JP6137916B2 - 信号処理装置、信号処理方法、及び、信号処理システム - Google Patents
信号処理装置、信号処理方法、及び、信号処理システム Download PDFInfo
- Publication number
- JP6137916B2 JP6137916B2 JP2013076454A JP2013076454A JP6137916B2 JP 6137916 B2 JP6137916 B2 JP 6137916B2 JP 2013076454 A JP2013076454 A JP 2013076454A JP 2013076454 A JP2013076454 A JP 2013076454A JP 6137916 B2 JP6137916 B2 JP 6137916B2
- Authority
- JP
- Japan
- Prior art keywords
- result data
- encoding
- processing
- data
- function
- 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
- Image Analysis (AREA)
Description
本発明に係る情報処理装置の第1実施形態として、顔画像から顔認証に適した特徴量を抽出するデータ処理装置を例に挙げて以下に説明する。ここで、顔認証とは、入力された顔画像から抽出された特徴量と、予め作成しておいた登録データとを比較することにより個人を特定する処理を意味する。なお、第1実施形態では顔認証における特徴抽出処理に適用する例について説明するが、本発明は他のパターン識別における特徴抽出処理に対しても適用可能である。
図1は、第1実施形態における信号処理の概要を説明する図である。100は入力画像である。109はCNN(Convolutional Neural Networks)処理であり、入力画像100に対してCNN処理を実行する。110は符号化処理であり、CNN処理結果データに対して所定の符号化処理を実行する。CNN(Convolutional Neural Networks)処理109、符号化処理110(LBP及び増分符号)の詳細について以下に説明する。
CNNは、入力画像を順方向に伝播させ、複数の異なる空間フィルタを用いたコンボリューション演算を施すことにより特徴量を抽出するニューラルネットワークである。ここでは、コンボリューション演算結果を格納する2次元データを”特徴抽出面”と呼ぶ。
u(x,y):座標(x,y)での演算結果
w(c,r):座標(x+c,y+r)におけるフィルタ係数
width,height:フィルタサイズ
i(x,y)は入力画像100の画素値(輝度値)に相当する。ここで得られたu(x,y)を双曲線正接(tanh)関数等により非線形処理した結果が特徴抽出面101cの画素値となる。101a,bも同様に入力画像100に対するコンボリューション演算により生成する。ここで、101a〜cを生成するために使用する空間フィルタは、それぞれ係数が異なる。
符号化処理110は、CNN処理結果データ(図1に示した例では、特徴抽出面103a〜c)に対して、注目画素(注目領域)と参照画素(参照領域)との大小関係に基づく符号化を施す処理である。このような符号化処理としては、LBPもしくは増分符号がある。
図8は、入力画素値からLBPを抽出する処理を説明する図である。LBPは、注目画素(x,y)の画素値と、当該注目画素を取り囲む8個の参照画素(x+xn,y+yn)の画素値とに基づき、式(2)で計算される特徴量に符号化する処理である。
i(x,y):座標(x,y)での入力画素値
LBP(x,y):座標(x,y)でのLBP
(xn,yn):参照画素の注目画素に対する相対位置
xn={−1,0,1},yn={−1,0,1},xn 2+yn 2≠0
ただし、
(x0,y0)=(−1,0)
(x1,y1)=(−1,1)
(x2,y2)=(0,1)
・・・
(x7,y7)=(−1,−1)
としている。
図9は、入力画素値から増分符号を抽出する処理を説明する図である。上述のLBPの代わりに非特許文献3の増分符号を適用してもLBPと同様の効果が得られる。座標(x,y)における増分符号は次式により計算される。
IS(x,y):座標(x,y)での増分符号
(x0,y0):参照画素の注目画素に対する相対位置
x0={−1,0,1},y0={−1,0,1},x0 2+y0 2≠0
式(2)と式(4)を比較すると、LBPにおいてn=0としたものが増分符号に相当することが分かる。図9に示した例では、注目画素に対する相対位置が(x0,y0)=(0,−1)である画素を参照画素として使用している。
図2は、第1実施形態における符号化処理(第1の符号化処理)を説明する図である。なお、図1と同じ構成要素については同じ番号を付与している。ここでは、説明を簡単にするために増分符号を用いる場合の例について説明する。LBPを用いる場合であっても増分符号と同様に適用可能である。
v(x,y):座標(x,y)での演算結果
(x0,y0):参照画素の注目画素に対する相対位置
図2に示した例では、参照画素の相対位置(x0,y0)は、204a〜cについてそれぞれ(−1,0)、(0,−1)、(1,−1)である。
第1実施形態では、図1に示した信号処理の出力結果がパターン識別対象に有効な特徴量となるようにCNNのフィルタ係数を学習により決定する。
図4は、第1実施形態におけるCNN学習器の概念図である。ここでは、公知のSiamese学習器(非特許文献5)を使用する。Siamese学習器は、入力データのペアと、入力データのペアが同じクラスであるかどうかを示すラベルとを基に学習を行う学習器である。具体的には、同じクラスの入力データに対してはCNN出力間の距離が小さく、逆に異なるクラスの入力データに対してはCNN出力間の距離の大きくなるようにCNNを学習する。
E(w):符号化処理結果データ間のL1ノルム
vn(w):入力画像nから生成した符号化処理結果データ(n:画像ペア内のインデックス)
wはCNNのフィルタ係数を要素とするベクトルである。
なお、v、EはいずれもCNNのフィルタ係数により値が変化するためwの関数である。v1(w)、v2(w)はそれぞれ顔画像401a,bから生成された符号化処理結果データである。
L(w):誤差(Loss)
Q:E(w)の上限値に設定した定数
である。
誤差逆伝播法では、誤差関数を最小化するために勾配降下法を用いてパラメータを更新する。ここでは、誤差関数はL(w)、パラメータはフィルタ係数wである。ここで、wは学習を始める前に初期化する必要がある。そこで、ここでは、wを乱数により初期化する。あるいは、Gabor Waveletフィルタ、Sobelフィルタ等の公知の空間フィルタの係数を設定し初期化してもよい。また、以前の学習により得られたフィルタ係数を設定して追加再学習するようにしてもよい。式(8)は、勾配降下法によりwのi番目の要素を更新する方法を示す式である。
wi’:更新後のwのi番目の要素
ρ:更新係数
式(8)を計算してwiを更新するためには、∂L(w)/∂wiを求める必要がある。ここで、L(w)はE(w)を通してのみwiに依存するため、偏微分の連鎖法則を適用し、∂L(w)/∂wiを式(9)に示すように変形する。
ここで、∂E(w)/∂vjは、式(6)をvjについて偏微分することにより得られる。ここで、∂E(w)/∂vjは、v1(w)に含まれるv1j,v2(w)に含まれるv2jそれぞれについて計算する必要がある。
上述したように、誤差逆伝播法によりCNNのフィルタ係数408を学習するためには、すべての演算は微分可能な関数である必要がある。しかし、符号化処理110a,bにおけるステップ関数処理205では、式(3)に示したステップ関数を用いる。ステップ関数は、t=0で不連続な関数であるため、その近傍で微分不可能である。そのためこのままでは式(11)における∂vj/∂ujを計算することができない。
v〜(x,y):座標(x,y)での演算結果
k:tanh関数の傾きを決定する係数
ここで、kはtanh関数の傾きを決定する係数である。
図5は、第1実施形態におけるデータ処理装置の構成を示す図である。以下では、上述したCNNのフィルタ係数の学習および決定したフィルタ係数に基づくパターン識別処理の双方を実行可能なデータ処理装置について説明する。
図6は、第1実施形態におけるデータ処理装置における各モードの動作を示すフローチャートである。以下では、CPU503が各種プログラムを実行することにより以下のフローチャートに示す処理を実行する。
学習モードは、学習を実行するための動作モードである。なお、学習に使用する顔画像は、学習処理に先立って以下の手順に従って作成され、対応する人物IDと関連付けてデータ保存部501に保存されているものとする。まず、データ保存部501に保存されている画像データをRAM505に読み出す。次に、RAM505にある画像データを8bit符号なし輝度画像に変換する。そして、公知の顔検出手法により顔領域を検出し、予め定めたサイズにリサイズした顔画像をデータ保存部501に保存する。好ましくは、目や鼻、口といった顔の器官位置を検出し、検出した器官位置に基づいて両目が水平に並び、かつ予め定められたサイズとなるように画像変換する。なお、器官位置の検出には、公知のActive Appearance Model、Active Shape Model等を用いることができる。
識別モードは、信号処理結果を用いてパターン識別を実行するための動作モードである。パターン識別結果は、例えば、顔認証処理などに利用される。顔認証に使用する顔画像は、以下の手順に従って顔認証処理に先立ち作成され、RAM505に保存されているものとする。まず、データ保存部501に保存されている画像データをRAM505に格納する。次に、RAM505にある画像データを8bit符号なし輝度画像に変換する。そして、公知の顔検出手法により顔領域を検出し、予め定めたサイズにリサイズした顔画像をRAM505に保存する。このとき、顔認証の結果を表示するための情報として、検出された顔領域の元の画像における位置、大きさを顔画像に関連付けてRAM505に保存する。または、同様の処理を外部装置により実行した結果を通信部502を介してRAM505に保存してもよい。
登録データ作成モードは、信号処理結果を用いて顔認証において使用される基準パターンとなる登録データを作成するための動作モードである。ここで、登録データとは、登録ベクトルと、登録ベクトルに対応する人物IDとから成るデータのことである。
