-
公开(公告)号：CN101051215A
公开(公告)日：2007-10-10
申请号：CN200710090405.9
申请日：2007-04-06
Applicant: 索尼株式会社
CPC classification number: G06N99/005 , G06N3/0445 , G06N3/0454 , G06N3/084
Abstract: 本发明提供学习设备、学习方法和程序。一种学习设备包括：存储单元，其被配置为存储由多个各自保存动态状况的节点形成的网络；学习单元，其被配置为基于观察到的时序数据以自组织方式学习网络的动态状况；获胜节点确定器，其被配置为确定获胜节点，该获胜节点是具有与时序数据最匹配的动态状况的节点；以及权重确定器，其被配置为根据个体节点与获胜节点的距离，为由该个体节点保存的动态状况确定学习权重。学习单元按照与学习权重相对应的程度以自组织方式学习网络的动态状况。
-
公开(公告)号：CN101138007B
公开(公告)日：2010-12-08
申请号：CN200580049018.X
申请日：2005-12-26
Applicant: 索尼株式会社
IPC: G06T7/00
CPC classification number: G06K9/00288 , G06K9/6211 , G06K9/623 , G06T7/00
Abstract: 提供了图像处理系统、学习设备和方法，以及能够简单提取在识别过程中所用的特性量的程序。从学习模型图像中提取特性点。根据特性点提取特性量。在学习模型字典注册单元(23)中注册特性量。相似地，从包含学习模型图像中所包含的模型对象的学习输入图像中提取特性点。根据该特性点提取特性量。将特性量与在学习模型注册单元(23)中注册的特性量进行比较。作为比较的结果，在模型字典注册单元(12)中注册已变成一对最频繁的特性量作为用于识别处理的特性量。本发明可应用于机器人。
-
公开(公告)号：CN100573558C
公开(公告)日：2009-12-23
申请号：CN200710138345.3
申请日：2004-04-22
Applicant: 索尼株式会社
CPC classification number: G06K9/6212 , G06K9/4609 , G06K9/6211 , G06T7/73
Abstract: 本发明涉及一种图像识别设备、图像识别方法和机器人设备。在图像识别设备(1)中，特征点提取部分(10a)和(10b)从模型图像和对象图像中提取特征点。特征量保留部分(11a)和(11b)提取每一个特征点的特征量并将它们与特征点的位置信息一起保留。特征量比较部分(12)将特征量彼此进行比较以计算相似性或相异性，并产生具有比较高的对应可能性的候选关联的特征点。模型姿态估计部分(13)重复将由从候选关联的特征点对组中随机选择的三对确定的仿射变换参数投射到参数空间上的操作。模型姿态估计部分(13)假设在参数空间中形成的具有最多成员的簇中的每一成员是内露层。模型姿态估计部分(13)使用内露层根据最小平方估计求出仿射变换参数，并输出由此仿射变换参数确定的模型姿态。
-
公开(公告)号：CN100383812C
公开(公告)日：2008-04-23
申请号：CN200610005742.9
申请日：2006-01-06
Applicant: 索尼株式会社
IPC: G06K9/46
CPC classification number: G06F17/30247 , G06K9/6271 , G06K9/6276
Abstract: 本发明意欲提供在要进行搜索的多个(如果有的话)集合中对期望元素进行的快速搜索。公共代表点设置块根据在向量信息存储块中存储的特征向量设置对于集合公共的公共代表点，并将所设置的点存储到公共代表点信息存储块中。相邻表组产生块根据向量信息和公共代表点信息而为每个集合产生相邻表，并将所产生的表存储在相邻表组存储块中。最近相邻向量组搜索块在获得输入向量时根据向量信息、公共代表点信息和相邻表组而在每个集合中搜索输入向量的最近相邻向量，并将所检索的最近相邻向量作为比较结果输出。本发明适用于图像处理装置。
-
公开(公告)号：CN101159020A
公开(公告)日：2008-04-09
申请号：CN200710138345.3
申请日：2004-04-22
Applicant: 索尼株式会社
CPC classification number: G06K9/6212 , G06K9/4609 , G06K9/6211 , G06T7/73
Abstract: 本发明涉及一种图像识别设备、图像识别方法和机器人设备。在图像识别设备(1)中，特征点提取部分(10a)和(10b)从模型图像和对象图像中提取特征点。特征量保留部分(11a)和(11b)提取每一个特征点的特征量并将它们与特征点的位置信息一起保留。特征量比较部分(12)将特征量彼此进行比较以计算相似性或相异性，并产生具有比较高的对应可能性的候选关联的特征点。模型姿态估计部分(13)重复将由从候选关联的特征点对组中随机选择的三对确定的仿射变换参数投射到参数空间上的操作。模型姿态估计部分(13)假设在参数空间中形成的具有最多成员的簇中的每一成员是内露层。模型姿态估计部分(13)使用内露层根据最小平方估计求出仿射变换参数，并输出由此仿射变换参数确定的模型姿态。
-
Patent Agency Ranking
公开(公告)号：CN101138007A
公开(公告)日：2008-03-05
申请号：CN200580049018.X
申请日：2005-12-26
Applicant: 索尼株式会社
IPC: G06T7/00
CPC classification number: G06K9/00288 , G06K9/6211 , G06K9/623 , G06T7/00
Abstract: 提供了图像处理系统、学习设备和方法，以及能够简单提取在识别过程中所用的特性量的程序。从学习模型图像中提取特性点。根据特性点提取特性量。在学习模型字典注册单元(23)中注册特性量。相似地，从包含学习模型图像中所包含的模型对象的学习输入图像中提取特性点。根据该特性点提取特性量。将特性量与在学习模型注册单元(23)中注册的特性量进行比较。作为比较的结果，在模型字典注册单元(12)中注册已变成一对最频繁的特性量作为用于识别处理的特性量。本发明可应用于机器人。
-
公开(公告)号：CN100365662C
公开(公告)日：2008-01-30
申请号：CN200480000409.8
申请日：2004-04-22
Applicant: 索尼株式会社
IPC: G06T7/00
CPC classification number: G06K9/6212 , G06K9/4609 , G06K9/6211 , G06T7/73
Abstract: 在图像识别设备(1)中，特征点提取部分(10a)和(10b)从模型图像和对象图像中提取特征点。特征量保留部分(11a)和(11b)提取每一个特征点的特征量并将它们与特征点的位置信息一起保留。特征量比较部分(12)将特征量彼此进行比较以计算相似性或相异性，并产生具有比较高的对应可能性的候选关联的特征点。模型姿态估计部分(13)重复将由从候选关联的特征点对组中随机选择的三对确定的仿射变换参数投射到参数空间上的操作。模型姿态估计部分(13)假设在参数空间中形成的具有最多成员的簇中的每一成员是内露层。模型姿态估计部分(13)使用内露层根据最小平方估计求出仿射变换参数，并输出由此仿射变换参数确定的模型姿态。
-
公开(公告)号：CN1801183A
公开(公告)日：2006-07-12
申请号：CN200610005742.9
申请日：2006-01-06
Applicant: 索尼株式会社
IPC: G06K9/46
CPC classification number: G06F17/30247 , G06K9/6271 , G06K9/6276
Abstract: 本发明意欲提供在要进行搜索的多个(如果有的话)集合中对期望元素进行的快速搜索。公共代表点设置块根据在向量信息存储块中存储的特征向量设置对于集合公共的公共代表点，并将所设置的点存储到公共代表点信息存储块中。相邻表组产生块根据向量信息和公共代表点信息而为每个集合产生相邻表，并将所产生的表存储在相邻表组存储块中。最近相邻向量组搜索块在获得输入向量时根据向量信息、公共代表点信息和相邻表组而在每个集合中搜索输入向量的最近相邻向量，并将所检索的最近相邻向量作为比较结果输出。本发明适用于图像处理装置。
-
公开(公告)号：CN100504675C
公开(公告)日：2009-06-24
申请号：CN200710090405.9
申请日：2007-04-06
Applicant: 索尼株式会社
CPC classification number: G06N99/005 , G06N3/0445 , G06N3/0454 , G06N3/084
Abstract: 本发明提供学习设备、学习方法和程序。一种学习设备包括：存储单元，其被配置为存储由多个各自保存动态状况的节点形成的网络；学习单元，其被配置为基于观察到的时序数据以自组织方式学习网络的动态状况；获胜节点确定器，其被配置为确定获胜节点，该获胜节点是具有与时序数据最匹配的动态状况的节点；以及权重确定器，其被配置为根据个体节点与获胜节点的距离，为由该个体节点保存的动态状况确定学习权重。学习单元按照与学习权重相对应的程度以自组织方式学习网络的动态状况。
-
公开(公告)号：CN100351054C
公开(公告)日：2007-11-28
申请号：CN200510099524.1
申请日：2005-09-13
Applicant: 索尼株式会社
CPC classification number: G06N3/008
Abstract: 本发明提供一种按照周围条件来执行适当行为的机器人设备和用于控制机器人设备的行为的方法。该机器人设备包括：数据获取单元，用于从外部和/或内部获取数据；主体识别单元，用于通过使用从外部获取的数据来识别执行行为的主体；条件识别单元，用于通过使用从外部获取的数据和/或从内部获取的数据来识别外部条件和/或内部条件；行为模式获取单元，用于通过使用从外部获取的数据来获取主体的行为模式；存储单元，用于与条件数据和主体标识数据相关联地存储行为数据；以及行为执行单元，用于执行行为，其中，当主体识别单元识别出主体时，行为执行单元按照标识数据和外部和/或内部条件数据来执行由在存储单元中存储的行为数据所表示的行为。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
