[发明专利]图像生成装置以及图像生成方法

说明书

图像生成装置具备处理电路和记录至少一个计算拍摄图像的存储器，所述计算拍摄图像是光场图像、压缩感知图像和编码拍摄图像中的某一种，所述处理电路，(a1)使用识别器，识别所述至少一个计算拍摄图像中的物体的位置，(a2)使用所述至少一个计算拍摄图像，生成叠加有强调所述物体位置的显示的显示图像，(a3)输出所述显示图像。

技术领域

本公开涉及图像生成装置以及图像生成方法。

背景技术

在自动驾驶的车辆以及机器人中，识别周围的物体、认知环境的技术很重要。近年来，为了识别物体，被称作深度学习(Deep Learning)的技术引人关注。深度学习是指使用多层构造的神经网络的机器学习。通过使用利用大量的学习数据构建而成的多层构造的神经网络，与以往方法相比，能够实现更高精度的识别性能。在物体识别中，图像信息特别有效。在非专利文献1中，公开了一种通过以图像信息作为输入的深度学习来大幅提高以往的物体识别能力的方法。另外，为了高精度地识别，需要输入图像是高分辨率。在低分辨率图像的情况下，例如远方的被拍摄对象不具有足够的分辨率，会导致识别性能下降。

另一方面，在非专利文献2中公开了一种除了图像信息以外还使用通过三维测距仪取得的进深信息来进一步提高神经网络的识别能力的方法。如果使用进深信息，则能够分离附近和远方的被拍摄对象。因此，通过使用进深信息，即使对于远方的被拍摄对象也能够提升识别性能。另外，为了一边拍摄低分辨率的图像一边复原高分辨率的图像，例如已知有如非专利文献3公开的被称为压缩感知(sensing)的方法。

现有技术文献

非专利文献1：A.Krizhevsky、I.Sutskever以及G.E.Hinton著，“ImageNetClassication with Deep Convolutional Neural Networks”、NIPS'12Proceedings ofthe 25th International Conference on Neural Information Processing Systems，2012年，P.1097-1105

非专利文献2：Andreas Eitel等著，“Multimodal Deep Learning forRobustRGB-D Object Recognition”，2015IEEE/RSJ International Conference onIntelligent Robots and Systems(IROS)，2015年

非专利文献3：Y.Oike以及A.E.Gamal著，“A 256×256CMOS Image SensorwithΔΣ－Based Single-Shot Compressed Sensing”，2012 IEEE International Solid-StateCircuits Conference(ISSCC)Dig.of Tech.Papers，2012年，P.386-387

非专利文献4：M.Salman Asif、Ali Ayremlou、Ashok Veeraraghavan、RichardBaraniuk以及Aswin Sankaranarayanan著，“FlatCam：Replacing Lenses with Masks andComputation”，International Conference on Computer Vision Workshop(ICCVW)，2015年，P.663-666

非专利文献5：Yusuke Nakamura、Takeshi Shimano、Kazuyuki Tajima、MayuSao以及Taku Hoshizawa著，“Lensless Light－field Imaging with Fresnel ZoneAperture”，3rd International Workshop on Image Sensors and Imaging Systems(IWISS2016)ITE-IST2016-51，2016年，no.40，P.7－8