多分类识别器生成装置及其方法、数据识别装置及其方法制造方法及图纸

多分类识别器识别数据所表征的特征是属于多个分类中的哪个分类，具备：第1阶层识别器生成单元，其生成进行1对N的识别的多个第1阶层识别器；和第2阶层识别器生成单元，其通过将多个第1阶层识别器分别输出的各计分值进行连结来生成第2阶层特征向量，输入该第2阶层特征向量来生成进行1对N的识别的多个第2阶层识别器，多分类识别器将通过使数据输入到多个第1阶层识别器而由该多个第1阶层识别器输出的各计分值进行连结来生成第2阶层特征向量，将与通过使该第2阶层特征向量输入到多个第2阶层识别器而输出了最大的计分值的第2阶层识别器相对应的分类，识别为所输入的数据所表征的特征所属的分类。

【技术实现步骤摘要】
本申请主张以2012年10月26日提出申请的日本国专利申请第2012－236440号为基础申请的优先权，将该基础申请的内容全部引入到本申请中。
本专利技术涉及多分类识别器、数据识别装置、多分类识别方法以及数据识别方法。
技术介绍
有想要知道在山野或路边发现的花的名称的情况。为此，提出如下技术（例如，参照特开2002－203242号公报）：通过以摄影等而得到的花和叶的数字图像，使用聚类法大量提取作为对象物的花和叶的局部特征，进而求取以将该提取特征群进行直方图化的信息为特征量的单个或多个特征量，使用统计手法来解析该求得的特征量、和预先登录于数据库的各种植物的特征量来判别野花草的种类。在此，在对输入的花等的图像数据进行图像分类时，在机器学习中，能容易地实现所谓的2分类识别器，其进行是某种类的图像自身还是此外图像这2种图像分类。另一方面，在进行从多个种类的图像中识别各种类的图像的多分类的图像分类时，一般组合2分类识别器来构成所谓的多分类识别器。例如，在将花的图像分类为6种类的情况下，生成6个2分类识别器。各识别器按照在分别输入了所分配的种类的图像时分别输出最大的识别计分值的方式进行生成。然后，在将图像输入到各识别器时，将与输出最高识别计分值的识别器对应的种类设为识别结果。但是，例如在花的种类的分类中，在组合2分类识别器来构成多分类识别器的情况下，存在各2分类识别器输出的计分值未被归一化的问题点。具体地，2分类识别器以计分值零为边界，用正负号来判定是否属于与该2分类识别器对应的分类。表示此时的识别的似然的计分值的绝对值将根据生成该2分类识别器的学习用数据与其他分类的学习用数据分离何种程度（分离度）而改变。若组合这样的2分类识别器来构成多分类识别器，根据对识别的难易度为各种各样的多分类的数据进行识别的各计分值的绝对值而决定的识别性能，将对应于赋予各2分类识别器的学习用数据的质量而改变。如此，在组合2分类识别器来构成多分类识别器的情况下，存在各分类的识别性能变得不均匀，即未归一化这样的问题点。进而，在组合2分类识别器来构成多分类识别器的情况下，若未对各2分类识别器赋予充分数量的学习用数据，则各分类的识别性能会变得不均匀。但是，例如在花的种类的分类中，存在难以对全部分类赋予充分数量的学习用数据这样的问题点。
技术实现思路
本专利技术目的在于，能通过总括评价各2分类识别器输出的计分值来抑制识别率的降低，实现能使各2分类识别器的计分值归一化的多分类识别器。本专利技术的多分类识别器识别数据所表征的特征是属于多个分类中的哪个分类，所述多分类识别器的特征在于，具备：第1阶层识别器生成单元，其生成进行1对N的识别的多个第1阶层识别器；和第2阶层识别器生成单元，其通过将所述多个第1阶层识别器分别输出的各计分值进行连结来生成第2阶层特征向量，输入该第2阶层特征向量来生成进行1对N的识别的多个第2阶层识别器，所述多分类识别器将通过使数据输入到所述多个第1阶层识别器而由该多个第1阶层识别器输出的所述各计分值进行连结来生成所述第2阶层特征向量，将与通过使该第2阶层特征向量输入到所述多个第2阶层识别器而输出了最大的计分值的所述第2阶层识别器相对应的分类，识别为所输入的所述数据所表征的特征所属的分类。附图说明图1是表示本专利技术的一个实施方式所涉及的多分类识别器的硬件构成例的框图。图2是表示本实施方式的多分类识别器生成处理的整体动作的流程图。图3是2阶层多分类识别器的构成图。图4是表示第1阶层特征向量在特征空间上的分布例的示意图。图5是表示第1阶层识别器输出的计分值的示例的图。图6是表示第2阶层特征向量的数据构成例的图。图7是表示图2的第1阶层识别器生成处理的详细的流程图。图8是表示图7的特征提取处理的流程图。图9是表示图7的向量量化处理的流程图。图10是表示图7的第1阶层特征向量生成处理（直方图生成处理）的流程图。图11是表示图7或图12的识别器生成处理的流程图。图12是表示图2的第2阶层识别器生成处理的详细的流程图。具体实施方式下面，参照附图来详细说明用于实施本专利技术的形态。图1是表示本专利技术的一个实施方式所涉及的多分类识别器101的硬件构成例的框图。该多分类识别器101例如在检索系统的计算机上实现，该检索系统从所谓的智能手机等的便携式信息终端接收花等的摄影图像数据，并通过识别器检索该花等的种类来进行识别，并将该识别结果返回便携式信息终端。多分类识别器101具备：CPU（Central Processing Unit：中央运算处理装置）102、ROM（Read Only Memory：只读存储器）103、和RAM（Random Access Memory：随机存取存储器）104。另外，多分类识别器101具备：硬盘存储装置或固态驱动器存储装置等的外部存储装置105、通信接口106、键盘装置或鼠标装置等的输入装置107、和显示器装置等的输出装置108。进而，多分类识别器101具备能设置SD存储卡、USB（Universal Serial Bus，通用串行总线）存储卡、CD（Compact Disk：光盘）、DVD（Digital Versatile Disk，数字通用光盘）等的可移动存储介质110的可移动存储介质驱动装置109。上述各设备102～109通过总线111而相互连接。在ROM103中存储有后述的图2以及图7到图12的流程图表示的多分类识别器生成处理的控制程序。CPU102从ROM103读出该控制程序，以RAM104为工作内存来执行。基于该硬件构成而进行动作的多分类识别器例如是软件，存储在ROM103、RAM104、或外部存储装置105。另外，在多分类识别器生成处理中输入的学习用数据例如从外部存储装置105、或能设置在可移动存储介质驱动装置109的可移动存储介质110所提供。在生成多分类识别器后，CPU102通过读出并执行被存储在ROM103、RAM104、或外部存储装置105的多分类识别器的软件，从而作为多分类识别器进行动作。或者，多分类识别器也可以由其它的计算机系统执行。该多分类识别器例如经由因特网用通信接口106从所谓的智能手机等的便携式信息终端中接收花的摄影图像数据。然后，多分类识别器检索该花的种类来识别本文档来自技高网...

【技术保护点】
一种多分类识别器，识别数据所表征的特征是属于多个分类中的哪个分类，所述多分类识别器的特征在于，具备：第1阶层识别器生成单元，其生成进行1对N的识别的多个第1阶层识别器；和第2阶层识别器生成单元，其通过将所述多个第1阶层识别器分别输出的各计分值进行连结来生成第2阶层特征向量，输入该第2阶层特征向量来生成进行1对N的识别的多个第2阶层识别器，其中，将通过使数据输入到所述多个第1阶层识别器而由该多个第1阶层识别器输出的所述各计分值进行连结来生成所述第2阶层特征向量，将与通过使该第2阶层特征向量输入到所述多个第2阶层识别器而输出了最大的计分值的所述第2阶层识别器相对应的分类，识别为所输入的所述数据所表征的特征所属的分类。

【技术特征摘要】
2012.10.26 JP 2012-2364401.一种多分类识别器，识别数据所表征的特征是属于多个
分类中的哪个分类，所述多分类识别器的特征在于，具备：
第1阶层识别器生成单元，其生成进行1对N的识别的多个
第1阶层识别器；和
第2阶层识别器生成单元，其通过将所述多个第1阶层识别
器分别输出的各计分值进行连结来生成第2阶层特征向量，输入
该第2阶层特征向量来生成进行1对N的识别的多个第2阶层识
别器，
其中，将通过使数据输入到所述多个第1阶层识别器而由该
多个第1阶层识别器输出的所述各计分值进行连结来生成所述第
2阶层特征向量，将与通过使该第2阶层特征向量输入到所述多
个第2阶层识别器而输出了最大的计分值的所述第2阶层识别器
相对应的分类，识别为所输入的所述数据所表征的特征所属的分
类。
2.根据权利要求1所述的多分类识别器，其特征在于，
所述第1阶层识别器生成单元按所述多个分类的每一个来执
行输入从多个学习用数据中分别提取出的各第1阶层特征向量来
生成用于识别该各学习用数据所表征的特征是否属于多个分类
中的1个分类的第1阶层识别器的处理，由此生成用于个别识别
所述各学习用数据所表征的特征是否分别属于所述多个分类的
多个第1阶层识别器，
所述第2阶层识别器生成单元按每个所述学习用数据，将通
过使所述多个学习用数据输入到所述各分类的第1阶层识别器而
由所述各分类的第1阶层识别器输出的各计分值进行连结来生成
第2阶层特征向量，按所述多个分类的每一个，来执行输入该各
第2阶层特征向量来生成用于识别与该各第2阶层特征向量对应
的所述各学习用数据所表征的特征是否属于所述多个分类中的1
个分类的第2阶层识别器的处理，由此，生成用于个别识别所述

\t各学习用数据所表征的特征是否分别属于所述多个分类的多个
第2阶层识别器。
3.根据权利要求2所述的多分类识别器，其特征在于，
所述特征是图像的特征，
所述第1阶层识别器生成单元执行如下处理：
特征提取处理，对所述多个学习用数据的每一个，执行与所
述学习用数据所示的图像内的各网格对应来提取特征信息的处
理；
聚类处理，将与全部的所述学习用数据所示的图像内的全部
的所述网格对应而提取出的全部的所述特征信息聚类成多个群
集；
向量量化处理，对所述多个学习用数据的每一个，按与该学
习用数据所示的图像内的所述各网格对应而提取出的所述特征
信息来分别算出该特征信息与所述各群集的重心数据的距离，将
与该算出的距离中的最小的距离对应的群集作为最附近群集进
行提取，将该提取的最附近群集的重心数据设为该特征信息的向
量量化值；
第1阶层特征向量生成处理，对所述多个学习用数据的每一
个，通过按与该学习用数据所示的图像内的所述各网格对应而提
取出的所述向量量化值来反复执行将与该向量量化值对应的所
述最附近群集的直方图频数进行累计的处理，来生成与该学习用
数据对应的直方图，生成将该直方图的每个单元条的各频数值作
为各要素值的所述第1阶层特征向量，并将其与对该学习用数据
赋予的表示该学习用数据所表征的特征的分类的标签一起存储；
识别器生成处理，基于所述第1阶层特征向量中的赋予了表
示所述1个分类的标签的第一第1阶层特征向量的分组、和赋予
了表示所述1个分类以外的分类的标签的第二第1阶层特征向量
的分组，通过按所述多个分类的每一个，执行用于生成与在输入
了属于所述1个分类的数据时输出最大的所述计分值的所述1个
分类对应的第1阶层识别器的处理，由此来生成用于个别识别所

\t述各学习用数据所表征的特征是否分别属...

【专利技术属性】
技术研发人员：松永和久，中込浩一，二瓶道大，广浜雅行，
申请(专利权)人：卡西欧计算机株式会社，
类型：发明
国别省市：日本;JP