图像分类以及分类数据制作系统和方法、存储介质技术方案

本发明专利技术涉及图像分类以及分类数据制作系统和方法、存储介质。一种图像分类程序，其用于将所输入的图像进行分类，该程序使计算机作为以下单元来发挥功能：网络，其构筑为对所输入的图像数据执行特征量提取处理和全连接处理；路径提取单元，其提取所述网络中的处理路径；以及判断部，其对由所述路径提取单元提取出的提取路径和与分类相关联的预先设定的多个设定路径进行比较，将与一致的路径相关联的分类设为所述所输入的图像的分类。

Image Classification and Classified Data Production System and Storage Media

The invention relates to image classification, classification data production system and storage medium. An image classification program is used to classify the input image. The program enables the computer to perform functions as follows: network, which is constructed to perform feature extraction and full connection processing for the input image data; path extraction unit, which extracts processing paths in the network; and judgment. A break compares the extraction path extracted by the path extraction unit with the predetermined set paths associated with the classification, and sets the classification associated with the consistent paths as the classification of the input image.

【技术实现步骤摘要】
图像分类以及分类数据制作系统和方法、存储介质
本专利技术涉及一种图像分类系统、图像分类方法、分类数据制作系统、分类数据制作方法以及存储介质。
技术介绍
以往，进行了使用卷积神经网络(CNN：ConvolutionalNeuralNetwork)的图像识别处理。这种卷积神经网络例如被如下地构筑为：作为特征量提取处理，交互地执行卷积处理和池化处理，在这些处理的后级中执行全连接处理。在卷积处理中，通过对所输入的图像数据进行使用了学习完的多个滤波器的卷积(Convolution)处理来提取包含于图像数据中的特征量。在卷积处理之后的池化处理中，使用学习完的多个滤波器来进行池化处理并通过该处理来吸收特征量的微小变化，该池化处理是从通过卷积处理得到的特征量映射中的附近几个像素的区域中将最大值或者平均值作为特征量来输出的处理。在全连接处理中，对通过卷积处理和池化处理提取得到的特征量进行使用了学习完的多个单元的全连接处理，由此将包含于图像数据中的对象物进行分类。专利文献1：日本特开2016-115248号公报
技术实现思路
专利技术要解决的问题这里，在将卷积神经网络例如应用到根据图像来判定产品为合格品还是残次品的系统中的情况下需要充分注意。即，卷积神经网络能够发挥出较高的识别率。但是，当发挥不出避免发生将残次品判定为合格品的“漏检”那样的高的识别率(即，“漏检”的发生数量极为接近零那样的识别率)时，从精度方面考虑难以在用于判定合格品/残次品的系统中应用卷积神经网络。另外，为了将把残次品判定为合格品的图像改判为残次品，需要追溯到学习阶段，再次构筑网络来进行验证，因此从运用方面考虑也难以在用于判定合格品、残次品的系统中应用卷积神经网络。本专利技术鉴于上述情况，其课题在于提供一种能够足够高精度地将图像进行分类的图像分类系统、图像分类方法、分类数据制作系统、分类数据制作方法以及存储介质。用于解决问题的方案本专利技术所涉及的图像分类系统用于将所输入的图像进行分类，该图像分类系统具备：网络，其构筑为对所输入的图像数据执行特征量提取处理和全连接处理；路径提取单元，其对所述网络中的处理路径进行提取；以及判断部，其对由所述路径提取单元提取出的提取路径和与分类相关联的预先设定的多个设定路径进行比较，将与一致的路径相关联的分类设为所述所输入的图像的分类。在上述结构的图像分类系统中，优选的是，所述路径提取单元是提取以下路径的单元，该路径将从通过所述网络中的所述特征量提取处理得到的多个特征值中选择的至少一个特征值与从通过所述全连接处理得到的多个全连接输出值中选择的至少一个全连接输出值连接，被选择的所述特征值和被选择的所述全连接输出值中的至少一方包含有最大值。在上述结构的图像分类系统中，优选的是，所述路径提取单元是提取以下路径的单元，该路径将从包含通过所述特征量提取处理得到的多个特征值的特征值群中选择的至少一个特征值与从包含通过所述全连接处理得到的多个全连接输出值的全连接输出值群中选择的至少一个全连接输出值连接，从所述特征值群和所述全连接输出值群中的至少任一方选择至少两个值，该两个值包含有选择源的值群所包含的多个值中的最大值。本专利技术所涉及的图像分类方法用于将所输入的图像进行分类，该图像分类方法包括以下工序：网络处理工序，对所输入的图像数据执行特征量提取处理和全连接处理；路径提取工序，对所述网络处理工序中的处理路径进行提取；以及判断工序，对通过所述路径提取工序提取出的提取路径和与分类相关联的预先设定的多个设定路径进行比较，将与一致的路径相关联的分类设为所述所输入的图像的分类。本专利技术的分类数据制作系统用于制作图像分类装置用的分类数据，该分类数据制作系统具备：网络，其构筑为对所输入的图像数据执行特征量提取处理和全连接处理；设定路径提取单元，其提取将以下特征值和全连接输出值连接的路径来作为设定路径，该特征值是从包含通过所述网络中的所述特征量提取处理得到的多个特征值的特征值群中选择的至少一个特征值，该全连接输出值是从包含通过所述全连接处理得到的多个全连接输出值的全连接输出值群中选择的至少一个全连接输出值，在从所述特征值群和所述全连接输出值群中的至少任一方选择的值中，包含有选择源的值群所包含的多个值中的最大值；以及关联单元，其将提取出的设定路径与用于将图像进行分类的分类相关联。本专利技术的分类数据制作方法用于制作图像分类装置用的分类数据，该分类数据制作方法包括以下工序：网络处理工序，其对所输入的图像数据执行特征量提取处理和全连接处理；设定路径提取工序，其提取将特征值和全连接输出值连接的路径来作为设定路径，该特征值是从包含通过所述网络处理工序中的所述特征量提取处理得到的多个特征值的特征值群中选择的至少一个特征值，该全连接输出值是从包含通过所述全连接处理得到的多个全连接输出值的全连接输出值群中选择的至少一个全连接输出值，在从所述特征值群和所述全连接输出值群中的至少任一方选择的值中，包含有选择源的值群所包含的多个值中的最大值；以及关联工序，其将提取出的设定路径与用于将图像进行分类的分类相关联。本专利技术的存储介质存储有使至少一个计算机作为上述的图像分类系统和/或上述的分类数据制作系统来发挥功能的程序。附图说明图1是表示根据本专利技术的实施方式所涉及的图像分类程序来执行的处理的框图。图2是示意性地表示一般的卷积神经网络中的处理的流程的图。图3是示意性地表示一般的特征量提取处理的流程的图。图4是示意性地表示一般的全连接处理的流程的图。图5是示意性地表示本实施方式的图像分类程序中使用的卷积神经网络的全路径的图。图6是表示被提取的路径的一个例子的概要图。图7是表示被提取的路径的一个例子的概要图。图8是表示被提取的路径的一个例子的概要图。图9是表示被提取的路径的一个例子的概要图。图10是本专利技术的实施方式所涉及的图像分类系统的框图。图11是表示应用本实施方式的图像分类程序的检查装置的概要侧视图。图12是表示根据本专利技术的实施方式所涉及的分类数据制作程序来执行的处理的框图。图13是表示实施例1的结果的曲线。图14是表示实施例2的结果的曲线。图15是表示实施例3的结果的曲线。图16是表示实施例4的结果的曲线。附图标记说明1：检查装置；3：摄像部；10：图像分类系统；11：输入部；13：特征量运算部；15：路径提取单元；17：存储部；19：判断部；30：分类数据制作系统；31：输入部；33：特征量运算部；35：设定路径提取单元；37：关联部；39：存储部；50：被检查物。具体实施方式以下参照附图说明本专利技术的实施方式所涉及的图像分类系统、图像分类方法、图像分类程序、分类数据制作系统、分类数据制作程序、分类数据制作方法以及存储介质。首先，说明本实施方式的图像分类程序。如图1所示，本实施方式的图像分类程序是用于将所输入的图像进行分类的程序，其使至少一个计算机作为以下单元来发挥功能：网络，其被构筑为对所输入的图像数据执行特征量提取处理和全连接处理；路径提取单元，其提取所述网络中的处理路径；以及判断部，其将由所述路径提取单元提取出的提取路径和与分类相关联的预先设定的多个设定路径进行比较，将与一致的路径相关联的分类设为所述所输入的图像的分类。本实施方式的图像分类程序是用于将所输入的图像进行分类的程序。所输入的图像本文档来自技高网...

【技术保护点】
1.一种图像分类系统，其用于将所输入的图像进行分类，该图像分类系统具备：网络，其构筑为对所输入的图像数据执行特征量提取处理和全连接处理；路径提取单元，其对所述网络中的处理路径进行提取；以及判断部，其对由所述路径提取单元提取出的提取路径和与分类相关联的预先设定的多个设定路径进行比较，将与一致的路径相关联的分类设为所述所输入的图像的分类。

【技术特征摘要】
2017.05.26 JP 2017-1044491.一种图像分类系统，其用于将所输入的图像进行分类，该图像分类系统具备：网络，其构筑为对所输入的图像数据执行特征量提取处理和全连接处理；路径提取单元，其对所述网络中的处理路径进行提取；以及判断部，其对由所述路径提取单元提取出的提取路径和与分类相关联的预先设定的多个设定路径进行比较，将与一致的路径相关联的分类设为所述所输入的图像的分类。2.根据权利要求1所述的图像分类系统，其特征在于，所述路径提取单元是提取以下路径的单元，该路径将从通过所述网络中的所述特征量提取处理得到的多个特征值中选择的至少一个特征值与从通过所述全连接处理得到的多个全连接输出值中选择的至少一个全连接输出值连接，被选择的所述特征值和被选择的所述全连接输出值中的至少一方包含有最大值。3.根据权利要求1所述的图像分类系统，其特征在于，所述路径提取单元是提取以下路径的单元，该路径将从包含通过所述特征量提取处理得到的多个特征值的特征值群中选择的至少一个特征值与从包含通过所述全连接处理得到的多个全连接输出值的全连接输出值群中选择的至少一个全连接输出值连接，从所述特征值群和所述全连接输出值群中的至少任一方选择至少两个值，该两个值包含有选择源的值群所包含的多个值中的最大值。4.根据权利要求2所述的图像分类系统，其特征在于，所述路径提取单元是提取以下路径的单元，该路径将从包含通过所述特征量提取处理得到的多个特征值的特征值群中选择的至少一个特征值与从包含通过所述全连接处理得到的多个全连接输出值的全连接输出值群中选择的至少一个全连接输出值连接，从所述特征值群和所述全连接输出值群中的至少任一方选择至少两个值，该两个值包含有选择源的值群所包含的多个值中的最大值。5.一种图像分类方法，其用于将所输入的图像进行分类，该图像分类方法包括以下工序：网络处理工序，对所输入的图像数据执行特征量提取处理和全连接处理；路径提取工序，对所述网络处理工序中的处理路径进行提取；以及判断工序，对通过所述路径提取工序提取出的提取路径和与分类相关联的预先设定的多个设定路径进行比较，将与一致的路径相关联的分类设为所述所输入的图像的分类。6.根据权利要求5所述的图像分类方法，其特征在于，所述路径提取工序是提取以下路径的工序，该路径将从通过所述网络处理工序中的所述特征量提取处理得到的多个特征值中选择的至少一个特征值与从通过所述全连接处理得到的多个全连接输出值中选择的至少一个全连接输出值连接，被选择的所述特征值和被选择的所述全连接输出值中的至少一方包含有最大值。7.根据权利要求...

【专利技术属性】
技术研发人员：木川洋一，
申请(专利权)人：日东电工株式会社，
类型：发明
国别省市：日本,JP