The invention provides a model generating device and a method, an evaluation device and a method and a storage medium. At least one model generation device that generates a model that represents specific data of a particular category includes a selection unit, which is constructed as a consistency between the various data of a specific class of specific data and a plurality of datum datum data included in the pre set datum data group. Each specific data selects at least one datum data from the datum data group; the parameter specifies the unit, which is constructed as a parameter corresponding to the reference data selected from the selection unit for the various specified data, and the model generating unit, which is constructed as a generating indicator specified by the parameter specified unit. The parameter model of the distribution of at least one parameter is used as the model of the specified data.
【技术实现步骤摘要】
模型生成装置及方法、评估装置及方法和存储介质
本公开总体上涉及各自被构造为评估数据的类别的模型生成装置、评估装置、模型生成方法、评估方法和存储介质的一个或更多个实施例。
技术介绍
迄今为止,已经提出了各种方法作为使用属于特定类别的多个数据来对数据进行建模的方法。一些通用的方法包括在数据分布是正态分布的前提下进行建模的方法。然而,在进行建模的数据的分布复杂的情况下,这种建模方法存在限制。另一方面,在GiacomoBoracchi、DiegoCarrera和BrendtWohlberg的“NoveltyDetectioninImagesbySparseRepresentations”,IntelligentEmbeddedSystems,pp.47-54,2014(以下称为非专利文献1)中讨论的异常检测方法包括用于检测扫描电子显微镜(SEM)图像中的异常的方法。更具体地说,该方法使用稀疏编码技术将通过采样正常SEM图像而获得的大量图像补片(patch)转换为模型,并基于这些模型检测异常。当对正常图像补片进行稀疏编码处理时,该方法利用椭圆对包括重构误差和L1范数的两个变量的允许范围进行建模,从而将正常SEM图像中的图像补片转换为模型。这使得能够基于新的输入图像补片是否在模型的范围内来检测异常。然而,在非专利文献1中讨论的异常检测方法将信息整合为在稀疏编码处理期间获得的两个变量(包括重构误差和L1范数)。因此,关于原始数据的详细信息未被表示,结果,可能无法进行充分地建模。
技术实现思路
本公开总体上涉及生成用于评估数据类别的更适当的模型。根据本公开的一个或更多个实施例 ...
【技术保护点】
1.一种生成表示属于特定类别的特定数据的特征的模型的模型生成装置,所述模型生成装置包括:选择单元,其被构造为基于属于特定类别的多个特定数据中的各个与包括在预先设置的基准数据组中的多个基准数据中的各个之间的一致度,针对各个特定数据从基准数据组中选择至少一个基准数据;参数指定单元,其被构造为针对所述多个特定数据中的各个,指定与由选择单元选择的所述至少一个基准数据相对应的至少一个参数;以及模型生成单元,其被构造为生成指示由参数指定单元指定的所述至少一个参数的分布的参数模型,作为所述特定数据的模型。
【技术特征摘要】
2017.01.31 JP 2017-0155901.一种生成表示属于特定类别的特定数据的特征的模型的模型生成装置,所述模型生成装置包括:选择单元,其被构造为基于属于特定类别的多个特定数据中的各个与包括在预先设置的基准数据组中的多个基准数据中的各个之间的一致度,针对各个特定数据从基准数据组中选择至少一个基准数据;参数指定单元,其被构造为针对所述多个特定数据中的各个,指定与由选择单元选择的所述至少一个基准数据相对应的至少一个参数;以及模型生成单元,其被构造为生成指示由参数指定单元指定的所述至少一个参数的分布的参数模型,作为所述特定数据的模型。2.根据权利要求1所述的模型生成装置,所述模型生成装置还包括提取单元,所述提取单元被构造为针对与基准数据组中包括的所述多个基准数据中的预定的m个基准数据相对应的多个集合中的各个,从选择单元针对各个特定数据的基准数据的选择结果当中提取包括与各个集合有关的所述m个基准数据的选择结果,其中,所述m是2或更大的整数,并且所述多个集合的所述m个基准数据的各组合彼此不同,其中,模型生成单元使用与针对所述多个集合中的各个提取的选择结果相对应的参数生成多个参数模型作为所述特定数据的模型,所述多个参数模型中的各个对应于所述参数模型,并且指示与同所述多个集合中的各个有关的所述m个基准数据相对应的m个参数的分布。3.根据权利要求2所述的模型生成装置,其中,模型生成单元生成指示分别对应于所述m个基准数据的参数的绝对值的和的分布的模型作为所述参数模型。4.根据权利要求2所述的模型生成装置,其中,模型生成单元生成指示与排列有分别对应于所述m个基准数据的参数的向量的方向有关的分布的模型作为所述参数模型。5.根据权利要求1所述的模型生成装置,所述模型生成装置还包括提取单元,所述提取单元被构造为从选择单元针对各个特定数据的基准数据的选择结果当中提取包括基准数据组中包括的各基准数据的选择结果,其中,模型生成单元使用与针对所述多个基准数据分别提取的选择结果相对应的参数,生成多个参数模型作为所述特定数据的模型,所述多个参数模型中的各个对应于所述参数模型,并且分别对应于所述多个基准数据。6.根据权利要求1所述的模型生成装置,其中,选择单元通过使用基准数据组进行稀疏编码处理来选择基准数据,并且其中,参数指定单元将针对通过稀疏编码处理获得的基准数据的权重系数指定为所述至少一个参数。7.根据权利要求6所述的模型生成装置,其中,所述稀疏编码处理是用L0范数正则化进行平方误差最小化的处理或用L1范数正则化进行平方误差最小化的处理。8.根据权利要求1所述的模型生成装置,其中,模型生成单元生成指示所述至少一个参数的绝对值的分布的模型作为所述参数模型。9.根据权利要求1所述的模型生成装置,所述模型生成装置还包括评估值指定单元,所述评估值指定单元被构造为指定指示多个特定数据中的各个与基准数据组中包括的多个基准数据中的各个之间的一致度的评估值,其中,选择单元基于评估值来选择基准数据,并且其中,参数指定单元将评估值指定为所述至少一个参数。10.根据权利要求9所述的模型生成装置,其中,评估值指定单元指定彼此不同的多个评估值,所述多个评估值指示多个特定数据中的各个与多个基准数据中的各个之间的一致度,其中,选择单元基于所述多个评估值中的至少一个评估值来选择基准数据,并且其中,参数指定单元将所述多个评估值中的至少一个评估值指定为所述至少一个参数。11.根据权利要求1所述的模型生成装置,所述模型生成装置还包括:位移指定单元,其被构造为从与其对应的参数模型中指定各个特定数据的位移;以及分类单元,其被构造为基于能够用于对多个特定数据进行分类的属性,将所述多个特定数据分类为多个组,其中,模型生成单元还使用针对所述多个组中的各个组的各特定数据所指定的位移,来生成指示所述多个组中的各个组的位移的分布的多个位移模型,作为所述特定数据的模型。12.根据权利要求11所述的模型生成装置,其中,所述特定数据是包括在整个图像中的部分图像,并且其中,分类单元基于所述特定数据在整个图像中的位置的属性,将所述特定数据分类为所述多个组中的一个。13.根据权利要求1所述的模型生成装置,其中,模型生成单元还生成要由选择单元选择的至少一个基准数据被选择单元选择的选择概率的模型,作为所述特定数据的模型。14.根据权利要求1所述的模型生成装置,其中,模型生成单元在所述至少一个参数的分布被假定为正态分布的情况下生成所述参数模型。15.一种评估装置,所述评估装置使用表示属于特定类别的特定数据的特征的模型来计算作为确定目标的数据属于特定类别的似然度,并且基于该似然度来评估作为确定目标的数据,所述评估装置包括:第一选择单元,其被构造为基于作为确定目标的目标数据与包括在预先设置的基准数据组中的多个基准数据中的各个之间的一致度,从基准数据组中选择至少一个基准数据;参数指定单元,其被构造为指定与由第一选择单元选择的所述至少一个基准数据相对应的至少一个参数;以及计算单元,其被构造为基于作为所述特定数据的模型的、指示由参数指定单元指定的所述至少一个参数在多个特定数据中的分布的参数模型,来计算目标数据属于特定类别的似然度。16.根据权利要求15所述的评估装置,所述评估装置还包括:第二选择单元,所述第二选择单元被构造为基于由第一选择单元选择的基准数据,从多个参数模型当中选择与目标数据相对应的参数模型,所述多个参数模型中的各个被生成为所述特定数据的模型并指示m个参数的分布,与各个参数模型有关的所述m个参数的各组合彼此不同,其中,所述m是2或更大的整数,其中,计算单元基于由第二选择单元选择的参数模型来计算目标数据属于特定类别的似然度。17.根据权利要求15所述的评估装置,所述评估装置还包括:第二选择单元,所述第二选择单元被构造为基于由第一选择单元选择的基准数据,从多个参数模型当中选择与目标数据相对应的参数模型,所述多个参数模型中的各个被生成为所述特定数据的模型,并且指示一个参数的分布,其中,计算单元基于由第二选择单元选择的参数模型来计算目标数据属于特定类别的似然度。18.根据权利要求15所述的评估装置,所述评估装置还包括:组指定单元,其被构造为基于能够用于对多个特定数据进行分类的属性,来指定目标数据所属的组;以及第三选择单元,其被构造为从指示与参数模型的位移且针对各个组生成的多个位移模型当中选择由组指定单元指定的组的位移模型,其中,计算单元基于参数模...
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。