処理中

しばらくお待ちください...

設定

設定

出願の表示

1. WO2020129235 - 画像認識装置及び方法

公開番号 WO/2020/129235
公開日 25.06.2020
国際出願番号 PCT/JP2018/047224
国際出願日 21.12.2018
IPC
G06T 7/00 2017.01
G物理学
06計算;計数
Tイメージデータ処理または発生一般
7イメージ分析
G06N 20/00 2019.01
G物理学
06計算;計数
N特定の計算モデルに基づくコンピュータ・システム
20機械学習
出願人
  • 株式会社日立ハイテク HITACHI HIGH-TECH CORPORATION [JP]/[JP]
発明者
  • 弓場 竜 YUMIBA Ryou
  • 豊田 康隆 TOYODA Yasutaka
  • 新藤 博之 SHINDO Hiroyuki
代理人
  • ポレール特許業務法人 POLAIRE I.P.C.
優先権情報
公開言語 (言語コード) 日本語 (JA)
出願言語 (言語コード) 日本語 (JA)
指定国 (国コード)
発明の名称
(EN) IMAGE RECOGNITION DEVICE AND METHOD
(FR) DISPOSITIF ET PROCÉDÉ DE RECONNAISSANCE D'IMAGE
(JA) 画像認識装置及び方法
要約
(EN)
In order to select an optimal learning model for an image when inference is carried out in the extraction of a profile line using machine learning, without requiring a correct value or a degree of certainty, the present invention is characterized by being equipped with: a feature extraction learning model group containing a plurality of learning models used for feature extraction; a recall learning model group containing recall learning models paired with the feature extraction learning models; a feature amount extraction unit for referencing a feature extraction learning model and extracting a feature amount from input data; a data-to-data recall unit for referencing a recall learning model and outputting a recall result with the feature amount subjected to dimensional compression; and a learning model selection unit for selecting a feature extraction learning model from the feature extraction learning model group under the condition that the difference between the feature amount and the recall result is minimized.
(FR)
Afin de sélectionner un modèle d'apprentissage optimal pour une image lorsqu'une inférence est effectuée dans l'extraction d'une ligne de profil à l'aide d'un apprentissage automatique, sans nécessiter une valeur correcte ni un degré de certitude, la présente invention est caractérisée en ce qu'elle est équipée : d'un groupe de modèles d'apprentissage d'extraction de caractéristiques contenant une pluralité de modèles d'apprentissage utilisés pour l'extraction de caractéristiques; d'un groupe de modèles d'apprentissage de rappel contenant des modèles d'apprentissage de rappel appariés avec les modèles d'apprentissage d'extraction de caractéristiques; d'une unité d'extraction de quantité de caractéristiques pour se référer à un modèle d'apprentissage d'extraction de caractéristiques et extraire une quantité de caractéristiques de données d'entrée; d'une unité de rappel données à données pour se référer à un modèle d'apprentissage de rappel et délivrer en sortie un résultat de rappel avec la quantité de caractéristiques soumise à une compression dimensionnelle; et d'une unité de sélection de modèle d'apprentissage pour sélectionner un modèle d'apprentissage d'extraction de caractéristiques dans le groupe de modèles d'apprentissage d'extraction de caractéristiques sous la contrainte que la différence entre la quantité de caractéristiques et le résultat de rappel soit réduite au minimum.
(JA)
機械学習を用いた輪郭線抽出において、推論時の画像に最適な学習モデルを正解値あるいは確信度を必要とすることなく選択する。複数の特徴抽出用の学習モデルを格納する特徴抽出用学習モデル群と、特徴抽出用の学習モデルと対になった想起用の学習モデルを格納する想起用学習モデル群と、特徴抽出用の学習モデルを参照して入力データから特徴量を抽出する特徴量抽出部と、想起用の学習モデルを参照して特徴量の次元圧縮を伴う想起結果を出力するデータ間想起部と、特徴量と想起結果の差分が最小になることを条件に特徴抽出用学習モデル群の中から特徴抽出用の学習モデルを選択する学習モデル選択部を備えることを特徴とする。
国際事務局に記録されている最新の書誌情報