JPH04147387A - パターン認識方法 - Google Patents
パターン認識方法Info
- Publication number
- JPH04147387A JPH04147387A JP2272026A JP27202690A JPH04147387A JP H04147387 A JPH04147387 A JP H04147387A JP 2272026 A JP2272026 A JP 2272026A JP 27202690 A JP27202690 A JP 27202690A JP H04147387 A JPH04147387 A JP H04147387A
- Authority
- JP
- Japan
- Prior art keywords
- information
- pattern recognition
- points
- input
- intermediate output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
「産業上の利用分野］
本発明は高解像度の画像情報等の処理に適したパターン
認識方法に関する。
認識方法に関する。
「発明の概要」
本発明は２次元以上の空間内の各点毎にある量を持つよ
うな入力情報に対してパターンの認識を行うパターン認
識方法において、 その前処理として、入力情報をより高次の適当な次元を
有する拡張空間内の適当な連続超平面に射影し、その後
前記拡張空間内における前記量の空間偏微分があらかじ
め設定した特長を有する点をザンプリングして中間出力
情報を得ることにより、 重要な点における情報が強調され、重要でない点の情報
が取り除かれ全体としての情報が少なくなりその後の認
識処理を容易にでき、高解像度の画像情報等のパターン
認識が容易にできるものである。
うな入力情報に対してパターンの認識を行うパターン認
識方法において、 その前処理として、入力情報をより高次の適当な次元を
有する拡張空間内の適当な連続超平面に射影し、その後
前記拡張空間内における前記量の空間偏微分があらかじ
め設定した特長を有する点をザンプリングして中間出力
情報を得ることにより、 重要な点における情報が強調され、重要でない点の情報
が取り除かれ全体としての情報が少なくなりその後の認
識処理を容易にでき、高解像度の画像情報等のパターン
認識が容易にできるものである。
［従来の技術］
従来においては、２次元の入力情報を直接ニコーラルネ
ットワーク等の認識装置に入力することによりパターン
認識を行っている。
ットワーク等の認識装置に入力することによりパターン
認識を行っている。
「発明が解決しよう七する課Ｍ］
しかし、従来の技術においては、入力情報を全て均等に
極うために入力情報中の不要な部分に対しても認識の処
理が行われる。そのため、処理すべき情報量が必要以上
に増大し認識処理のための時間や資源を多量に必要とす
る問題点がある。ひいては、今後普及するであろう高解
像度の画像情報に対するパターン認識を行うことが実用
的に不能となる問題点も生じる。
極うために入力情報中の不要な部分に対しても認識の処
理が行われる。そのため、処理すべき情報量が必要以上
に増大し認識処理のための時間や資源を多量に必要とす
る問題点がある。ひいては、今後普及するであろう高解
像度の画像情報に対するパターン認識を行うことが実用
的に不能となる問題点も生じる。
そこで、本発明は高解像度の画像情報等に対するもパタ
ーン認識を容易に行うことができるパターン認識方法を
提供することを課題とする。
ーン認識を容易に行うことができるパターン認識方法を
提供することを課題とする。
１課題を解決するための手段］
」二記課題を達成するための本発明のパターン認識方法
は、２次元以上の空間内の各点毎にある量を持つような
入力情報に対してパターンの認識を行うパターン認識方
法において、その前処理として、入力情報をより高次の
適当な次元を有する拡張空間内の適当な連続超平面に射
影し、その後前記拡張空間内における前記量の空間偏微
分があらかじめ設定した特長を有する点をサンプリング
して中間出力情報を得るものである。
は、２次元以上の空間内の各点毎にある量を持つような
入力情報に対してパターンの認識を行うパターン認識方
法において、その前処理として、入力情報をより高次の
適当な次元を有する拡張空間内の適当な連続超平面に射
影し、その後前記拡張空間内における前記量の空間偏微
分があらかじめ設定した特長を有する点をサンプリング
して中間出力情報を得るものである。
［作用］
入力情報を適当な拡張空間内の連続超平面に射影し、こ
の拡張空間内における所定の点をサンプリングして中間
出力情報を得て重要な点の情報を強調し、重要でない点
の情報を取り除くことによって全体としての情報が少な
くなる。
の拡張空間内における所定の点をサンプリングして中間
出力情報を得て重要な点の情報を強調し、重要でない点
の情報を取り除くことによって全体としての情報が少な
くなる。
［実施例］
以下、本発明の実施例を図面を用いて説明する。
第１図には本発明の一実施例を示すパターン認識の前処
理の手順が示され、この１１「Ｓ処理で処理して得た中
間出力情報がニューラルネットワークに入力される。
理の手順が示され、この１１「Ｓ処理で処理して得た中
間出力情報がニューラルネットワークに入力される。
第１図において、２次元の入力情報ｌが、３次元の拡張
空間２内の適当な超平面３に射影される。
空間２内の適当な超平面３に射影される。
続いてその超平面３内において射投された情報のもつ量
に対して空間偏微分を行い、その絶対値かある適当なし
きい値を超えた点をサンプリングポイントの集合４とし
て抽出する。そしてこれを中間出力情報５としてニュー
ラルネットワークに入力している。ここで拡張空間２の
次元、超平面３及びしきい値を適当に選ぶことにより、
中間出力情報５は入力情報１を圧縮し、パターン認識に
有用な部分のみを効果的に取り出すことができるので、
ニューラルネットワークに入力される情報は、有用かつ
小さなものとなるために、規模の小さな処理装置でも、
十分な速度で処理することが可能になる。
に対して空間偏微分を行い、その絶対値かある適当なし
きい値を超えた点をサンプリングポイントの集合４とし
て抽出する。そしてこれを中間出力情報５としてニュー
ラルネットワークに入力している。ここで拡張空間２の
次元、超平面３及びしきい値を適当に選ぶことにより、
中間出力情報５は入力情報１を圧縮し、パターン認識に
有用な部分のみを効果的に取り出すことができるので、
ニューラルネットワークに入力される情報は、有用かつ
小さなものとなるために、規模の小さな処理装置でも、
十分な速度で処理することが可能になる。
なお、ここでは入力情報１及び超平面３の次元を２次元
とし、拡張空間２の次元を３次元としたが、入力情報ｌ
の次元は２次元以−１−ならこれに限るものではなく、
拡張空間２の次元も、入力情報の次元よりも高次でさえ
あればこれに限るものではない。
とし、拡張空間２の次元を３次元としたが、入力情報ｌ
の次元は２次元以−１−ならこれに限るものではなく、
拡張空間２の次元も、入力情報の次元よりも高次でさえ
あればこれに限るものではない。
また、本実施例では最後の処理にニューラルネットワー
ク４を用いたが、相関処理やカオスを用いても良い。
ク４を用いたが、相関処理やカオスを用いても良い。
［発明の効果］
以上述べたように本発明によれば、パターン認識の前処
理において重要な点の情報を強調し重要でない点の情報
を取り除き、全体としての情報か少なくなり小規模なシ
ステムで短時間に容易にパターン認識を行うことが可能
となるため高解像度の画像情報等に対するパターン認識
を容易に行うことができるという効果を奏する。従って
、今後に予想される情報の大容量化に対しても１−分に
対応可能である。
理において重要な点の情報を強調し重要でない点の情報
を取り除き、全体としての情報か少なくなり小規模なシ
ステムで短時間に容易にパターン認識を行うことが可能
となるため高解像度の画像情報等に対するパターン認識
を容易に行うことができるという効果を奏する。従って
、今後に予想される情報の大容量化に対しても１−分に
対応可能である。
第１図は本発明の一実施例を示すパターン認識の前処理
の手順を説明する図である。 １・・入力情報、２・・・拡張空間、３・・超平面、５
・・・中間出力情報。
の手順を説明する図である。 １・・入力情報、２・・・拡張空間、３・・超平面、５
・・・中間出力情報。
Claims (1)
- （１）２次元以上の空間内の各点毎にある量を持つよう
な入力情報に対してパターンの認識を行うパターン認識
方法において、 その前処理として、入力情報をより高次の適当な次元を
有する拡張空間内の適当な連続超平面に射影し、その後
前記拡張空間内における前記量の空間偏微分があらかじ
め設定した特長を有する点をサンプリングして中間出力
情報を得ることを特徴とするパターン認識方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2272026A JPH04147387A (ja) | 1990-10-09 | 1990-10-09 | パターン認識方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2272026A JPH04147387A (ja) | 1990-10-09 | 1990-10-09 | パターン認識方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04147387A true JPH04147387A (ja) | 1992-05-20 |
Family
ID=17508096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2272026A Pending JPH04147387A (ja) | 1990-10-09 | 1990-10-09 | パターン認識方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH04147387A (ja) |
-
1990
- 1990-10-09 JP JP2272026A patent/JPH04147387A/ja active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mani et al. | Application of artificial neural network model for optical character recognition | |
| CN110287969A (zh) | 基于图残差注意力网络的摩尔文本图像二值化系统 | |
| Thanikkal et al. | Advanced plant leaf classification through image enhancement and canny edge detection | |
| WO2005034036A3 (en) | Robust recursive envelope operators for fast retinex-type processing of images | |
| KR100295586B1 (ko) | 패턴 추출장치 | |
| CN112381725B (zh) | 基于深度卷积对抗生成网络的图像修复方法及装置 | |
| JPH04147387A (ja) | パターン認識方法 | |
| JPH0962838A (ja) | 高速パターンマッチング方法 | |
| Ojashwini et al. | Edge detection Canny algorithm using adaptive threshold technique | |
| CN117644513A (zh) | 一种机械臂控制方法、系统、设备和介质 | |
| JP2988994B2 (ja) | 位置合わせ装置 | |
| US20230100088A1 (en) | Apparatus for separating feature points for each object, method for separating feature points for each object and computer program | |
| DE19500338C1 (de) | Verfahren zum Ermitteln der Transformationsparameter für die automatische Bildregistrierung | |
| JPH0512439A (ja) | 画像領域分割装置 | |
| JPH034953B2 (ja) | ||
| Beniwal et al. | Static Hand Sign Recognition Using Wavelet Transform and Convolutional Neural Network | |
| McKeeman et al. | Two-dimensional target recognition using normalization and recorrelation to eliminate noise | |
| JPH0248856U (ja) | ||
| Nakajima et al. | Shape Transformation with CycleGAN Using an Automobile as an Example. | |
| JP2969819B2 (ja) | 画像認識装置 | |
| JPH04142684A (ja) | 文字認識装置 | |
| JPH1063788A (ja) | テンプレート作成装置 | |
| JPS6152782A (ja) | 文字認識方式 | |
| JPH08329195A (ja) | ニューラルネットワークを用いる文字認識装置 | |
| JPH0298792A (ja) | 画像の特徴量抽出装置 |