模型生成装置及方法、评估装置及方法和存储介质制造方法及图纸

本发明专利技术提供模型生成装置及方法、评估装置及方法和存储介质。生成表示属于特定类别的特定数据的特征的模型的至少一个模型生成装置包括：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基准数据相对应的参数；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。

Model generation device and method, evaluation device and method, and storage medium

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，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。根据本公开的其他方面，这里还讨论了一个或更多个附加模型生成装置、一个或更多个评估装置、一个或更多个模型生成方法、一个或更多个评估方法以及一个或更多个存储介质，这些装置、方法和介质各自被构造为评估所使用的数据的类别。根据下面参照附图对示例性实施例的描述，本公开的其他特征将变得清楚。附图说明图1是示出根据至少第一实施例的信息处理装置的硬件构造的图。图2是示出进行模型生成处理的处理单元的软件构造的图。图3是示出模型生成处理的至少一个实施例的流程图。图4是示出进行确定处理的处理单元的图。图5是示出确定处理的至少一个实施例的流程图。图6是示出根据至少第二实施例的进行模型生成处理的处理单元的图。图7是示出根据至少第二实施例的模型生成处理的流程图。图8是示出根据至少第二实施例的进行确定处理的处理单元的图。图9是示出根据至少第二实施例的确定处理的流程图。图10是示出根据至少第三实施例的进行模型生成处理的处理单元的图。图11是示出根据至少第三实施例的模型生成处理的流程图。图12是示出根据第三实施例的进行确定处理的处理单元的图。图13是示出根据至少第三实施例的确定处理的流程图。图14是示出根据至少第四实施例的进行模型生成处理的处理单元的图。图15是示出根据至少第四实施例的模型生成处理的流程图。图16是示出根据至少第四实施例的进行确定处理的处理单元的图。图17是示出根据至少第四实施例的确定处理的流程图。图18是示出根据至少第五实施例的进行模型生成处理的处理单元的图。图19是示出根据至少第五实施例的模型生成处理的流程图。图20是示出根据至少第五实施例的进行确定处理的处理单元的图。图21是示出根据至少第五实施例的确定处理的流程图。图22是示出分层处理的结构的至少一个实施例的示意图。具体实施方式下面将参照附图详细地描述本公开的各种实施例、特征和方面。图1是示出根据第一示例性实施例的信息处理装置100的硬件构造的图。信息处理装置100基于作为表面外观检查的目标的对象拍摄图像，来生成对象表面的正常模式的模型，该模型在确定对象的表面的质量的系统中使用。这里，正常模式是特定数据(属于特定类别的数据)的示例，并且，信息处理装置100是生成表示该特定数据的特征的模型(即，特定数据的模型)的模型生成装置的示例。此外，信息处理装置100使用生成的模型，基于作为对象表面质量的确定的目标的对象拍摄图像，来评估目标图像属于正常模式的类别(即，特定类别)的似然度。换句话说，信息处理装置100是使用表示特定数据的特征的模型来评估作为确定目标的数据属于特定类别的似然度的评估装置的示例。由信息处理装置100进行的处理被分成两个过程，其包括用于离线生成对象的正常模式的模型的模型生成过程和用于使用生成的模型在线确定对象表面质量的确定过程。在模型生成过程中，信息处理装置100预先准备多个对象，并且对各个对象进行图像拍摄以获取拍摄图像，其中各个对象已知为高质量对象。以下，将这样获取的图像称为“正常图像”。然后，信息处理装置100从正常图像中剪切大量的局部部分图像(补片)，并使用如此大量的补片来生成模型。这里，从正常图像获取的补片被称为“正常补片”。换言之，信息处理装置100使用大量的正常补片来进行称为正常补片的数据的建模。此外，在确定过程中，信息处理装置100对作为表面外观检查的目标的对象进行图像拍摄，以获取作为确定目标的拍摄图像。以下，将这样获取的图像称为“检查图像”。然后，信息处理装置100从检查图像中剪切多个局部部分图像(补片)，并且基于在模型生成过程中生成的模型来计算补片的似然度。以下，从检查图像获取的补片被称为“检查补片”。这里所计算的似然度表示是正常的概率，并且，如果在某个检查补片中计算的似然度低，则可以确定对应于该检查补片的部分与正常部分不同，从而可以确定目标对象的表面的质量。以下描述模型生成过程和确定过程中的处理细节。如图1所示，信息处理装置100包括中央处理单元(CPU)101、只读存储器(ROM)102、随机存取存储器(RAM)103、硬盘驱动器(HDD)104、显示单元105、输入单元106和通信单元107。CPU101读出存储在ROM102中的程序以执行各种处理操作。RAM103被用作CPU101的临时存储区域，例如，主存储器或工作区域。HDD104存储例如各种数据和各种程序。此外，下面描述的信息处理装置100的功能和处理操作通过CPU101读出存储在ROM102或HDD104中的程序并执行该程序来实现。显示单元105显示各种信息。包括键盘和鼠标的输入单元106接收用户进行的各种操作。通信单元107进行用于经由网络与外部装置通信的处理。图2是示出在由信息处理装置100进行的模型生成过程中进行处理(模型生成处理)的处理单元200的软件构造的图。图3是示出模型生成处理的流程图。如图2所示，处理单元200包括正常补片读取单元201、正常补片保持单元202、基准数据组读取单元203和基准数据组保持单元204。处理单元200本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：御手洗裕辅，
申请(专利权)人：佳能株式会社，
类型：发明
国别省市：日本,JP