[发明专利]信息处理装置

说明书

本发明的目的在于实现处理成本的减少。图像识别装置(200)具备：图像处理装置(21)，从图像获取特征量；以及辨别装置(201)，使用获取到的特征量来判定图像中是否存在规定的辨别对象，并辨别该辨别对象。辨别装置(201)具备预先学习了辨别对象的BNN，并通过利用BNN对图像处理装置(21)获取到的特征量进行二进制计算，来进行辨别处理。此时，辨别装置(201)选择图像处理装置(21)输出的高维度特征量中对辨别有效的部分来减少在辨别处理中所使用的维度，或复制图像处理装置(21)输出的低维度特征量来增加维度。通过选择、复制特征量的维度，从而确保所需的辨别精度的同时，能够适当地调节用于辨别的特征量的维度，所以能够将辨别装置(201)安装于小规模、低消耗电力的硬件电路。

技术领域

本发明涉及信息处理装置，例如涉及辨别学习到的对象的信息处理装置。

背景技术

近年来，从由相机拍摄到的图像识别特定的对象，并对该特定的对象进行辨别的技术迅速地发展，例如在汽车的驾驶辅助、医疗的诊断辅助等多个方面被利用。

这些在图像识别技术中，通过某些手法从图像数据提取特征量，并将该特征量与辨别对象(例如人物)的特征量进行比较，来判断该图像数据中是否存在辨别对象。

进行这样的图像识别的技术有非专利文献1以及非专利文献2的技术。

这些技术是从图像提取被称为HOG特征量的特征量，并将该特征量与预先从辨别对象映现的图像学习到的HOG特征量进行比较来检测辨别对象。

除此以外，从图像提取特征量的技术中有与HOG特征量相比具有稳健性的CoHOG特征量、更具有稳健性的MRCoHOG特征量等。

然而，由于这些图像识别技术使用高维度的特征量，所以在安装于硬件的情况下，导致电路复杂化、大规模化，如何减少处理成本，并以较小的资源实现成为课题。

如果该图像识别技术能够在半导体晶片上安装，则预料搭载到车辆或飞机等移动体上，或者搭载到移动终端或可穿戴的终端等所有场景中的利用。

另一方面，使神经网络学习对象，并使用该学习的学习结果(神经网络)，通过所输入的数据来识别对象，并辨别对象的技术迅速地发展。

可是，神经网络通过使用了教师信号的反向传播等进行学习，但该学习处理需要庞大的计算处理，若输入数据数(特征量的维数)变多，则存在需要非常大的量的计算这个问题。

另外，在将神经网络安装于硬件的情况下，输入数据数的增加也会引起电路的复杂化、大规模化的问题。

非专利文献1:Tomoki Watanabe，Satoshi Ito etc.；”Co－occurrenceHistograms of Oriented Gradients for Human Detection”，IPSJ Transactions onComputer Vision and Applications，Vol.2pp.39－47，2010

非专利文献2:Navneet Dalal，Bill Triggs.：”Histgrams of OrientedGradients for Human Detection”，IEEE Computer Society Conference on ComputerVisionPattern Recognition，Vol.1pp.886－893，2005。

发明内容

本发明的目的在于实现处理成本的减少。