[发明专利]图像识别方法、图像识别装置和记录介质

说明书

本发明提供图像识别方法、图像识别装置和存储有图像识别程序的计算机可读非临时性记录介质，特征量提取部根据输入图像生成由多个基本特征图构成的基本特征图群，并对基本特征图群中的基本特征图实施多种统计量计算，生成多个统计量图。推断器对基于所述多个统计量图的推断输入导出分割的推断结果。而且，上述的多种统计量计算分别是以特定的窗口尺寸特定的计算式计算统计量的处理，所述窗口尺寸和计算式中的至少一方，在所述多种统计量计算之间彼此不同。

技术领域

本发明涉及图像识别方法、图像识别装置和存储有图像识别程序的计算机可读非临时性记录介质。

背景技术

近年，利用机器学习得到的推断器(分类器等)已被实用化。

通常，在这种推断器中，为了得到足够精度的推断结果需要大量训练数据，而在训练数据相对较少的情况下，有时因训练数据的偏差得不到良好的推断结果。

为了抑制这种训练数据的偏差的影响，会使用集成学习。在集成学习中，使用彼此独立性较高的多个推断器，并通过多数投票法等从所述多个推断器的推断结果可以得到一个最终的推断结果。

另一方面，在图像识别领域中，某个图像处理装置针对成为图像识别的对象的输入图像，应用提取多个尺寸和多个方向的特定形状(线等)的空间滤波器，检测输入图像中包含的朝向某个方向的某个尺寸的特定形状。

此外，某个检查装置进行：(a)使用机器学习模型，导出输入图像中是否包含异常的判定结果，(b)计算包含异常的图像与输入图像的相关度以及不包含异常的图像与输入图像的相关度，根据所述相关度对上述的判定结果的可靠性进行评价。

考虑针对图像识别用的多个推断器(分类器等)的集成学习，根据表示以如上所述的方式检测出的特定形状的特征量进行各推断器的机器学习，但是作为用于图像识别用的多个推断器的训练数据，难以准备集成学习所需的用于输出独立性高且足够精度的推断结果的特征量。

此外，在检测出异常后由人进行异常的确认的情况等中，需要预先确定输入图像中的异常的位置。这种情况下，可以通过分割来确定输入图像中的异常的位置。可是，为了进行良好的分割，需要对异常的位置(区域)进行学习，所以充分地准备分割用的训练数据更为困难。

发明内容

鉴于上述的问题，本发明的目的是得到图像识别方法、图像识别装置和存储有图像识别程序的计算机可读非临时性记录介质，能够不使用机器学习或者在使用机器学习的情况下也以相对较少的训练数据量进行分割。

本发明的图像识别方法，包括：特征量提取步骤，根据输入图像生成由多个基本特征图构成的基本特征图群，并对所述基本特征图群中的基本特征图实施多种统计量计算，生成多个统计量图；以及推断步骤，对基于所述多个统计量图的推断输入，用推断器导出分割的推断结果。而且所述多种统计量计算分别是以特定的窗口尺寸特定的计算式计算统计量的处理，所述窗口尺寸和所述计算式中的至少一方，在所述多种统计量计算之间彼此不同。

本发明的图像识别装置，包括：特征量提取部，根据输入图像生成由多个基本特征图构成的基本特征图群，并对所述基本特征图群中的基本特征图实施多种统计量计算，生成多个统计量图；以及推断器，对基于所述多个统计量图的推断输入，用推断器导出分割的推断结果。而且所述多种统计量计算分别是以特定的窗口尺寸特定的计算式计算统计量的处理，所述窗口尺寸和所述计算式中的至少一方，在所述多种统计量计算之间彼此不同。

本发明的计算机可读非临时性记录介质，存储有图像识别程序，计算机通过执行所述图像识别程序发挥下述功能：特征量提取部，根据输入图像生成由多个基本特征图构成的基本特征图群，并对所述基本特征图群中的基本特征图实施多种统计量计算，生成多个统计量图；以及推断器，对基于所述多个统计量图的推断输入，用推断器导出分割的推断结果。而且所述多种统计量计算分别是以特定的窗口尺寸特定的计算式计算统计量的处理，所述窗口尺寸和所述计算式中的至少一方，在所述多种统计量计算之间彼此不同。