JPH04246765A - 物体認識装置 - Google Patents
物体認識装置Info
- Publication number
- JPH04246765A JPH04246765A JP3011751A JP1175191A JPH04246765A JP H04246765 A JPH04246765 A JP H04246765A JP 3011751 A JP3011751 A JP 3011751A JP 1175191 A JP1175191 A JP 1175191A JP H04246765 A JPH04246765 A JP H04246765A
- Authority
- JP
- Japan
- Prior art keywords
- layer
- input
- recognition
- output
- data
- 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
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 abstract description 6
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000000034 method Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
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
【０００１】
【産業上の利用分野】本発明はニューラルネットワーク
を用いた物体認識装置に関する。
を用いた物体認識装置に関する。
【０００２】
【従来の技術】従来、この種のニューラルネットワーク
型の物体認識装置では、図２に示すように、入力層１の
各ニューロンはすべて中間層２に結合し、中間層２を介
して出力層３に結合するネットワーク構造となっていた
。
型の物体認識装置では、図２に示すように、入力層１の
各ニューロンはすべて中間層２に結合し、中間層２を介
して出力層３に結合するネットワーク構造となっていた
。
【０００３】
【発明が解決しようとする課題】上述した従来の物体認
識装置では、中間層による処理を必要としない入力デー
タが含まれている場合、これら中間層による処理を必要
としない入力データまでが中間層を介して処理されるた
めに、当該物体の特徴抽出ができず、誤認識をするとい
う欠点がある。
識装置では、中間層による処理を必要としない入力デー
タが含まれている場合、これら中間層による処理を必要
としない入力データまでが中間層を介して処理されるた
めに、当該物体の特徴抽出ができず、誤認識をするとい
う欠点がある。
【０００４】
【課題を解決するための手段】本発明の物体認識装置は
、入力層、中間層および出力層を備え、前記入力層に入
力する物体の特徴データを用いて前記物体を識別する多
層構造のニューラルネットワーク型の物体認識装置にお
いて、前記入力層から前記中間層を介して前記出力層に
至る認識処理径路と、前記中間層を介さずに前記入力層
から前記出力層に至る認識処理径路とを備えている。
、入力層、中間層および出力層を備え、前記入力層に入
力する物体の特徴データを用いて前記物体を識別する多
層構造のニューラルネットワーク型の物体認識装置にお
いて、前記入力層から前記中間層を介して前記出力層に
至る認識処理径路と、前記中間層を介さずに前記入力層
から前記出力層に至る認識処理径路とを備えている。
【０００５】前記中間層が複数の層からなっていてもよ
い。
い。
【０００６】
【実施例】次に本発明について図面を参照して説明する
。
。
【０００７】図１は、本発明の一実施例の構成を説明す
るための図である。図１において、丸印はそれぞれニュ
ーロンを表わす。
るための図である。図１において、丸印はそれぞれニュ
ーロンを表わす。
【０００８】この実施例は、物体の特徴を示すＭ種類の
データＤ１〜ＤＭを使用してＮ種類の物体Ａ１〜ＡＮを
識別するものであり、入力層１はＭ個のニューロンを含
み、出力層３はＮ個のニューロンを含んでいる。又、本
実施例では、中間層２が複数の層からなる。
データＤ１〜ＤＭを使用してＮ種類の物体Ａ１〜ＡＮを
識別するものであり、入力層１はＭ個のニューロンを含
み、出力層３はＮ個のニューロンを含んでいる。又、本
実施例では、中間層２が複数の層からなる。
【０００９】認識処理の径路として、入力層１から中間
層２を介して出力層３に至る径路と、入力層１から直接
出力層３に至る径路とが設けられている。
層２を介して出力層３に至る径路と、入力層１から直接
出力層３に至る径路とが設けられている。
【００１０】本実施例の動作について説明すると、まず
、物体Ａ１〜ＡＮのそれぞれについて、特徴を示すデー
タＤ１〜ＤＭを繰返し入力層１に入力し、出力層３が正
しい認識結果を出力するまで、バックプロパゲーション
方式を用いて学習を行う。
、物体Ａ１〜ＡＮのそれぞれについて、特徴を示すデー
タＤ１〜ＤＭを繰返し入力層１に入力し、出力層３が正
しい認識結果を出力するまで、バックプロパゲーション
方式を用いて学習を行う。
【００１１】この学習の後、物体Ａ１〜ＡＮのうち１つ
である認識すべき物体の特徴を示すデータＤ１〜ＤＭを
入力層１に入力する。認識結果は、出力層３の最も出力
値の大きいニューロンに対応する物体とする。
である認識すべき物体の特徴を示すデータＤ１〜ＤＭを
入力層１に入力する。認識結果は、出力層３の最も出力
値の大きいニューロンに対応する物体とする。
【００１２】
【発明の効果】以上説明したように本発明は、物体の特
徴データについて、入力層，中間層及び出力層による処
理と、入力層と出力層とだけによる処理との両方の処理
を行う構成をとることにより、中間層による処理を必要
としない特徴データが入力データ中に含まれている場合
の誤認識を低減し、認識能力を高める効果がある。
徴データについて、入力層，中間層及び出力層による処
理と、入力層と出力層とだけによる処理との両方の処理
を行う構成をとることにより、中間層による処理を必要
としない特徴データが入力データ中に含まれている場合
の誤認識を低減し、認識能力を高める効果がある。
【図１】本発明の一実施例の構成を説明するための図で
ある。
ある。
【図２】従来の物体認識装置の構成を説明するための図
である。
である。
１ 入力層
２ 中間層
３ 出力層
Claims (2)
- 【請求項１】 入力層、中間層および出力層を備え、
前記入力層に入力する物体の特徴データを用いて前記物
体を識別する多層構造のニューラルネットワーク型の物
体認識装置において、前記入力層から前記中間層を介し
て前記出力層に至る認識処理径路と、前記中間層を介さ
ずに前記入力層から前記出力層に至る認識処理径路とを
備えたことを特徴とする物体認識装置。 - 【請求項２】 前記中間層が複数の層からなることを
特徴とする請求項１記載の物体認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3011751A JPH04246765A (ja) | 1991-02-01 | 1991-02-01 | 物体認識装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3011751A JPH04246765A (ja) | 1991-02-01 | 1991-02-01 | 物体認識装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04246765A true JPH04246765A (ja) | 1992-09-02 |
Family
ID=11786710
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3011751A Pending JPH04246765A (ja) | 1991-02-01 | 1991-02-01 | 物体認識装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH04246765A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8007843B2 (en) | 2004-02-16 | 2011-08-30 | Compagnie Gervais Danone | Method for preparing a dairy product |
-
1991
- 1991-02-01 JP JP3011751A patent/JPH04246765A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8007843B2 (en) | 2004-02-16 | 2011-08-30 | Compagnie Gervais Danone | Method for preparing a dairy product |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2940933B2 (ja) | パターン認識方式 | |
| CN110648659B (zh) | 基于多任务模型的语音识别与关键词检测装置和方法 | |
| CN110377716A (zh) | 对话的交互方法、装置及计算机可读存储介质 | |
| JPH0272397A (ja) | 音声認識装置 | |
| KR102223912B1 (ko) | 다중 뉴럴 네트워크를 이용한 문자 인식을 위한 장치 및 그것의 동작 방법 | |
| CN114627868A (zh) | 意图识别方法、装置、模型及电子设备 | |
| JPH04246765A (ja) | 物体認識装置 | |
| US11501135B2 (en) | Smart engine with dynamic profiles | |
| Hu et al. | Voice keyword recognition based on spiking convolutional neural network for human-machine interface | |
| JP2736361B2 (ja) | ニューラルネット構成方法 | |
| CN115391502A (zh) | 一种生成可应答话术语句的智能客服方法和装置 | |
| JPH0233687A (ja) | マルチフォント文字認識用ニューラルネットワーク学習方法 | |
| CN118133823B (zh) | 一种文档级事件抽取的候选论元过滤方法及装置 | |
| JPS58144980A (ja) | 文字認識処理用後処理システム | |
| JP2743418B2 (ja) | 学習方法 | |
| JPH05204399A (ja) | 不特定話者音素認識方法 | |
| JPH0654503B2 (ja) | パタ−ン認識装置 | |
| JP2989823B2 (ja) | 文型認識方法 | |
| JPH02206895A (ja) | ハイブリッド型文字認識装置 | |
| JPH0634234B2 (ja) | パターン認識装置 | |
| JPH02178728A (ja) | 音声認識方式 | |
| JP2875678B2 (ja) | 文字認識結果の後処理方法 | |
| CN121392231A (zh) | 一种目标定位方法、目标定位装置以及计算机存储介质 | |
| JPS608990A (ja) | 文字認識方式 | |
| JPH0494000A (ja) | 音声認識装置 |