[发明专利]图像模式识别装置和方法

说明书

本申请提供了图像模式识别装置和方法，所述图像模式识别装置包括：数据接收单元，其接收数据；监管信息接收单元，其接收监管信息；以及人工神经网络处理单元，其执行人工神经网络处理。人工神经网络处理单元包括：第一子网络，其包括处理主任务的一个或多个层；第二子网络，其包括处理子任务的一个或多个层；以及第三子网络，其包括不属于第一子网络和第二子网络中的任何一个的一个或多个层。第三子网络包括将与输入特征量相同的值输出至多个层的分支处理单元。第一子网络包括将来自多个层的输入进行结合并输出结果的结合处理单元。

技术领域

本发明涉及一种图像模式识别装置和方法。

背景技术

JP-A-10-44824公开了一种驾驶者眼睛开/闭确定装置，其用于根据捕获了车辆等的驾驶者的面部的图像数据来检测疏忽状态或清醒度降低状态。

JP-A-2008-198078公开了一种图像检测装置，其根据捕获的图像来检测与检测目标有关的信息。

JP-A-2016-006626公开了一种检测装置、检测程序、检测方法和包括这样一种检测装置的车辆，该检测装置即使在人被部分隐藏的情况下也可以准确地检测人、而无需生成部分模型。

JP-A-2016-001362公开了一种属性估计程序和基于与用户相关联的图像信息来估计用户的属性的信息处理装置。

在下述非专利文献1中，公开了一种根据用户发布的图像来估计发布者的性别的方法。

在下述非专利文献4中，公开了一种误差反向传播方法(反向传播)，即，一种执行特征表现学习的方法。

在下述非专利文献5中，公开了一种使用误差反向传播方法的多层神经网络。

在下述非专利文献6中，公开了一种使用一个或多个卷积层的人工神经网络。

[非专利文献1]X.Ma et al.,Gender Estimation for SNS User ProfilingUsing Automatic Image Annotation,International Workshop on Cross-mediaAnalysis for Social Multimedia,2014(X.Ma等人，使用自动图像注释来针对社交网络服务(SNS)用户外形进行性别估计，社交多媒体跨媒体分析国际研讨会，2014)。

[非专利文献2]D.G.Lowe et al.,Object Recognition from Local Scale-Invariant Features,ICCV,1999(D.G.Lowe等人，根据局部尺度无关特征的对象识别.国际计算机视觉大会，1999)。

[非专利文献3]J.Wang et al.,Locally-Constrained Linear Coding forImage Classification,CVPR,2010(J.Wang等人，用于图像分类的局部约束线性编码，CVPR，2010)

[非专利文献4]D.E.Rumelhart et al.,Learning Representations by back-propagating errors,Nature,1986(D.E.Rumelhart等人，通过反向传播误差的学习表征，《自然》，1986)

[非专利文献5]Y.LeCun et al.,Backpropagation applied to handwrittenzip code recognition,Neural Computation,1989(Y.LeCun等人，反向传播应用于手写邮政编码识别，《神经计算》，1989)