JP7483631B2 - 情報処理方法及びプログラム - Google Patents
情報処理方法及びプログラム Download PDFInfo
- Publication number
- JP7483631B2 JP7483631B2 JP2020563863A JP2020563863A JP7483631B2 JP 7483631 B2 JP7483631 B2 JP 7483631B2 JP 2020563863 A JP2020563863 A JP 2020563863A JP 2020563863 A JP2020563863 A JP 2020563863A JP 7483631 B2 JP7483631 B2 JP 7483631B2
- Authority
- JP
- Japan
- Prior art keywords
- classification
- threshold
- unit
- classes
- transformation
- 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
- 230000010365 information processing Effects 0.000 title claims description 118
- 238000003672 processing method Methods 0.000 title claims description 25
- 238000004364 calculation method Methods 0.000 claims description 163
- 230000009466 transformation Effects 0.000 claims description 94
- 238000013145 classification model Methods 0.000 claims description 51
- 238000006243 chemical reaction Methods 0.000 description 59
- 230000006870 function Effects 0.000 description 49
- 238000012545 processing Methods 0.000 description 38
- 238000011156 evaluation Methods 0.000 description 24
- 238000012549 training Methods 0.000 description 22
- 238000000034 method Methods 0.000 description 20
- 238000012986 modification Methods 0.000 description 18
- 230000004048 modification Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 17
- 239000013598 vector Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000002441 reversible effect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
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
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
従来、組み込み機器のような計算リソースに制限がある演算装置に搭載された多層ニューラルネットワーク(Deep Neural Network:DNN)では、隠れ層のユニット数を増やすことができないため、パターン認識性能が低下するという課題がある。この課題に対して、特許文献1に記載の従来技術は、DNNの層毎に、スカラ量子化を実施するか否かの判断を行い、スカラ量子化を実施した層の次の層では、スカラ量子化されたベクトルと重みベクトルとの乗算を行う。これにより、スカラ量子化されていないベクトルと重みベクトルとの乗算を行う場合に比べて、演算量を低減することができるため、隠れ層のユニット数を増やすことができる。しかしながら、スカラ量子化された出力ベクトルを用いて尤度ベクトルを算出するため、スカラ量子化されていない出力ベクトルを用いて尤度ベクトルを算出する場合に比べて値が粗くなる。そのため、認識精度が低下する可能性がある。
[情報処理システムの概要]
まず、実施の形態1に係る情報処理装置を備える情報処理システムの概要について、図面を参照しながら説明する。図1は、実施の形態1における情報処理システム300aの構成の一例を示すブロック図である。
閾値算出装置200aは、データを複数のクラスの少なくとも1つに分類するための第1分類閾値を算出する装置である。
続いて、情報処理装置100aについて説明する。情報処理装置100aは、例えばセンサが取得したデータを複数のクラスの少なくとも1つに分類して、分類結果を出力する装置である。以下、データが画像である例について説明する。なお、データ及びデータを取得するセンサについては、情報処理システム300aの概要にて説明したため、ここでの説明を省略する。
続いて、閾値算出装置200aの動作について図2を参照しながら説明する。図2は、実施の形態1における閾値算出装置200aの動作の一例を示すフローチャートである。
続いて、情報処理装置100aの動作について図3を参照しながら説明する。図3は、実施の形態1に係る情報処理装置100aの動作の一例を示すフローチャートである。
続いて、実施の形態1の変形例に係る情報処理装置について説明する。以下では、実施の形態1との相違点を中心に説明し、共通点の説明を省略又は簡略化する。
図4は、実施の形態1の変形例に係る情報処理装置100bの構成の一例を示すブロック図である。情報処理装置100bは、閾値算出部20aと、記憶部201aと、情報処理部10と、を備える。
