公开(公告)号：US20080285861A1

公开(公告)日：2008-11-20

申请号：US12120481

申请日：2008-05-14

申请人： Yusuke Mitarai ,  Masakazu Matsugu ,  Katsuhiko Mori

发明人： Yusuke Mitarai ,  Masakazu Matsugu ,  Katsuhiko Mori

IPC分类号： G06K9/62

CPC分类号： G06K9/6252 ,  G06K9/6234

摘要： Processing data which belong to different classes and label data indicating the classes to which the processing data belong are input (S20). A distance relationship between the processing data is calculated (S22). An interclass separation degree between the classes is set (S23). The distance relationship is updated based on the label data and the interclass separation degree (S24). A data mapping relationship which approximates the updated distance relationship is calculated (S25).

摘要翻译： 输入属于不同类别的处理数据和指示处理数据所属类别的标签数据（步骤20）。 计算处理数据之间的距离关系（S22）。 设定类之间的间隔分离度（S 23）。 基于标签数据和间隔间隔度来更新距离关系（S24）。 计算近似更新的距离关系的数据映射关系（S25）。

公开(公告)号：US20080016016A1

公开(公告)日：2008-01-17

申请号：US11769143

申请日：2007-06-27

申请人： Yusuke Mitarai ,  Masakazu Matsugu ,  Katsuhiko Mori ,  Kan Torii ,  Hiroshi Sato

发明人： Yusuke Mitarai ,  Masakazu Matsugu ,  Katsuhiko Mori ,  Kan Torii ,  Hiroshi Sato

IPC分类号： G06F15/18

CPC分类号： G06K9/00288 ,  G06K9/00228 ,  G06K9/00248 ,  G06K9/6232 ,  G06K9/6256 ,  G06K9/6269

摘要： A plurality of pieces of learning data, each associated with a class to which the piece of the learning data belong, are input. In each piece of the learning data, a statistical amount of attribute values of elements in each of specific k parts, k being equal to or larger than 1, is calculated. Each piece of the learning data is mapped in a k-dimensional feature space as a vector having the calculated k statistics amounts as elements. Based on each piece of the mapped learning data and the classes to which the pieces of learning data belong, parameters for classifying input data into one of the plurality of classes are learned in the k-dimensional feature space. By using the parameters, pattern classification can be performed with high speed and high accuracy.

摘要翻译： 输入与学习数据所属的类别相关联的多条学习数据。 在每个学习数据中，计算k个等于或大于1的特定k个部分中的每个元素的属性值的统计量。 每个学习数据被映射到k维特征空间中，作为具有计算的k个统计量的向量作为元素。 基于映射的学习数据和学习数据所属的类别，在k维特征空间中学习用于将输入数据分类为多个类中的一个的参数。 通过使用参数，可以高速，高精度地执行模式分类。

公开(公告)号：US07028271B2

公开(公告)日：2006-04-11

申请号：US10702171

申请日：2003-11-04

申请人： Masakazu Matsugu ,  Katsuhiko Mori ,  Yusuke Mitarai

发明人： Masakazu Matsugu ,  Katsuhiko Mori ,  Yusuke Mitarai

IPC分类号： G06F17/50 ,  G06K9/00 ,  G06K9/36 ,  G06K9/46

CPC分类号： G06K9/4628 ,  G06K9/00281 ,  G06K9/00973

摘要： A hierarchical processing apparatus includes a data input unit for time-sequentially inputting pattern data in a particular hierarchical level, a calculation parameter control data memory for storing calculation parameter control data, a local area recognition module for detecting a particular feature from pattern data, using the calculation parameter control data, and an intermediate result storage module for storing an intermediate result output from the local area recognition module. Depending on the hierarchical level of processing, a flow of data is controlled such that an input acquired via the data input unit or an intermediate result fed back from the intermediate result storage module and calculation parameter control data read from the calculation parameter control data memory are supplied to the local area recognition module. The hierarchical processing apparatus can perform various kinds of complicated calculations using a simple small-scale circuit with low power consumption.

摘要翻译： 一种分级处理装置，包括用于以特定层次级时间顺序地输入模式数据的数据输入单元，用于存储计算参数控制数据的计算参数控制数据存储器，用于从模式数据检测特定特征的局部区域识别模块，使用 计算参数控制数据，以及用于存储从局部区域识别模块输出的中间结果的中间结果存储模块。 根据处理的分层级，控制数据流，使得经由数据输入单元获取的输入或从中间结果存储模块反馈的中间结果和从计算参数控制数据存储器读取的计算参数控制数据是 提供给局域识别模块。 分级处理装置可以使用具有低功耗的简单的小规模电路来执行各种复杂的计算。

公开(公告)号：US20050283450A1

公开(公告)日：2005-12-22

申请号：US11149698

申请日：2005-06-10

申请人： Masakazu Matsugu ,  Katsuhiko Mori ,  Mie Ishii ,  Yusuke Mitarai

发明人： Masakazu Matsugu ,  Katsuhiko Mori ,  Mie Ishii ,  Yusuke Mitarai

IPC分类号： G06N3/00 ,  G06F15/18 ,  G06K9/00 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08 ,  G06T7/00

CPC分类号： G06K9/4628 ,  G06K9/00604 ,  G06N3/049 ,  G06N3/08

摘要： In a hierarchical neural network having a module structure, learning necessary for detection of a new feature class is executed by a processing module which has not finished learning yet and includes a plurality of neurons which should learn an unlearned feature class and have an undetermined receptor field structure by presenting a predetermined pattern to a data input layer. Thus, a feature class necessary for subject recognition can be learned automatically and efficiently.

摘要翻译： 在具有模块结构的分层神经网络中，由尚未完成学习的处理模块执行用于检测新特征类所需的学习，并且包括多个神经元，其应该学习未知的特征类并具有未确定的受体场 通过向数据输入层呈现预定图案来构造。 因此，可以自动且有效地学习用于对象识别所需的特征类。

公开(公告)号：US08861881B2

公开(公告)日：2014-10-14

申请号：US13207544

申请日：2011-08-11

申请人： Shunta Tate ,  Masafumi Takimoto ,  Yusuke Mitarai ,  Katsuhiko Mori ,  Masakazu Matsugu

发明人： Shunta Tate ,  Masafumi Takimoto ,  Yusuke Mitarai ,  Katsuhiko Mori ,  Masakazu Matsugu

IPC分类号： G06K9/40 ,  G06T5/00 ,  G06T7/00

CPC分类号： G06T5/003 ,  G06T5/005 ,  G06T7/75 ,  G06T2207/10016 ,  G06T2207/10024 ,  G06T2207/20016 ,  G06T2207/20064 ,  G06T2207/20076

摘要： An image processing apparatus stores model information representing a subject model belonging to a specific category, detects the subject from an input image by referring to the model information, determines a region for which an image correction is to be performed within a region occupied by the detected subject in the input image, stores, for a local region of the image, a plurality of correction data sets representing correspondence between a feature vector representing a feature before correction and a feature vector representing a feature after correction, selects at least one of the correction data sets to be used to correct a local region included in the region determined to undergo the image correction, and corrects the region determined to undergo the image correction using the selected correction data sets.

摘要翻译： 图像处理装置存储表示属于特定类别的对象模型的模型信息，通过参考模型信息从输入图像检测对象，确定在被检测到的区域内进行图像校正的区域 在输入图像中，对于图像的局部区域存储表示表示校正前的特征的特征矢量与表示校正后的特征的特征矢量之间的对应关系的多个校正数据集，选择校正中的至少一个， 用于校正被确定为进行图像校正的区域中包括的局部区域的数据组，并且使用所选择的校正数据集校正确定为进行图像校正的区域。

公开(公告)号：US08755562B2

公开(公告)日：2014-06-17

申请号：US12956037

申请日：2010-11-30

申请人： Miho Ishigami ,  Masakazu Matsugu ,  Katsuhiko Mori ,  Yusuke Mitarai

发明人： Miho Ishigami ,  Masakazu Matsugu ,  Katsuhiko Mori ,  Yusuke Mitarai

IPC分类号： G06K9/00

CPC分类号： G06K9/00993 ,  G06T7/77 ,  G06T2207/10028

摘要： An apparatus includes a capturing unit that captures a target object and generates a range image representing distance information, a general estimation unit that analyzes the range image and estimates a general position and orientation of the target object, and a determination unit that determines a priority order of a plurality of identification units, based on the estimated general position and orientation. In addition, a setting unit sets a search window indicating a range for detailed estimation of position and orientation of the range image based on a preregistered general size of the target object, a calculation unit calculates a difference between a first distance value of a first pixel in the range image and a second distance value of a second pixel which is next to the first pixel in the range image, and an updating unit updates the search window based on the calculated difference. A detailed estimation unit estimates a detailed position and orientation of the target object, using the plurality of identification units in the determined priority order within the range of the search window.

摘要翻译： 一种装置，包括拍摄目标对象并产生代表距离信息的范围图像的拍摄单元，分析所述距离图像并估计所述目标对象的一般位置和方位的一般估计单元，以及确定所述优先顺序的确定单元 基于所估计的一般位置和方位来确定多个识别单元。 另外，设置单元基于目标对象的预先注册的一般尺寸，设定表示范围图像的位置和姿态的详细估计的范围的搜索窗口，计算单元计算第一像素的第一距离值 在距离图像中的第二像素的第二距离值和距离图像中的第一像素旁边的第二距离值，并且更新单元基于计算出的差异来更新搜索窗口。 详细估计单元使用搜索窗口范围内所确定的优先顺序中的多个识别单元来估计目标对象的详细位置和方位。

公开(公告)号：US20120269426A1

公开(公告)日：2012-10-25

申请号：US13451817

申请日：2012-04-20

申请人： Yusuke Mitarai ,  Masakazu Matsugu

发明人： Yusuke Mitarai ,  Masakazu Matsugu

IPC分类号： G06K9/46

CPC分类号： G06K9/6231 ,  G06K9/6285 ,  G06T2207/20081

摘要： A feature selection apparatus, which selects features to be used to discriminate an object by a discriminator using learning data including the object, extracts a plurality of partial data from the learning data, and obtains discrimination values obtained by controlling the discriminator to process the plurality of extracted partial data as features of the plurality of partial data. The feature selection apparatus evaluates the obtained features based on discrimination degrees on a discrimination space defined by the discriminator, and selects features to be used to discriminate the object from a plurality of features obtained in association with the plurality of partial data based on an evaluation result.

摘要翻译： 一种特征选择装置，其使用包括对象的学习数据通过鉴别器选择要用于鉴别对象的特征，从学习数据中提取多个部分数据，并且获得通过控制鉴别器获得的鉴别值来处理多个 提取的部分数据作为多个部分数据的特征。 特征选择装置基于由鉴别器定义的鉴别空间上的鉴别度来评估获得的特征，并且基于评估结果选择要用于将对象与多个部分数据相关联地获得的多个特征区分开来的特征 。

公开(公告)号：US08238673B2

公开(公告)日：2012-08-07

申请号：US12100664

申请日：2008-04-10

申请人： Yusuke Mitarai ,  Masakazu Matsugu

发明人： Yusuke Mitarai ,  Masakazu Matsugu

IPC分类号： G06K9/70

CPC分类号： G06K9/6252

摘要： A pattern identification apparatus for identifying one of a plurality of classes defined in advance, to which data of a pattern identification target belongs, comprises a read unit adapted to read out, from a storage unit in correspondence with each of the plurality of classes, a projection rule to a hyperplane which approximates a manifold corresponding to the class in a feature space an input unit adapted to input identification target data; a calculation unit adapted to calculate, for each class, a projection result obtained by projecting the input identification target data to the hyperplane which approximates the manifold corresponding to each of the plurality of classes, on the basis of the projection rule; and an identification unit adapted to identify, on the basis of the projection result of each classes calculated by said calculation unit, one of the plurality of classes to which the identification target data belongs.

摘要翻译： 一种模式识别装置，用于识别模式识别目标所属的数据预先定义的多个类别中的一个，包括适于从存储单元中读出与多个类别中的每个类别相对应的读取单元 投影规则到近似对应于特征空间中的类别的歧管的超平面，适于输入识别目标数据的输入单元; 计算单元，用于根据所述投影规则，针对每个类计算通过将所述输入的识别目标数据投影到与所述多个类别中的每一个对应的所述歧管的所述超平面上而获得的投影结果; 以及识别单元，其适于基于由所述计算单元计算出的每个类别的投影结果来识别识别目标数据所属的多个类别中的一个。

公开(公告)号：US08027544B2

公开(公告)日：2011-09-27

申请号：US12120481

申请日：2008-05-14

申请人： Yusuke Mitarai ,  Masakazu Matsugu ,  Katsuhiko Mori

发明人： Yusuke Mitarai ,  Masakazu Matsugu ,  Katsuhiko Mori

IPC分类号： G06K9/68

CPC分类号： G06K9/6252 ,  G06K9/6234

摘要： Processing data which belong to different classes and label data indicating the classes to which the processing data belong are input (S20). A distance relationship between the processing data is calculated (S22). An interclass separation degree between the classes is set (S23). The distance relationship is updated based on the label data and the interclass separation degree (S24). A data mapping relationship which approximates the updated distance relationship is calculated (S25).

摘要翻译： 输入属于不同类别的处理数据和指示处理数据所属类别的标签数据（S20）。 计算处理数据之间的距离关系（S22）。 设定类之间的类间分离度（S23）。 基于标签数据和间隔间隔度来更新距离关系（S24）。 计算近似更新的距离关系的数据映射关系（S25）。

公开(公告)号：US07958070B2

公开(公告)日：2011-06-07

申请号：US11769143

申请日：2007-06-27

申请人： Yusuke Mitarai ,  Masakazu Matsugu ,  Katsuhiko Mori ,  Kan Torii ,  Hiroshi Sato

发明人： Yusuke Mitarai ,  Masakazu Matsugu ,  Katsuhiko Mori ,  Kan Torii ,  Hiroshi Sato

IPC分类号： G06F15/18

CPC分类号： G06K9/00288 ,  G06K9/00228 ,  G06K9/00248 ,  G06K9/6232 ,  G06K9/6256 ,  G06K9/6269

摘要： A plurality of pieces of learning data, each associated with a class to which the piece of the learning data belong, are input. In each piece of the learning data, a statistical amount of attribute values of elements in each of specific k parts, k being equal to or larger than 1, is calculated. Each piece of the learning data is mapped in a k-dimensional feature space as a vector having the calculated k statistics amounts as elements. Based on each piece of the mapped learning data and the classes to which the pieces of learning data belong, parameters for classifying input data into one of the plurality of classes are learned in the k-dimensional feature space. By using the parameters, pattern classification can be performed with high speed and high accuracy.

摘要翻译： 输入与学习数据所属的类别相关联的多条学习数据。 在每个学习数据中，计算k个等于或大于1的特定k个部分中的每个元素的属性值的统计量。 每个学习数据被映射到k维特征空间中，作为具有计算的k个统计量的向量作为元素。 基于映射的学习数据和学习数据所属的类别，在k维特征空间中学习用于将输入数据分类为多个类中的一个的参数。 通过使用参数，可以高速，高精度地执行模式分类。