第2実施形態では、主要な処理をハードウェア回路を用いて構成する例について説明する。すなわち、第2実施形態においては、主要な処理をASICやDSPなどのハードウェア回路である信号処理部1401で実行する点が主に異なる。
図14は、第2実施形態におけるデータ処理装置の構成を示す図である。なお、図5と同じ構成要素については同じ番号を付与し、ここでは説明を省略する。なお、以下では、第1実施形態と異なる部分についてのみ説明する。上述のように、第2実施形態では、主要な処理を信号処理部1401で実行し、CPU503はもっぱら信号処理部1401の制御に用いられる。
図15は、第2実施形態における信号処理部の構成を示すブロック図である。信号処理部1401は、ユーザから受け付けた動作モードの指定に応じて処理経路を切り替える。これにより、特徴抽出処理と学習を同一の回路で実現する。以下では、信号処理部1401内の各ブロックについて図15を参照して詳細に説明する。
制御部1501は、まず、スイッチ1503に対してCNN処理部1502の出力を増分符号化処理部1504に入力するように指示する信号を送信する。次に、特徴抽出の対象となる顔画像をRAM505から読み込み、メモリ1508に格納する。続いて、制御部1501はCNN処理部1502に、メモリ1508に格納した顔画像に対するCNN処理を実行するように指示する信号を送信する。
制御部1501は、まず、スイッチ1503にCNN処理部1502の出力をtanh符号化処理部1505に入力するように指示する信号を送信する。次に、RAM505に格納されている2枚の学習用の顔画像を読み込み、メモリ1508に格納する。また、これらの顔画像に関連付けられている人物IDも合わせて読み込む。
第3実施形態では、学習処理とパターン識別処理を別体の機器で実行する信号処理システムについて説明する。図16は、第3実施形態によるデータ処理システムの構成を示す図である。図16に示したデータ処理システムでは、サーバ装置1601が学習処理を実行し、クライアント装置1602がパターン識別処理を実行するように構成されている。なお、サーバ装置1601は、好適には公知のクラウドコンピューティングのような分散処理システムにより構成するとよい。また、図16では1台のクライアント装置のみを示しているが、1台のサーバ装置に対し複数のクライアント装置が接続される構成としても良い。
・サーバ装置
サーバ装置1601は、論理的には、図5に示したデータ処理装置の構成と同一の構成で良く、図6に示した処理を実行する。ただし、第3実施形態ではサーバ装置1601は学習処理のみを実行するため、識別モードや登録データ作成モードの処理を省略するよう構成しても構わない。なお、サーバ装置1601は、学習処理を行うため、CNN処理部(第2の生成手段)を有する。
図17は、第3実施形態におけるクライアント装置の構成を示す図である。なお、図5と同じ構成要素については同じ番号を付与し、ここでは説明を省略する。1701は特徴抽出部であり、第1及び第2実施形態において説明した識別モードにおける処理と同様の処理を実行する。なお、クライアント装置1602は、識別処理を行うため、CNN処理部(第1の生成手段)を有する。
CNNのフィルタ係数を更新する場合には、クライアント装置1602は、通信部502を介して、サーバ装置1601に学習処理のリクエスト信号を送信する。あるいは、クライアント装置1602内のRAM505に格納されているCNNのフィルタ係数を送信する。またあるいは登録データに含まれる顔画像もしくは人物IDを送信する。この場合、フィルタ係数もしくは顔画像もしくは人物IDの送信を学習処理のリクエスト信号とするように構成してもよい。
上述の実施形態では、処理対象のデータとして2次元の画像データ(顔画像)に適用する例を想定して説明した。しかし、音声信号などの1次元のデータに対しても適用可能であり、また、3次元以上のデータに対しても同様に適用可能である。
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア(プログラム)を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ(またはCPUやMPU等)がプログラムを読み出して実行する処理である。
Claims (11)
- 入力されたデータに対して空間フィルタ処理を実行することで処理結果データを生成する生成手段と、
前記処理結果データに対して、不連続関数を用いる所定の符号化処理を実行し符号化処理結果データを生成する第1の符号化手段と、
前記処理結果データに対して、前記不連続関数を連続関数で近似した近似符号化処理を実行し近似符号化処理結果データを生成する第2の符号化手段と、
前記近似符号化処理結果データに基づいて、前記空間フィルタ処理の重み係数を更新する更新手段と、
前記更新手段による重み係数の更新を行う場合には前記処理結果データを前記第2の符号化手段に提供し、他の場合には前記処理結果データを前記第1の符号化手段に提供する、ように制御する制御手段と、
を有することを特徴とする信号処理装置。 - 前記他の場合は、パターン識別を行う場合と該パターン識別に使用する基準パターンの登録を行う場合との少なくとも一方を含むことを特徴とする請求項1に記載の信号処理装置。
