JP6161266B2 - 情報処理装置及びその制御方法及び電子デバイス及びプログラム及び記憶媒体 - Google Patents
情報処理装置及びその制御方法及び電子デバイス及びプログラム及び記憶媒体 Download PDFInfo
- Publication number
- JP6161266B2 JP6161266B2 JP2012259059A JP2012259059A JP6161266B2 JP 6161266 B2 JP6161266 B2 JP 6161266B2 JP 2012259059 A JP2012259059 A JP 2012259059A JP 2012259059 A JP2012259059 A JP 2012259059A JP 6161266 B2 JP6161266 B2 JP 6161266B2
- Authority
- JP
- Japan
- Prior art keywords
- information processing
- cache
- data
- processing apparatus
- processing
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/60—Memory management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Image Input (AREA)
- Memory System Of A Hierarchy Structure (AREA)
- Image Processing (AREA)
Description
プロセッサとメモリとを有するターゲットシステムにて、対象データの複数の要素に対して判別処理を順次実行するための情報処理規則を生成する情報処理装置であって、
前記ターゲットシステムの構成要素に係る構成情報と学習サンプルデータとを入力する入力手段と、
前記学習サンプルデータにおいて参照された要素の位置の履歴を保持する保持手段と、
前記学習サンプルデータに関して複数の要素の位置のそれぞれに対する判別処理の誤り率を算出する誤り率算出手段と、
入力した前記構成情報に従い、前記履歴に基づくキャッシュヒットに基づいて、前記プロセッサが前記判別処理を実行する際の、前記メモリにおける前記対象データの複数の要素の位置のそれぞれを参照するための参照負荷を算出する負荷算出手段と、
前記学習サンプルデータの複数の要素の位置のそれぞれに対する前記判別処理の誤り率と前記参照負荷とに基づいて、前記対象データの複数の要素に対する判別処理において参照すべき前記要素の位置と参照順序とを表わす情報処理規則を決定する決定手段とを有する。
<画像識別処理基本システム構成>
図2(a)は、製品開発対象のデジタルカメラにおける、ハードウェア構成情報で表わされるプロセッサ周辺の構成を示している。そして、この構成にて、画像が特定クラスであるかを識別するクラス識別処理を実行する場合の、効率的な要素データ(画素)の参照順序を規定する情報(情報処理規則)を生成する例を説明する。
本実施形態においては、ターゲットシステムのキャッシュ・アーキテクチャ203は、ダイレクト・マップ方式と呼ばれる構成を取っている。以下、本実施形態におけるキャッシュ・アーキテクチャを、図4を用いて説明する。
図5は、本実施形態の画像識別処理を行うBoosting型識別器の概念図である。本実施形態では、この識別器を、図2のターゲットシステムで実行されるプログラムにより実現している。この識別器は非特許文献1と同様、多数の弱判別器501乃至503がカスケードに接続された構成となっている。尚、図5の識別器は、非特許文献1のようにステージ構成としてステージ毎に打ち切り判定するのではなく、特許文献:特開2010−165046と同様、弱判別器一つずつで打ち切り判定を行うようになっている。しかしながら、本発明の本質によればこれはどちらでも構わない。
式(1)が真ならば処理継続となり、弱判別器は次段に加算された累積スコア:
を送る。すなわち図5において、2段目(502)以降の弱判別器には、処理対象画像と共に前段までの累積スコアが入力される。
次に図1のフローチャートを用いて、本実施形態のBoosting型識別器の認識辞書を生成するための学習処理について説明する。この学習処理は、図2(a)に示したターゲットシステム上で実行しても良いし、より高速のスーパーコンピュータやPCクラスタ等の他のシステムを用いて実行しても良い。学習処理の実行環境については、本発明の本質から制限されるものではない。
w1,i=1/m、 m=1,...,m …(2)
ここで は現在学習使用としている弱判別器番号で初期値は1、 は学習データ番号である。つまり、第1段の弱判別器学習時には、全てのサンプルデータに対して共通の重みを与えている。
但し、1段目の学習時に最初にこのステップS104が行われる際には、重み係数w1,iは前述の通りS102(式(2))で設定された値になっているので、すでに式(3)を満たす状態となっている。すなわちこのステップS104 は、第2段目以降の弱判別器の学習時に、重み係数wt,iの総和値が1となるように正規化するための処理である。
ここで、iは学習サンプルデータ番号であり、xiが各学習サンプルデータを示す。ht,j(xi)は特徴候補jによる学習サンプルデータxiの判別結果であり、先に決定した閾値θt,jと大小比較方向を用いて、入力対象データxiが識別対象であると判定した場合に1を、識別対象でないと判別した場合に−1を出力する。yiは正解ラベル(教示ラベル)でありi番目のサンプルデータが識別対象であるか否かによって、それぞれ1又は−1が割り当てられている。従って重み付誤り率Et,jは、ht,j(xi)とyi の値が等しいサンプルに対しては0、異なるサンプルについては2wt,jが加算された総和値となる。
Pt,j=K(1−ct,j)
ここでKは所定の正の係数で、参照負荷をペナルティとして考慮する割合を調整する。すなわち、S107でキャッシュ・ヒットすると判定された場合はPt,j=0、ヒットしないと判定された場合はPt,j=Kで、キャッシュ・ヒット率で計算される場合はその間の値を取ることになる。アクセス・ペナルティを加味した誤り率EPt,jは、次式(5)となる。
尚、アクセス・ペナルティPt,jとして、キャッシュ・ヒット率だけでなく、例えば、特徴候補を参照して特徴量を計算するまでにターゲットシステムが要するトータルのシステム・クロック数に比例する値を利用するようにしてもよい。
続くステップS112では、以下の式(6)により、当該弱判別器に対応する信頼度αtを算出する。
次にステップS113において、打ち切り閾値を決定する。ここでは、全ての学習サンプルデータを用いて作成した累積スコア値:
のヒストグラムを利用する。
但し、式(7)で更新する重み係数wt,jは正しく識別できた学習データiの重み係数のみである。誤り率Etは通常0.5より小さい値となるので、正しく識別されたサンプルデータ(Positive、Negative共)の重み係数wt,iは、小さくなる様に更新される。従って、識別を誤ったサンプルデータに対する重み係数wt,iは、相対的に大きくなる。
以上のように生成された識別処理辞書を用いた識別処理は、ターゲットシステム上で、通常のBoosting型識別処理と同様の図8のフローチャートのように実行される。
を計算する処理である。
<Sliding window処理の場合>
大きな画像中から人の顔等の所望の物体の検出処理を行う場合、Sliding windowと呼ばれる処理と組み合わせた識別処理が良く行われている。例えば非特許文献1においても、Sliding window処理を用いている。
<セット・アソシエイティブ・キャッシュの場合>
本発明は、他のタイプのキャッシュ・アーキテクチャを持つターゲットシステムを使用する場合でも適用することが可能である。
ターゲットシステムが図11のタイプのキャッシュ・アーキテクチャを持つ場合でも、本発明は適用可能で、例えば図1の学習処理フローに従い識別処理辞書を生成することができる。このときステップS107のキャッシュ・ヒット判定はもちろん、上述のように図11のアーキテクチャに合わせて行う。ダイレクト・マップ方式に比べて各インデクス2つのラインを持つので、ヒット確率は高まりスラッシングは発生しにくくなる。
<テクスチャ・メモリの場合>
ところで、メイン・メモリへの画像の格納は、通常はラスタ・スキャン方式で画像の1ラインの画素を連続するアドレスに格納する方式が取られることが多い。図12(a)は、ラスタ・スキャン方式でメモリに格納する様子を示している。
<Random Ferns型識別器>
本発明は、Boosting型識別器だけでなく、他の異なったタイプの識別器を用いた識別処理に対しても適用することができる。
図14は、Fern型識別器の識別処理辞書の生成に本発明を適用した学習処理フローを示している。このうちステップS1401乃至S1416の処理は、非特許文献3に開示される技術と本質的に同等であり、特にステップS1417が本発明特有の処理となる。以下、順に説明する。
クラスcの全てのサンプルデータに対する処理が完了したら、ステップS1411にて、ヒストグラムHの全てのビンに1を加算する。これは複数のFernにより得られた各クラスの確率を合算する際に積算することに対応し、一つでも確率0となる判別結果が含まれると、合算結果が0となって識別性能が落ちてしまうことに対応するものである。すなわち確率の低いクラスと判別される場合でも0とはならないようにしている。
D=(クラスcサンプルデータ数)+ 2S …(8)
Pm,c,k = H(m,k) / D …(9)
確率値Pm,c,kは、Fern mのリーフkが保持するクラスcである確率パラメータに対応する。
図17に、生成した識別処理辞書を用いてターゲットシステム上で実行される識別処理のフローを示す。
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 (14)
- プロセッサとメモリとを有するターゲットシステムにて、対象データの複数の要素に対して判別処理を順次実行するための情報処理規則を生成する情報処理装置であって、
前記ターゲットシステムの構成要素に係る構成情報と学習サンプルデータとを入力する入力手段と、
前記学習サンプルデータにおいて参照された要素の位置の履歴を保持する保持手段と、
前記学習サンプルデータに関して複数の要素の位置のそれぞれに対する判別処理の誤り率を算出する誤り率算出手段と、
入力した前記構成情報に従い、前記履歴に基づくキャッシュヒットに基づいて、前記プロセッサが前記判別処理を実行する際の、前記メモリにおける前記対象データの複数の要素の位置のそれぞれを参照するための参照負荷を算出する負荷算出手段と、
前記学習サンプルデータの複数の要素の位置のそれぞれに対する前記判別処理の誤り率と前記参照負荷とに基づいて、前記対象データの複数の要素に対する判別処理において参照すべき前記要素の位置と参照順序とを表わす情報処理規則を決定する決定手段と
を有することを特徴とする情報処理装置。 - 前記対象データは、画像データ若しくは配列状の特徴量データであることを特徴とする請求項1に記載の情報処理装置。
- 前記決定手段が決定する情報処理規則における情報処理は、前記対象データが特定のクラスであるか否かを識別するクラス識別処理であることを特徴とする請求項1に記載の情報処理装置。
- 前記算出手段は、前記プロセッサが前記メモリの内のデータを参照する際の効率を向上するためのキャッシュ・アーキテクチャと、前記対象データの各要素を前記メモリ上に所定の配置で格納する格納規則とに従って前記参照負荷を算出することを特徴とする請求項1に記載の情報処理装置。
- 前記格納規則はラスタ・スキャン方式であって、前記算出手段は、参照済みの前記対象データの前記要素に対し、キャッシュ・ラインに収まる範囲で水平方向に近傍の位置の前記要素を、負荷が小であるものとして前記参照負荷を算出することを特徴とする請求項4に記載の情報処理装置。
- 前記格納規則はZ-ordering方式であって、前記算出手段は、参照済みの前記対象データの前記要素に対し、Z-ordering方式の並びでキャッシュ・ラインに収まる範囲の近傍の位置の前記要素を、負荷が小であるものとして前記参照負荷を算出することを特徴とする請求項4に記載の情報処理装置。
- 前記キャッシュ・アーキテクチャは、ダイレクト・マップ方式であって、前記対象データの前記要素の前記位置の履歴には、キャッシュ・ライン毎に直前1回分以上の参照位置に相当する情報を含むことを特徴とする請求項4に記載の情報処理装置。
- 前記キャッシュ・アーキテクチャは、セット・アソシエイティブ・キャッシュ方式であって、
前記処理対象データの前記要素の前記位置の履歴には、キャッシュ・ライン毎に、前記セット・アソシエイティブ・キャッシュ方式のウェイ数に等しい数ぶんの直前の参照位置に相当する情報を含むことを特徴とする請求項4に記載の情報処理装置。 - 前記決定手段は、前記参照すべき前記要素の位置を、前記参照負荷が少なくなるように逐次選択し、選択した順序を参照する順序として決定することを特徴とする請求項1に記載の情報処理装置。
- 前記決定手段は、前記情報処理を実行するために必要な前記要素の位置を一通り選択した後に、前記参照負荷が少なくなるように参照する順序を決定することを特徴とする請求項1に記載の情報処理装置。
- 請求項1に記載の情報処理装置で生成された情報処理規則を用いて、生成した前記情報処理規則を参照し、前記対象データに対する情報処理を実行することを特徴とする電子デバイス。
- プロセッサとメモリとを有するターゲットシステムにおける、対象データの複数の要素に対して判別処理を順次実行するための情報処理規則を生成する情報処理装置の制御方法であって、
入力手段が、前記ターゲットシステムの構成要素に係る構成情報と学習サンプルデータとを入力する入力工程と、
保持手段が、前記学習サンプルデータにおいて参照された要素の位置の履歴を保持する保持工程と、
誤り率算出手段が、前記学習サンプルデータに関して複数の要素の位置のそれぞれに対する判別処理の誤り率を算出する誤り率算出工程と、
付加算出手段が、入力した前記構成情報に従い、前記履歴に基づくキャッシュヒットに基づいて、前記プロセッサが前記判別処理を実行する際の、前記メモリにおける前記対象データの複数の要素の位置のそれぞれを参照するための参照負荷を算出する負荷算出工程と、
決定手段が、前記学習サンプルデータの複数の要素の位置のそれぞれに対する前記判別処理の誤り率と前記参照負荷とに基づいて、前記対象データの複数の要素に対する判別処理において参照すべき前記要素の位置と参照順序とを表わす情報処理規則を決定する決定工程と
を有することを特徴とする情報処理装置の制御方法。 - コンピュータに読み込ませ実行させることで、前記コンピュータを、請求項1乃至10のいずれか1項に記載の情報処理装置の各手段として機能させるためのプログラム。
- 請求項13に記載のプログラムを格納したことを特徴とするコンピュータが読み取り可能な記憶媒体。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012259059A JP6161266B2 (ja) | 2012-11-27 | 2012-11-27 | 情報処理装置及びその制御方法及び電子デバイス及びプログラム及び記憶媒体 |
US14/084,211 US9208374B2 (en) | 2012-11-27 | 2013-11-19 | Information processing apparatus, control method therefor, and electronic device |
CN201310618198.5A CN103838570B (zh) | 2012-11-27 | 2013-11-27 | 信息处理装置及其控制方法、以及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012259059A JP6161266B2 (ja) | 2012-11-27 | 2012-11-27 | 情報処理装置及びその制御方法及び電子デバイス及びプログラム及び記憶媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014106736A JP2014106736A (ja) | 2014-06-09 |
JP2014106736A5 JP2014106736A5 (ja) | 2016-01-21 |
JP6161266B2 true JP6161266B2 (ja) | 2017-07-12 |
Family
ID=50773352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012259059A Active JP6161266B2 (ja) | 2012-11-27 | 2012-11-27 | 情報処理装置及びその制御方法及び電子デバイス及びプログラム及び記憶媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9208374B2 (ja) |
JP (1) | JP6161266B2 (ja) |
CN (1) | CN103838570B (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2471647B (en) * | 2009-06-16 | 2016-03-23 | Aptina Imaging Corp | Use of Z-order data in an image sensor |
US9398297B2 (en) * | 2013-11-04 | 2016-07-19 | Intel Corporation | Integral image coding |
US9857864B1 (en) * | 2014-10-29 | 2018-01-02 | Amazon Technologies, Inc. | Systems and methods for reducing power consumption in a memory architecture |
US9460338B2 (en) * | 2014-12-10 | 2016-10-04 | Intel Corporation | Face detection method and apparatus with lookup table |
US9471836B1 (en) * | 2016-04-01 | 2016-10-18 | Stradvision Korea, Inc. | Method for learning rejector by forming classification tree in use of training images and detecting object in test images, and rejector using the same |
JP6748372B2 (ja) * | 2016-06-10 | 2020-09-02 | 日本電気株式会社 | データ処理装置、データ処理方法、およびデータ処理プログラム |
CN108734059B (zh) * | 2017-04-18 | 2022-02-11 | 深圳市丰巨泰科电子有限公司 | 室内移动机器人物体识别方法 |
CN107622020B (zh) * | 2017-09-06 | 2020-09-25 | 网宿科技股份有限公司 | 一种数据存储方法、访问方法及装置 |
US10373291B1 (en) * | 2018-01-31 | 2019-08-06 | Google Llc | Image transformation for machine learning |
JP7040484B2 (ja) * | 2019-03-14 | 2022-03-23 | オムロン株式会社 | 制御システム、サポート装置、およびサポートプログラム |
CN113033789B (zh) * | 2019-12-24 | 2024-03-26 | 中科寒武纪科技股份有限公司 | 用于保序的总线***、集成电路装置、板卡及保序方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4202033B2 (ja) * | 2001-09-05 | 2008-12-24 | 三菱電機株式会社 | 並列画像処理装置および並列画像処理方法 |
GB2409028A (en) | 2003-12-11 | 2005-06-15 | Sony Uk Ltd | Face detection |
JP2008015562A (ja) * | 2006-06-30 | 2008-01-24 | Kenichiro Ishikawa | キャッシュミス/ヒット予想 |
JP4553044B2 (ja) | 2008-09-26 | 2010-09-29 | ソニー株式会社 | 集団学習装置及び方法 |
JP5294798B2 (ja) * | 2008-10-24 | 2013-09-18 | キヤノン株式会社 | 画像処理装置及び画像処理方法 |
JP5235691B2 (ja) | 2009-01-13 | 2013-07-10 | キヤノン株式会社 | 情報処理装置及び情報処理方法 |
JP2010165052A (ja) * | 2009-01-13 | 2010-07-29 | Canon Inc | 画像処理装置及び画像処理方法 |
JP2010244327A (ja) * | 2009-04-07 | 2010-10-28 | Toshiba Corp | キャッシュシステム |
JP5371541B2 (ja) * | 2009-05-19 | 2013-12-18 | キヤノン株式会社 | データ処理装置及びその処理方法 |
JP5625643B2 (ja) * | 2010-09-07 | 2014-11-19 | ソニー株式会社 | 情報処理装置、および情報処理方法 |
JP5748472B2 (ja) * | 2010-12-15 | 2015-07-15 | 富士フイルム株式会社 | オブジェクト判別装置、方法、及びプログラム |
-
2012
- 2012-11-27 JP JP2012259059A patent/JP6161266B2/ja active Active
-
2013
- 2013-11-19 US US14/084,211 patent/US9208374B2/en active Active
- 2013-11-27 CN CN201310618198.5A patent/CN103838570B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103838570B (zh) | 2017-04-19 |
US9208374B2 (en) | 2015-12-08 |
JP2014106736A (ja) | 2014-06-09 |
CN103838570A (zh) | 2014-06-04 |
US20140147034A1 (en) | 2014-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6161266B2 (ja) | 情報処理装置及びその制御方法及び電子デバイス及びプログラム及び記憶媒体 | |
CN110837836B (zh) | 基于最大化置信度的半监督语义分割方法 | |
Ando et al. | Deep over-sampling framework for classifying imbalanced data | |
JP7193252B2 (ja) | 画像の領域のキャプション付加 | |
US10909455B2 (en) | Information processing apparatus using multi-layer neural network and method therefor | |
CN110263659B (zh) | 一种基于三元组损失和轻量级网络的指静脉识别方法及*** | |
US9542621B2 (en) | Spatial pyramid pooling networks for image processing | |
US20170220864A1 (en) | Method for Implementing a High-Level Image Representation for Image Analysis | |
JP4545641B2 (ja) | 類似画像検索方法,類似画像検索システム,類似画像検索プログラム及び記録媒体 | |
CN110381392B (zh) | 一种视频摘要提取方法及其***、装置、存储介质 | |
WO2016170965A1 (ja) | オブジェクト検出方法及び画像検索システム | |
CN111709406A (zh) | 文本行识别方法及装置、可读存储介质、电子设备 | |
CN108154191B (zh) | 文档图像的识别方法和*** | |
CN115443490A (zh) | 影像审核方法及装置、设备、存储介质 | |
CN111401374A (zh) | 基于多任务的模型训练方法、字符识别方法及装置 | |
Wang et al. | Multiscale deep alternative neural network for large-scale video classification | |
CN112232346A (zh) | 语义分割模型训练方法及装置、图像语义分割方法及装置 | |
CN114003758B (zh) | 图像检索模型的训练方法和装置以及检索方法和装置 | |
US20220270341A1 (en) | Method and device of inputting annotation of object boundary information | |
Kishorjit Singh et al. | Image classification using SLIC superpixel and FAAGKFCM image segmentation | |
Zhang et al. | Large-scale underwater fish recognition via deep adversarial learning | |
US11410016B2 (en) | Selective performance of deterministic computations for neural networks | |
US9858293B2 (en) | Image processing apparatus and image processing method | |
CN117011751A (zh) | 使用变换器网络分割视频图像序列 | |
Huang et al. | Bidirectional tracking scheme for visual object tracking based on recursive orthogonal least squares |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151127 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151127 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160916 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161031 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161228 |
|
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: 20170515 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170613 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6161266 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |