信息处理装置、信息处理方法和程序制造方法及图纸

为了提供一种能够增加使用识别处理的用户的数量的系统。一种信息处理装置包括：存储单元，其存储通过机器学习来获取的学习信息；输入单元，其获取标识信息；以及处理单元，其使用所述存储单元基于所述标识信息所指定的所述学习信息执行识别处理。一种信息处理方法由处理器执行，所述信息处理方法包括：存储通过机器学习来获取的学习信息；获取标识信息；以及使用基于所述标识信息从存储装置指定的所述学习信息执行识别处理。一种程序致使计算机实现：存储功能，其用于存储通过机器学习来获取的学习信息；输入功能，其用于获取标识信息；以及处理功能，其用于使用基于所述标识信息从存储装置指定的所述学习信息执行识别处理。

Information processing devices, information processing methods and programs

In order to provide a system capable of increasing the number of users using identification processing. An information processing device includes a storage unit that stores learning information obtained by a machine learning; an input unit obtains identification information; and a processing unit, which uses the storage unit to perform recognition processing based on the learning information specified by the identification information. An information processing method is executed by a processor, which includes: storing learning information obtained by machine learning, obtaining identification information, and performing identification processing using the learning information specified by the storage device based on the identification information. A program causes the computer to implement: storage function, which is used to store learning information obtained by machine learning; input functions, used to obtain identification information; and processing functions, which are used to perform identification processing using the said learning information specified by the storage device based on the identified information.

【技术实现步骤摘要】
【国外来华专利技术】信息处理装置、信息处理方法和程序
本公开涉及信息处理装置、信息处理方法和程序。
技术介绍
近年来已经开发出识别技术并且加以广泛使用。明确地说，已经开发出各种使用识别技术的技术和产品。例如，已经开发出用于使用对象识别技术检测特定对象存在或不存在的装置。然而，识别技术的应用范围的扩大已经导致对识别技术的各种需要。所述需要的实例包括精确度改善和识别处理加速。此类识别处理通常使用提取特征值并且使用所述特征值作为输入的分类器来执行。因此，识别处理的结果取决于使用分类器的处理的精确度和准确度。因此，分类器的生成非常重要。然而，随着识别目标的复杂化，分类器的生成变得更加困难。例如，针对分类器的生成，经常使用基于学习数据的机器学习。然而，可能需要大量学习数据来改善分类器的精确度和准确度。因此，会延长用于生成此类分类器的时间。同时，已经提议通过使用迁移学习来生成分类器。例如，专利文献1公开了一种与通过使用所谓的基于提升的迁移学习来生成对象分类器的学习装置相关的技术。明确地说，所述学习装置获取现有分类器作为迁移分类器。接下来，所述学习装置在构成所述迁移分类器的弱分类器当中选择具有与从学习图像提取的特征值相关的最小错误率的弱分类器。接着，学习装置通过线性耦接所选择的弱分类器来生成对象分类器。根据所述技术，据说缩短了用于生成此类对象分类器的时间。引文列表专利文献专利文献1：JP2012-243180A
技术实现思路
技术问题然而，包括专利文献1中所公开的技术在内的已往技术难以增加用户数量。例如，识别处理所使用的分类器经常预先安装在装置中。另一方面，所需的识别处理通常依据条件以及尤其是用户而变化。因此，在所需识别处理所使用的分类器未安装在装置中的情况下，难以执行此类所需识别处理。在这方面，已经考虑用于预先安装各种类型的分类器的方法。然而，此类情况将致使装置的生产成本增大并且装置的价格上升。因而，用户将犹豫使用此类与识别处理相关的装置。因此，本公开提出一种能够增加使用识别处理的用户的数量的系统。问题解决方案根据本公开，提供一种信息处理装置，其包括：存储单元，其存储通过机器学习来获取的学习信息；输入单元，其获取标识信息；以及处理单元，其使用存储单元基于标识信息所指定的学习信息执行识别处理。另外，根据本公开，提供一种待由处理器执行的信息处理方法，所述信息处理方法包括：存储通过机器学习来获取的学习信息；获取标识信息；以及使用基于标识信息从存储装置指定的学习信息执行识别处理。另外，根据本公开，提供一种程序，其致使计算机实现：存储功能，其用于存储通过机器学习来获取的学习信息；输入功能，其用于获取标识信息；以及处理功能，其用于使用基于标识信息从存储装置指定的学习信息执行识别处理。专利技术的有利效果如上所述，根据本公开，提供一种能够增加使用识别处理的用户的数量的系统。请注意，上文描述的效果不一定是限制性的。连同或代替以上效果，可以实现本说明书中所描述的效果或可从本说明书领会的其他效果中的任何一个效果。附图说明[图1]图1是示出根据本公开的一个实施例的信息处理系统的示意性配置实例的图；[图2]图2是基于另一个视点示出根据所述实施例的信息处理系统的配置实例的图；[图3]图3是示出根据所述实施例的信息处理装置的示意性物理配置实例的图；[图4]图4是示出根据所述实施例的信息处理装置中所包括的处理电路的示意图；[图5]图5是示出根据所述实施例的信息处理装置的示意性逻辑配置实例的框图；[图6]图6是示出根据所述实施例的信息处理装置的传感器信息提供的图；[图7]图7是示出根据所述实施例的信息处理装置的学习信息存储的图；[图8]图8是示出根据所述实施例的信息处理装置的存储模式的实例的图；[图9]图9是概念性地示出根据所述实施例的信息处理装置的处理的流程图；[图10]图10是概念性地示出根据所述实施例的第一修改实例的信息处理装置的处理的流程图；[图11]图11是示出展示根据所述实施例的第三修改实例的信息处理装置所输出的识别器的设置条件的屏幕实例的图；[图12]图12是示出根据所述实施例的信息处理装置应用于机器人的实例的图；[图13]图13是示出根据所述实施例的信息处理装置应用于可穿戴装置的实例的图；[图14]图14是示出根据所述实施例的信息处理装置应用于运动的实例的图；以及[图15]图15是示出根据所述实施例的信息处理装置应用于车辆的实例的图。具体实施方式下文将参考附图详细描述本公开的优选实施例。请注意，在本说明书和附图中，用相同参考标号标示大致具有相同功能和结构的结构元件，并且省略对这些结构元件的重复阐述。应当注意，将按以下次序给出描述。1.系统的概述2.装置的配置实例2-1.物理配置2-2.逻辑配置3.装置的处理4.基本配置的概要5.修改实例6.系统的应用实例6-1.应用于生活空间6-2.应用于机器人6-3.应用于可穿戴装置6-4.应用于运动6-5.应用于车辆7.结论1.系统的概述首先，将参考图1和2给出对根据本公开的一个实施例的信息处理系统的概述的描述。图1是示出根据本公开的一个实施例的信息处理系统的示意性配置实例的图。图2是基于另一个视点示出根据本实施例的信息处理系统的配置实例的图。如图1所示，所述信息处理系统包括信息处理装置100和输出装置200。应当注意，信息处理装置100和输出装置200经由通信连接到彼此。此外，如图1所示，信息处理装置100和输出装置200可在物理上连接到彼此。此外，信息处理装置100可为能够拆卸的。信息处理装置100具有测量在信息处理装置100周围的情形的功能和针对测量结果执行识别处理的功能。此外，输出装置200具有基于识别处理的结果来控制输出的功能。因此，所述信息处理系统能够根据通过信息处理装置100识别的在信息处理装置100周围的情形控制来自输出装置200的输出。具体地说，信息处理装置100使用信息处理装置100中所包括的传感器模块112执行感测在信息处理装置100周围的情形。接下来，信息处理装置100基于感测结果来执行识别处理。接着，将识别处理的结果提供到输出装置200，并且输出装置200根据识别处理的结果控制输出。例如，如图1所示，信息处理装置100附接到输出装置200，所述输出装置为显示装置。信息处理装置100中所包括的传感器模块112是成像传感器模块，并且信息处理装置100使用成像传感器模块对信息处理装置100(即，输出装置200)的附近地方成像以获取图像。接下来，信息处理装置100基于所获取的图像来针对用户的手势执行识别处理。接着，将识别处理的结果提供到输出装置200，并且输出装置200致使显示对应于识别处理的结果所指示的手势的屏幕。此外，将参考图2基于另一个视点给出对信息处理系统的描述。信息处理系统的配置被分类为三层。具体地说，信息处理系统的配置被分类为硬件层、中间件层和应用层。例如，如图2所示，所述信息处理系统包括具有传感器(诸如成像传感器、惯性传感器和声音传感器)的硬件层、具有识别功能(诸如人脸识别、人员识别、手识别和视线识别)的中间件层以及具有生活空间接口、可穿戴装置接口、代理(机器人)接口等的应用层。例如，在图1的实例中，信息处理装置100充当上述硬件层和中间件层，而输出装置200充当上述应用层。本文档来自技高网...

【技术保护点】
1.一种信息处理装置，其包括：存储单元，其存储通过机器学习来获取的学习信息；输入单元，其获取标识信息；以及处理单元，其使用所述存储单元基于所述标识信息来指定的所述学习信息执行识别处理。

【技术特征摘要】
【国外来华专利技术】2015.11.17 JP 2015-2244451.一种信息处理装置，其包括：存储单元，其存储通过机器学习来获取的学习信息；输入单元，其获取标识信息；以及处理单元，其使用所述存储单元基于所述标识信息来指定的所述学习信息执行识别处理。2.根据权利要求1所述的信息处理装置，其中所述识别处理包括根据神经网络的识别处理，并且所述学习信息包括所述神经网络的系数信息。3.根据权利要求2所述的信息处理装置，其中所述神经网络包括具有多层结构的神经网络。4.根据权利要求1所述的信息处理装置，其中所述标识信息包括用于标识所述识别处理的结果的提供目的地的信息。5.根据权利要求4所述的信息处理装置，其中所述提供目的地包括由用户或基于所述识别处理的所述结果来操作的应用程序或装置。6.根据权利要求1所述的信息处理装置，其中所述标识信息包括用于标识识别目标的信息。7.根据权利要求4所述的信息处理装置，其中从所述识别处理的所述结果的所述提供目的地通知所述标识信息。8.根据权利要求1所述的信息处理装置，其中所述标识信息包括用于标识与所述识别处理中的识别目标相关的位置或时隙的信息。9.根据权利要求8所述的信息处理装置，其中用于标识所述位置或所述时隙的所述信息是基于传感器信息来生成的。10.根据权利要求1所述的信息处理装置，其中所述学习信息被存储在从所述标识信息指定的存储区域中。11.根据权利要求1所述的信息处理装置，其中所述输入单元进一步获...

【专利技术属性】
技术研发人员：横野顺，
申请(专利权)人：索尼公司，
类型：发明
国别省市：日本,JP