「feature classification」を含む例文一覧(116)
1 2 3 次へ＞- CLASSIFICATION THROUGH GENERATIVE MODEL OF FEATURE OCCURRING IN IMAGE
画像中に生じる特徴の生成モデルによる分類 - 特許庁 - A classification and location feature selecting part 19 selects feature vector element from them, which is not selected as special feature in the feature the selection key has, as the classification and location feature.
分類配置特徴量選択部１９は、検索キーが持つ特徴量のうち検索特徴量として選択されなかった特徴量ベクトル要素を分類配置特徴量として選択する。 - 特許庁 - To quickly determine the classification of a feature point in a fingerprint image.
指紋画像内の特徴点の種別を迅速に決定する。 - 特許庁 - A classification feature quantity determination part 53 determines, among the two or more kinds of feature quantities for each of the plurality of sample images, a feature quantity widely differed from the feature quantities of other sample images as a classification feature quantity.
分類特徴量決定部５３が、複数のサンプル画像のそれぞれについての複数種類の特徴量のうち、他のサンプル画像の特徴量と大きく異なる特徴量を分類特徴量に決定する。 - 特許庁 - A feature selection part 12 inputs a feature group generated by the feature generation part 11 and selects features supposed as effective for classification from the feature group to generate a classification parameter candidate group.
特徴選択部１２では、特徴生成部１１で生成した特徴群を入力として、分類に有効と思われる特徴を特徴群から選択することで、分類パラメータ候補群を生成する。 - 特許庁 - To provide a data classification means more enhancing a classification accuracy of data having multidimensional feature quantities.
多次元の特徴量を有するデータの分類精度をより高めたデータ分類の手段を提供する。 - 特許庁 - A classification unit 14 receives the differential feature quantities among the new slides to output the classification results corresponding to the differential feature quantities from the learning data.
分類部１４は、新規スライド間の差分特徴量を入力とし、学習データから差分特徴量に対応する分類結果を出力する。 - 特許庁 - From feature quantity distributions of each classification category of learning data, feature quantities to be used are limitedly selected.
学習データにおける各分類カテゴリの特徴量分布から、使用すべき特徴量を限定的に選択する。 - 特許庁 - FEATURE QUANTITY EXTRACTION METHOD OF CHARACTERISTIC DISTRIBUTION, AND CLASSIFICATION METHOD OF CHARACTERISTIC DISTRIBUTION
特性分布の特徴量抽出方法および特性分布の分類方法 - 特許庁 - A defect classification apparatus includes a feature amount extraction unit, a defect classification unit and a classification condition setting unit, the classification condition setting unit has a function for correspondingly teaching a feature amount of a defect and a class of accuracy and a function for designating the priority order of classification, and conditional setting is performed so as to improve an accuracy rate for the classification of high priority.
特徴量抽出部、欠陥分類部、分類条件設定部を含み、分類条件設定部は、欠陥の特徴量と正解のクラスを対応づけて教示する機能と分類の優先順位を指定する機能を有し、優先順位の高い分類の正解率が高くなるよう条件設定を行う。 - 特許庁 - An image classification part 54 classifies the plurality of images into a plurality of groups corresponding to the respective sample images based on the classification feature quantity and the feature quantities corresponding to the classification feature quantity for each of the plurality of images.
画像分類部５４が、分類特徴量および複数の画像のそれぞれについての分類特徴量に対応する特徴量に基づいて、複数の画像を複数のサンプル画像にそれぞれ対応する複数のグループに分類する。 - 特許庁 - Higher classification categories optimum for the used feature quantities are automatically limitedly selected.
次に、使用する特徴量に最適な大分類カテゴリを自動で限定的に選択する。 - 特許庁 - The feature quantity operation part obtains a second feature quantity composed of m components less than n components from classification object data having a first feature quantity including n components.
特徴量演算部は、ｎ個の成分を含む第１特徴量を有する分類対象データから、ｎより小さいｍ個の成分からなる第２特徴量を求める。 - 特許庁 - A classification processing section 140 utilizes the feature amount extracted by the feature amount extracting section 130, when the video content is stored and searched, as an index for determining a classification of the video content.
分類処理部１４０は、蓄積および検索の際に、特徴量抽出部１３０が抽出した特徴量を、該映像コンテンツの種類を判定する指標として利用する。 - 特許庁 - The speech segment speaker classification device includes; a sound volume voice period dividing section; a feature value analysis section; a representative feature value extracting section; a segment classification section; and a segment integration section.
この発明の発話区間話者分類装置は、音量音声区間分割部と、特徴量分析部と、代表特徴量抽出部と、セグメント分類部と、セグメント統合部と、を具備する。 - 特許庁 - Reliability of each whole classification is allocated to the whole classification, and the weak discriminator outputs the reliability of the whole classification allocated to the whole classification of the plurality of feature quantities as a weak hypothesis.
各全体区分には、その全体区分の信頼度が割り当てられており、弱識別器は、複数の特徴量の全体区分に割り当てられた、その全体区分の信頼度を、弱仮説として出力する。 - 特許庁 - Computer aided design (CAD) algorithm performs various kinds of analyses including a segmentalization (74), a feature extraction (78) and a classification of the feature (82).
ＣＡＤアルゴリズムは、セグメント化（７４）、特徴の抽出（７８）、及び特徴の分類（８２）を含む種々の種類の分析を行なう。 - 特許庁 - A feature vector collation processing part 13 collates the projection feature vector and feature information in a pattern recognition dictionary 15 with each other based on a prescribed partial space classification reference.
特徴ベクトル照合処理部１３は、射影特徴ベクトルとパターン認識辞書１５における特徴情報とを所定の部分空間類別基準に基づいて照合する。 - 特許庁 - To realize an image processor with a region classification means for performing region classification of image information for every feature of an image with less mistake in judgment.
画像情報を、少ない判定ミスで画像の特徴ごとに領域分類する領域分類手段を備える画像処理装置を実現すること。 - 特許庁 - The data classification part classifies a plurality of kinds of classification object data into a first group and a second group different from the first group by the use of the second feature quantity.
データ分類部は、第２特徴量を用いて、複数種類の分類対象データを、第１グループと、第１グループと異なる第２グループとに分類する。 - 特許庁 - A block group classification section 63 classifies the three-dimensional blocks into block groups wherein the feature quantity is shared in common.
ブロック群分類部６３は、各３次元ブロックを特徴量が共通するブロック群に分類する。 - 特許庁 - A phoneme classification part is configured to generate audio feature quantity by phoneme class on the basis of phoneme information.
音素クラス分類部が音素情報に基づいて音素クラス別音響特徴量を生成する。 - 特許庁 - A candidate character selection part 107 calculates similarity between a reference feature quantity in a classification dictionary 101 and the extracted feature quantity to select candidate characters.
候補文字選択部１０７は分類辞書１０１の基準特徴量と抽出された特徴量との類似度を算出し候補文字を選択する。 - 特許庁 - A category classification part 1 comprises a competitive learning neural network whose input data is each feature vector extracted by the feature extraction part 4.
カテゴリ分類部１は、特徴抽出部４により抽出した各特徴ベクトルを入力データとする競合学習型ニューラルネットワークを用いて構成される。 - 特許庁 - The similarity evaluator calculates similarity between the classification target and each of the plurality of feature information items.
類似度評価部は、前記類別対象と、前記複数の特徴情報それぞれとの類似度を算出する。 - 特許庁 - According to the 2nd feature quantity, an image classification decision means 12 classifies the 2nd pixel of interest.
第２特徴量に基いて、第２注目画素が画像分類判定手段１２により画像分類される。 - 特許庁 - A land covering classification processing part classifies a land covering condition, based on the both calculated feature amounts.
土地被覆分類処理部は、これら計算された両方の特徴量から土地被覆状況の分類を行う。 - 特許庁 - To provide a document classification device and a document classification method which generate a structured document partial set group by extracting feature words from generated document partial sets and extracting structures between feature words to generate a structured classification reference.
生成された文書部分集合から特徴単語を抽出し、特徴単語間の構造を抽出することで、構造化された分類基準を生成し、その結果、構造化された文書部分集合群を生成することができる文書分類装置及び文書分類方法を提供する。 - 特許庁 - A classification processing section 150 determines a content of re-read processing of each segment by using the feature value of the segment information string and classification regulation information, and outputs classification result information for indicating the content of re-read processing.
そして、分類処理部１５０が、セグメント情報列の特徴値と分類規則情報とを用い、各セグメントの読み替え処理内容を決定し、当該読み替え処理内容を示す分類結果情報を出力する。 - 特許庁 - By this method, feature patterns which become candidates of a classification rule are generated automatically, further for example, a specific feature pattern as a classification rule which must be applied hereafter can be selected from the first set.
このようにすれば、分類ルールの候補となる特徴パターンが自動的に生成され、さらに例えば第１の集合から、これから適用すべき分類ルールとして特定の特徴パターンを選択させることができるようになる。 - 特許庁 - To generate an appropriate image feature quantity while dispensing with the adjustment of the magnitude of a value between local feature quantities in clustering by allowing search and classification from various points of views.
多様な観点の検索や分類を可能とし、クラスタリング時に局所特徴量間での値の大きさの調整を不要とし、適切な画像特徴量を生成する。 - 特許庁 - The system detects a highlighted scene or its start in moving images and is composed of a feature quantity extraction part, a feature quantity observation part, a model storing part, a category classification part and a determination part.
動画中のハイライトシーンやその始まりを検出する装置であり、特徴量抽出部、特徴量観察部、モデル保存部、カテゴリ分類部、判定部から構成される。 - 特許庁 - Connection means is configured to, among the combinations of two feature vectors with the identical dimension of the feature matrix, connect the two feature vectors in which connection exponents between the two feature vectors satisfy first conditions, and to repeat processing to update the feature matrix and a classification result table in accordance with the connection result until the updated feature matrix satisfies second conditions.
結合手段は、特徴行列の同一次元の２つの特徴ベクトルの組み合わせのうち、２つの特徴ベクトルの間の結合指数が第１の条件を満たす２つの特徴ベクトルを結合し、その結合結果に応じて特徴行列及び分類結果表を更新する処理を、更新後の特徴行列が第２の条件を満たすまで繰り返す。 - 特許庁 - The classification section 20d classifies images in a first state for each person on the basis of the feature quantity and records them in a memory.
分類部２０ｄは、第１状態の画像を特徴量に基づいて人物毎に分類して、メモリに記録する。 - 特許庁 - To solve a problem that using a complex classification method disables a real-time identification because of increasing computation volume, in an input image identification process wherein a feature vector classification method significantly affects an identification performance when a method for classifying feature vectors extracted from an input image into a plurality of clusters and identifying the input image based on the classification results is used.
入力画像から抽出された特徴ベクトルを複数のクラスタに分類し，その分類結果を基に入力画像の識別を行う手法では，特徴ベクトルの分類手法が識別性能に大きく影響するが、複雑な分類手法を用いると計算量が増大し，実時間での識別が困難となる。 - 特許庁 - Learning data 11 learns differential feature quantities of differences among slides of feature quantities of respective slides of which the slide order is already known and classification results indicating the antero-posterior relations of the slides corresponding to the differential feature quantities and stores them.
学習データ１１には、スライド順序が既知の各スライドの特徴量のスライド間の差分である差分特徴量と、この差分特徴量に対応するスライドの前後関係を示す分類結果とが学習されて蓄積される。 - 特許庁 - In a speaker classification device, re-extraction means re-divides an integrated voice section segment and extracts a sub-segment representing-feature from sound feature amounts of the re-divided voice section segments.
再抽出手段は、統合済みの音声区間セグメントを再分割し、再分割された音声区間サブセグメントの音響特徴量からサブセグメント代表特徴を抽出する。 - 特許庁 - A degree of similarity calculation means 115 computes a similarity for every category by comparing an image features quantity registered to a feature quantity DB 114 with the reference feature quantity for every classification category.
類似度算出手段１１５は、分類カテゴリ毎の基準特徴量と特徴量ＤＢ１１４に登録済みの画像特徴量とを比較してカテゴリ毎の類似度を算出する。 - 特許庁 - To provide a method for independently examining a detection or a classification of an interested feature (56) in an image data assembly (52).
画像データ集合（５２）内の関心のある特徴（５６）の検出又は分類を独立に検査する手法を提供する。 - 特許庁 - Plural values are previously set as image processing parameters, a feature quantity is calculated by using all of those parameter values, and only feature values which are suitable for classification in the case of the classification processing are selected and classified to solve the mentioned problem.
画像処理パラメータとして予め複数個の値を設定し、それらのパラメータ値全てを用いて特徴量を計算し、分類処理の際に、分類に好適な特徴量のみを選択して分類処理を行うことで、上記課題は解決することができる。 - 特許庁 - To provide a device and a method for document classification which prevent documents from being classified as a user does not intend and can generate initial classification representative feature vectors.
ユーザの意図に沿わない文書分類が行われることを防止し、簡便に、初期分類代表特徴ベクトルを生成することが可能な文書分類装置及び文書分類方法を目的とする。 - 特許庁 - A feature selection function of the resultant classifier is used to rank and output both every attribute contributing to classification and its contribution rate.
その結果の分類器の特徴選択機能を用いて、分類に寄与する属性を、その寄与度とともにランク付けして出力する。 - 特許庁 - To exactly carry out class classification of output information responding to a heterogeneous distribution of a plurality of feature quantities obtained from input information.
入力情報から得られる複数の特徴量の不均質な分布に応じて、より的確に出力情報をクラス分類する。 - 特許庁 - The feature quantity operation part includes, as the component of at least not less than one second feature quantity, the component of extreme value of the ratio between a first variance value obtained by the use of the classification object data belonging to the first group and a second variance value obtained by the use of the classification object data belonging to the second group.
また、特徴量演算部は、第２特徴量の少なくとも１以上の成分として、第１グループに属する分類対象データを用いて求めた第１分散値と、第２グループに属する分類対象データを用いて求めた第２分散値との比が極値をとる成分を含める。 - 特許庁 - In a recording and reproducing device 1, an audio feature extracting part 14 and a video feature extracting part 15 extract features of a program, an identifying part 17 identifies program classification on the basis of a feature vector composed of the extracted features supplied from the feature vector generating part 16, and a chapter point detecting part 18 detects the chapter point on the basis of the detected program classification.
記録再生装置１では、オーディオ特徴量抽出部１４及びビデオ特徴量抽出部１５は、番組の特徴量を抽出し、識別部１７は、特徴ベクトル生成部１６から供給された、抽出された特徴量からなる特徴ベクトルに基づいて、番組の分類を識別し、チャプタ点検出部１８は、検出された番組の分類に基づいて、チャプタ点を検出する。 - 特許庁 - The segment classification section calculates a distance between each representative feature value and classifies the speech segment into clusters on the basis of the distance.
セグメント分類部は、代表特徴量のそれぞれの間の距離を計算して距離に基づいて音声区間セグメントをクラスタに分類する。 - 特許庁 - A control section 50 classifies the content on the basis of the feature vector JV, and detects the preference of a user on the basis of results of classification.
制御部５０は、特徴量ＪＶに基づいてコンテンツの分類を行い、この分類結果に基づいてユーザの嗜好性を検出する。 - 特許庁 - A prediction processing part 18 predicts the activated G protein based on the feature vector to be predicted by referring to the known data classification information.
予測処理部１８は、既知データ分類情報を参照して、予測対象の特徴ベクトルに基づいて活性化Ｇ蛋白質を予測する。 - 特許庁 - A classification information storage part 20 stores known data classification information to classify the feature vector obtained from the GPCR and ligand information of which activated G protein is known in accordance with the activated G protein type.
分類情報記憶部２０は、活性化Ｇ蛋白質が既知のＧＰＣＲおよびリガンドの情報から得られる特徴ベクトルを活性化Ｇ蛋白質種に応じて分類するための既知データ分類情報を記憶する。 - 特許庁 - The digital image stabilization (DIS) method includes a feature point classification algorithm for selecting optimum feature points, a computationally efficient hierarchical block matching search algorithm of tile base vectors for obtaining the motion vector of the feature points thus selected, and a feature point motion vector grouping/comparison processing for grouping the feature points thus selected based on the vector size ratio and the angle difference.
デジタルイメージ安定化（ＤＩＳ）方法は、最適の特徴点を選択するための特徴点分類アルゴリズム、選択された特徴点のモーションベクトルを得るための計算的に効率的なタイルベクトル基盤の階層的ブロックマッチング検索アルゴリズム、ベクトルサイズ比率及びアングル差に基づいて選択された特徴点をグループ化するための特徴点モーションベクトルグループ化／比較処理を含む。 - 特許庁
- 特許庁
- Copyright © Japan Patent office. All Rights Reserved.
