関数を前記L次元特徴空間上の関数として変換され、前記L次元特徴空間上で各カテゴリに対する前記パターンの類似度を算出するための大分類識別関数を生成し、前記生成された大分類特徴選択関数を前記特徴選択用辞書として前記記憶媒体に格納し、前記生成された大分類識別関数を前記識別用辞書として前記記憶媒体に格納する識別関数主要部分抽出部と、
前記大分類特徴選択関数を用いて、前記抽出されたn次元特徴を前記L次元特徴に変換する大分類特徴選択部と、
前記変換されたL次元特徴と前記大分類識別関数とを用いて、前記各カテゴリに対する前記認識対象のパターンの類似度を算出し、一以上の正解候補パターンを選択する大分類識別部と、
前記特徴選択関数を用いて、前記n次元特徴を前記m次元特徴に変換する特徴選択部と、
前記詳細識別関数と前記変換されたm次元特徴とを用いて、前記選択させた正解候補パターンに対する前記認識対象のパターンの類似度を算出する詳細識別部と、
前記算出された類似度に基づいて、前記認識対象パターンに対する認識結果を出力する認識結果出力部と、
を備えることを特徴とするパターン認識装置。 - 前記識別関数主要部分抽出部は、
前記詳細関数を取得する詳細識別関数取得ステップを実行し、
前記取得された詳細識別関数を用いて、前記n次元特徴空間から特徴軸をM個選択する特徴軸選定ステップを実行し、
前記特徴軸の重要度を算出する軸重要度決定ステップを実行し、
前記特徴軸を統合して、L個の主要軸を算出する主要軸算出ステップを実行し、
前記主要軸が生成する前記L次元特徴空間上の関数として前記詳細識別関数を変換することによって前記大分類識別関数を生成する大分類識別関数生成ステップを実行することを特徴とする請求項13に記載のパターン認識用辞書生成装置。 - パターン認識用辞書生成装置は、ユーザがパターン認識用辞書生成装置を操作するための入力部を備え、
前記特徴軸選定ステップは、前記識別関数主要部分抽出部が、ランダムにM個の任意ベクトルを前記特徴軸として選択するステップ、又は、前記ユーザから指示に基づいてM個のベクトルを前記特徴軸として選択するステップ、を含むことを特徴とする請求項14に記載のパターン認識装置。 - 前記軸重要度決定ステップは、前記識別関数主要部分抽出部が、N個の前記学習用のパターンxiに対する前記詳細識別関数を、前記特徴軸qkiが生成するM次元空間上の関数として変形された関数d(xi)を算出し、前記算出された関数d(xi)の分散値σの関数として前記軸重要度hを算出することを特徴とする請求項2に記載のパターン認識用辞書生成装置。
- プロセッサと、前記プロセッサに接続された記憶媒体とを備えるパターン認識用辞書生成装置におけるパターン認識用辞書生成方法であって、
前記記憶媒体には、複数の学習用のパターンから構成される学習用パターンデータベースが格納され、
前記方法は、
前記パターン認識用辞書生成装置が、前記学習用パターンデータベースから、各々の前記学習用のパターンを一つのカテゴリとして取得する第1のステップと、
前記パターン認識用辞書生成装置が、前記取得されたカテゴリ毎にn次元特徴を抽出する第2のステップと、
前記パターン認識用辞書生成装置が、前記抽出されたn次元特徴を用いて、前記n次元以下の次元であるm次元特徴に前記n次元特徴を変換する特徴選択関数を生成し、前記生成された特徴選択関数を特徴選択用辞書として前記記憶媒体に格納する第3のステップと、
前記パターン認識用辞書生成装置が、前記特徴選択関数を用いて、前記抽出されたn次元特徴を前記m次元特徴に変換する第4のステップと、
前記パターン認識用辞書生成装置が、前記変換されたm次元特徴を用いて、各カテゴリに対する認識対象のパターンの類似度を算出するためのm次元特徴空間上の詳細識別関数を生成し、前記生成された詳細識別関数を識別用辞書として前記記憶媒体に格納する第5のステップと、
前記パターン認識用辞書生成装置が、前記m次元以下の次元であり、前記n次元特徴空間の部分空間で、かつ、前記m次元特徴空間の部分空間であるL次元特徴空間上のL次元特徴に前記m次元特徴を変換する大分類特徴選択関数を生成し、前記詳細識別関数を前記L次元特徴空間上の関数として変換することによって前記L次元特徴空間上で各カテゴリに対する前記パターンの類似度を算出するための大分類識別関数を生成し、前記生成された大分類特徴選択関数を前記特徴選択用辞書として前記記憶媒体に格納し、前記生成された大分類識別関数を前記識別用辞書として前記記憶媒体に格納する第6のステップと、
を含むことを特徴とするパターン認識用辞書生成方法。 - 前記第6のステップは、
前記パターン認識用辞書生成装置が、前記詳細関数を取得する詳細識別関数取得ステップと、
前記パターン認識用辞書生成装置が、前記取得された詳細識別関数を用いて、前記n次元特徴空間から特徴軸をM個選択する特徴軸選定ステップと、
前記パターン認識用辞書生成装置が、前記特徴軸の重要度を算出する軸重要度決定ステップと、
前記パターン認識用辞書生成装置が、前記特徴軸を統合して、L個の主要軸を算出する主要軸算出ステップと、
前記パターン認識用辞書生成装置が、前記主要軸が生成する前記L次元特徴空間上の関数として前記詳細識別関数を変換することによって前記大分類識別関数を生成する大分類識別関数生成ステップと、
を含むことを特徴とする請求項19に記載のパターン認識用辞書生成方法。 - パターン認識用辞書生成装置は、ユーザがパターン認識用辞書生成装置を操作するための入力部を備え、
前記特徴軸選定ステップは、パターン認識用辞書生成装置が、ランダムにM個の任意ベクトルを前記特徴軸として選択するステップ、又は、前記ユーザから指示に基づいてM個のベクトルを前記特徴軸として選択するステップ、を含むことを特徴とする請求項20に記載のパターン認識用辞書生成方法。 - 前記軸重要度決定ステップは、前記識別関数主要部分抽出部が、N個の前記学習用のパターンxiに対する前記詳細識別関数を、前記特徴軸qkiが生成するM次元空間上の関数として変形された関数d(xi)を算出するステップと、前記算出された関数d(xi)の分散値σの関数として前記軸重要度hを算出するステップと、含むをことを特徴とする請求項20に記載のパターン認識用辞書生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009152887A JP5353482B2 (ja) | 2009-06-26 | 2009-06-26 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009152887A JP5353482B2 (ja) | 2009-06-26 | 2009-06-26 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011008634A JP2011008634A (ja) | 2011-01-13 |
JP5353482B2 true JP5353482B2 (ja) | 2013-11-27 |
Family
ID=43565185
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009152887A Active JP5353482B2 (ja) | 2009-06-26 | 2009-06-26 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5353482B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5823270B2 (ja) * | 2011-11-30 | 2015-11-25 | Kddi株式会社 | 画像認識装置及び方法 |
US11580383B2 (en) | 2017-03-16 | 2023-02-14 | Nec Corporation | Neural network learning device, method, and program |
