-
公开(公告)号：CN116152507A
公开(公告)日：2023-05-23
申请号：CN202310270799.5
申请日：2018-03-15
Applicant: 株式会社日立高新技术
Abstract: 本发明涉及图像处理系统及图像处理方法，目的在于：兼顾对使用了识别器的图像识别所使用的对照图像进行学习的图像处理系统的数据量的抑制和识别器的识别性能提高。为了达到上述目的，提出一种具备使用对照图像来识别图像的识别器(9)的图像处理系统，该图像处理系统具备对图像识别所需要的对照图像数据进行机器学习的机器学习引擎(1)，该机器学习引擎使用识别失败了的图像(2)，搜索识别成功了的图像(3)，向通过该搜索得到的识别成功了的图像，附加根据通过上述输入装置选择出的上述识别失败了的图像的部分图像而得到的信息，生成修正对照图像数据(13)。
-
公开(公告)号：CN104950866A
公开(公告)日：2015-09-30
申请号：CN201510055837.0
申请日：2015-02-03
Applicant: 株式会社日立高新技术
IPC: G05B23/02
CPC classification number: G07C5/0808 , B60K35/00 , G05B23/0281 , G06Q10/20 , G05B23/0275
Abstract: 本发明提供一种故障原因分类装置。为了挑选传感器，需要安装在机械中的每一个传感器的知识或针对对象机械的机械特性的知识。以前由具有机械知识的专家进行传感器的选择。本发明分析机械故障时的传感器数据，对每个故障原因抽出特征进行比较，由此使每个故障原因的传感器数据的差变得明确，通过向操作者进行提示来支援传感器的选择。根据本发明，能够比现有技术更简单地选择被认为对故障原因分类有效的传感器。即使不需要机械知识也能够选择被认为对故障原因分类有效的传感器。
-
公开(公告)号：CN118382802A
公开(公告)日：2024-07-23
申请号：CN202180104796.3
申请日：2021-12-28
Applicant: 株式会社日立高新技术
IPC: G01N23/2251
Abstract: 本发明提供一种图像检查装置，在使用试样的设计数据和拍摄图像来学习推定拍摄图像的像素值的概率分布的模型的图像处理中，能够防止由设计数据与拍摄图像之间的位置偏移引起的概率分布的推定值的精度降低。一种图像检查装置，使用试样的设计数据和所述试样的拍摄图像来检查所述拍摄图像，具有：学习处理部，学习概率分布推定模型，该概率分布推定模型根据设计数据推定拍摄图像的像素值的概率分布；检查处理部，使用由所述学习处理部生成的概率分布推定模型、检查用设计数据和检查用拍摄图像来检查所述检查用拍摄图像，所述学习处理部具有：概率分布推定部，根据试样的学习用设计数据推定试样的学习用拍摄图像的像素值的概率分布；位置偏移量推定部，推定由所述概率分布推定部推定出的学习时概率分布与所述学习用拍摄图像之间的位置偏移量；位置偏移反映部，将由所述位置偏移量推定部推定出的推定位置偏移量反应到所述学习时概率分布；模型评价部，使用由所述位置偏移反映部计算出的位置偏移反映后学习时概率分布和所述学习用拍摄图像，评价所述概率分布推定部的概率分布推定模型，按照评价值更新所述概率分布推定模型的参数。
-
公开(公告)号：CN118302790A
公开(公告)日：2024-07-05
申请号：CN202180104385.4
申请日：2021-12-17
Applicant: 株式会社日立高新技术
IPC: G06T7/00
Abstract: 提供示教数据作成辅助装置，对于在图像内映有多个缺陷的图像，通过以还考虑其周边区域的形式确定每个缺陷的对应的特征量并映射到低维度空间，能进行有效率的学习图像的收集/选择。特征在于，具备：图像识别部，其基于学习结果来对输入图像提取特征量，根据所述特征量进行图像处理，输出识别结果；特征量确定部，其将所述图像识别部的1个以上的预测结果或指定区域作为输入，确定每个所述预测结果或所述指定区域的相应的所述特征量；检查结果特征量数据库，其保存每个所述预测结果或每个所述指定区域的所述特征量；和维度削减部，其对保存于所述检查结果特征量数据库的所述特征量进行维度削减并投影到低维度空间，所述特征量确定部具有：重要区域算出部，其按每个所述预测结果或每个所述指定区域来求取保持包含所述预测结果的检测区域或所述指定区域的周边的区域信息的重要区域；和特征量提取部，其通过对所述图像识别部所提取的所述特征量以所述重要区域进行加权，来提取每个所述预测结果或每个所述指定区域的相应的所述特征量。
-
公开(公告)号：CN115280334A
公开(公告)日：2022-11-01
申请号：CN202080098437.7
申请日：2020-03-31
Applicant: 株式会社日立高新技术
IPC: G06N20/00
Abstract: 错误原因的推定装置具备：特征量生成部，其使用从外部发送的数据来生成适合于机器学习模型的特征量；模型数据库，其具有至少一个以上的错误预测模型，该错误预测模型将特征量作为输入数据而用于有无错误产生的判定；模型评价部，其将错误预测模型的预测结果与实际测量出的真正的错误结果进行比较来评价错误预测模型的性能；模型选择部，其从模型数据库选择由模型评价部计算出的评价值为预先设定的预定值以上的错误预测模型；以及错误预测模型生成部，其在由模型选择部选择的错误预测模型没有符合的情况下，针对测量出的错误生成新的错误预测模型。由此，即使没有错误原因的事先注释，也能够针对产生的多种错误推定其原因。
-
Patent Agency Ranking
-
公开(公告)号：CN117597707A
公开(公告)日：2024-02-23
申请号：CN202180100164.X
申请日：2021-07-30
Applicant: 株式会社日立高新技术
IPC: G06V10/764
Abstract: 本发明提供能够提取图像内的重要的特征量并进行映射的图像分类装置及其方法。本发明具备：特征量提取部(101)，其生成对图像组所包含的图像中的相同的图像赋予不同的噪声而生成的第一图像组和由不同的图像构成的第二图像组，以使从第一图像组得到的特征量近似的方式进行学习，并以使从第二图像组得到的特征量更加不同的方式进行学习，提取特征量；特征量映射部(102)，其使用流形学习将提取出的多个特征量以二维或三维的方式进行映射；显示部(103)，其显示映射结果并构成训练信息赋予作业画面。
-
公开(公告)号：CN115510939A
公开(公告)日：2022-12-23
申请号：CN202210516517.0
申请日：2022-05-11
Applicant: 株式会社日立高新技术
IPC: G06K9/62 , G06F16/50 , G06V10/764
Abstract: 本发明提供一种图像识别系统。在对图像中包含的形状进行识别的图像识别系统中，即使在图像内映现有多个形状的情况下，也能够针对这些形状的单独的预测结果判定其成功与否的技术。本发明所涉及的图像识别系统按照在图像内识别出的每个对象形状并且按照特征量的每个种类，计算特征量的重要度，按照每个所述对象形状对所述重要度和特征量的每个种类的统计量进行比较，由此判定识别结果是否正确。
-
公开(公告)号：CN110352431A
公开(公告)日：2019-10-18
申请号：CN201880014768.0
申请日：2018-03-15
Applicant: 株式会社日立高新技术
IPC: G06K9/78
Abstract: 本发明的目的在于：兼顾对使用了识别器的图像识别所使用的对照图像进行学习的图像处理系统的数据量的抑制和识别器的识别性能提高。为了达到上述目的，提出一种具备使用对照图像来识别图像的识别器(9)的图像处理系统，该图像处理系统具备对图像识别所需要的对照图像数据进行机器学习的机器学习引擎(1)，该机器学习引擎使用识别失败了的图像(2)，搜索识别成功了的图像(3)，向通过该搜索得到的识别成功了的图像，附加根据通过上述输入装置选择出的上述识别失败了的图像的部分图像而得到的信息，生成修正对照图像数据(13)。
-
公开(公告)号：CN118056211A
公开(公告)日：2024-05-17
申请号：CN202180102951.8
申请日：2021-10-29
Applicant: 株式会社日立高新技术
Abstract: 错误原因推定装置(100)是推定发生的错误的错误原因的装置，具有：特征量组生成部(A2a)，其对包含从检查装置收集到的检查结果的数据进行处理，生成多个特征量；模型生成部(4)，其生成对由特征量组生成部(A2a)生成的多个特征量与错误的关系进行学习的模型(A5a)；贡献度计算部(11)，其针对在模型(A5a)的学习中使用的多个特征量中的至少一个，计算表示对模型(A5a)的输出做出贡献的程度的贡献度；以及错误原因取得部(15)，其取得对根据由贡献度计算部(11)计算出的贡献度计算出的有用度而选择出的特征量标注的错误原因。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.026 seconds)
