【課題】 識別に有効な特徴成分を残しつつ識別に不要な成分を削除して特徴選択を行い、認識を高速化、高精度化する。
【解決手段】 学習用パターンから選定されるパターン対の各々についてｎ次元特徴を抽出し、その差分特徴の各々に対して重要度を設定する。差分特徴の射影長を保存するような特徴成分を重要度の順に導出し、導出された特徴成分が生成する差分主空間へｎ次元特徴を射影する射影行列を生成して差分主空間辞書に記録する。射影行列を用いて学習用パターンのｎ次元特徴をｍ次元特徴に変換し、学習用パターンを識別するための識別関数を生成して差分空間内識別辞書に記録する。与えられたパターンの認識時には、識対象となるパターンからｎ次元特徴を抽出し、差分主空間辞書に記録された射影行列を用いてｍ次元特徴を取得し、差分主空間内識別辞書の識別関数を用いて各カテゴリに対するパターンの類似度を算出する。 （もっと読む）

【課題】電子文書の言語または言語ファミリといった画像の特徴を特定する方法を提供する。
【解決手段】本発明に係る方法の一形態では、画像データの所定の領域に含まれる複数の字体要素について、特徴点の数に対応する字体要素の出現回数を、特徴点の数をビンとした度数分布として積算し、該度数分布から対象分布特性を求め、対象分布特性と、見本分布特性とを比較することにより文字の言語または言語ファミリを特定する。 （もっと読む）

少なくとも１つのアイテムに対する光学式文字認識（ＯＣＲ）の精度を向上させるシステムおよび／または方法において、少なくとも１つのＯＣＲモジュールから、ＯＣＲスキャニングのＯＣＲ結果を取得することと；ＯＣＲ結果の少なくとも一部分を使用して、少なくとも１つのＯＣＲシードを生成させることと；ＯＣＲシードの少なくとも一部分を使用して、少なくとも１つのＯＣＲ学習セットを生成させることと；ＯＣＲ学習セットを少なくとも１つのアイテムに適用して、付加的な光学式文字認識（ＯＣＲ）結果を取得することとを含む。 （もっと読む）

【課題】２値化タイプのプロセス、セグメント化、および認識を結合して単一のプロセスにする、低解像度の撮影されたドキュメントの光学式文字認識（ＯＣＲ）用のグローバル最適化フレームワークを提供する。
【解決手段】このフレームワークは、大量のデータ上でトレーニングされる機械学習アプローチを含む。コンボリューショナルニューラルネットワークを採用して、複数の位置において分類関数を計算し、２値化を不要とする中間調の入力を受け入れることができる。このフレームワークは、前処理、レイアウト分析、文字認識、および単語認識を活用して、高い認識率を出力する。またこのフレームワークは、ダイナミックプログラミングおよび言語モデルも採用して、希望の出力に到達する。 （もっと読む）

【課題】類似文字における特徴の差異を高精度に識別すること。
【解決手段】文字識別プログラムが、任意の文字を、互いに類似する文字カテゴリ（例えば、文字カテゴリＡ、文字カテゴリＢ）のどちらに属するかを識別する際に、文字カテゴリＡ、文字カテゴリＢに共通する情報を特徴空間上の共通分布として求め、求めた共通分布を各文字カテゴリが示す分布に対し、畳み込み積分を行う。そして、畳み込んだ分布に基づき、固有値、固有ベクトルをカテゴリごとに新たに算出し、擬似ベイズ識別を行う。 （もっと読む）

【課題】低確信度の画像を収集分類することによりサンプル画像を効率的に収集して識別器の再学習を速やかに行う。
【解決手段】ナンバープレートを読み取った画像から文字画像を切り出して文字を識別する文字識別器を備え、文字識別の結果の確信度および前記切り出した文字画像を出力する複数の車番認識装置と、低確信度の文字画像を、複数グループに分類して収集してデータベースに格納する確信度判定部、および前記表示器に表示された文字画像を正しい認識結果にしたがって再分類し、前記文字画像と前記正しい認識結果の情報との紐付け情報を入力できる入力手段を備えた識別器パラメータ学習管理部を具備したセンタ装置を備え、前記再分類された文字画像および該画像と紐付けされた文字画像の認識結果の情報を教師データとして文字識別器を再学習させて文字識別器の識別パラメータを更新する。 （もっと読む）

