【技术实现步骤摘要】
【国外来华专利技术】信息处理装置、信息处理程序和信息处理方法
本专利技术涉及信息处理装置、信息处理程序和信息处理方法。
技术介绍
以往,存在通过遗传编程(geneticprogramming)自动生成图像处理程序的技术,该图像处理程序执行期望的图像处理。该技术使用输入图像和作为目标的处理结果(目标图像等),通过遗传编程来优化图像处理程序。此外,作为图像处理程序的自动生成之一,提出有进行图像的等级(class)分类(类别分类)的图像分类程序的自动生成法(例如,参考专利文献1等)。通过使用图像分类程序,例如,能够将图像中拍摄的对象物分类为合格品和不合格品的2个等级。现有技术文献专利文献专利文献1:国际公开第2017/068675号
技术实现思路
专利技术要解决的问题在现有的合格与否判定算法自动生成中,使用多张学习图像和仅表示该多张学习图像中所拍摄的对象物是合格品还是不合格品的教导数据来实施学习。但是,在这样的方法中,有时除了作为原来判断为不合格品的原因的部分以外,还将与合格与否无关的差异作为合格与否判定基准用于学习,有可能导致判定精度的下降。在1个侧面中,本专利技术的目的在于提供一种可自动生成能够高精度地对图像进行分类的图像分类程序的信息处理装置、信息处理程序和信息处理方法。用于解决问题的手段在一个方式中,信息处理装置根据遗传编程自动生成组合了元素滤波器的图像分类程序,其中,该信息处理装置具有:受理部,其受理学习图像中包含特征性的部分的特征区域的指定 ...
【技术保护点】
1.一种信息处理装置,其根据遗传编程自动生成组合了元素滤波器的图像分类程序,其中,该信息处理装置具有:/n受理部,其受理学习图像中包含特征性的部分的特征区域的指定;/n第1数据生成部,其生成第1数据,该第1数据表示对所述学习图像进行分割后的各个分割区域与所述特征区域之间的重叠度;/n第2数据生成部,其通过规定的图像分类程序对所述学习图像进行图像转换,根据所获得的图像,计算各个所述分割区域的图像特征量,生成表示与各个所述分割区域对应的所述图像特征量的第2数据;/n计算部,其计算所述第1数据与所述第2数据之间的类似度;以及/n处理部,其将根据所述类似度对所述规定的图像分类程序进行评价的结果用于所述遗传编程的执行。/n
【技术特征摘要】
【国外来华专利技术】1.一种信息处理装置,其根据遗传编程自动生成组合了元素滤波器的图像分类程序,其中,该信息处理装置具有:
受理部,其受理学习图像中包含特征性的部分的特征区域的指定;
第1数据生成部,其生成第1数据,该第1数据表示对所述学习图像进行分割后的各个分割区域与所述特征区域之间的重叠度;
第2数据生成部,其通过规定的图像分类程序对所述学习图像进行图像转换,根据所获得的图像,计算各个所述分割区域的图像特征量,生成表示与各个所述分割区域对应的所述图像特征量的第2数据;
计算部,其计算所述第1数据与所述第2数据之间的类似度;以及
处理部,其将根据所述类似度对所述规定的图像分类程序进行评价的结果用于所述遗传编程的执行。
2.根据权利要求1所述的信息处理装置,其中,所述信息处理装置还具有:
第3数据生成部,其使用自动生成的图像分类程序,对正常图像进行图像转换,根据所获得的图像,计算各个所述分割区域的图像特征量,生成表示与各个所述分割区域对应的所述图像特征量的第3数据;以及
判定部,其根据处理对象的图像的各个所述分割区域的图像特征量与所述第3数据的比较结果,判定所述处理对象的图像的各分割区域的正常或异常。
3.根据权利要求1或者2所述的信息处理装置,其特征在于,
所述特征区域为矩形、圆形或椭圆形的区域。
4.根据权利要求1~3中的任意一项所述的信息处理装置,其特征在于,
所述处理部进行校正使得所述类似度越高,表示所述规定的图像分类程序的评价高度的适合度越高。
5.根据权利要求1~4中的任意一项所述的信息处理装置,其特征在于,
所述学习图像是针对原图像执行预先处理之后的图像,其中所述预先处理是抑制图像整体的平均亮度的偏差的处理。
6.根据权利要求1~4中的任意一项所述的信息处理装置,其特征在于,
所述学习图像是原图像的一部分,
该信息处理装置还具有提取部,该提取部通过使用所述原图像和预先准备的模板图像的模板匹配,从所述原图像中提取所述学习图像。
7.根据权利要求1~6中的任意一项所述的信息处理装置,其特征在于,
所述第2数据生成部计算各个所述分割区域的图像特征量时使用的特征量滤波器是预先确定的特征量滤波器。
8.根据权利要求1~6中的任意一项所述的信息处理装置,其特征在于,
所述第2数据生成部计算各个所述分割区域的图像特征量时使用的特征量滤波器根据基于所述遗传编程的所述图像分类程序的生成处理而变更。
9.一种信息处理程序,其根据遗传编程自动生成组合了元素滤波器的图像分类程序,其中,该信息处理程序用于使计算机执行以下处理:
受理学习图像中包含特征性的部分的特征区域的指定;
生成第1数据,该第1数据表示对所述学习图像进行分割后的各个分割区域与所述特征区域之间的重叠度;
通过规定的图...
【专利技术属性】
技术研发人员:冈本浩明,长门毅,肥塚哲男,
申请(专利权)人:富士通株式会社,
类型:发明
国别省市:日本;JP
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。