- 前記符号化処理結果データに基づいてパターン識別を行うパターン識別手段を更に有することを特徴とする請求項1又は2に記載の信号処理装置。
- 前記所定の符号化処理は、前記処理結果データ内の注目領域における値と該注目領域に対して予め定められた相対位置にある1以上の参照領域における値とを比較して比較処理結果データを生成し、該比較処理結果データに対して前記不連続関数を用いた演算を行う処理であることを特徴とする請求項1乃至3の何れか一項に記載の信号処理装置。
- 前記空間フィルタ処理はCNN(Convolutional Neural Networks)処理であり、前記重み係数は該CNN処理におけるフィルタ係数であることを特徴とする請求項1乃至4の何れか一項に記載の信号処理装置。
- 前記更新手段は、誤差逆伝播法を用いて前記空間フィルタ処理の重み係数を更新することを特徴とする請求項5に記載の信号処理装置。
- 前記不連続関数はステップ関数であり、前記連続関数はtanh関数又はシグモイド関数であることを特徴とする請求項1乃至6の何れか一項に記載の信号処理装置。
- 前記不連続関数はパルス関数であり、前記連続関数はガウス関数であることを特徴とする請求項1乃至6の何れか一項に記載の信号処理装置。
- 入力されたデータに対して空間フィルタ処理を実行することで処理結果データを生成する生成工程と、
前記処理結果データに対して、不連続関数を用いる所定の符号化処理を実行し符号化処理結果データを生成する第1の符号化工程と、
前記処理結果データに対して、前記不連続関数を連続関数で近似した近似符号化処理を実行し近似符号化処理結果データを生成する第2の符号化工程と、
前記近似符号化処理結果データに基づいて、前記空間フィルタ処理の重み係数を更新する更新工程と、
重み係数の更新を行う場合には、前記第2の符号化工程を実行し、他の場合には前記第1の符号化工程を実行する、ように制御する制御工程と、
を有することを特徴とする信号処理方法。 - コンピュータを請求項1乃至8の何れか1項に記載の信号処理装置の各手段として機能させるためのプログラム。
- クライアント装置とサーバ装置とを含む信号処理システムであって、
前記クライアント装置は、
入力されたデータに対して空間フィルタ処理を実行することで処理結果データを生成する第1の生成手段と、
前記第1の生成手段により生成された処理結果データに対して、不連続関数を用いる所定の符号化処理を実行し符号化処理結果データを生成する第1の符号化手段と、
前記符号化処理結果データに基づいてパターン識別を行うパターン識別手段と、
を有し、
前記サーバ装置は、
入力されたデータに対して前記空間フィルタ処理を実行することで処理結果データを生成する第2の生成手段と、
前記第2の生成手段により生成された処理結果データに対して、前記不連続関数を連続関数で近似した近似符号化処理を実行し近似符号化処理結果データを生成する第2の符号化手段と、
前記近似符号化処理結果データに基づいて、前記第2の生成手段の空間フィルタ処理の重み係数を更新する更新手段と、
を有し、更に、
前記サーバ装置は、前記更新手段により更新された重み係数を前記クライアント装置に送信する送信手段を有し、前記クライアント装置は、前記サーバ装置から受信した重み係数を前記第1の生成手段の空間フィルタ処理の重み係数として設定する設定手段を有する
ことを特徴とする信号処理システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013076454A JP6137916B2 (ja) | 2013-04-01 | 2013-04-01 | 信号処理装置、信号処理方法、及び、信号処理システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013076454A JP6137916B2 (ja) | 2013-04-01 | 2013-04-01 | 信号処理装置、信号処理方法、及び、信号処理システム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014203135A JP2014203135A (ja) | 2014-10-27 |
JP2014203135A5 JP2014203135A5 (ja) | 2016-05-26 |
JP6137916B2 true JP6137916B2 (ja) | 2017-05-31 |
Family
ID=52353556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013076454A Active JP6137916B2 (ja) | 2013-04-01 | 2013-04-01 | 信号処理装置、信号処理方法、及び、信号処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6137916B2 (ja) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016192758A (ja) * | 2015-03-31 | 2016-11-10 | 京セラドキュメントソリューションズ株式会社 | 電子機器及び類似顔画像置き換えプログラム |
JP2016197389A (ja) * | 2015-04-03 | 2016-11-24 | 株式会社デンソーアイティーラボラトリ | 学習システム、学習プログラムおよび学習方法 |
US9436895B1 (en) * | 2015-04-03 | 2016-09-06 | Mitsubishi Electric Research Laboratories, Inc. | Method for determining similarity of objects represented in images |
KR102325602B1 (ko) | 2015-07-06 | 2021-11-12 | 삼성전자주식회사 | 데이터를 병렬적으로 처리하는 장치 및 방법 |
JP6158882B2 (ja) * | 2015-09-18 | 2017-07-05 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
JP6798183B2 (ja) * | 2016-08-04 | 2020-12-09 | 株式会社リコー | 画像解析装置、画像解析方法およびプログラム |
JP6800656B2 (ja) * | 2016-08-24 | 2020-12-16 | キヤノン株式会社 | 演算回路、その制御方法及びプログラム |
US20190370641A1 (en) * | 2017-03-06 | 2019-12-05 | Sony Corporation | Information processing apparatus |
JP6214073B2 (ja) * | 2017-03-16 | 2017-10-18 | ヤフー株式会社 | 生成装置、生成方法、及び生成プログラム |
WO2018207334A1 (ja) * | 2017-05-12 | 2018-11-15 | 日本電気株式会社 | 画像認識装置、画像認識方法および画像認識プログラム |
CN108960001B (zh) * | 2017-05-17 | 2021-12-24 | 富士通株式会社 | 训练用于人脸识别的图像处理装置的方法和装置 |
US11227214B2 (en) * | 2017-11-14 | 2022-01-18 | Advanced Micro Devices, Inc. | Memory bandwidth reduction techniques for low power convolutional neural network inference applications |
JP6873027B2 (ja) * | 2017-12-06 | 2021-05-19 | 株式会社日立製作所 | 学習システム及び画像検索システム |
US11948073B2 (en) | 2018-04-20 | 2024-04-02 | Advanced Micro Devices, Inc. | Machine learning inference engine scalability |
US11769041B2 (en) | 2018-10-31 | 2023-09-26 | Advanced Micro Devices, Inc. | Low latency long short-term memory inference with sequence interleaving |
CN111353575A (zh) | 2018-12-20 | 2020-06-30 | 超威半导体公司 | 用于卷积神经网络的图块化格式 |
JP6801020B2 (ja) * | 2019-01-11 | 2020-12-16 | セコム株式会社 | 画像認識装置、画像認識方法、及び画像認識プログラム |
CN111723918A (zh) | 2019-03-18 | 2020-09-29 | 超威半导体公司 | 用于卷积内核的自动生成和调谐工具 |
WO2021210413A1 (ja) * | 2020-04-17 | 2021-10-21 | 株式会社Roxy | 判別対象の分類方法、これに用いるプログラム、および、判別装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005292018A (ja) * | 2004-04-02 | 2005-10-20 | Dainippon Screen Mfg Co Ltd | 欠陥検出装置、位置ずれ量取得装置および欠陥検出方法 |
JP5777367B2 (ja) * | 2011-03-29 | 2015-09-09 | キヤノン株式会社 | パターン識別装置、パターン識別方法及びプログラム |
US20130004028A1 (en) * | 2011-06-28 | 2013-01-03 | Jones Michael J | Method for Filtering Using Block-Gabor Filters for Determining Descriptors for Images |
-
2013
- 2013-04-01 JP JP2013076454A patent/JP6137916B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2014203135A (ja) | 2014-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6137916B2 (ja) | 信号処理装置、信号処理方法、及び、信号処理システム | |
RU2770752C1 (ru) | Способ и устройство для обучения модели распознавания лица и устройство для определения ключевой точки лица | |
CN109196526B (zh) | 用于生成多模态数字图像的方法和*** | |
US20180197049A1 (en) | Activation layers for deep learning networks | |
US20170032222A1 (en) | Cross-trained convolutional neural networks using multimodal images | |
KR100730500B1 (ko) | 화상 처리 장치와 화상 처리 방법 및 기록 매체 | |
JP6554900B2 (ja) | テンプレート作成装置及びテンプレート作成方法 | |
CN111327828B (zh) | 拍照方法、装置、电子设备及存储介质 | |
US10325184B2 (en) | Depth-value classification using forests | |
US10026197B2 (en) | Signal processing method, signal processing apparatus, and storage medium | |
CN108573471B (zh) | 图像处理装置、图像处理方法以及记录介质 | |
US11210560B2 (en) | Multi-modal dense correspondence imaging system | |
WO2022042120A1 (zh) | 目标图像提取方法、神经网络训练方法及装置 | |
US10891740B2 (en) | Moving object tracking apparatus, moving object tracking method, and computer program product | |
CN111382791B (zh) | 深度学习任务处理方法、图像识别任务处理方法和装置 | |
US20220164577A1 (en) | Object detection method, object detection apparatus, and non-transitory computer-readable storage medium storing computer program | |
KR20210058882A (ko) | 안면 인식 방법 및 디바이스 | |
US20230394871A1 (en) | Method for verifying the identity of a user by identifying an object within an image that has a biometric characteristic of the user and separating a portion of the image comprising the biometric characteristic from other portions of the image | |
JP6202938B2 (ja) | 画像認識装置および画像認識方法 | |
CN114329024A (zh) | 一种iconfont图标搜索方法和*** | |
KR102027786B1 (ko) | 다수의 얼굴 이미지를 동시에 사용하는 얼굴 인식 및 인증 방법 및 시스템 | |
CN114511877A (zh) | 一种行为识别方法、装置、存储介质及终端 | |
CN111275183A (zh) | 视觉任务的处理方法、装置和电子*** | |
CN109961083A (zh) | 用于将卷积神经网络应用于图像的方法和图像处理实体 | |
US11977951B1 (en) | Optimal matching of image portion data sets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160401 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160401 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170323 |
|
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: 20170327 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170425 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6137916 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |