[发明专利]多分类识别器生成装置及其方法、数据识别装置及其方法

说明书

本申请主张以2012年10月26日提出申请的日本国专利申请第2012-236440号为基础申请的优先权，将该基础申请的内容全部引入到本申请中。

技术领域

本发明涉及多分类识别器、数据识别装置、多分类识别方法以及数据识别方法。

背景技术

有想要知道在山野或路边发现的花的名称的情况。为此，提出如下技术(例如，参照特开2002-203242号公报)：通过以摄影等而得到的花和叶的数字图像，使用聚类法大量提取作为对象物的花和叶的局部特征，进而求取以将该提取特征群进行直方图化的信息为特征量的单个或多个特征量，使用统计手法来解析该求得的特征量、和预先登录于数据库的各种植物的特征量来判别野花草的种类。

在此，在对输入的花等的图像数据进行图像分类时，在机器学习中，能容易地实现所谓的2分类识别器，其进行是某种类的图像自身还是此外图像这2种图像分类。另一方面，在进行从多个种类的图像中识别各种类的图像的多分类的图像分类时，一般组合2分类识别器来构成所谓的多分类识别器。例如，在将花的图像分类为6种类的情况下，生成6个2分类识别器。各识别器按照在分别输入了所分配的种类的图像时分别输出最大的识别计分值的方式进行生成。然后，在将图像输入到各识别器时，将与输出最高识别计分值的识别器对应的种类设为识别结果。

但是，例如在花的种类的分类中，在组合2分类识别器来构成多分类识别器的情况下，存在各2分类识别器输出的计分值未被归一化的问题点。具体地，2分类识别器以计分值零为边界，用正负号来判定是否属于与该2分类识别器对应的分类。表示此时的识别的似然的计分值的绝对值将根据生成该2分类识别器的学习用数据与其他分类的学习用数据分离何种程度(分离度)而改变。若组合这样的2分类识别器来构成多分类识别器，根据对识别的难易度为各种各样的多分类的数据进行识别的各计分值的绝对值而决定的识别性能，将对应于赋予各2分类识别器的学习用数据的质量而改变。如此，在组合2分类识别器来构成多分类识别器的情况下，存在各分类的识别性能变得不均匀，即未归一化这样的问题点。

进而，在组合2分类识别器来构成多分类识别器的情况下，若未对各2分类识别器赋予充分数量的学习用数据，则各分类的识别性能会变得不均匀。但是，例如在花的种类的分类中，存在难以对全部分类赋予充分数量的学习用数据这样的问题点。

发明内容

本发明目的在于，能通过总括评价各2分类识别器输出的计分值来抑制识别率的降低，实现能使各2分类识别器的计分值归一化的多分类识别器。

本发明的多分类识别器识别数据所表征的特征是属于多个分类中的哪个分类，所述多分类识别器的特征在于，具备：第1阶层识别器生成单元，其生成进行1对N的识别的多个第1阶层识别器；和第2阶层识别器生成单元，其通过将所述多个第1阶层识别器分别输出的各计分值进行连结来生成第2阶层特征向量，输入该第2阶层特征向量来生成进行1对N的识别的多个第2阶层识别器，所述多分类识别器将通过使数据输入到所述多个第1阶层识别器而由该多个第1阶层识别器输出的所述各计分值进行连结来生成所述第2阶层特征向量，将与通过使该第2阶层特征向量输入到所述多个第2阶层识别器而输出了最大的计分值的所述第2阶层识别器相对应的分类，识别为所输入的所述数据所表征的特征所属的分类。

附图说明

图1是表示本发明的一个实施方式所涉及的多分类识别器的硬件构成例的框图。

图2是表示本实施方式的多分类识别器生成处理的整体动作的流程图。

图3是2阶层多分类识别器的构成图。

图4是表示第1阶层特征向量在特征空间上的分布例的示意图。

图5是表示第1阶层识别器输出的计分值的示例的图。

图6是表示第2阶层特征向量的数据构成例的图。

图7是表示图2的第1阶层识别器生成处理的详细的流程图。

图8是表示图7的特征提取处理的流程图。

图9是表示图7的向量量化处理的流程图。

图10是表示图7的第1阶层特征向量生成处理(直方图生成处理)的流程图。

图11是表示图7或图12的识别器生成处理的流程图。

图12是表示图2的第2阶层识别器生成处理的详细的流程图。

具体实施方式

下面，参照附图来详细说明用于实施本发明的形态。

图1是表示本发明的一个实施方式所涉及的多分类识别器101的硬件构成例的框图。