图像识别装置和图像识别方法制造方法及图纸

本发明专利技术提供了一种图像识别装置和图像识别方法。图像识别装置包括第一生成模型创建单元、分类单元以及第二生成模型创建单元。第一生成模型创建单元从属于识别对象类别的识别对象图像组提取特征信息，并且基于特征信息创建用于确定图像属于识别对象类别的概率的第一生成模型。分类单元将第一生成模型应用于属于非识别对象类别的各非识别对象图像组以确定非识别对象图像属于识别对象类别的概率，并且根据该概率将非识别对象图像分类到对应的非识别对象组。第二生成模型创建单元从属于对应的非识别对象组的各非识别对象图像组提取特征信息，并且基于对应的特征信息创建每个非识别对象组的用于确定图像属于对应的非识别对象组的概率的第二生成模型。

【技术实现步骤摘要】
【专利摘要】本专利技术提供了一种。图像识别装置包括第一生成模型创建单元、分类单元以及第二生成模型创建单元。第一生成模型创建单元从属于识别对象类别的识别对象图像组提取特征信息，并且基于特征信息创建用于确定图像属于识别对象类别的概率的第一生成模型。分类单元将第一生成模型应用于属于非识别对象类别的各非识别对象图像组以确定非识别对象图像属于识别对象类别的概率，并且根据该概率将非识别对象图像分类到对应的非识别对象组。第二生成模型创建单元从属于对应的非识别对象组的各非识别对象图像组提取特征信息，并且基于对应的特征信息创建每个非识别对象组的用于确定图像属于对应的非识别对象组的概率的第二生成模型。【专利说明】
本专利技术涉及一种。
技术介绍
一些具有学习功能的图像标注系统被利用分类器(例如，支持向量机)来构造。当用作学习模型时，分类器要求很多用作正面示例和反面示例的图像。由于训练图像的自动收集等等导致的错误标注可能显著地降低分类器的识别能力。另一方面，学习图像特征的分布的生成模型不要求大量的训练图像并且允许一定量的噪声(即，错误标注)，但是其识别能力常常低于分类器。作为与图像识别相关的技术，例如，日本未审专利申请公开N0.2005-149506公开了一种用于通过下述步骤识别图像中的对象的方法:对图像中的对象进行正规化以生成对象表示，从对象表示提取多个特征，并且将特征应用于添加概率模型以确定似然性。而且，日本未审专利申请公开N0.2009-295100公开下述装置。该装置从弱分类器中选择目标分类器并且将目标分类器应用于目标图像以输出识别结果。该装置然后将识别结果乘以目标分类器的权重以计算似然值。该装置利用似然值的累积似然值确定是否继续针对该目标图像的处理。另外，日本未审专利申请公开N0.2010-97610公开了一种用于通过将原始图像建模为多个参考图像的混合体来对图像进行分类的方法。此外，日本未审专利申请公开N0.2008-159056公开了一种系统，其利用用于对应的类别的类别条件概率分布来确定未分类的图像中出现特征的类别条件似然性，并且基于类别条件似然性将未分类的图像分类到类别之一中。
技术实现思路
用作学习模型的生成模型的图像识别能力会低于用作学习模型的分类器的图像识别能力。因此，本专利技术的目的在于提供一种，其能够改进用作学习模型的生成模型的图像识别能力。根据本专利技术的第一方面，提供了一种图像识别装置，该图像识别装置包括第一生成模型创建单元、分类单元以及第二生成模型创建单元。第一生成模型创建单元从属于识别对象类别的识别对象图像组提取特征信息，并且基于特征信息创建第一生成模型。第一生成模型用于确定图像属于识别对象类别的概率。分类单元将第一生成模型应用于属于不同于识别对象类别的非识别对象类别的各非识别对象图像组以确定非识别对象图像属于识别对象类别的概率，并且根据该概率将非识别对象图像分类到多个非识别对象组中的对应的组。第二生成模型创建单元从属于多个非识别对象组中的对应的组的各非识别对象图像组提取特征信息，并且基于对应的特征信息创建多个非识别对象组中的每个组的第二生成模型。每个第二生成模型用于确定图像属于多个非识别对象组中的对应的组的概率。根据本专利技术的第二方面，根据第一方面的图像识别装置进一步包括第三生成模型创建单元。第三生成模型创建单元从属于由分类单元执行分类之前的非识别对象类别的非识别对象图像组提取特征信息，并且基于该特征信息创建第三生成模型。第三生成模型用于确定图像属于非识别对象类别的概率。分类单元通过将第一生成模型和第三生成模型应用于属于非识别对象类别的各非识别对象图像组并且通过将属于非识别对象类别的非识别对象图像组中通过应用第一生成模型而获得的概率大于或等于通过应用第三生成模型而获得的概率的每个非识别对象图像分类到多个非识别对象组中的第一非识别对象组来将各非识别对象图像组分类到多个非识别对象组中的对应的组。根据本专利技术的第三方面，第三生成模型创建单元从没有被分类到第一非识别对象组中的非识别对象图像组创建新的第三生成模型。分类单元将第一生成模型和新的第三生成模型应用于没有被分类到第一非识别对象组的各非识别对象图像组，并且将通过应用第一生成模型而获得的概率大于或等于通过应用新的第三生成模型而获得的概率的每个非识别对象图像分类到多个非识别对象组中的第二非识别对象组。根据本专利技术的第四方面，识别对象类别包括多个识别对象类别。第一生成模型创建单元从属于多个识别对象类别中的对应的类别的识别对象图像的各组提取特征信息，并且基于识别对象类别的对应的特征信息创建多个识别对象类别中的每个识别对象类型的第一生成模型。分类单元将多个识别对象类别的第一生成模型应用于属于非识别对象类别的各非识别对象图像组以确定非识别对象图像属于各识别对象类别的概率，并且根据该概率将非识别对象图像分类到多个非识别对象组中的对应的组中。根据本专利技术的第五方面，分类单元将从多个识别对象类别的第一生成模型中的同一第一生成模型获得了最大概率的非识别对象图像组分类到多个非识别对象组中的同一非识别对象组。根据本专利技术的第六方面，根据第一方面的图像识别装置进一步包括识别单元。识别单元将第一生成模型和第二生成模型应用于未分类的图像，并且根据通过将第一生成模型和第二生成模型应用于未分类的图像而获得的结果将未分类的图像分类到识别对象类别或非识别对象类别。根据本专利技术的第七方面，提供了一种图像识别方法，其包括下述步骤:从属于识别对象类别的识别对象图像组提取特征信息，并且基于特征信息创建第一生成模型，第一生成模型用于确定图像属于识别对象类别的概率；将第一生成模型应用于属于不同于识别对象类别的非识别对象类别的各非识别对象图像组以确定非识别对象图像属于识别对象类别的概率，并且根据该概率将非识别对象图像分类到多个非识别对象组中的对应的组；以及从属于多个非识别对象组中对应的组的各非识别对象图像组提取特征信息，并且基于对应的特征信息创建多个非识别对象组中的每个组的第二生成模型，每个第二生成模型用于确定图像属于多个非识别对象组中的对应的组的概率。根据本专利技术的第一或第七方面，与没有使用第一或第七方面的构造的情况相比，改进了生成模型的图像识别能力。根据本专利技术的第二方面，与没有使用第二方面的构造的情况相比，改进了用于非识别对象图像的生成模型的图像识别能力，并且因此改进了针对识别对象类别的检测精度。根据本专利技术的第三方面，与没有使用第三方面的构造的情况相比，进一步改进了用于非识别对象图像的生成模型的图像识别能力，并且因此，进一步改进了针对识别对象类别的检测精度。根据本专利技术的第四方面，与没有使用第四方面的构造的情况相比，改进了用于各类别的图像的生成模型的图像识别能力。根据本专利技术的第五方面，与没有使用第五方面的构造的情况相比，改进了用于非识别对象图像的生成模型的图像识别能力，并且因此，改进了用于对应的类别的图像的生成模型的图像识别能力。根据本专利技术的第六方面，与没有使用第六方面的构造的情况相比，可以以更高的精度对未分类的图像进行分类。【专利附图】【附图说明】将基于附图详细描述本专利技术的示例性实施方式，其中:图1是示出根据本专利技术的示例性实施方式的图像识别装置的示例的框图；图2是示出类别的示例的示意图；图3是示出本文档来自技高网...

【技术保护点】
一种图像识别装置，所述图像识别装置包括：第一生成模型创建单元，所述第一生成模型创建单元从属于识别对象类别的识别对象图像组提取特征信息，并且基于所述特征信息创建第一生成模型，所述第一生成模型用于确定图像属于所述识别对象类别的概率；分类单元，所述分类单元将所述第一生成模型应用于属于不同于所述识别对象类别的非识别对象类别的各非识别对象图像组以确定非识别对象图像属于所述识别对象类别的概率，并且根据所述概率将所述非识别对象图像分类到多个非识别对象组中的对应的组；以及第二生成模型创建单元，所述第二生成模型创建单元从属于所述多个非识别对象组中的对应组的各非识别对象图像组提取特征信息，并且基于对应的特征信息创建所述多个非识别对象组各自的第二生成模型，每个第二生成模型用于确定图像属于所述多个非识别对象组中的对应组的概率。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：福井基文，尾崎良太，加藤典司，
申请(专利权)人：富士施乐株式会社，
类型：发明
国别省市：日本;JP