[发明专利]图像处理装置以及图像处理方法在审

专利信息
申请号: 201810195662.7 申请日: 2018-03-09
公开(公告)号: CN108573486A 公开(公告)日: 2018-09-25
发明(设计)人: 并木勇太;藁科文和 申请(专利权)人: 发那科株式会社
主分类号: G06T7/00 分类号: G06T7/00;G06T7/73;G06K9/62
代理公司: 北京银龙知识产权代理有限公司 11243 代理人: 曾贤伟;范胜杰
地址: 日本*** 国省代码: 日本;JP
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像处理装置 对象物 机器学习 输入图像 图像处理 输入图像检测 检测对象 检测结果 检测算法 局部图像 剪切
【权利要求书】:

1.一种图像处理装置,其获取输入图像并根据检测算法来检测对象物的像,其特征在于,

该图像处理装置具有:机器学习器,其根据所述对象物的像的检测结果,使用从至少一个所述输入图像剪切出的多个局部图像来进行机器学习,计算所述对象物的像的似然。

2.根据权利要求1所述的图像处理装置,其特征在于,

所述机器学习器进行无监督学习,所述机器学习器具有:

状态观测部,其将与所述对象物相关的,检测位置、姿势、尺寸以及检测出的部位的图像中的至少一个作为状态变量来进行观测;以及

学习部,其根据由所述状态观测部观测到的所述状态变量,制作用于计算所述对象物的像的似然的学习模型。

3.根据权利要求1所述的图像处理装置,其特征在于,

所述机器学习器进行监督学习,所述机器学习器具有:

状态观测部,其将与所述对象物相关的,检测位置、姿势、尺寸以及检测出的部位的图像中的至少一个作为状态变量来进行观测;

标签取得部,其取得附加给多个所述局部图像中的每一个局部图像的正确检测或非正确检测的标签;以及

学习部,其根据由所述状态观测部观测到的所述状态变量以及由所述标签取得部取得的所述标签,制作用于计算所述对象物的像的似然的学习模型。

4.根据权利要求3所述的图像处理装置,其特征在于,

所述学习部具有:

误差计算部,其根据由所述状态观测部观测到的所述状态变量以及由所述标签取得部取得的所述标签来计算误差;以及

学习模型更新部,其根据所述状态观测部以及所述误差计算部的输出,更新所述学习模型。

5.根据权利要求3或4所述的图像处理装置,其特征在于,

所述学习部对从所述输入图像中不反映所述对象物的区域剪切出的局部图像附加所述非正确检测的标签。

6.根据权利要求1~5中任一项所述的图像处理装置,其特征在于,

所述机器学习器在进行所述机器学习前后计算所述对象物的像的似然中,针对检测出的所述对象物的位置和姿势使用将预定区域的图像进行处理变换而得的图像。

7.根据权利要求1~6中任一项所述的图像处理装置,其特征在于,

所述机器学习器在进行所述机器学习前后计算所述对象物的像的似然中,针对检测出的所述对象物的位置和姿势获取以与所述检测算法所使用的特征提取方法相同的方法从预定区域的图像内提取出的特征,来计算所述对象物的像的似然。

8.根据权利要求1~6中任一项所述的图像处理装置,其特征在于,

所述机器学习器在进行所述机器学习前后计算所述对象物的像的似然中,针对检测出的所述对象物的位置和姿势获取以与所述检测算法所使用的特征提取方法不同的方法从预定区域的图像内提取出的特征,来计算所述对象物的像的似然。

9.根据权利要求1~8中任一项所述的图像处理装置,其特征在于,

所述机器学习器分阶段地进行所述机器学习,在最初阶段大范围地取得检测参数,随着进入后续阶段而逐渐将所述检测参数设定得范围小。

10.根据权利要求1~9中任一项所述的图像处理装置,其特征在于,

根据所述机器学习器输出的似然,自动设定用于判定检测或未检测的阈值。

11.根据权利要求1~10中任一项所述的图像处理装置,其特征在于,

所述机器学习器能够与至少一个其他机器学习器连接,在所述机器学习器与至少一个所述其他机器学习器之间相互交换或者共享所述机器学习器制作出的学习模型。

12.一种图像处理方法,用于获取输入图像并根据检测算法来检测对象物的像,其特征在于,

根据所述对象物的像的检测结果,使用从至少一个所述输入图像剪切出的多个局部图像来进行机器学习,计算所述对象物的像的似然。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于发那科株式会社,未经发那科株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810195662.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top