JP7006401B2 (ja) | 2018-03-13 | 2022-01-24 | 富士通株式会社 | 学習プログラム、学習方法および学習装置 |
CN116048478B (zh) * | 2023-03-07 | 2023-05-30 | 智慧眼科技股份有限公司 | 一种字典转义方法、装置、设备及计算机可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3475886B2 (ja) * | 1999-12-24 | 2003-12-10 | 日本電気株式会社 | パターン認識装置及び方法並びに記録媒体 |
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 |
-
2009
- 2009-06-26 JP JP2009152887A patent/JP5353482B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2011008634A (ja) | 2011-01-13 |
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 | |
Justino et al. | The interpersonal and intrapersonal variability influences on off-line signature verification using HMM | |
JP2006252333A (ja) | データ処理方法、データ処理装置およびそのプログラム | |
Haque et al. | Two-handed bangla sign language recognition using principal component analysis (PCA) and KNN algorithm | |
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 | |
Prasad et al. | Gujrati character recognition using weighted k-NN and mean χ 2 distance measure | |
Nasser et al. | Signature recognition by using SIFT and SURF with SVM basic on RBF for voting online | |
Wan et al. | Cost-sensitive label propagation for semi-supervised face recognition | |
Gavisiddappa et al. | Multimodal biometric authentication system using modified ReliefF feature selection and multi support vector machine | |
Jena et al. | Implementation of linear discriminant analysis for Odia numeral recognition | |
JPH0520442A (ja) | 顔画像照合装置 | |
JP5683287B2 (ja) | パターン認識装置及びパターン認識方法 | |
Kumar et al. | Hand gesture recognition using principal component analysis | |
Shekar et al. | Blockwise binary pattern: a robust and an efficient approach for offline signature verification | |
Vinodini et al. | Face detection and recognition system based on hybrid statistical, machine learning and nature-based computing | |
ALtememe et al. | Gesture interpreting of alphabet Arabic sign language based on machine learning algorithms | |
Aliakbarzadeh et al. | Online Persian/Arabic writer identification using gated recurrent unit neural networks | |
Sridharamurthy et al. | PCA based feature vector for handwritten kannada characters recognition | |
Eko | Bonferroni Mean Fuzzy K-Nearest Neighbors Based Handwritten Chinese Character Recognition | |
Okediran et al. | A Comparative Analysis of Selected Fisher Linear Discriminant Based Algorithms in Human Faces | |
Ma et al. | Recognition of faces using texture-based principal component analysis and Grassmannian distances analysis | |
Chen et al. | Learning pattern generation for handwritten Chinese character using pattern transform method with cosine function | |
Bhopi et al. | Review on optical character recognition of Devanagari script using neural network | |
Shumba | Offline writer authentication | |
Farhaoui et al. | Toward Innovative Recognition of Handwritten Arabic Characters: A Hybrid Approach with SIFT, BoVW, and SVM classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120309 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120319 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130710 |
|
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: 20130723 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20130809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130812 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5353482 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
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 |