【課題】学習に必要な演算量を低減可能なパターン識別装置の学習方法を提供する。
【解決手段】特徴抽出用パラメータに従ってデータから識別用特徴量を抽出する特徴抽出器１１と、識別用特徴量を入力としてそのデータに表されたパターンを識別する識別器１２とを有するパターン識別装置１の学習方法は、（ａ）学習用データセットに含まれる同一のパターンが表された学習用データの組を特徴抽出器１１に入力して得られる識別用特徴量のクラスタを決定するステップと、（ｂ）クラスタ間の最小距離を求めるステップと、（ｃ）最小距離の極大値が検出されたか否か判定するステップと、（ｄ）極大値が検出されていないと判定した場合、特徴抽出用パラメータを変更して、ステップ（ａ）〜（ｃ）を繰り返すステップと、（ｅ）極大値が検出された場合、その極大値に対応する特徴抽出用パラメータが、パターン識別処理の実行時に使用されるものとするステップを含む。 （もっと読む）

【課題】単純化された態様でパターン認識を行うこと。
【解決手段】パターン検出ステップ２と、このパターン検出ステップ２において得られたパターンの特性付けを行う特性付与ステップ３と、この特性付与ステップ３において得られたパターンの認識を行う認識ステップ４と、を順に行うパターン認識方法であって、パターン特性付与ステップにおいては、Ｍ_Ｆ （ｐ，ｑ）をパターンのフーリエ−メリーン変換としかつｐ，ｑを回転およびスケール変化のそれぞれに対応したパターンの不変量を示す係数としたときに、フーリエ−メリーン空間内におけるパターンＤ_Ｆ （ｐ，ｑ）の不変量記述子を得る。 （もっと読む）

【課題】文字認識装置及びその方法を提供する。
【解決手段】文字認識装置は、トレーニング文字画像あるいは認識すべき文字画像から文字画像の特徴ベクトルを抽出する特徴ベクトル抽出部と、特徴ベクトル抽出部により出力されたトレーニング文字画像の特徴ベクトルからなるトレーニングサンプルセットに基づいて複数のスパースサポートベクターマシン分類器を学習して得るトレーニング部と、トレーニング部によるトレーニング結果を記憶する記憶部と、スパースサポートベクターマシン分類器ごとに特徴ベクトル抽出部により出力された認識する文字画像の特徴ベクトルに対する出力を計算し、認識すべき文字画像と対応する文字を決定する認識部と、を有する。トレーニング部は、スパースサポートベクターマシン分類器の目標関数に０-ノルム正則化項を導入することによりスパースサポートベクターマシン分類器の決定関数におけるサポートベクトルの数を減少させる。 （もっと読む）

【課題】入力画像の認識にとって重要な部分に対して着目を強めた特徴抽出を行うことで、類似文字の認識精度の向上を図る。
【解決手段】入力されたパターン画像に対して、画像の領域に設定された複数の部分領域それぞれの特徴量を計算する部分領域特徴量計算部と、部分領域特徴量計算部により計算された複数の部分領域それぞれの特徴量から、入力されたパターンの特徴ベクトルを生成する特徴ベクトル生成部とを備え、特徴ベクトル生成部は、部分領域に対応した特徴量から入力されたパターンの特徴ベクトルを生成する。部分領域ごとの画素に対応した重み値は、学習パターンの認識を行って得られた標準パターンとの相違度または類似度の損失値を求めるための損失関数を、重み値を表す変数によって微分し、この微分した値と学習パターンの認識を行って得られた結果を評価することによって変更されたものである。 （もっと読む）