-
公开(公告)号：CN112384892A
公开(公告)日：2021-02-19
申请号：CN201880095424.7
申请日：2018-07-09
Applicant: 富士通株式会社
Abstract: 本发明为了降低生成包含不良模式在内的优劣判定识别器时的处理量，程序生成部基于遗传编程而自动生成将被预先分类为两个类别的学习图像分类为两个类别的图像分类程序(优劣判定程序)，并对自动生成的优劣判定程序赋予被预先分类为三个以上的类别的学习图像，生成包含不良模式在内的优劣判定识别器，该优劣判定识别器将学习图像分类为三个以上的类别。
-
公开(公告)号：CN108475425A
公开(公告)日：2018-08-31
申请号：CN201680079208.4
申请日：2016-01-20
Applicant: 富士通株式会社
IPC: G06T7/00
CPC classification number: G06T7/00
Abstract: 检测由图像处理程序进行的图像处理精度下降的征兆。在存储部(1a)中存储有构成向多个节点(N1～N4)的各个节点并入部分程序的树结构的图像处理程序(2)。运算部(1b)在每次按照图像处理程序(2)而对通过摄像装置拍摄到的摄像图像(3)执行图像处理时，根据多个节点(N1～N4)中除终端节点以外的中间节点的各个节点处的处理结果(11～13)而计算特征量(20)。运算部(1b)根据伴随时间经过的特征量(20)的变动量来计算图像处理程序(2)的性能评价值。
-
公开(公告)号：CN106462401A
公开(公告)日：2017-02-22
申请号：CN201480080009.6
申请日：2014-06-19
Applicant: 富士通株式会社
Abstract: 缩短图像处理程序的生成时间。设定部(11)根据学习数据(30)内的至少从输入图像(31)得到的特征量和能够对多个部分程序中的参数可变程序选择性地设定的多个参数之间的关系，设定分别与多个参数对应的选择概率。选择处理部择了参数可变程序作为在突然变异对象的位置新并入的部分程序的情况下，从多个参数中按照与各参数对应的选择概率来选择1个参数，将设定了该参数的参数可变程序并入个体(41)。(12)在通过突然变异而使个体(41)进化时，在选
-
公开(公告)号：CN116490831A
公开(公告)日：2023-07-25
申请号：CN202080107188.3
申请日：2020-12-25
Applicant: 富士通株式会社
IPC: G05B19/418
Abstract: 本发明使计算机执行如下处理：基于根据表示对包含多个种类的多个对象物进行处理的处理顺序的第一信息、和表示多个种类中多个作业装置分别能够处理的种类的第二信息分别将多个对象物分配给多个作业装置的任意一个的结果，获得模拟结果；在多个对象物的每一个在能够实施该对象物的处理的作业装置正在实施对其它的对象物的处理时待机这样的条件下，针对多个作业装置的每一个，对能够对下一个分配的对象物实施处理但已移动到其它的作业装置的对象物数N1进行计数，并对能够对下一个分配的对象物实施处理但由于正在对其它的对象物进行处理所以使其待机的对象物数N2进行计数；以及根据N1以及N2的至少任意一个确定对多个作业装置进行增减的作业装置。
-
公开(公告)号：CN110914864A
公开(公告)日：2020-03-24
申请号：CN201780093076.5
申请日：2017-07-31
Applicant: 富士通株式会社
IPC: G06T7/00
Abstract: 为了自动生成能够高精度地对图像进行分类的图像分类程序，在根据遗传编程自动生成图像分类程序时，图像分类装置受理学习图像的NG区域的输入，生成表示对学习图像(ROI)进行分割后的各个分割区域与NG区域的重叠度的NG教导区域数据。此外，图像分类装置通过规定的图像分类程序(子个体)对学习图像进行图像转换，根据所获得的图像，计算各个分割区域的图像特征量，生成与各个分割区域对应的图像特征分布数据。而且，图像分类装置计算NG教导区域数据与图像特征分布数据之间的类似度，将根据类似度对图像分类程序(子个体)进行评价的结果(适合度)使用于遗传编程的执行。
-
Patent Agency Ranking
公开(公告)号：CN106462397A
公开(公告)日：2017-02-22
申请号：CN201480079469.7
申请日：2014-06-11
Applicant: 富士通株式会社
Abstract: 本发明缩短图像处理程序的生成时间。信息记录部(1b)每当执行进化处理时，将增减信息(2a)记录于存储部(1d)，该增减信息(2a)表示在进化前的个体与进化后的个体之间数量发生变化的部分程序、以及根据进化前的个体和进化后的个体分别计算的适应度的差分。概率设定部(1c)根据在规定期间内蓄积于存储部(1d)中的增减信息(2a)，按照每个部分程序判定对适应度的增加做出贡献的贡献度，以所判定的贡献度越高则设定值越高的方式对每个部分程序设定选择概率。生成处理部(1a)在执行进化处理时，根据所设定的选择概率选择通过突然变异而组入进化后的个体的部分程序。
-
公开(公告)号：CN108140133B
公开(公告)日：2022-03-22
申请号：CN201580083986.6
申请日：2015-10-22
Applicant: 富士通株式会社
Abstract: 生成实现高精度的图像分类处理的图像分类程序。生成部(1a)分别生成表示图像分类程序的树结构(11a,11b,11c,…)。各个树结构具备第1层级群(12a)和第2层级群(12b)，第1层级群(12a)的节点的要素分别从用于针对输入图像实施前处理的图像滤波器(21a,21b,21c,…)中选择，第2层级群(12b)的节点的要素从用于设定分别不同的值而作为用于基于通过针对第1层级群(12a)的节点选择的要素的执行来取得的信息来生成分类器的控制参数的设定程序(31a,31b,31c,…)中选择。遗传处理部(1b)基于树结构(11a,11b,11c,…)，通过遗传编程来输出适应度超过规定的阈值的树结构。
-
公开(公告)号：CN106462397B
公开(公告)日：2019-10-29
申请号：CN201480079469.7
申请日：2014-06-11
Applicant: 富士通株式会社
Abstract: 本发明缩短图像处理程序的生成时间。信息记录部(1b)每当执行进化处理时，将增减信息(2a)记录于存储部(1d)，该增减信息(2a)表示在进化前的个体与进化后的个体之间数量发生变化的部分程序、以及根据进化前的个体和进化后的个体分别计算的适应度的差分。概率设定部(1c)根据在规定期间内蓄积于存储部(1d)中的增减信息(2a)，按照每个部分程序判定对适应度的增加做出贡献的贡献度，以所判定的贡献度越高则设定值越高的方式对每个部分程序设定选择概率。生成处理部(1a)在执行进化处理时，根据所设定的选择概率选择通过突然变异而组入进化后的个体的部分程序。
-
公开(公告)号：CN106462401B
公开(公告)日：2019-09-10
申请号：CN201480080009.6
申请日：2014-06-19
Applicant: 富士通株式会社
Abstract: 缩短图像处理程序的生成时间。设定部(11)根据学习数据(30)内的至少从输入图像(31)得到的特征量和能够对多个部分程序中的参数可变程序选择性地设定的多个参数之间的关系，设定分别与多个参数对应的选择概率。选择处理部(12)在通过突然变异而使个体(41)进化时，在选择了参数可变程序作为在突然变异对象的位置新并入的部分程序的情况下，从多个参数中按照与各参数对应的选择概率来选择1个参数，将设定了该参数的参数可变程序并入个体(41)。
-
公开(公告)号：CN108140133A
公开(公告)日：2018-06-08
申请号：CN201580083986.6
申请日：2015-10-22
Applicant: 富士通株式会社
CPC classification number: G06F9/44 , G06K9/6282 , G06N3/12 , G06N3/126 , G06T7/00
Abstract: 生成实现高精度的图像分类处理的图像分类程序。生成部(1a)分别生成表示图像分类程序的树结构(11a,11b,11c,…)。各个树结构具备第1层级群(12a)和第2层级群(12b)，第1层级群(12a)的节点的要素分别从用于针对输入图像实施前处理的图像滤波器(21a,21b,21c,…)中选择，第2层级群(12b)的节点的要素从用于设定分别不同的值而作为用于基于通过针对第1层级群(12a)的节点选择的要素的执行来取得的信息来生成分类器的控制参数的设定程序(31a,31b,31c,…)中选择。遗传处理部(1b)基于树结构(11a,11b,11c,…)，通过遗传编程来输出适应度超过规定的阈值的树结构。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
