公开(公告)号：CN120035821A

公开(公告)日：2025-05-23

申请号：CN202280100909.7

申请日：2022-10-14

Applicant: 三菱电机株式会社

Inventor： 李庭育

IPC: G06F16/51 ,  G06V10/44

Abstract: 根据本公开技术的图像检索设备是这样一种图像检索设备，其包括特征缩减处理电路(100)和检索处理单元(200)。特征缩减处理电路(100)中包括的矩阵计算器(120)根据存储的数据(Xd‑1)计算矩阵(Cd)。特征缩减处理电路(100)中包括的投影变换部(130)将矩阵(Cd)乘以依次获取的图像特征量{fi}。检索处理单元(200)中包括的第二投影变换部(210)利用矩阵(Cd)从搜索目标的输入图像特征(ftarget)计算低维图像特征(gtarget_x)。检索处理单元(200)中包括的搜索执行部(220)在特征空间中计算由投影变换部(130)计算出的向量与低维图像特征(gtarget_x)之间的距离，并通过使用该距离执行对可能图像特征的检索。投影变换部(130)计算出的向量属于按时间窗口划分的数据库。

公开(公告)号：CN111052146A

公开(公告)日：2020-04-21

申请号：CN201880054941.X

申请日：2018-02-06

Applicant: 三菱电机株式会社

Inventor： 李庭育 ,  高介其 ,  P·森 ,  刘洺堉

IPC: G06K9/62

Abstract: 用于包括传感器的主动学习系统的系统及方法从包括具有对象的一组图像的场景获得数据。存储主动学习数据的存储器包括被训练用于检测图像中的对象的对象检测器。与存储器通信的处理器被配置为使用对象检测器检测从一组图像中选择的图像中的至少一个对象的语义类别和位置，以产生作为对象检测器的关于图像中对象的语义类别(分类)的不确定度和对象检测器的关于图像中对象的位置(定位)的不确定度的组合的检测指标。使用与处理器通信的输出接口或显示型设备，以在检测指标高于阈值时显示图像以供人标记。

公开(公告)号：CN111052146B

公开(公告)日：2023-05-12

申请号：CN201880054941.X

申请日：2018-02-06

Applicant: 三菱电机株式会社

Inventor： 李庭育 ,  高介其 ,  P·森 ,  刘洺堉

IPC: G06V10/764 ,  G06N3/08

Abstract: 用于包括传感器的主动学习系统的系统及方法从包括具有对象的一组图像的场景获得数据。存储主动学习数据的存储器包括被训练用于检测图像中的对象的对象检测器。与存储器通信的处理器被配置为使用对象检测器检测从一组图像中选择的图像中的至少一个对象的语义类别和位置，以产生作为对象检测器的关于图像中对象的语义类别(分类)的不确定度和对象检测器的关于图像中对象的位置(定位)的不确定度的组合的检测指标。使用与处理器通信的输出接口或显示型设备，以在检测指标高于阈值时显示图像以供人标记。

公开(公告)号：CN118679485A

公开(公告)日：2024-09-20

申请号：CN202280091372.2

申请日：2022-02-15

Applicant: 三菱电机株式会社

Inventor： 李庭育

IPC: G06N20/00

Abstract: 一种示例性方法包括：计算第一输入数据a和第二输入数据b之间的第一差d，第一输入数据a和第二输入数据b被提供给机器学习模型，该机器学习模型具有函数f并且分别响应于第一输入数据a和第二输入数据b输出第一结果f(a)和第二结果f(b)，其中，d＝(元素d[1],d[2],...,d[n])、a＝(元素a[1],a[2],...,a[n])、b＝(元素b[1],b[2],...,b[n])、f(a)＝(f(a)[1],f(a)[2],...,f(a)[m])、f(b)＝(f(b)[1],f(b)[2],...,f(b)[m])，并且n和m是正整数；通过关于第一输入数据a和第二输入数据b部分地对函数f求微分以产生雅可比矩阵Ja和雅可比矩阵Jb并且对雅可比矩阵Ja和雅可比矩阵Jb进行转置，来计算转置雅可比矩阵JaT和转置雅可比矩阵JbT；计算转置雅可比矩阵JaT和结果f(a)的第一乘积以及转置雅可比矩阵JbT和结果f(b)的第二乘积；计算第一乘积和第二乘积之间的第二差w，其中，w＝(元素w[1],w[2],···,w[n])；以及判断第一差d的元素d[j]和第二差w的元素w[j]的较大乘积对第一结果f(a)和第二结果f(b)之间的相似性贡献更大，其中j是小于或等于n的正整数。

公开(公告)号：CN119790411A

公开(公告)日：2025-04-08

申请号：CN202280099689.0

申请日：2022-09-07

Applicant: 三菱电机株式会社

Inventor： 福地贤 ,  李庭育

IPC: G06N20/00

Abstract: 示例性方法包括：定义具有多个参数a至l的函数g；将函数g设置在监督学习模型f之前；使用包括示例xi和标签yi的训练数据TDi训练监督学习模型f，i是整数；通过使用监督学习模型f和函数g来定义函数f(g(xi))；通过计算函数f(g(xi))来计算结果Zi；计算结果Zi与标签yi之间的差Li；计算差Li关于函数g的多个参数a至l的偏微分PDi；根据偏微分PDi更新函数g的多个参数a至l；当在结果Zi的计算与函数g的多个参数a至l的更新之间重复的过程中差Li收敛时，通过使用函数g的多个参数a至l来定义伪预处理h；将伪预处理h设置在监督学习模型f之前；以及通过将训练数据TDi提供给伪预处理h来训练监督学习模型f。