图像识别方法、图像识别装置制造方法及图纸

本发明专利技术提供一种能够高速且高精度地进行图像识别的图像识别方法等。进行图像的输入(S1)，对输入的图像进行利用不同的卷积滤波器进行的卷积处理，分别取得包含构成所述图像的多个像素的各位置处的所述卷积处理的处理结果的值在内的处理结果信息，基于包含于各个所述处理结果信息的所述多个像素的各位置处的所述卷积处理的处理结果的值，决定一个与所述多个像素的各位置相对应的特征量，输出所决定的与多个像素的各位置相对应的特征量(S3)，基于所输出的与多个像素的各位置相对应的特征量来执行识别处理(S6)，输出通过执行识别处理而得到的识别处理结果(S8)。

【技术实现步骤摘要】

本专利技术涉及图像识别方法、图像识别装置。
技术介绍
近年来，谋求使用识别在图像中的何处映照了何物的图像识别技术来高速且高精度地识别各式各样的物体。例如专利文献1公开了一种图像识别技术，其通过利用多个卷积神经网络分类器(以下，记作分类器)，能够高精度地进行图像识别。现有技术文献专利文献专利文献1：日本特开2014-49118号公报
技术实现思路
专利技术要解决的问题然而，上述那样的现有技术虽然能够高精度地进行图像识别，但是却存在处理速度慢这样的问题。本专利技术是为了解决上述问题而做成的，其目的在于提供一种能够高速且高精度地进行图像识别的图像识别方法、图像识别装置。用于解决问题的手段本专利技术的一技术方案的图像识别方法是图像识别装置的计算机所进行的图像识别方法，进行所述图像的输入，分别使用不同的卷积滤波器对输入的所述图像进行卷积处理，分别取得包含构成所述图像的多个像素的各位置处的所述卷积处理的处理结果的值在内的处理结果信息，基于包含于各个所述处理结果信息的所述多个像素的各位置处的所述卷积处理的处理结果的值，决定一个与所述多个像素的各位置相对应的特征量，输出所述决定的与多个像素的各位置相对应的特征量，基于所述输出的与多个像素的各位置相对应的特征量来执行识别处理，输出通过执行所述识别处理而得到的识别处理结果信息。另外，上述总括性或具体的方案可以由系统、集成电路、计算机程序或能够由计算机读取的CD-ROM等记录介质来实现，也可以由系统、集成电路、计算机程序以及记录介质的任意的组合来实现。专利技术的效果根据本专利技术，能够实现能高速且高精度地进行图像识别的图像识别方法等。附图说明图1是表示实施方式的分类系统的结构的一例的框图。图2是表示实施方式的分类器的结构的一例的框图。图3是表示实施方式的卷积处理部的结构的一例的框图。图4是表示实施方式的卷积处理部的处理结果的一例的图。图5是表示本实施方式的子采样部的子采样处理的一例的图。图6是用于说明实施方式的分类器的工作的流程图。图7是表示图6中的工作的详情的流程图。图8A是用于说明第2层以后的卷积处理的图。图8B是用于说明第2层以后的卷积处理的图。图9是表示比较例的分类系统的一例的图。图10是表示比较例的分类器的结构的框图。图11是表示比较例的分类系统中的识别处理的算法功能块的图。图12是用于说明比较例的分类系统所进行的识别处理的流程图。图13A是用于说明使用服务器提供服务的方式的一例的图。图13B是用于说明使用服务器提供服务的方式的一例的图。图13C是用于说明使用服务器提供服务的方式的一例的图。图14是用于说明服务的类型的一例的图。图15是用于说明服务的类型的一例的图。图16是用于说明服务的类型的一例的图。图17是用于说明服务的类型的一例的图。具体实施方式(成为本专利技术基础的见解)在图像识别技术中，通常分为如下两个阶段，即：1)从图像提取特征量的处理，2)根据特征量判别物体的判别处理。例如，在特征提取处理中进行卷积处理，从图像中的识别对象物体提取辉度的分布、辉度的差分(边缘)等用于识别的特征量。另外，例如在判别处理中，利用Boosting和/或SVM(Support Vector Machine支持向量机)等统计的机器学习手法，根据在卷积处理中提取的特征量来判别是否为识别对象。以往，卷积处理中所使用的特征量提取滤波器(卷积滤波器)是人为设计的。近年来，由于摄影环境的完善、经由互联网对大量的学习数据的收集成为现实、以及GPU等大规模计算机环境的基础设施完备，因此对自动进行特征量提取滤波器的设计的方式的研究不断发展。这样的方式总称为深度学习(Deep Learning)。特别是，在图像识别的领域，作为深度学习技术，正在研究将特征量提取滤波器视为针对2维图像的卷积处理的卷积神经网络。该卷积神经网络有在深度学习技术中也适合图像识别，能够在削减参数值的同时提高精度的特征。然而，以往的卷积神经网络中所使用的特征量提取滤波器(以下也记作卷积滤波器)的分辨率是用户所设定的固定值。因此，若学习图像的具有特征的区域的分辨率与用户所设定的分辨率之间的差异较大，则存在难以从学习图像中的识别对象物体提取能够用于识别的有效的特征量的问题。而且，以往并没有研究针对这样问题的技术上的解决方案。本专利技术的一方案的图像识别方法是图像识别装置的计算机所进行的图像识别方法，进行所述图像的输入，分别使用不同的卷积滤波器对输入的所述图像进行卷积处理，分别取得包含构成所述图像的多个像素的各位置处的所述卷积处理的处理结果的值在内的处理结果信息，基于包含于各个所述处理结果信息的所述多个像素的各位置处的所述卷积处理的处理结果的值，决定一个与所述多个像素的各位置相对应的特征量，输出所述决定的与多个像素的各位置相对应的特征量，基于所述输出的与多个像素的各位置相对应的特征量来执行识别处理，输出通过执行所述识别处理而得到的识别处理结果信息。这样，能够按输入图像所包含的多个像素的每个位置，从通过并行地进行分别使用不同的卷积滤波器的卷积处理而算出的多个处理结果中，选择性地利用有利于识别的信息，因此不仅能够高速地进行图像识别，还能够提高图像识别精度。由此，能够实现能高速且高精度地进行图像识别的图像识别方法。另外，也可以是，例如，所述分别使用不同的卷积滤波器的卷积处理是分别使用分辨率或尺度参数不同的多个卷积滤波器对所述输入的所述图像进行的卷积处理。根据该结构，使用分辨率或尺度参数(滤波器尺寸)不同的卷积滤波器来执行卷积处理，因此，即使在具有特征的区域的分辨率因输入图像的不同而不同的情况下，也能够提取对于识别而言有效的特征量。另外，也可以是，例如，所述分别使用不同的卷积滤波器的卷积处理包括第1卷积处理和第2卷积处理，该第1卷积处理是使用第1分辨率的卷积滤波器对所述输入的所述图像进行的处理，该第2卷积处理是使用分辨率高于所述第1分辨率的第2分辨率的卷积滤波器对所述输入的所述图像进行的处理。根据该结构，使用分辨率不同的至少2个卷积滤波器执行卷积处理，因此，即使在具有特征的区域的分辨率因输入图像的不同而不同的情况下，也能够提取对于识别而言有效的特征量。另外，也可以是，例如，所述分别使用不同的卷积滤波器的卷积处理是分别使用处理对象的颜色不同的卷积滤波器对所述输入的所述图像进行的卷积处理。根据该结构，为了利用颜色的不同判别物体的不同，分别使用处理对象的颜色不同的卷积滤波器来执行卷积处理，因此，即使在具有特征的区域的颜色因输入图像的不同而不同的情况下，也能够提取对于识别而言有效的特征量。另外，也可以是，例如，在与所述多个像素的各位置相对应的特征量的输出中，按所述多个像素的每个位置，选择所述位置处的所述多个处理结果的值中的最大值作为所述位置的特征量，由此决定一个与所述位置相对应的特征量，输出所述决定的与所述位置相对应的特征量。另外，也可以是，例如，在与所述多个像素的各位置相对应的特征量的输出中，按所述多个像素的每个位置，算出所述位置处的所述多个处理结果的值的中值或平均值，将所述算出的值决定为所述位置处的特征量，由此决定一个与所述位置相对应的特征量，输出所述决定的与所述位置相对应的特征量。根据该结构，能够利用通过分别使用不同的卷积滤波器并行地进行卷积处理而算出的多个本文档来自技高网...

【技术保护点】
一种图像识别方法，是图像识别装置的计算机所进行的图像识别方法，进行所述图像的输入，分别使用不同的卷积滤波器对输入的所述图像进行卷积处理，分别取得包含构成所述图像的多个像素的各位置处的所述卷积处理的处理结果的值在内的处理结果信息，基于包含于各个所述处理结果信息的所述多个像素的各位置处的所述卷积处理的处理结果的值，决定一个与所述多个像素的各位置相对应的特征量，输出所述决定的与多个像素的各位置相对应的特征量，基于所述输出的与多个像素的各位置相对应的特征量来执行识别处理，输出通过执行所述识别处理而得到的识别处理结果信息。

【技术特征摘要】
2015.03.06 JP 2015-045257;2015.08.07 JP 2015-156871.一种图像识别方法，是图像识别装置的计算机所进行的图像识别方法，进行所述图像的输入，分别使用不同的卷积滤波器对输入的所述图像进行卷积处理，分别取得包含构成所述图像的多个像素的各位置处的所述卷积处理的处理结果的值在内的处理结果信息，基于包含于各个所述处理结果信息的所述多个像素的各位置处的所述卷积处理的处理结果的值，决定一个与所述多个像素的各位置相对应的特征量，输出所述决定的与多个像素的各位置相对应的特征量，基于所述输出的与多个像素的各位置相对应的特征量来执行识别处理，输出通过执行所述识别处理而得到的识别处理结果信息。2.根据权利要求1所述的图像识别方法，所述分别使用不同的卷积滤波器的卷积处理是分别使用分辨率或尺度参数不同的多个卷积滤波器对所述输入的所述图像进行的卷积处理。3.根据权利要求1所述的图像识别方法，所述分别使用不同的卷积滤波器的卷积处理包括第1卷积处理和第2卷积处理，该第1卷积处理是使用第1分辨率的卷积滤波器对所述输入的所述图像进行的处理，该第2卷积处理是使用分辨率高于所述第1分辨率的第2分辨率的卷积滤波器对所述输入的所述图像进行的处理。4.根据权利要求1所述的图像识别方法，所述分别使用不同的卷积滤波器的卷积处理是分别使用处理对象的颜色不同的卷积滤波器对所述输入的所述图像进行的卷积处理。5.根据权利要求1所述的图像识别方法，在与所述多个像素的各位置相对应的特征量的输出中，按所述多个像素的每个位置，选择所述位置处的所述多个处理结果的值中的最大值作为所述位置处的特征量，由此决定一个与所述位置相对应的特征量，输出所述决定的与所述位置相对应的特征量。6.根据权利要求1所述的图像识别方法，在与所述多个像素的各...

【专利技术属性】
技术研发人员：石井育规，筑泽宗太郎，羽川令子，
申请(专利权)人：松下知识产权经营株式会社，
类型：发明
国别省市：日本;JP