机器学习装置
    1.
    发明公开

    公开(公告)号:CN109074642A

    公开(公告)日:2018-12-21

    申请号:CN201680085655.0

    申请日:2016-11-01

    Abstract: 本发明目的在于提供一种能够可靠且快速提高图像识别精度的机器学习装置。本发明的机器学习装置(1)包括:图像数据库(422),其存储多个图像和该多个图像的图像特征量;以及处理器(41),其与该图像数据库(422)连接,使用在图像数据库(422)中存储的多个图像及图像特征量进行机器学习,处理器(41)优先将在图像数据库(422)中存储的图像中的、除了在过去的机器学习中所使用的图像以外的图像且为与在过去的机器学习中所使用的图像的类似度低的规定数量的图像而选为机器学习使用的图像,使用该选择的图像进行新的机器学习。

    人物认证装置
    2.
    发明授权

    公开(公告)号:CN108734092B

    公开(公告)日:2021-09-17

    申请号:CN201810296063.4

    申请日:2018-03-30

    Abstract: 本发明提供适当地选定追加学习时的数据、消除学习的偏差而提高认证精度的人物认证装置。人物认证装置(5)具备:使用登记完的人物的面部认证模型(36)对作为追踪对象的人物进行认证的面部认证部(25);从由面部认证部(25)认证完的人物的面部图像中选定追加学习用面部图像(38)并保存的追加学习面部保存部(26);使用选定的追加学习用面部图像(38)来实施面部认证模型(36)的追加学习的追加学习实施部(27)。追加学习面部保存部(26)将由面部认证部(25)认证完的人物的认证可靠度处于上限与下限这两个阈值之间的面部图像选定为追加学习用面部图像(38)。

    流动体分析装置
    3.
    发明公开

    公开(公告)号:CN107578595A

    公开(公告)日:2018-01-12

    申请号:CN201710417497.0

    申请日:2017-06-06

    Abstract: 本发明提供一种流动体分析装置。烟等流动体有时扩散到远离作为发生源的起火位置的位置,当利用烟的检测进行火灾检测时,在有时火灾的发生源被无视,或者发生源被隐蔽的情况下不能检测到发生源。即使检测到火灾,现场的工作人员要花费功夫调整拍摄范围,影像灭火活动的尽早实施。本发明的流动体分析装置的特征在于,使用影像的运动特征量,计算出烟等的流动体的区域和流动体的发生源。利用计算出的信息来计算烟有无的检测时间的适合性。当时间不适合时,生成移动影像输入装置的控制指令,调整影像输入装置的拍摄范围。当判断为时间适合且检测到烟时,由输出装置提示烟存在、流动体的区域和发生源等属性中的至少一个以上的信息。

    流动体分析装置
    4.
    发明授权

    公开(公告)号:CN107578595B

    公开(公告)日:2021-05-18

    申请号:CN201710417497.0

    申请日:2017-06-06

    Abstract: 本发明提供一种流动体分析装置。烟等流动体有时扩散到远离作为发生源的起火位置的位置,当利用烟的检测进行火灾检测时,在有时火灾的发生源被无视,或者发生源被隐蔽的情况下不能检测到发生源。即使检测到火灾,现场的工作人员要花费功夫调整拍摄范围,影像灭火活动的尽早实施。本发明的流动体分析装置的特征在于,使用影像的运动特征量,计算出烟等的流动体的区域和流动体的发生源。利用计算出的信息来计算烟有无的检测时间的适合性。当时间不适合时,生成移动影像输入装置的控制指令,调整影像输入装置的拍摄范围。当判断为时间适合且检测到烟时,由输出装置提示烟存在、流动体的区域和发生源等属性中的至少一个以上的信息。

    人物认证装置
    5.
    发明公开

    公开(公告)号:CN108734092A

    公开(公告)日:2018-11-02

    申请号:CN201810296063.4

    申请日:2018-03-30

    Abstract: 本发明提供适当地选定追加学习时的数据、消除学习的偏差而提高认证精度的人物认证装置。人物认证装置(5)具备:使用登记完的人物的面部认证模型(36)对作为追踪对象的人物进行认证的面部认证部(25);从由面部认证部(25)认证完的人物的面部图像中选定追加学习用面部图像(38)并保存的追加学习面部保存部(26);使用选定的追加学习用面部图像(38)来实施面部认证模型(36)的追加学习的追加学习实施部(27)。追加学习面部保存部(26)将由面部认证部(25)认证完的人物的认证可靠度处于上限与下限这两个阈值之间的面部图像选定为追加学习用面部图像(38)。

Patent Agency Ranking