[发明专利]一种处理方法及利用了它的处理装置

权利要求书

1.一种处理装置，其特征在于，包括：

输入部，其用于输入处理对象的图像，

处理部，其针对输入到上述输入部的图像，执行除全连接层外的卷积神经网络的处理，以及

输出部，其输出上述处理部的处理结果；

上述处理部中的上述卷积神经网络包含卷积层和池化层；

在上述处理部中的上述卷积神经网络中，针对具有1×1的空间维度的处理结果，进行了上述卷积层的滤波器的学习；

被输入到上述输入部的图像的尺寸大于学习用图像的尺寸，该学习用图像在学习上述卷积层的滤波器时被输入到上述卷积神经网络，且与学习上述卷积层的滤波器时的处理结果对应。

2.如权利要求1所述的处理装置，其特征在于，

上述处理部中的上述卷积神经网络执行由上述卷积层和上述池化层进行的下采样处理而不执行上采样处理。

3.如权利要求2所述的处理装置，其特征在于，

从上述输出部输出的处理结果具有小于被输入到上述输入部的图像的尺寸且大于1×1的空间维度，表示特征图。

4.如权利要求1～3的任何一项所述的处理装置，其特征在于，

上述处理部中的上述卷积神经网络所包含的上述卷积层利用填充来使图像的周围扩展，并且针对扩展后的图像，使比该扩展后的图像的尺寸更小的尺寸的滤波器错开地执行卷积；

上述处理部在以包含填充的方式使滤波器建立对应的情况下，将被与滤波器建立对应的图像的一部分中的任意一者的值使用于填充。

5.如权利要求1～3的任何一项所述的处理装置，其特征在于，

上述处理部中的上述卷积神经网络所包含的上述卷积层利用填充来使图像的周围扩展，并且针对扩展后的图像，使比该扩展后的图像的尺寸更小的尺寸的滤波器错开地执行卷积；

上述处理部在以包含填充的方式使滤波器建立对应的情况下，将被与滤波器建立对应的图像的一部分的值的统计值使用于填充。

6.如权利要求1～5的任何一项所述的处理装置，其特征在于，

被输入到上述输入部的图像为对作为检查对象的物体进行拍摄而得到的图像；

在上述处理部中的上述卷积神经网络中，至少针对有无不良，进行了上述卷积层的滤波器的学习；

上述输出部将上述处理部的处理结果作为检查结果而输出。

7.如权利要求1～5的任何一项所述的处理装置，其特征在于，

被输入到上述输入部的图像为对作为检查对象的物体进行拍摄而得到的图像；

在上述处理部中的上述卷积神经网络中，针对物体可能包含的1个以上的要素，分别进行了上述卷积层的滤波器的学习；

上述输出部将上述处理部的处理结果作为检查结果而输出。

8.一种处理方法，其特征在于，包括：

输入处理对象的图像的步骤，

针对输入的图像，执行除全连接层外的卷积神经网络的处理的步骤，以及

输出处理结果的步骤；

上述卷积神经网络包含卷积层和池化层；

在上述卷积神经网络中，针对具有1×1的空间维度的处理结果，进行了上述卷积层的滤波器的学习；

被输入的图像的尺寸大于学习用图像的尺寸，该学习用图像在学习上述卷积层的滤波器时被输入到上述卷积神经网络，且与学习上述卷积层的滤波器时的处理结果对应。