“柴田雅聪”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果9个，建议您升级VIP下载更多相关专利

[发明专利]图像处理装置、图像识别装置、以及存储介质-CN201880009329.0有效
发明人：山田英夫;久野和宏;柴田雅聪;榎田修一;大塚广道 -专利权人：株式会社爱信;国立大学法人九州工业大学
申请日： 2018-01-31 - 公布日： 2023-10-20 - 主分类号： G06T7/45 文献下载
摘要：本发明提高检测精度，并减少计算成本。图像处理装置(8)具有在特征面(15)中标绘图像的亮度梯度共生对，对该共生对应用EM算法来形成GMM的功能。图像处理装置(8)学习行人图像来创建行人图像的GMM，接着，学习背景图像来创建背景图像的GMM，还计算两者的差分，生成基于差分的再学习用的GMM。图像处理装置(8)通过应用逆函数定理而在特征面(15)中标绘按照再学习用的GMM的样本。最后，图像处理装置(8)通过以所指定的混合数量形成表示样本的分布的GMM来形成成为图像识别的基准的基准GMM。若将该混合数量设定得小于先前所指定的混合数量，则解析图像时的维度下降，能够减少计算成本。
图像处理装置识别以及存储介质

[发明专利]检测装置、追踪装置、检测程序以及追踪程序-CN202180011637.9在审
发明人：山田英夫;柴田雅聪;榎田修一 -专利权人：株式会社爱信;国立大学法人九州工业大学
申请日： 2021-03-08 - 公布日： 2022-09-06 - 主分类号： G06T7/277 文献下载
摘要：本发明的目的在于稳健地追踪对象。追踪装置(1)具备配设于左右的全天球相机(9a、9b)。追踪装置(1)将由全天球相机(9a)拍摄到的左全天球相机图像粘贴到球形物体(30a)，在球形物体(30a)的内部设置虚拟相机(31a)。虚拟相机(31a)能够在形成于球形物体(30a)的内部的虚拟的拍摄空间自由旋转，并获取外界的左相机图像。追踪装置(1)也设置同样地获取右相机图像的虚拟相机(31b)，通过虚拟相机(31a、31b)构成会聚立体相机。追踪装置(1)使用这样构成的会聚立体相机，通过粒子滤波器追踪对象者(8)的位置。在第二实施方式中，在上下方向上配设全天球相机(9a、9b)，在上下方向上设置虚拟相机(31a、31b)。
检测装置追踪程序以及

[发明专利]图像处理装置以及图像处理程序-CN202080024604.3在审
发明人：山田英夫;柴田雅聪;田向権;榎田修一;吉弘宪大 -专利权人：株式会社爱信;国立大学法人九州工业大学
申请日： 2020-03-30 - 公布日： 2021-11-19 - 主分类号： G06T7/00 文献下载
摘要：本发明的目的在于减少存储器的使用量。图像处理装置(8)通过基于椭圆(63)的计算式来近似基准GMM(55)的基函数。能够通过将椭圆(63)与共生对应点(51)的曼哈顿距离、以及椭圆(63)的宽度输入至基于基函数的负担率的计算式而通过计算近似地求出共生对应点(51)的负担率。另外，椭圆(63)的宽度被量化为2的n次方(n为0以上的整数)，能够通过位移位进行上述计算。这样图像处理装置(8)若存储规定椭圆(63)的参数，则能够根据该参数通过位移位计算负担率，因此无需将负担率的表格储存至存储器，而能够大幅减少存储器使用量，并且高速地计算负担率。此外，图像处理装置(8)通过将负担率量化为2的n次方，进一步节约存储器的使用。
图像处理装置以及程序

[发明专利]图像识别装置和图像识别程序-CN202080025277.3在审
发明人：山田英夫;村松竜弥;柴田雅聪;田向権 -专利权人：株式会社爱信;国立大学法人九州工业大学
申请日： 2020-03-30 - 公布日： 2021-11-12 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及图像识别装置和图像识别程序，目的在于以低成本的硬件实现图像识别功能。本实施方式的图像识别装置与时钟同步地依次提取共现对，与提取的共现对对应地设定输入层与中间层的连接部分的权重，并向输入层依次输入1票。另一方面，中间层将依次输入的票数相加及存储。若持续进行该动作，则不制作直方图，通过中间层就实现与将直方图输入至输入层的情况相同的值。这样，本实施方式的图像识别装置能够避免消耗巨大的存储器的直方图的制作来进行图像识别处理。由此，能够实现存储器资源的节约、电路的简化、以及计算速度的提高，从而能够将图像识别装置适宜地集成电路化。
图像识别装置程序

[发明专利]图像数据生成装置、图像识别装置、图像数据生成程序以及图像识别程序-CN201880063957.7在审
发明人：山田英夫;村松竜弥;柴田雅聪;榎田修一;甲斐夕登 -专利权人：株式会社爱考斯研究;国立大学法人九州工业大学
申请日： 2018-07-31 - 公布日： 2020-05-19 - 主分类号： G06T7/00 文献下载
摘要：本发明的目的在于对动态的对象进行图像识别。时间空间图像识别装置1具备在保持有空间信息和时间信息的状态下将动态图像数据4转换为时间空间图像数据的时间空间图像数据生成部2a、2b、2c，它们通过分别不同的扫描路径扫描动态图像数据4。由此，时间空间图像数据生成部2a、2b、2c生成通过分别不同的扫描路径进行扫描而得到的时间空间图像数据8a、8b、8c(未图示)并输出至图像识别部3。图像识别部3在分别独立地对时间空间图像数据8a、8b、8c进行卷积处理来生成二维特征图60a、60b、60c之后，将它们整合并通过神经网络进行解析，输出图像识别结果。
图像数据生成装置识别程序以及

[发明专利]信息处理装置-CN201880062230.7在审
发明人：山田英夫;村松竜弥;柴田雅聪;田向権;榎田修一;山崎裕太 -专利权人：株式会社爱考斯研究;国立大学法人九州工业大学
申请日： 2018-09-26 - 公布日： 2020-05-15 - 主分类号： G06K9/00 文献下载
摘要：本发明的目的在于实现处理成本的减少。图像识别装置(200)具备：图像处理装置(21)，从图像获取特征量；以及辨别装置(201)，使用获取到的特征量来判定图像中是否存在规定的辨别对象，并辨别该辨别对象。辨别装置(201)具备预先学习了辨别对象的BNN，并通过利用BNN对图像处理装置(21)获取到的特征量进行二进制计算，来进行辨别处理。此时，辨别装置(201)选择图像处理装置(21)输出的高维度特征量中对辨别有效的部分来减少在辨别处理中所使用的维度，或复制图像处理装置(21)输出的低维度特征量来增加维度。通过选择、复制特征量的维度，从而确保所需的辨别精度的同时，能够适当地调节用于辨别的特征量的维度，所以能够将辨别装置(201)安装于小规模、低消耗电力的硬件电路。
信息处理装置

[发明专利]信息处理装置-CN201880062241.5在审
发明人：山田英夫;村松竜弥;柴田雅聪;田向権;榎田修一;山崎裕太 -专利权人：株式会社爱考斯研究;国立大学法人九州工业大学
申请日： 2018-09-26 - 公布日： 2020-05-08 - 主分类号： G06T7/00 文献下载
摘要：本发明的目的在于提高识别精度。图像识别装置(200)具备：图像处理装置(21)，从图像获取特征量；以及辨别装置(201)，使用获取到的特征量来判定图像中是否存在规定的辨别对象，并辨别该辨别对象。辨别装置(201)具备预先学习了辨别对象的BNN，并通过利用BNN对图像处理装置(21)获取到的特征量进行二进制计算，来进行辨别处理。此时，辨别装置(201)选择图像处理装置(21)输出的高维度特征量中对辨别有效的部分来减少在辨别处理中所使用的维度，或复制图像处理装置(21)输出的低维度特征量来增加维度。通过选择、复制特征量的维度，从而确保所需的辨别精度的同时，能够适当地调节用于辨别的特征量的维度，所以能够将辨别装置(201)安装于小规模、低消耗电力的硬件电路。
信息处理装置

[发明专利]图像数据生成装置、图像识别装置、图像数据生成程序、及图像识别程序-CN201880050342.0在审
发明人：山田英夫;村松竜弥;柴田雅聪;榎田修一 -专利权人：株式会社爱考斯研究;国立大学法人九州工业大学
申请日： 2018-07-31 - 公布日： 2020-04-10 - 主分类号： G06K9/00 文献下载
摘要：本发明以对动态的识别对象进行图像识别为目的。图像识别装置(1)通过时空间图像数据生成部(2)来将构成视频数据(4)的帧图像数据(6)希尔伯特扫描而生成一维空间图像数据(7)，进而将一维空间图像数据(7)在时间方向排列而生成保持空间信息与时间信息的二维的时空间图像数据(8)。像这样图像识别装置(1)保持空间信息与时间信息，并且将视频数据(4)图像转换为二维的时空间图像数据(8)。接下来，图像识别装置(1)通过CNN部(3)来对时空间图像数据(8)进行使用二维过滤器的卷积处理，而对识别对象亦即步行者的行动进行图像识别。像这样，图像识别装置(1)能够将需要空间二维、时间一维的三维的解析的步行者的行动识别通过二维图像的基于CNN的图像识别处理来进行，而推断步行者的状态。
图像数据生成装置识别程序

[发明专利]图像特征量输出装置、图像识别装置、图像特征量输出程序以及图像识别程序-CN201880009328.6在审
发明人：山田英夫;久野和宏;柴田雅聪;榎田修一;田向権 -专利权人：株式会社爱考斯研究;国立大学法人九州工业大学
申请日： 2018-01-31 - 公布日： 2019-09-17 - 主分类号： G06T7/00 文献下载
摘要：本发明提供更稳健的图像识别方式。图像处理装置(8)将作为图像识别的对象的图像转换为高分辨率图像(11)、中分辨率图像(12)、以及低分辨率图像(13)。图像处理装置(8)设定高分辨率图像(11)的关注像素(5)，并在共生矩阵(15)中对与偏移像素(1a)～(1d)的梯度方向的共生、在中分辨率图像(12)与像素(2a)～(2d)的梯度方向的共生、在低分辨率图像(13)中与像素(3a)～(3d)的梯度方向的共生进行投票。图像处理装置(8)对每个像素的组合以及每个分辨率创建这样的共生矩阵(15)。图像处理装置(8)对高分辨率图像(11)的各个像素进行上述的处理，其结果创建将完成的多个共生矩阵(15)的要素排成一列的共生直方图。进一步，图像处理装置(8)将共生直方图归一化，并提取以由此的频率为成分的矢量作为该图像的特征量。
图像处理装置像素共生高分辨率图像共生矩阵低分辨率图像图像特征量图像识别中分辨率直方图图像图像识别程序图像识别装置关注像素结果创建输出程序输出装置图像转换矢量归一化特征量偏移分辨率投票创建

1
共 9 条