図5は、実施の形態1の変形例における閾値算出部20aの動作の一例を示すフローチャートである。図5のステップS3001~ステップS3004は、それぞれ、図2のステップ1001~ステップS1004に対応するため、ここでの説明を簡略化する。なお、変形例に係る閾値算出部20aの動作は、実施の形態1に係る閾値算出装置200aの動作と、第1分類閾値を記憶部201aに格納する点で異なる。
図6は、実施の形態1の変形例における情報処理部10の動作の一例を示すフローチャートである。図6のステップS4001とステップS4002とは、図3のステップS2001とステップS2002とに対応するため、ここでの説明を簡略化する。
続いて、実施の形態2における情報処理システムについて説明する。以下では、実施の形態1との相違点を中心に説明し、共通点の説明を省略又は簡略化する。
図7は、実施の形態2における情報処理システム300bの構成の一例を示すブロック図である。情報処理システム300bは、閾値算出装置200bと、情報処理装置100aと、を備える。実施の形態2に係る閾値算出装置200bと、実施の形態1に係る閾値算出装置200aとの間の主な相違点は、ユーザが設定した第2分類閾値から第1分類閾値を導出する点である。
続いて、閾値算出装置200bの構成について説明する。
続いて、閾値算出装置200bの動作について説明する。図8は、実施の形態2における閾値算出装置200bの動作の一例を示すフローチャートである。
続いて、実施の形態2の変形例に係る情報処理装置について説明する。以下では、実施の形態2との相違点を中心に説明し、共通点の説明を省略又は簡略化する。
図9は、実施の形態2の変形例に係る情報処理装置100cの構成の一例を示すブロック図である。情報処理装置100bは、閾値算出部20bと、記憶部201bと、情報処理部10と、を備える。
図10は、実施の形態2の変形例における閾値算出部20bの動作の一例を示すフローチャートである。
以上、1つ又は複数の態様に係る情報処理装置及び情報処理方法について、実施の形態に基づいて説明したが、本開示は、これらの実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したもの、及び、異なる実施の形態における構成要素を組み合わせて構築される形態も、本開示の範囲に含まれる。
20a、20b 閾値算出部
100a、100b、100c 情報処理装置
101 第2取得部
101a 取得部
102 第2演算部
103 第1取得部
104 閾値処理部
105 第2出力部
105a 出力部
200a、200b 閾値算出装置
201、201a、201b 記憶部
202 第1演算部
203 分類確率演算部
204 分類閾値決定部
205 閾値変換部
206 第1出力部
207 入力部
300a、300b 情報処理システム
Claims (4)
- コンピュータにより実行される情報処理方法であって、
訓練済みの分類モデルの出力から複数の単体クラスの分類確率値への第1変換を実行し、
前記複数の単体クラスの前記分類確率値に基づいて第2分類閾値を設定し、
前記第2分類閾値からデータを複数のクラスの少なくとも1つに分類するための第1分類閾値への変換であって、前記第1変換に対する逆変換である第2変換を実行し、
前記第1分類閾値を出力し、
前記訓練済みの分類モデルの出力は、前記複数のクラスに対応する複数のスカラであり、前記分類確率値に変換されていない複数のスカラであり、
前記第1変換は、逆変換可能な確率関数による演算に対応したデータベースを用いた変換であり、
前記第2変換は、前記確率関数の逆関数による演算に対応したデータベースを用いた変換である、
情報処理方法。 - コンピュータにより実行される情報処理方法であって、
データセットを取得し、
前記データセットを訓練済みの分類モデルに入力し、
前記訓練済みの分類モデルの出力から前記データセットに含まれるデータそれぞれについて複数の単体クラスの分類確率値への第1変換を実行し、
前記複数の単体クラスの分類確率値それぞれに対して第2分類閾値を用いた分類結果に基づいて前記第2分類閾値を設定し、
前記第2分類閾値からデータを複数のクラスの少なくとも1つに分類するための第1分類閾値への変換であって、前記第1変換に対する逆変換である第2変換を実行し、
前記第1分類閾値を出力し、
前記訓練済みの分類モデルの出力は、前記複数のクラスに対応する複数のスカラであり、前記分類確率値に変換されていない複数のスカラである、
情報処理方法。 - 訓練済みの分類モデルの出力から複数の単体クラスの分類確率値への第1変換を実行し、
前記複数の単体クラスの前記分類確率値に基づいて第2分類閾値を設定し、
前記第2分類閾値からデータを複数のクラスの少なくとも1つに分類するための第1分類閾値への変換であって、前記第1変換に対する逆変換である第2変換を実行し、
前記第1分類閾値を出力し、
前記訓練済みの分類モデルの出力は、前記複数のクラスに対応する複数のスカラであり、前記分類確率値に変換されていない複数のスカラであり、
前記第1変換は、逆変換可能な確率関数による演算に対応したデータベースを用いた変換であり、
前記第2変換は、前記確率関数の逆関数による演算に対応したデータベースを用いた変換である、
情報処理方法をコンピュータに実行させるためのプログラム。 - データセットを取得し、
前記データセットを訓練済みの分類モデルに入力し、
前記訓練済みの分類モデルの出力から前記データセットに含まれるデータそれぞれについて複数の単体クラスの分類確率値への第1変換を実行し、
前記複数の単体クラスの分類確率値それぞれに対して第2分類閾値を用いた分類結果に基づいて前記第2分類閾値を設定し、
前記第2分類閾値からデータを複数のクラスの少なくとも1つに分類するための第1分類閾値への変換であって、前記第1変換に対する逆変換である第2変換を実行し、
前記第1分類閾値を出力し、
前記訓練済みの分類モデルの出力は、前記複数のクラスに対応する複数のスカラであり、前記分類確率値に変換されていない複数のスカラである、
