[发明专利]分类装置、分类方法、程序以及信息记录介质

权利要求书

1.一种分类装置，其特征在于，具备：

受理部，受理对对象拍摄所得的对象图像、和与上述对象建立有对应关系的1个以上的属性参数；以及

分类部，通过神经网络对上述对象进行分类，

上述神经网络具备卷积部，上述卷积部对给予的特征图的各要素和上述受理到的1个以上的属性参数进行卷积。

2.根据权利要求1所述的分类装置，其特征在于，

上述受理到的对象图像作为上述特征图，被给予给上述神经网络。

3.根据权利要求1所述的分类装置，其特征在于，

上述卷积部对在上述给予的特征图所包含的特征要素间以规定周期周期性地插入有将上述受理到的1个以上的属性参数分别设为要素值的1个以上的属性要素的中间图，以与卷积内核相同的大小的跨度应用上述卷积内核，其中，上述卷积内核为与上述规定周期相同的大小。

4.根据权利要求3所述的分类装置，其特征在于，

上述卷积内核对出自上述特征图的1个特征要素和上述1个以上的属性要素进行卷积。

5.根据权利要求4所述的分类装置，其特征在于，

上述卷积内核的大小中的宽度以及高度的一个为1，另一个为对上述1个以上的属性要素的个数加上1所得的长度。

6.根据权利要求4所述的分类装置，其特征在于，

上述卷积部进一步对上述给予的特征图的周围的任意的至少一边进行填充，

在进行上述填充的区域中应用上述内核的位置中的、应该应用于上述特征要素的位置，填充具有由上述属性参数得出的值的要素。

7.根据权利要求6所述的分类装置，其特征在于，

上述受理到的1个以上的属性参数的个数为1，

缘于上述属性参数的值是上述受理到的属性参数的值。

8.根据权利要求6所述的分类装置，其特征在于，

上述受理到的1个以上的属性参数的个数为多个，

缘于上述属性参数的值是上述受理到的属性参数的简单平均值或加权平均。

9.根据权利要求8所述的分类装置，其特征在于，

不进行上述填充地进行学习并求出内核，

在上述加权平均中使用上述求出的内核的权重，并在进行上述填充之后，再次进行学习。

10.一种分类方法，其特征在于，具备：

分类装置受理对对象拍摄所得的对象图像、和与上述对象建立有对应关系的1个以上的属性参数的受理步骤；以及

上述分类装置通过神经网络对上述对象进行分类的分类步骤，

在上述神经网络中，对给予的特征图的各要素和上述受理到的1个以上的属性参数进行卷积。

11.一种程序，其特征在于，

使计算机执行如下处理：

受理对对象拍摄所得的对象图像、和与上述对象建立有对应关系的1个以上的属性参数，

通过神经网络对上述对象进行分类，

上述神经网络具备卷积部，上述卷积部对给予的特征图的各要素和上述受理到的1个以上的属性参数进行卷积。

12.一种程序，其特征在于，

使计算机执行如下处理：

获取与对象建立有对应关系的特征图、和与上述对象建立有对应关系的1个以上的属性参数，

通过对上述获取到的特征图的各要素和上述获取到的1个以上的属性参数进行卷积，来生成新的特征图。

13.一种计算机可读取的非暂时性信息记录介质，其特征在于，记录有权利要求11或12所述的程序。