解析装置、解析方法以及解析程序制造方法及图纸

本发明专利技术的一方面涉及的解析装置通过多个识别器分别试行对象数据中包含的特征的类别的识别，该多个识别器构成为识别各不相同的类别的特征的存在，解析装置判定为在多个识别器中的一识别器的识别成立而剩余识别器的识别不成立的第一数据部分中包含由该一识别器识别的对象类别的特征，并判定为在包括一识别器在内的所有识别器的识别成立的第二数据部分中不包含对象类别的特征。中不包含对象类别的特征。中不包含对象类别的特征。

【技术实现步骤摘要】
【国外来华专利技术】解析装置、解析方法以及解析程序


[0001]本专利技术涉及解析装置、解析方法以及解析程序。

技术介绍

[0002]存在一种利用识别器而根据感测数据识别对象者的动作种类的技术(例如专利文献1)。能够用于识别动作种类的识别器例如能够通过机器学习等各种方法来生成。作为一例，从观测对象者动作的传感器获取感测数据，在获取到的感测数据中，对出现对象种类的动作的数据部分赋予指示该动作的种类的标签，由此能够创建学习数据。然后，通过将所创建的学习数据使用于机器学习，能够生成获得了识别动作种类的能力的识别器(例如专利文献2)。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本特开2013
‑
041323号公报
[0006]专利文献2：日本特开2012
‑
248017号公报
[0007]专利文献3：日本专利第5081999号公报

技术实现思路

[0008]专利技术要解决的技术问题
[0009]本申请专利技术人发现现有的识别方法中存在如下问题。即，识别中利用的感测数据可能包含与不同种类的动作相关的信息、与动作以外的现象相关的信息等对象种类的动作所特有的信息以外的信息。例如，各种类的动作的数据部分中有时会包含图像数据所包含的背景信息等与动作无关的信息。另外，在存在不同种类的动作共通的举止的情况下，各种类的动作的数据部分中有时会包含与该共通的举止相关的信息。特别是，在从某一动作向另一动作转变的期间，有时会在对应的数据部分中包含与多个种类的动作相关的信息。该各动作所特有的信息以外的信息会对识别造成不良影响，从而存在有可能使识别器的识别精度降低这一问题。作为一例，假设在第一种类的动作及第二种类的动作中存在共通的特征。在识别器构成为基于该共通特征的存在识别为正在执行第一种类的动作的情况下，有可能因为该共通特征的存在而使识别第一种类的动作的识别器的精度降低。在发生上述动作转变的期间，因为识别器对所得到的感测数据的识别精度降低，从而难以准确地确定对象动作的开始时刻及结束时刻。
[0010]在通过机器学习生成识别器的情况下，作为谋求提高识别器的识别性能的方法，考虑有准备在各种条件下捕捉到各动作的学习数据，即提高学习数据的质量。然而，准备在所有条件下捕捉到各动作的学习数据花费成本，是困难的。另外，难以唯一地确定从某一动作向另一动作转变的时机。例如，因为由不同的操作员进行作业、操作员的判定基准发生变化、感测数据所表现的动作的特征不同等原因，在从某一动作向另一动作转变的期间，指示动作的种类的标签的切换时刻可能发生变动。作为一例，可能出现在同一学习数据内，在一
部分中，在动作的转变的较早的时机切换标签，而在另一部分中，在动作的转变的较晚的时机切换标签。由于该分界的偏差被反映到机器学习中，从而有可能无望提高识别器的识别性能。因此，通过提高学习数据的质量来谋求提高识别器的识别性能是有限的。
[0011]需要指出，这样的问题并非根据感测数据识别对象者的动作种类的场景所特有的。该问题在识别数据中包含的某些特征的类别(class)的各种场景中都可能发生。识别数据中包含的某些特征的类别的场景除了上述识别对象者的动作的种类的场景以外，例如还是根据对生产线上的作业的工序进行观测而得到的数据识别工序的种类的场景、根据对对象者的状态进行观测而得到的数据识别对象者的状态的类别的场景(例如专利文献3)等。在这些场景中，若利用现有的识别方法，则由于对象类别的特征所特有的信息以外的信息会对识别造成不良影响，从而也可能使识别器的识别精度降低。
[0012]本专利技术的一方面是鉴于这样的实际情况而完成的，其目的在于，提供谋求数据中包含的特征的类别的识别精度提高的技术。
[0013]用于解决技术问题的技术方案
[0014]本专利技术为了解决上述技术问题而采用以下的构成。
[0015]即，本专利技术的一方面涉及的解析装置具备：数据获取部，获取对象数据；识别处理部，通过多个识别器分别试行所述对象数据中包含的特征的类别的识别，所述多个识别器构成为识别各不相同的类别的特征的存在；以及判定部，基于所述试行的结果，在所述对象数据内判定包含各类别的所述特征的数据部分，所述判定部判定为在所述多个识别器中的一识别器的识别成立而剩余识别器的识别不成立的第一数据部分中包含由该一识别器识别的对象类别的特征，并判定为在包括所述一识别器在内的所有识别器的识别成立的第二数据部分中不包含所述对象类别的特征。
[0016]在该构成中，按识别对象的每个类别准备识别器。在一识别器的识别成立而剩余识别器的识别不成立的情况下，能够推测出发生对应的对象类别的特征所特有的现象的可能性高。因此，判定为这样的数据部分中包括由一识别器识别的对象类别的特征。另一方面，在包括一识别器在内的所有识别器的识别成立的情况下，能够推测出发生并非对应的对象类别的特征所特有而是所有类别的特征共通的现象的可能性高。因此，判定为这样的数据部分中不包括一识别器的识别对象类别的特征。由此，能够防止对只不过发生各类别的特征共通的现象但并不真正包含对象类别的特征的数据部分误识别为包含对象类别的特征。因此，根据本实施方式，能够谋求数据中包含的特征的类别的识别精度提高。
[0017]上述一方面涉及的解析装置也可以还具备赋予部，所述赋予部对所述第一数据部分赋予指示包含所述对象类别的特征的信息。根据该构成，能够更高精度地识别数据中包含的特征的类别，因此，通过向对象数据赋予指示该识别结果的信息，从而能够生成可用于机器学习的品质良好的学习数据。
[0018]在上述一方面涉及的解析装置中，所述各识别器也可以构成为：根据包含识别对象的类别的特征的第一数据，生成包含所述识别对象的类别的特征的与所述对象数据相同种类的第二数据，所述识别处理部也可以基于由所述各识别器生成的生成数据与所述对象数据的比较，试行所述对象数据中包含的特征的类别的识别。根据该构成，在利用构成为生成包含对应类别的特征的数据的识别器的识别处理中，能够谋求数据中包含的特征的类别的识别精度提高。需要指出，第一数据可以是与第二数据相同种类的数据。或者，第一数据
可以是捕捉到与第二数据相同的现象的与第二数据不同种类的数据。另外，在第一数据及第二数据均为时序数据的情况下，各识别器也可以根据从对象时刻起将来或过去的第一数据生成对象时刻的第二数据。
[0019]在上述一方面涉及的解析装置中，所述第一数据与所述第二数据可以为相同种类，所述识别处理部也可以通过向所述各识别器提供所述对象数据，从而生成所述生成数据。根据该构成，在利用构成为生成包含对应类别的特征的数据的识别器的识别处理中，能够简化识别数据中包含的特征的类别的处理。
[0020]在上述一方面涉及的解析装置中，所述对象数据可以是时序数据，所述判定部也可以基于所述试行的结果在所述时序数据内判定包含各类别的所述特征的所述数据部分的时间区间。根据该构成，针对时序数据，能够谋求特征的类别的识别精度提高。
[0021本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种解析装置，具备：数据获取部，获取对象数据；识别处理部，通过多个识别器分别试行所述对象数据中包含的特征的类别的识别，所述多个识别器构成为识别各不相同的类别的特征的存在；以及判定部，基于所述试行的结果，在所述对象数据内判定包含各类别的所述特征的数据部分，所述判定部判定为在所述多个识别器中的一识别器的识别成立而剩余识别器的识别不成立的第一数据部分中包含由该一识别器识别的对象类别的特征，并判定为在包括所述一识别器在内的所有识别器的识别成立的第二数据部分中不包含所述对象类别的特征。2.根据权利要求1所述的解析装置，其中，所述解析装置还具备赋予部，所述赋予部对所述第一数据部分赋予指示包含所述对象类别的特征的信息。3.根据权利要求1或2所述的解析装置，其中，所述各识别器构成为根据包含识别对象的类别的特征的第一数据，生成包含所述识别对象的类别的特征的与所述对象数据相同种类的第二数据，所述识别处理部基于由所述各识别器生成的生成数据与所述对象数据的比较，试行所述对象数据中包含的特征的类别的识别。4.根据权利要求3所述的解析装置，其中，所述第一数据与所述第二数据为相同种类，所述识别处理部通过向所述各识别器提供所述对象数据，从而生成所述生成数据。5.根据权利要求1至4中任一项所述的解析装置，其中，所述对象数据是时序数据，所述判定部基于所述试行的结果在所述时序数据内判定包含各类别的所述特征的所述数据部分的时间区间。6.根据权利要求1至5中任一项所述的解析装置，其中，所述对象数据是多维数据，所述判定部基于所述试行的结果在所述多维数据内判定包含各类别的所述特征的所述数据部分的范围。7.根据...

【专利技术属性】
技术研发人员：桥本敦史，
申请(专利权)人：欧姆龙株式会社，
类型：发明
国别省市：