[發(fā)明專利]圖像分類以及分類數(shù)據(jù)制作系統(tǒng)和方法、存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810449629.2
• 申請(qǐng)日: 2018-05-11
• 公開（公告）號(hào): CN108932523A
• 公開（公告）日: 2018-12-04
• 發(fā)明（設(shè)計(jì)）人: 木川洋一
• 申請(qǐng)（專利權(quán)）人: 日東電工株式會(huì)社
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04
• 代理公司: 北京林達(dá)劉知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11277
• 代理人: 劉新宇

本發(fā)明涉及圖像分類以及分類數(shù)據(jù)制作系統(tǒng)和方法、存儲(chǔ)介質(zhì)。一種圖像分類程序，其用于將所輸入的圖像進(jìn)行分類，該程序使計(jì)算機(jī)作為以下單元來發(fā)揮功能：網(wǎng)絡(luò)，其構(gòu)筑為對(duì)所輸入的圖像數(shù)據(jù)執(zhí)行特征量提取處理和全連接處理；路徑提取單元，其提取所述網(wǎng)絡(luò)中的處理路徑；以及判斷部，其對(duì)由所述路徑提取單元提取出的提取路徑和與分類相關(guān)聯(lián)的預(yù)先設(shè)定的多個(gè)設(shè)定路徑進(jìn)行比較，將與一致的路徑相關(guān)聯(lián)的分類設(shè)為所述所輸入的圖像的分類。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像分類系統(tǒng)、圖像分類方法、分類數(shù)據(jù)制作系統(tǒng)、分類數(shù)據(jù)制作方法以及存儲(chǔ)介質(zhì)。

背景技術(shù)

以往，進(jìn)行了使用卷積神經(jīng)網(wǎng)絡(luò)(CNN：Convolutional Neural Network)的圖像識(shí)別處理。

這種卷積神經(jīng)網(wǎng)絡(luò)例如被如下地構(gòu)筑為：作為特征量提取處理，交互地執(zhí)行卷積處理和池化處理，在這些處理的后級(jí)中執(zhí)行全連接處理。

在卷積處理中，通過對(duì)所輸入的圖像數(shù)據(jù)進(jìn)行使用了學(xué)習(xí)完的多個(gè)濾波器的卷積(Convolution)處理來提取包含于圖像數(shù)據(jù)中的特征量。在卷積處理之后的池化處理中，使用學(xué)習(xí)完的多個(gè)濾波器來進(jìn)行池化處理并通過該處理來吸收特征量的微小變化，該池化處理是從通過卷積處理得到的特征量映射中的附近幾個(gè)像素的區(qū)域中將最大值或者平均值作為特征量來輸出的處理。

在全連接處理中，對(duì)通過卷積處理和池化處理提取得到的特征量進(jìn)行使用了學(xué)習(xí)完的多個(gè)單元的全連接處理，由此將包含于圖像數(shù)據(jù)中的對(duì)象物進(jìn)行分類。

專利文獻(xiàn)1：日本特開2016-115248號(hào)公報(bào)

發(fā)明內(nèi)容

發(fā)明要解決的問題

這里，在將卷積神經(jīng)網(wǎng)絡(luò)例如應(yīng)用到根據(jù)圖像來判定產(chǎn)品為合格品還是殘次品的系統(tǒng)中的情況下需要充分注意。

即，卷積神經(jīng)網(wǎng)絡(luò)能夠發(fā)揮出較高的識(shí)別率。但是，當(dāng)發(fā)揮不出避免發(fā)生將殘次品判定為合格品的“漏檢”那樣的高的識(shí)別率(即，“漏檢”的發(fā)生數(shù)量極為接近零那樣的識(shí)別率)時(shí)，從精度方面考慮難以在用于判定合格品/殘次品的系統(tǒng)中應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)。另外，為了將把殘次品判定為合格品的圖像改判為殘次品，需要追溯到學(xué)習(xí)階段，再次構(gòu)筑網(wǎng)絡(luò)來進(jìn)行驗(yàn)證，因此從運(yùn)用方面考慮也難以在用于判定合格品、殘次品的系統(tǒng)中應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)。

本發(fā)明鑒于上述情況，其課題在于提供一種能夠足夠高精度地將圖像進(jìn)行分類的圖像分類系統(tǒng)、圖像分類方法、分類數(shù)據(jù)制作系統(tǒng)、分類數(shù)據(jù)制作方法以及存儲(chǔ)介質(zhì)。

用于解決問題的方案

本發(fā)明所涉及的圖像分類系統(tǒng)用于將所輸入的圖像進(jìn)行分類，該圖像分類系統(tǒng)具備：網(wǎng)絡(luò)，其構(gòu)筑為對(duì)所輸入的圖像數(shù)據(jù)執(zhí)行特征量提取處理和全連接處理；路徑提取單元，其對(duì)所述網(wǎng)絡(luò)中的處理路徑進(jìn)行提取；以及判斷部，其對(duì)由所述路徑提取單元提取出的提取路徑和與分類相關(guān)聯(lián)的預(yù)先設(shè)定的多個(gè)設(shè)定路徑進(jìn)行比較，將與一致的路徑相關(guān)聯(lián)的分類設(shè)為所述所輸入的圖像的分類。

在上述結(jié)構(gòu)的圖像分類系統(tǒng)中，優(yōu)選的是，所述路徑提取單元是提取以下路徑的單元，該路徑將從通過所述網(wǎng)絡(luò)中的所述特征量提取處理得到的多個(gè)特征值中選擇的至少一個(gè)特征值與從通過所述全連接處理得到的多個(gè)全連接輸出值中選擇的至少一個(gè)全連接輸出值連接，被選擇的所述特征值和被選擇的所述全連接輸出值中的至少一方包含有最大值。

在上述結(jié)構(gòu)的圖像分類系統(tǒng)中，優(yōu)選的是，所述路徑提取單元是提取以下路徑的單元，該路徑將從包含通過所述特征量提取處理得到的多個(gè)特征值的特征值群中選擇的至少一個(gè)特征值與從包含通過所述全連接處理得到的多個(gè)全連接輸出值的全連接輸出值群中選擇的至少一個(gè)全連接輸出值連接，從所述特征值群和所述全連接輸出值群中的至少任一方選擇至少兩個(gè)值，該兩個(gè)值包含有選擇源的值群所包含的多個(gè)值中的最大值。