JP7112924B2 - 情報処理装置、情報処理方法、およびプログラム - Google Patents
情報処理装置、情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP7112924B2 JP7112924B2 JP2018178825A JP2018178825A JP7112924B2 JP 7112924 B2 JP7112924 B2 JP 7112924B2 JP 2018178825 A JP2018178825 A JP 2018178825A JP 2018178825 A JP2018178825 A JP 2018178825A JP 7112924 B2 JP7112924 B2 JP 7112924B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- feature amount
- determination target
- normal
- determination
- 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
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
図4は、特徴空間を変換する一例を示す図である。図4(a)は、次元A,B,Cにより特定される特徴空間を表す図であり、図4(b)は、次元D,E,Fにより特定される特徴空間を表す図であり、図4(c)は、次元G,Hにより特定される特徴空間を表す図であり、図4(d)は、次元I,J,K,Lにより特定される特徴空間を表す図ある。
画像判定装置1は、まず正例画像を入力する(ステップS100)。正例画像は、学習画像データベース14に蓄積される。学習処理部20は、正例画像を用いて学習処理を行う(ステップS102)。なお、正常判定処理において入力画像を分割する場合には、ステップS102の学習処理において、入力画像を分割し、分割した複数の画像を用いて学習を行うことが望ましい。これにより、学習処理部20は、認識モデル32Aにおける処理パラメータを学習する。学習処理部20は、学習画像データベース14に蓄積された正例画像を用いた認識モデル32Aの学習が終了したか否かを判定する(ステップS104)。学習処理部20は、例えば、学習画像データベース14に蓄積された全ての正例画像を用いた場合、認識モデル32Aの学習処理が終了したと判定する(ステップS104:YES)。学習処理部20は、認識モデル32Aの学習処理が終了していない場合(ステップS104:NO)、ステップS100からの処理を繰り返す。
まず画像判定装置1は、入力画像を取得する(ステップS200)。画像判定装置1は、取得した入力画像を分割する(ステップS202)。図9は、入力画像を分割することを説明するための概略図である。画像判定装置1は、入力画像120を、所定のサイズに分割して、複数の分割画像120Aを取得する。画像判定装置1は、分割画像120Aを、認識モデル32Aの特徴量抽出部310に入力する(ステップS204)。なお、入力画像のサイズが分割する必要が無い場合、ステップS202はスキップされる。
以下、第2の実施形態について説明する。第2の実施形態の画像判定装置1は、畳み込みニューラルネットワーク300Aにおける複数の特徴量抽出部310のうち、任意の階層の特徴量抽出部310から特徴量を抽出して、判定対象が正常であるか否かを判定する点で、第1の実施形態の画像判定装置1とは相違する。以下、当該相違点を中心に説明する。
画像判定装置1は、例えば、ユーザの操作に基づいて判定処理のタスクを受け付ける(ステップS300)。画像判定装置1は、例えば、対象物体の微小な異常を判定したいというタスク、または、対象物体の大きな異常を判定したいというタスクを受け付ける。対象物体の微小な異常は、例えば、対象物体(生産品など)の細かい傷である。対象物体の大きな異常は、例えば、室内などの所定の空間において存在する異物である。
画像判定装置1は、特徴量抽出部310により画像を入力した後(ステップS204)複数の特徴量抽出部310を選択する(ステップS302#)。複数の特徴量抽出部310は、例えば、それぞれ抽出する特徴量のサイズが異なる特徴量抽出部310である。次に画像判定装置1は、選択した複数の特徴量抽出部310から特徴量を取得する(ステップS304#)。
Random Access Memory))のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置などに格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。
10 学習画像蓄積部
12 画像変換部
14 記憶部
14 学習画像データベース
20 学習処理部
30 認識処理部
32 学習結果データ記憶部
32A 認識モデル
34 判定部
40 判定結果管理部
42 判定結果データ記憶部
50 インターフェース部
60 管理端末
62 ユーザインターフェース部
70 学習制御部
72 再学習データ記憶部
74 学習データ記憶部
300、300A ニューラルネットワーク
310、310-1、310-2 特徴量抽出部
320 判別部
500 正常領域
Claims (4)
- 正常な判定対象に関する複数の特徴量を取得する取得部と、
前記取得部により取得された複数の特徴量から特徴量を複数選択することで、選択した前記複数の特徴量の特徴空間を変換する変換部と、
ユーザの操作に基づいて異常検知率および/または正常検知率を表す情報を受け付けることで、前記変換部により変換された前記特徴空間において特徴量が正常であると判定するための範囲を設定する設定部と、
判定対象に関する判定対象データに基づいて前記判定対象の特徴量を抽出する特徴量抽出部を備え、抽出した特徴量の特徴空間を、前記変換部により変換された特徴空間に変換する判定対象取得部と、
前記判定対象取得部により特徴空間が変換された特徴量が前記設定部により設定された前記範囲内である場合、前記判定対象取得部により取得された特徴量が正常であると判定し、前記判定対象取得部により取得された特徴量が前記設定部により設定された前記範囲内ではない場合、前記判定対象取得部により取得された特徴量が異常であると判定する判定部と、を備え、
前記特徴量抽出部は、前記正常な判定対象に関する判定対象データが入力された場合に当該判定対象が正常であると判定するように処理パラメータが学習された認識モデルのうち、当該判定対象が正常であるか否かを判定する分類器に与える特徴量を抽出する特徴量抽出器である、情報処理装置。 - 前記正常な判定対象に関する判定対象データを、所定の規則に従って複数の分割データに分割し、分割された分割データのそれぞれを用いて認識モデルの処理パラメータを学習する学習処理部を更に備え、
前記特徴量抽出部は、前記所定の規則に従って判定対象データを分割し、分割されたデータのそれぞれを用いて前記判定対象の特徴量を抽出し、
前記判定部は、前記認識モデルに基づいて、分割されたデータのそれぞれを用いて抽出された特徴量を用いて判定する、
請求項1に記載の情報処理装置。 - 情報処理装置が、正常な判定対象に関する複数の特徴量を取得するステップと、
前記情報処理装置が、取得された複数の特徴量から特徴量を複数選択することで、選択した前記複数の特徴量の特徴空間を変換するステップと、
前記情報処理装置が、ユーザの操作に基づいて異常検知率および/または正常検知率を表す情報を受け付けることで、変換された前記特徴空間において特徴量が正常であると判定するための範囲を設定するステップと、
判定対象に関する判定対象データに基づいて前記判定対象の特徴量を特徴量抽出部で抽出し、抽出した前記判定対象の特徴量の特徴空間を、前記特徴空間に変換するステップと、
前記特徴空間が変換された前記判定対象の特徴量が、前記範囲内である場合、前記判定対象の特徴量が正常であると判定し、前記判定対象の特徴量が前記範囲内ではない場合、前記判定対象の特徴量が異常であると判定するステップと、を備え、
前記特徴量抽出部は、前記正常な判定対象に関する判定対象データが入力された場合に当該判定対象が正常であると判定するように処理パラメータが学習された認識モデルのうち、当該判定対象が正常であるか否かを判定する分類器に与える特徴量を抽出する特徴量抽出器である
情報処理方法。 - コンピュータに、
正常な判定対象に関する複数の特徴量を取得させ、
取得された複数の特徴量から特徴量を複数選択することで、選択した前記複数の特徴量の特徴空間を変換させ、
ユーザの操作に基づいて異常検知率および/または正常検知率を表す情報を受け付けることで、変換された前記特徴空間において特徴量が正常であると判定するための範囲を設定させ、
判定対象に関する判定対象データに基づいて前記判定対象の特徴量を特徴量抽出部で抽出させ、抽出した前記判定対象の特徴量の特徴空間を、前記特徴空間に変換させ、
前記特徴空間が変換された前記判定対象の特徴量が、前記範囲内である場合、前記判定対象の特徴量が正常であると判定し、前記判定対象の特徴量が前記範囲内ではない場合、前記判定対象の特徴量が異常であると判定させ、
前記特徴量抽出部は、前記正常な判定対象に関する判定対象データが入力された場合に当該判定対象が正常であると判定するように処理パラメータが学習された認識モデルのうち、当該判定対象が正常であるか否かを判定する分類器に与える特徴量を抽出する特徴量抽出器である、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018178825A JP7112924B2 (ja) | 2018-09-25 | 2018-09-25 | 情報処理装置、情報処理方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018178825A JP7112924B2 (ja) | 2018-09-25 | 2018-09-25 | 情報処理装置、情報処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020052519A JP2020052519A (ja) | 2020-04-02 |
JP7112924B2 true JP7112924B2 (ja) | 2022-08-04 |
Family
ID=69997159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018178825A Active JP7112924B2 (ja) | 2018-09-25 | 2018-09-25 | 情報処理装置、情報処理方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7112924B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001250101A (ja) | 2000-03-07 | 2001-09-14 | Yamatake Corp | データ領域の解析方法及び表現方法 |
JP2008282391A (ja) | 2007-04-11 | 2008-11-20 | Canon Inc | パターン識別装置及びその制御方法、異常パターン検出装置及びその制御方法、プログラム、記憶媒体 |
JP2018005773A (ja) | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
JP2018005639A (ja) | 2016-07-04 | 2018-01-11 | タカノ株式会社 | 画像分類装置、画像検査装置、及び、プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5690307A (en) * | 1979-12-25 | 1981-07-22 | Mitsubishi Heavy Ind Ltd | Fault detection device of plant |
JP2907142B2 (ja) * | 1995-08-15 | 1999-06-21 | オムロン株式会社 | 振動監視装置及び振動監視条件決定装置 |
-
2018
- 2018-09-25 JP JP2018178825A patent/JP7112924B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001250101A (ja) | 2000-03-07 | 2001-09-14 | Yamatake Corp | データ領域の解析方法及び表現方法 |
JP2008282391A (ja) | 2007-04-11 | 2008-11-20 | Canon Inc | パターン識別装置及びその制御方法、異常パターン検出装置及びその制御方法、プログラム、記憶媒体 |
JP2018005639A (ja) | 2016-07-04 | 2018-01-11 | タカノ株式会社 | 画像分類装置、画像検査装置、及び、プログラム |
JP2018005773A (ja) | 2016-07-07 | 2018-01-11 | 株式会社リコー | 異常判定装置及び異常判定方法 |
Non-Patent Citations (1)
Title |
---|
栗原 司,高次局所自己相関特徴による病理画像からの異常検出手法,情報処理学会研究報告 平成22年度▲5▼ [CD-ROM] ,日本,一般社団法人情報処理学会,2011年02月15日 |
Also Published As
Publication number | Publication date |
---|---|
JP2020052519A (ja) | 2020-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2020052520A (ja) | 判定装置、判定方法、およびプログラム | |
WO2021164232A1 (zh) | 用户识别方法、装置、设备及存储介质 | |
US20150278710A1 (en) | Machine learning apparatus, machine learning method, and non-transitory computer-readable recording medium | |
CN106202329A (zh) | 样本数据处理、数据识别方法和装置、计算机设备 | |
JP2018005773A (ja) | 異常判定装置及び異常判定方法 | |
WO2019176994A1 (ja) | 顔画像識別システム、識別器生成装置、識別装置、画像識別システム、及び識別システム | |
JP6798614B2 (ja) | 画像認識装置、画像認識方法および画像認識プログラム | |
JP6892606B2 (ja) | 位置特定装置、位置特定方法及びコンピュータプログラム | |
KR20080021592A (ko) | 메트릭 임베딩에 의한 이미지 비교 | |
JP4376145B2 (ja) | 画像分類学習処理システム及び画像識別処理システム | |
JP6148265B2 (ja) | 学習装置、学習方法、およびプログラム | |
CN103365829A (zh) | 信息处理装置、信息处理方法和程序 | |
JP7502972B2 (ja) | プルーニング管理装置、プルーニング管理システム及びプルーニング管理方法 | |
CN112948612A (zh) | 人体封面生成方法、装置、电子设备及存储介质 | |
JP2016191979A (ja) | 感性評価装置、感性評価方法、およびプログラム | |
CN117112852B (zh) | 一种大语言模型驱动的向量数据库检索方法及*** | |
CN113762005B (zh) | 特征选择模型的训练、对象分类方法、装置、设备及介质 | |
JP7112924B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP2019023801A (ja) | 画像認識装置、画像認識方法、及び画像認識プログラム | |
US8879804B1 (en) | System and method for automatic detection and recognition of facial features | |
JP6184033B2 (ja) | 感性評価装置、感性評価方法、およびプログラム | |
JP2021018477A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN111488400A (zh) | 数据分类方法、装置和计算机可读存储介质 | |
WO2022237065A1 (zh) | 分类模型的训练方法、视频分类方法及相关设备 | |
JP4434868B2 (ja) | 画像分割処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20181017 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210302 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220114 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220125 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220318 |
|
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: 20220719 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220725 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7112924 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |