识别装置、识别方法以及程序存储介质制造方法及图纸

技术编号:19024433 阅读:39 留言:0更新日期:2018-09-26 19:19
本发明专利技术提供一种识别装置、识别方法以及存储介质,其目的在于比现有的识别装置进一步提高识别的精度。识别装置(100)具备第1一对其他识别器(13)、第2一对其他识别器(14)以及校正部(15)。第1一对其他识别器(13)识别出第1类与其他类。第2一对其他识别器(14)识别出与第1类不同的第2类和其他类。校正部(15)使用第2一对其他识别器的识别结果来校正第1一对其他识别器的识别结果。

【技术实现步骤摘要】
识别装置、识别方法以及程序存储介质本专利技术要求2017年3月8日申请的日本专利申请第2017-44353号的优先权,该优先权的全部内容以援引的方式包含在本申请中。
本专利技术涉及识别装置、识别方法以及程序。
技术介绍
已经开发了识别皮肤病变的图像的装置。例如,在日本特开2017-45341号公报中,公开了一种实现了提高通过集成识别器进行识别的精度的诊断装置等。
技术实现思路
在日本特开2017-45341号公报中公开的诊断装置与现有技术相比可以进行高精度的识别。但是,还是存在错误识别的可能性,要求进一步提高识别精度。本专利技术是为了解决上述问题而完成的,其目的在于提供一种比现有的识别装置进一步提高了识别精度的识别装置、识别方法以及程序。为了达到上述目的,本专利技术的识别装置具备:第1一对其他识别器,其识别出第1类与其他类;第2一对其他识别器,其识别出与所述第1类不同的第2类和其他类;以及校正部,其使用所述第2一对其他识别器的识别结果,来校正所述第1一对其他识别器的识别结果。根据本专利技术,可以比现有的识别装置进一步提高识别的精度。附图说明图1是表示本专利技术的实施方式所涉及的识别装置的功能结构的图。图2是表示图像数据的一个例子的图。图3是表示标准化的图像数据的一个例子的图。图4是说明实施方式所涉及的基础识别器的图。图5是说明实施方式所涉及的识别装置的整体处理内容的图。图6是实施方式所涉及的识别装置的识别处理的流程图。具体实施方式以下,参照图表对本专利技术的实施方式所涉及的识别装置、识别方法以及程序进行说明。此外,对于图中相同或者相应的部分赋予相同符号。本专利技术的实施方式所涉及的识别装置100针对多个类的数据来识别是特定类还是其他类(该特定类以外的类)。进行像这样的识别的识别器被称为“一对其他识别器”、“一对其他分类器”、“1类vs其他类识别器”等。在这里,称为一对其他识别器。如图1所示,实施方式所涉及的识别装置100具备控制部10、存储部20、图像输入部31以及识别结果输出部32。控制部10由CPU(CentralProcessingUnit:中央处理器)等构成,通过执行存储在存储部20中的程序,来实现后述的各部(标准化部11、肤色减法部12、第1一对其他识别器13、第2一对其他识别器14、校正部15)的功能。存储部20由ROM(ReadOnlyMemory:只读存储器)、RAM(RandomAccessMemory:随机存取存储器)等构成,并存储控制部10的CPU要执行的程序以及必要的数据。图像输入部31是用于向控制部10输入成为识别装置100的识别对象的图像数据的设备。控制部10经由图像输入部31获取图像数据。如果控制部10可以获取图像数据,则图像输入部31可以使用任意的设备。例如,在存储部20中预先存储图像数据,并且控制部10通过读出存储部20来获取图像数据时,存储部20兼作图像输入部31。此外,对于通过图像输入部31输入的图像数据,通过表示作为光的三原色的红、绿、蓝的各成分的强度的RGB值来表示各像素。识别结果输出部32是用于输出控制部10识别出从图像输入部31输入的图像的结果的设备。如果控制部10可以输出识别结果,则识别结果输出部32可以使用任意的设备。例如,当控制部10向存储部20输出识别结果时,存储部20兼作识别结果输出部32。接下来,针对控制部10的功能进行说明。控制部10实现标准化部11、肤色减法部12、第1一对其他识别器13、第2一对其他识别器14以及校正部15的功能。标准化部11将从图像输入部31输入的图像数据的颜色以及亮度的成分进行标准化。图2以及图3表示标准化前后的图像数据的具体例。但是,它们实际上是彩色图像(识别装置100处理的图像是彩色图像),但是为了形成申请文件而被转换为黑白图像。图2是标准化前的图像,被转换为黑白图像之前是浅蓝色的图像。图3是标准化后的图像,被转换为黑白图像之前是浅紫色的图像。肤色减法部12是从在标准化部11进行了标准化的图像数据的RGB值减去肤色成分(肤色的RGB值)。通过该肤色减法的处理,可以使人的皮肤的图像的RGB均匀正负地分布,并可以提高识别器进行识别的精度。第1一对其他识别器13和第2一对其他识别器14是针对多个类的数据,来识别是特定类还是其他类(该特定类以外的类)的识别器。识别装置100作为基础识别器,使用像这样的两个一对其他识别器,来提高识别精度。作为该基础识别器。例如可以使用神经网络、SVM(SupportVectorMachine:支持向量机)等任意的识别器。在本实施例中,使用图4所示的基础识别器。图4所示的识别器将输入的图像本身和对该图像实施了几何变换处理(旋转、反转、移动、缩放等)的图像分别并行输入到卷积神经网络(ConvolutionalNeuralNetork:CNN),对所获得的各输出进行相加平均,并输出识别结果(预测值)。将识别装置100希望识别的类(在这里设为第1类)与其他类识别出的基础识别器设为第1一对其他识别器13。然后,第2一对其他识别器14是识别出第1类以外的某类(在这里设为第2类)和其他类(也包括第1类)的基础识别器。在这里,第2一对其他识别器14的识别精度在一定条件下需要高于第1一对其他识别器13的识别精度。此外,该识别精度例如可以使用作为ROC(ReceiverOperatingCharacteristic:受试者工作特征)曲线下的面积的AUC(AreaUnderthereceiveroperatorCurve:受试者工作特征曲线面积)的值来进行表示(认为AUC越接近1精度越高)。理想的是,作为第2一对其他识别器14,AUC非常接近1。例如,理想的是,第2一对其他识别器14的AUC比第1一对其他识别器13的AUC更大。但是,除此以外,还存在对第2一对其他识别器14的选择条件。例如,对于本实施方式,对于第2一对其他识别器14的第2类的识别精度(灵敏度)高于对于第1一对其他识别器13的第2类(对于第1一对其他识别器13也包括其他类的类)的识别精度(特异性)的情况也是理想的。校正部15根据第2一对其他识别器14的识别结果来校正第1一对其他识别器13的识别结果。具体而言,根据以下的数学式来进行校正。数学式1在数学式(1)中,F(x)表示识别器针对输入图像的输出,C表示各识别器成为等价错误率(EqualErrorRate:EER)的判定阈值,波浪线表示基础识别器。另外,α是用于使第1一对其他识别器13与第2一对其他识别器14的输出标度匹配的系数,也是用于调整第2一对其他识别器14的输出对识别装置100的识别结果产生多大影响的系数。例如,可以设α=1,也可以作为以下数学式:数学式2此外,作为数学式(1)的应用条件,设第2一对其他识别器14的输出(FSK(x)超过判定阈值CSK,但是这是由于仅在第2一对其他识别器14的输出具有高可靠性的条件下应用校正。以上,针对识别装置100的功能结构进行了说明。接下来,针对识别装置100的整体处理的内容,参照图5进行说明。首先,在对图像进行了标准化以及肤色减法之后,分别输入至第1基础识别器(第1一对其他识别器)以及第2基础识别器(第2一对其他识别器)。具体而言,第1基础识别器识别皮肤病变是黑素瘤(恶性黑本文档来自技高网...

【技术保护点】
1.一种识别装置,其特征在于,具备:第1一对其他识别器,其识别出第1类和其他类;第2一对其他识别器,其识别出与所述第1类不同的第2类识别和其他类;以及校正部,其使用所述第2一对其他识别器的识别结果,来校正所述第1一对其他识别器的识别结果。

【技术特征摘要】
2017.03.08 JP 2017-0443531.一种识别装置,其特征在于,具备:第1一对其他识别器,其识别出第1类和其他类;第2一对其他识别器,其识别出与所述第1类不同的第2类识别和其他类;以及校正部,其使用所述第2一对其他识别器的识别结果,来校正所述第1一对其他识别器的识别结果。2.根据权利要求1所述的识别装置,其特征在于,所述第2一对其他识别器识别所述第2类的精度高于所述第1一对其他识别器识别所述第1类的精度。3.根据权利要求1所述的识别装置,其特征在于,如果所述第2一对其他识别器识别出是所述第2类,则即使所述第1一对其他识别器识别出是所述第1类,所述校正部也将识别结果校正为是所述第1类以外的类。4.根据权利要求1所述的识别装置,其特征在于,该识别装置具备:图像输入部,其输入图像数据;标准化部,其将所述图像输入部输入的图像数据进行标准化,所述第1一对其他识别器以及所述第2一对其他识别器识别由所述标准化部进行了标准化的图像数据。5.根据权利4所述的识别装置,其特征在于,该识别装置具备:肤色减法部,其从所述标准化部进行了标准化的图像数据中减去肤色成分,所述第1一对其他识别器以及所述第2一对其他识别器识别由所述肤色减法部减去了肤色成分的图像数据。6.根据权利要求1所述的识别装置,其特征在于,在识别对象的数据中包括年龄信息,所述校正部在校正所述第1一对其他识别器的识别结果之前,使用所述年龄信息来校正所述第2一对其他识别器的识别结果。7.根据权利要求1所述的识...

【专利技术属性】
技术研发人员:松永和久
申请(专利权)人:卡西欧计算机株式会社
类型:发明
国别省市:日本,JP

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1