情報処理方法をコンピュータに実行させるためのプログラム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962787576P | 2019-01-02 | 2019-01-02 | |
US62/787,576 | 2019-01-02 | ||
JP2019107878 | 2019-06-10 | ||
JP2019107878 | 2019-06-10 | ||
PCT/JP2019/048321 WO2020141587A1 (ja) | 2019-01-02 | 2019-12-10 | 情報処理装置、情報処理方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020141587A1 JPWO2020141587A1 (ja) | 2021-11-11 |
JP7483631B2 true JP7483631B2 (ja) | 2024-05-15 |
Family
ID=71406879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020563863A Active JP7483631B2 (ja) | 2019-01-02 | 2019-12-10 | 情報処理方法及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210166139A1 (ja) |
EP (1) | EP3907670A4 (ja) |
JP (1) | JP7483631B2 (ja) |
CN (1) | CN112513891A (ja) |
WO (1) | WO2020141587A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7156195B2 (ja) * | 2019-07-17 | 2022-10-19 | トヨタ自動車株式会社 | 物体認識装置 |
EP3882823A1 (en) * | 2020-03-17 | 2021-09-22 | Samsung Electronics Co., Ltd. | Method and apparatus with softmax approximation |
US20230195851A1 (en) * | 2020-05-28 | 2023-06-22 | Nec Corporation | Data classification system, data classification method, and recording medium |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004212598A (ja) | 2002-12-27 | 2004-07-29 | Sharp Corp | 変換装置、補正回路、駆動装置、表示装置、検査装置および表示方法 |
JP2015521483A (ja) | 2012-06-22 | 2015-07-30 | エイチティージー モレキュラー ダイアグノスティクス, インコーポレイテッド | メラニン細胞性病変における分子悪性度 |
JP2018077765A (ja) | 2016-11-11 | 2018-05-17 | ヤフー株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
WO2018105194A1 (en) | 2016-12-07 | 2018-06-14 | Mitsubishi Electric Corporation | Method and system for generating multi-relevant label |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8687893B2 (en) * | 2011-03-31 | 2014-04-01 | Microsoft Corporation | Classification algorithm optimization |
JP5994515B2 (ja) * | 2012-09-20 | 2016-09-21 | 富士通株式会社 | 最適値計算装置、最適値計算システム、最適値計算方法及びプログラム |
CN107045506A (zh) * | 2016-02-05 | 2017-08-15 | 阿里巴巴集团控股有限公司 | 评估指标获取方法及装置 |
WO2017149722A1 (ja) | 2016-03-03 | 2017-09-08 | 三菱電機株式会社 | 演算装置および演算方法 |
-
2019
- 2019-12-10 EP EP19907653.0A patent/EP3907670A4/en active Pending
- 2019-12-10 CN CN201980049686.4A patent/CN112513891A/zh active Pending
- 2019-12-10 WO PCT/JP2019/048321 patent/WO2020141587A1/ja unknown
- 2019-12-10 JP JP2020563863A patent/JP7483631B2/ja active Active
-
2021
- 2021-01-19 US US17/152,155 patent/US20210166139A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004212598A (ja) | 2002-12-27 | 2004-07-29 | Sharp Corp | 変換装置、補正回路、駆動装置、表示装置、検査装置および表示方法 |
JP2015521483A (ja) | 2012-06-22 | 2015-07-30 | エイチティージー モレキュラー ダイアグノスティクス, インコーポレイテッド | メラニン細胞性病変における分子悪性度 |
JP2018077765A (ja) | 2016-11-11 | 2018-05-17 | ヤフー株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
WO2018105194A1 (en) | 2016-12-07 | 2018-06-14 | Mitsubishi Electric Corporation | Method and system for generating multi-relevant label |
Also Published As
Publication number | Publication date |
---|---|
EP3907670A4 (en) | 2022-03-02 |
US20210166139A1 (en) | 2021-06-03 |
CN112513891A (zh) | 2021-03-16 |
EP3907670A1 (en) | 2021-11-10 |
WO2020141587A1 (ja) | 2020-07-09 |
JPWO2020141587A1 (ja) | 2021-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3520045B1 (en) | Image-based vehicle loss assessment method, apparatus, and system, and electronic device | |
JP7483631B2 (ja) | 情報処理方法及びプログラム | |
US10789786B2 (en) | Picture-based vehicle loss assessment | |
US10817956B2 (en) | Image-based vehicle damage determining method and apparatus, and electronic device | |
CN110647893B (zh) | 目标对象识别方法、装置、存储介质和设备 | |
EP3329424B1 (en) | Object detection with neural network | |
EP2905722B1 (en) | Method and apparatus for detecting salient region of image | |
US20180218256A1 (en) | Deep convolution neural network behavior generator | |
JP2016110635A (ja) | 画像署名をフィッシャーベクトルとマッチングするための適応型語彙 | |
KR102159052B1 (ko) | 영상 분류 방법 및 장치 | |
CN112528961A (zh) | 一种基于Jetson Nano的视频分析方法 | |
CN115376559A (zh) | 基于音视频的情绪识别方法、装置及设备 | |
Sapijaszko et al. | Traffic sign recognition based on multilayer perceptron using DWT and DCT | |
KR20190018274A (ko) | 이미지에 포함된 특징 포인트의 시간 또는 공간의 움직임에 기초하여 이미지에 존재하는 피사체를 인식하는 장치 및 방법 | |
US20180285643A1 (en) | Object recognition device and object recognition method | |
KR101334858B1 (ko) | 나비종 자동분류 시스템 및 방법, 이를 이용한 나비종 자동분류 기능이 구비된 휴대 단말기 | |
KR20210048271A (ko) | 복수 객체에 대한 자동 오디오 포커싱 방법 및 장치 | |
CN110892423B (zh) | 人工神经网络 | |
CN112214626A (zh) | 图像识别方法、装置、可读存储介质及电子设备 | |
CN112613341A (zh) | 训练方法及装置、指纹识别方法及装置、电子设备 | |
Joshi et al. | Multi-Modal Information Fusion for Localization of Emergency Vehicles | |
Pashentsev et al. | The Effectiveness Research of Different Methods of a user Identification in the Noisy Channel Case | |
CN114937189A (zh) | 模型的训练方法和装置、目标识别方法、设备、介质 | |
KR20210060986A (ko) | 사용자 동작 인식 방법 및 이를 위한 시스템 | |
WO2020044646A1 (ja) | 画像処理装置、画像処理方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220926 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231129 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240227 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240318 |
|
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: 20240416 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240501 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7483631 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |