JP6798619B2 - 情報処理装置、情報処理プログラム及び情報処理方法 - Google Patents
情報処理装置、情報処理プログラム及び情報処理方法 Download PDFInfo
- Publication number
- JP6798619B2 JP6798619B2 JP2019533730A JP2019533730A JP6798619B2 JP 6798619 B2 JP6798619 B2 JP 6798619B2 JP 2019533730 A JP2019533730 A JP 2019533730A JP 2019533730 A JP2019533730 A JP 2019533730A JP 6798619 B2 JP6798619 B2 JP 6798619B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- data
- learning
- feature amount
- information 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/24765—Rule-based classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
以下、情報処理装置としての画像分類装置の第1の実施形態について、図1〜図16に基づいて詳細に説明する。第1の実施形態に係る画像分類装置は、要素フィルタを組合せた画像分類プログラムを遺伝的プログラミングに基づいて自動生成する機能と、生成された画像分類プログラムを実行して画像分類処理を実行する機能とを備える。
図2は、遺伝的プログラミングにおいて取り扱う個体の木構造フィルタ列の基本構成の例を示す図である。図2に示すように、個体は、各ノードの要素としてプログラムモジュールが設定された木構造によって表され、この木構造では、入力画像に様々な画像変換を加えて特徴抽出画像を生成し、生成した画像から画像特徴量を抽出し、画像特徴量を組み合わせて特徴ベクトルを作成し、SVM識別器によってOK画像とNG画像を判定するための学習あるいは判定を実行する。なお、OK画像は、良品が写っている画像であり、NG画像は不良品が写っている画像を意味する。また、個体を表す木構造は、それぞれ1以上の隣接する階層を含む区間(処理)に区分される。本第1の実施形態では、木構造は、そのリーフ側(図2の上側)からルート側(図2の下側)に向かって画像変換処理、画像特徴量抽出処理、入力データ作成処理、SVM識別器作成処理に区分される。なお、SVM識別器作成処理には、SVMパラメータ設定処理、SVM識別器生成処理、適応度算出処理が含まれる。
次に、本第1の実施形態における処理の概要について説明する。本第1の実施形態では、学習画像を用いた学習の際に、ユーザが学習画像(NG画像)のうち、NGと判定される根拠となるNG領域を入力し、画像分類装置100に対して教示する。なお、ユーザは、良否判定の基準に精通しており、目視によりNG領域を特定し、入力装置105aを介してNG領域の座標を入力するものとする。そして、画像分類装置100では、学習画像内におけるNG領域の位置と、学習画像を変換した後の画像の特徴量の分布との類似度を算出する。さらに、画像分類装置100では、算出した類似度を考慮して、個体の適応度を算出し、遺伝的プログラミングによる画像分類プログラムの学習に利用する。
以下、ユーザがNG領域を指定し、画像分類装置100に教示する方法について説明する。なお、NG領域は、学習画像において特徴的な部分(キズや異物)を含む領域である。
次に、画像分類装置100が、上述したように教示されたNG領域を指標化する処理について、図4(a)〜図4(d)に基づいて説明する。
次に、画像分類装置100による、分割領域の画像特徴量の指標化処理について、図4(e)に基づいて説明する。
上述の(2)、(3)で得られた2つの指標(図4(d)、図4(e))は、NG領域がどのように分布しているか、および、画像特徴量がどのように分布しているかをそれぞれ表した指標となっている。これらの指標が類似していれば、画像変換によって得られた画像が、NG部分の特徴を正しく抽出していると言える。したがって、本第1の実施形態では、この類似度が高くなるような画像変換処理を学習する。ここで、2つの指標の類似度は、2つの指標をベクトルとみなして、コサイン類似度や正規化相関値として求めることができる。
(a)複数の枝についての類似度の絶対値の平均値、最大値又は最小値
(b)複数の枝についての類似度の平均値、最大値又は最小値
次に、上述したように求められる類似度(総合類似度)を考慮した適応度の算出方法について説明する。
=正解率−識別器のペナルティ項−類似度に基づくペナルティ項 …(1)
この適応度は、自動生成したプログラムの評価値を示し、適応度が高いほど良いプログラムである。
=1.0−類似度のNG画像全体の平均値 …(2)
(2)式で表すように、類似度が高いほど、そのペナルティ項は小さくなる。従って、(1)式で表した適応度は、各項の合計として高くなるように補正される。
次に、画像分類装置100によるNG部分の推定方法について説明する。なお、NG部分の推定の際には、遺伝的プログラミングによる画像分類プログラムの学習が既に完了しているものとする。なお、NG部分とは、分割領域のうち、キズや異物が存在する可能性の高い分割領域を意味する。
=(対象画像の画像特徴量−正常分布平均値)/正常分布標準偏差 …(3)
図8は、画像分類装置100が備える処理機能の構成例を示すブロック図である。画像分類装置100は、画像入力部111、判定部としての画像検査処理部112、プログラム生成部120、記憶部150、を有する。
図9は、プログラム生成部120の処理手順の例を示すフローチャートである。
次に、学習処理により得られた個体(最良個体)を用いた画像検査処理部112の処理について、図12のフローチャートに沿って説明する。
図14〜図16には、疑似的なNG画像について、学習および良否判定を実施した結果が示されている。本例では、図14(a)に示すように、学習画像40枚(OK画像20枚、NG画像20枚)で学習し、未知の評価用画像160枚(OK画像80枚、NG画像80枚)で判定精度を調べた。
以下、第2の実施形態について、図17〜図19に基づいて説明する。
次に、第3の実施形態について、図20に基づいて説明する。
上述した第1の実施形態及び第2、第3の実施形態では、各領域の画像特徴量を算出する際に用いる特徴抽出フィルタ(図13のフィルタF0)として、木構造フィルタ列とは独立のものを用意していた。これに対し、本第4の実施形態では、フィルタF0の機能を木構造フィルタ列に組み込むこととしている。
以下、変形例について説明する。
図4(e)などの処理においては、各分割領域の画像特徴量を抽出しているが、その画像特徴量として、各分割領域内の平均輝度、輝度のばらつき、輝度範囲、あるいは、それらの組合せを使用することができる。
図4(d)、図4(e)などのデータに基づいて類似度を算出する場合、前述した正規化相関値やコサイン類似度のほかにも、差分二乗和、差分絶対値和などベクトル間の距離を求める各種の演算を用いることができる。なお、演算の種類に応じて、適応度への反映のさせ方を調節する必要はある。
112 画像検査処理部(判定部)
121 GP学習制御部(処理部、抽出部)
123 画像特徴量抽出部(第3データ作成部)
127 NG領域入力部(受付部)
129 NG領域指標算出部(第1データ作成部)
130 分割領域特徴量抽出部(第2データ作成部)
131 類似度算出部(算出部)
Claims (10)
- 要素フィルタを組合せた画像分類プログラムを遺伝的プログラミングに基づいて自動生成する情報処理装置であって、
学習画像において特徴的な部分を含む特徴領域の指定を受け付ける受付部と、
前記学習画像を分割した分割領域それぞれと、前記特徴領域との重なり具合を示す第1データを作成する第1データ作成部と、
前記学習画像を所定の画像分類プログラムにより画像変換し、得られた画像から、前記分割領域それぞれの画像特徴量を算出し、前記分割領域それぞれに対応する前記画像特徴量を示す第2データを作成する第2データ作成部と、
前記第1データと前記第2データとの類似度を算出する算出部と、
前記類似度に基づいて前記所定の画像分類プログラムを評価した結果を、前記遺伝的プログラミングの実行に利用する処理部と、
を備える情報処理装置。 - 自動生成された画像分類プログラムを用いて、正常な画像を画像変換し、得られた画像から、前記分割領域それぞれの画像特徴量を算出し、前記分割領域それぞれに対応する前記画像特徴量を示す第3データを作成する第3データ作成部と、
処理対象の画像の前記分割領域それぞれの画像特徴量と、前記第3データとの比較結果に基づいて、前記処理対象の画像の各分割領域の正常又は異常を判定する判定部と、を更に備える請求項1に記載の情報処理装置。 - 前記特徴領域は、矩形、円形又は楕円形の領域であることを特徴とする請求項1又は2に記載の情報処理装置。
- 前記処理部は、前記類似度が高いほど前記所定の画像分類プログラムの評価の高さを示す適応度が高くなるように補正する、ことを特徴とする請求項1〜3のいずれか一項に記載の情報処理装置。
- 前記学習画像は、原画像に対して画像全体の平均輝度のばらつきを抑える事前処理を実行した後の画像であることを特徴とする請求項1〜4のいずれか一項に記載の情報処理装置。
- 前記学習画像は、原画像の一部であり、
前記原画像と、予め用意しておいたテンプレート画像とを用いたテンプレートマッチングにより、前記原画像から前記学習画像を抽出する抽出部を更に備える請求項1〜4のいずれか一項に記載の情報処理装置。 - 前記第2データ作成部が前記分割領域それぞれの画像特徴量を算出する際に用いる特徴量フィルタは、予め定められた特徴量フィルタであることを特徴とする請求項1〜6のいずれか一項に記載の情報処理装置。
- 前記第2データ作成部が前記分割領域それぞれの画像特徴量を算出する際に用いる特徴量フィルタは、前記遺伝的プログラミングによる前記画像分類プログラムの生成処理に応じて変更されることを特徴とする請求項1〜6のいずれか一項に記載の情報処理装置。
- 要素フィルタを組合せた画像分類プログラムを遺伝的プログラミングに基づいて自動生成する情報処理プログラムであって、
学習画像において特徴的な部分を含む特徴領域の指定を受け付け、
前記学習画像を分割した分割領域それぞれと、前記特徴領域との重なり具合を示す第1データを作成し、
前記学習画像を所定の画像分類プログラムにより画像変換し、得られた画像から、前記分割領域それぞれの画像特徴量を算出し、前記分割領域それぞれに対応する前記画像特徴量を示す第2データを作成し、
前記第1データと前記第2データとの類似度を算出し、
前記類似度に基づいて前記所定の画像分類プログラムを評価した結果を、前記遺伝的プログラミングの実行に利用する、
処理をコンピュータに実行させるための情報処理プログラム。 - 要素フィルタを組合せた画像分類プログラムを遺伝的プログラミングに基づいて自動生成する情報処理方法であって、
学習画像において特徴的な部分を含む特徴領域の指定を受け付け、
前記学習画像を分割した分割領域それぞれと、前記特徴領域との重なり具合を示す第1データを作成し、
前記学習画像を所定の画像分類プログラムにより画像変換し、得られた画像から、前記分割領域それぞれの画像特徴量を算出し、前記分割領域それぞれに対応する前記画像特徴量を示す第2データを作成し、
前記第1データと前記第2データとの類似度を算出し、
前記類似度に基づいて前記所定の画像分類プログラムを評価した結果を、前記遺伝的プログラミングの実行に利用する
処理をコンピュータが実行することを特徴とする情報処理方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/027633 WO2019026104A1 (ja) | 2017-07-31 | 2017-07-31 | 情報処理装置、情報処理プログラム及び情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019026104A1 JPWO2019026104A1 (ja) | 2020-03-19 |
JP6798619B2 true JP6798619B2 (ja) | 2020-12-09 |
Family
ID=65233555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019533730A Active JP6798619B2 (ja) | 2017-07-31 | 2017-07-31 | 情報処理装置、情報処理プログラム及び情報処理方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11055571B2 (ja) |
EP (1) | EP3664019A4 (ja) |
JP (1) | JP6798619B2 (ja) |
CN (1) | CN110914864A (ja) |
WO (1) | WO2019026104A1 (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
JP6792842B2 (ja) * | 2017-06-06 | 2020-12-02 | 株式会社デンソー | 外観検査装置、変換データ生成装置、及びプログラム |
WO2019026104A1 (ja) * | 2017-07-31 | 2019-02-07 | 富士通株式会社 | 情報処理装置、情報処理プログラム及び情報処理方法 |
US20220044147A1 (en) * | 2018-10-05 | 2022-02-10 | Nec Corporation | Teaching data extending device, teaching data extending method, and program |
CN110069347B (zh) * | 2019-04-29 | 2022-10-25 | 河南科技大学 | 一种基于过程重要度的线程划分方法 |
JP7308656B2 (ja) * | 2019-05-16 | 2023-07-14 | 株式会社キーエンス | 画像検査装置 |
JP7248496B2 (ja) * | 2019-05-16 | 2023-03-29 | 株式会社キーエンス | 画像検査装置 |
JP2020187657A (ja) * | 2019-05-16 | 2020-11-19 | 株式会社キーエンス | 画像検査装置 |
JP7006954B2 (ja) * | 2019-09-22 | 2022-01-24 | 株式会社リョーワ | 良否判定システム、サーバ及び良否判定方法 |
JP2021051617A (ja) * | 2019-09-26 | 2021-04-01 | 東洋製罐グループホールディングス株式会社 | 画像処理システム、及び画像処理プログラム |
JP2021117548A (ja) * | 2020-01-22 | 2021-08-10 | 富士通株式会社 | 画像処理装置、画像処理方法及び画像処理プログラム |
US20210248463A1 (en) * | 2020-02-06 | 2021-08-12 | Socionext Inc. | Neural network derivation method |
JP2022114332A (ja) * | 2021-01-26 | 2022-08-05 | 日東電工株式会社 | クラス判定システム、クラス判定方法及びクラス判定プログラム |
US11521313B2 (en) * | 2021-02-11 | 2022-12-06 | Panasonic Intellectual Property Management Co., Ltd. | Method and system for checking data gathering conditions associated with image-data during AI enabled visual-inspection process |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4428077A (en) * | 1979-09-03 | 1984-01-24 | Hitachi, Ltd. | Line recognition method |
US5485531A (en) * | 1987-12-17 | 1996-01-16 | Fuji Electric Co., Ltd. | Character-feature extraction device |
CA2077969C (en) * | 1991-11-19 | 1997-03-04 | Daniel P. Huttenlocher | Method of deriving wordshapes for subsequent comparison |
JP3744464B2 (ja) * | 2002-05-20 | 2006-02-08 | ソニー株式会社 | 信号記録再生装置及び方法、信号再生装置及び方法、並びにプログラム及び記録媒体 |
US7167587B2 (en) * | 2002-08-30 | 2007-01-23 | Lockheed Martin Corporation | Sequential classifier for use in pattern recognition system |
JP2004239870A (ja) * | 2003-02-10 | 2004-08-26 | Seiko Epson Corp | 空間フィルタ、空間フィルタの作成方法、空間フィルタ作成プログラム、画面欠陥の検査方法及び装置 |
JP4217964B2 (ja) * | 2003-08-20 | 2009-02-04 | ソニー株式会社 | 情報信号処理装置および情報信号処理方法 |
US7668376B2 (en) * | 2004-06-30 | 2010-02-23 | National Instruments Corporation | Shape feature extraction and classification |
JP2006260410A (ja) * | 2005-03-18 | 2006-09-28 | Sharp Corp | 画像処理アルゴリズムの評価装置、生成装置、評価方法、生成方法、コンピュータをその評価装置として機能させるためのプログラム、およびコンピュータをその生成装置として機能させるためのプログラム |
JP2007200246A (ja) | 2006-01-30 | 2007-08-09 | Sharp Corp | 画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体 |
JP4392622B2 (ja) * | 2007-10-22 | 2010-01-06 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US8131657B2 (en) | 2007-10-22 | 2012-03-06 | Sony Corporation | Information processing device, information processing method, and program |
JP4670976B2 (ja) * | 2008-10-03 | 2011-04-13 | ソニー株式会社 | 学習装置および方法、認識装置および方法、プログラム、並びに記録媒体 |
JP2011216080A (ja) * | 2010-03-18 | 2011-10-27 | Canon Inc | 画像処理装置、画像処理方法、および記憶媒体 |
JP5548508B2 (ja) * | 2010-04-21 | 2014-07-16 | 日本放送協会 | 画像分類装置及びプログラム |
JP2013125524A (ja) * | 2011-12-16 | 2013-06-24 | Hitachi High-Technologies Corp | 学習用装置、および、遺伝子学習方法 |
JP5894492B2 (ja) * | 2012-04-19 | 2016-03-30 | 日本放送協会 | 画像処理装置、画像検索装置及びプログラム |
JP6188400B2 (ja) * | 2013-04-26 | 2017-08-30 | オリンパス株式会社 | 画像処理装置、プログラム及び画像処理方法 |
CN108140133B (zh) | 2015-10-22 | 2022-03-22 | 富士通株式会社 | 程序生成装置、程序生成方法及记录介质 |
US9904874B2 (en) * | 2015-11-05 | 2018-02-27 | Microsoft Technology Licensing, Llc | Hardware-efficient deep convolutional neural networks |
WO2019026104A1 (ja) * | 2017-07-31 | 2019-02-07 | 富士通株式会社 | 情報処理装置、情報処理プログラム及び情報処理方法 |
KR101977174B1 (ko) * | 2017-09-13 | 2019-05-10 | 이재준 | 영상 분석 방법, 장치 및 컴퓨터 프로그램 |
-
2017
- 2017-07-31 WO PCT/JP2017/027633 patent/WO2019026104A1/ja unknown
- 2017-07-31 CN CN201780093076.5A patent/CN110914864A/zh active Pending
- 2017-07-31 EP EP17920292.4A patent/EP3664019A4/en not_active Withdrawn
- 2017-07-31 JP JP2019533730A patent/JP6798619B2/ja active Active
-
2019
- 2019-12-17 US US16/717,388 patent/US11055571B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN110914864A (zh) | 2020-03-24 |
WO2019026104A1 (ja) | 2019-02-07 |
EP3664019A1 (en) | 2020-06-10 |
US20200125889A1 (en) | 2020-04-23 |
US11055571B2 (en) | 2021-07-06 |
EP3664019A4 (en) | 2020-08-26 |
JPWO2019026104A1 (ja) | 2020-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6798619B2 (ja) | 情報処理装置、情報処理プログラム及び情報処理方法 | |
CN110428475B (zh) | 一种医学图像的分类方法、模型训练方法和服务器 | |
CN110619618B (zh) | 一种表面缺陷检测方法、装置及电子设备 | |
JP7028322B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP6088792B2 (ja) | 画像検出装置及び制御プログラム並びに画像検出方法 | |
CN108280455B (zh) | 人体关键点检测方法和装置、电子设备、程序和介质 | |
US9443287B2 (en) | Image processing method and apparatus using trained dictionary | |
JP7058941B2 (ja) | 辞書生成装置、辞書生成方法、及びプログラム | |
JP5333589B2 (ja) | 代表特徴抽出システムおよび方法 | |
CN105225222B (zh) | 对不同图像集的感知视觉质量的自动评估 | |
JP2012032370A (ja) | 欠陥検出方法、欠陥検出装置、学習方法、プログラム、及び記録媒体 | |
JPWO2017017722A1 (ja) | 処理装置、処理方法及びプログラム | |
US11348349B2 (en) | Training data increment method, electronic apparatus and computer-readable medium | |
JP5214679B2 (ja) | 学習装置、方法及びプログラム | |
US20230021551A1 (en) | Using training images and scaled training images to train an image segmentation model | |
CN111127400A (zh) | 一种乳腺病变检测方法和装置 | |
US9424484B2 (en) | Feature interpolation | |
JP2007200246A (ja) | 画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体 | |
CN115294405B (zh) | 农作物病害分类模型的构建方法、装置、设备及介质 | |
WO2016092783A1 (en) | Information processing apparatus, method for processing information, discriminator generating apparatus, method for generating discriminator, and program | |
CN116129417A (zh) | 一种基于低质量图像的数字仪表读数检测方法 | |
CN113627538B (zh) | 训练非对称生成对抗网络产生图像的方法及电子装置 | |
US11954865B2 (en) | Image processing apparatus, image processing method, and storage medium for foreground extraction | |
JP5391876B2 (ja) | 代表特徴抽出システム、方法およびプログラム | |
JP6453618B2 (ja) | 算出装置、方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191111 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191111 |
|
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: 20201020 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201102 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6798619 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |