お客様の課題解決を
産学官連携・オープンイノベーションで実践する広域TLO

【要約】
【課題】情報処理装置が商品等の評判を示す軸を生成することを目的とする。
【解決手段】情報処理装置は、所定の商品又はサービスに対する複数のレビューデータを入力する入力部と、前記複数のレビューデータに含まれ、前記商品又は前記サービスに対する意見、評判、感想又は評価を示す評価表現を抽出する評価表現抽出部と、前記評価表現に基づいて、前記複数のレビューデータに含まれ、前記商品又は前記サービスの特徴を示す特徴語を抽出する特徴語抽出部と、前記特徴語をクラスタに分け、前記クラスタごとに軸を生成するクラスタリング部とを含む。

【特許請求の範囲】
【請求項１】
　所定の商品又はサービスに対する複数のレビューデータを入力する入力部と、前記複数のレビューデータに含まれ、前記商品又は前記サービスに対する意見、評判、感想又は評価を示す評価表現を抽出する評価表現抽出部と、前記評価表現に基づいて、前記複数のレビューデータに含まれ、前記商品又は前記サービスの特徴を示す特徴語を抽出する特徴語抽出部と、前記特徴語をクラスタに分け、前記クラスタごとに軸を生成するクラスタリング部とを含む情報処理装置。
【請求項２】
　前記評価表現には、
　前記商品又は前記サービスに対して、肯定的な表現となる肯定語と、前記商品又は前記サービスに対して、否定的な表現となる否定語とが含まれる請求項１に記載の情報処理装置。
【請求項３】
　前記レビューデータから前記評価表現が抽出される抽出回数及び前記評価表現と係り受けの関係にある他の評価表現のスコアに基づいて、前記評価表現のスコアを計算する請求項１又は２に記載の情報処理装置。
【請求項４】
　前記スコアは、３段階以上を表現できる値である請求項３に記載の情報処理装置。
【請求項５】
　前記クラスタリング部は、Ｇａｐ統計量に基づいて、前記クラスタの数を特定する請求項１乃至４のいずれか１項に記載の情報処理装置。
【請求項６】
　ｋ－ｍｅｄｏｉｄｓ法に基づいて、複数の前記特徴語から、前記軸の軸名を決定する請求項５に記載の情報処理装置。
【請求項７】
　前記複数のレビューデータから前記軸ごとに、前記商品又は前記サービスの特性についての評判を示す評判値を計算する評判分析部を更に含む請求項１乃至６のいずれか１項に記載の情報処理装置。
【請求項８】
　１台以上の情報処理装置を有する情報処理システムであって、所定の商品又はサービスに対する複数のレビューデータを入力する入力部と、前記複数のレビューデータに含まれ、前記商品又は前記サービスに対する意見、評判、感想又は評価を示す評価表現を抽出する評価表現抽出部と、前記評価表現に基づいて、前記複数のレビューデータに含まれ、前記商品又は前記サービスの特徴を示す特徴語を抽出する特徴語抽出部と、前記特徴語をクラスタに分け、前記クラスタごとに軸を生成するクラスタリング部とを含む情報処理システム。
【請求項９】
　情報処理装置が行う情報処理方法であって、前記情報処理装置が、所定の商品又はサービスに対する複数のレビューデータを入力する入力手順と、前記情報処理装置が、前記複数のレビューデータに含まれ、前記商品又は前記サービスに対する意見、評判、感想又は評価を示す評価表現を抽出する評価表現抽出手順と、前記情報処理装置が、前記評価表現に基づいて、前記複数のレビューデータに含まれ、前記商品又は前記サービスの特徴を示す特徴語を抽出する特徴語抽出手順と、前記情報処理装置が、前記特徴語をクラスタに分け、前記クラスタごとに軸を生成するクラスタリング手順とを含む情報処理方法。
【請求項１０】
　コンピュータに情報処理方法を実行させるためのプログラムであって、前記コンピュータが、所定の商品又はサービスに対する複数のレビューデータを入力する入力手順と、前記コンピュータが、前記複数のレビューデータに含まれ、前記商品又は前記サービスに対する意見、評判、感想又は評価を示す評価表現を抽出する評価表現抽出手順と、前記コンピュータが、前記評価表現に基づいて、前記複数のレビューデータに含まれ、前記商品又は前記サービスの特徴を示す特徴語を抽出する特徴語抽出手順と、前記コンピュータが、前記特徴語をクラスタに分け、前記クラスタごとに軸を生成するクラスタリング手順とを実行させるためのプログラム。

【要約】
【課題】簡素な構成で、誤った測距情報の出力を抑止できる、測距装置を提供する。
【解決手段】測距装置は、対象物との相対距離を測定するためのメインチャネルの信号に、複製や模倣が困難な乱数を生成するハードウェアロジック回路を用いたサイドチャネルの信号を重畳する。比較検証部は、送信側サイドチャネルデータと、受信側サイドチャネルデータを照合し、類似度を検証することで、受信信号の正当性を確認する。

【特許請求の範囲】
【請求項１】
　任意の対象物に照射して反射させる媒体を発する媒体発生源と、前記媒体に、主たる情報を搬送するために生成されたメインチャネルの信号を重畳する変調部と、前記媒体に、前記メインチャネルの信号とは異なる周波数帯の、副次的な情報を生成するサイドチャネルの信号として乱数を生成し、前記媒体に前記乱数の生成に起因する信号を重畳する乱数生成演算部と、前記対象物から反射された前記媒体を受信する媒体受信部と、前記変調部と前記乱数生成演算部から得られる送信信号から、前記サイドチャネルの信号成分を抽出してデータ列に変換する送信側サイドチャネル処理部と、前記受信部から得られる受信信号から、前記サイドチャネルの信号成分を抽出してデータ列に変換する受信側サイドチャネル処理部と、前記送信側サイドチャネル処理部から得られる前記データ列である送信側サイドチャネルデータと、前記受信側サイドチャネル処理部から得られる前記データ列である受信側サイドチャネルデータの類似度を算出し、受信信号の正当性を判定する比較検証処理部と、前記変調部と前記乱数生成演算部から得られる送信信号から前記メインチャネルの信号成分を抽出して、前記受信部から得られる受信信号から前記メインチャネルの信号成分を抽出して、得られた相互の信号に所定の処理を施して測距処理を実行する測距処理部とを具備する、測距装置。
【請求項２】
　前記送信側サイドチャネル処理部と前記受信側サイドチャネル処理部は、入力される信号から前記サイドチャネルの信号に相当する周波数成分を通過させるバンドパスフィルタと、前記バンドパスフィルタの出力信号をデジタルデータに変換するＡ／Ｄ変換器と、前記Ａ／Ｄ変換器が出力するデータ列を記憶するバッファとを具備する、請求項１に記載の測距装置。
【請求項３】
　侵入者の有無を検出するための媒体発生源と、前記媒体に、副次的な情報を生成するサイドチャネルの信号として乱数を生成し、前記媒体に前記乱数を重畳する乱数生成演算部と、前記媒体発生源から発生した前記媒体を受信する媒体受信部と、前記乱数生成演算部から得られる送信信号から、前記サイドチャネルの信号成分を抽出してデータ列に変換する送信側サイドチャネル処理部と、前記媒体受信部から得られる受信信号から、前記サイドチャネルの信号成分を抽出してデータ列に変換する受信側サイドチャネル処理部と、前記送信側サイドチャネル処理部から得られる前記データ列である送信側サイドチャネルデータと、前記受信側サイドチャネル処理部から得られる前記データ列である受信側サイドチャネルデータの類似度を算出し、受信信号の正当性を判定する比較検証処理部とを具備する、侵入検出装置。

【要約】【課題】画像から、質感を精度良く表現する。
【解決手段】情報処理システムが、第１画像に対する質感を音象徴語で被験者が回答した結果を入力して畳み込みニューラルネットワークによって学習を行う学習部と、第２画像を取得する取得部と、前記学習部による学習結果に基づいて、前記第２画像の質感を示す音韻の要素の出現確率を出力する出力部とを含む。

【特許請求の範囲】
【請求項１】
　第１画像に対する質感を音象徴語で被験者が回答した結果を入力して畳み込みニューラルネットワークによって学習を行う学習部と、第２画像を取得する取得部と、前記学習部による学習結果に基づいて、前記第２画像の質感を示す音韻の要素の出現確率を出力する出力部とを含む情報処理システム。
【請求項２】
　前記音韻の要素を組み合わせて、音象徴語を生成する生成部を更に含む請求項１に記載の情報処理システム。
【請求項３】
　前記音韻の要素は、母音、子音、反復及び特殊音である請求項１又は２に記載の情報処理システム。
【請求項４】
　前記第１画像は、ＦＭＤ画像及び前記ＦＭＤ画像の一部を切り出した部分画像を含む請求項１乃至３のいずれか１項に記載の情報処理システム。
【請求項５】
　前記学習部は、深層畳み込みニューラルネットワークによって学習を行う請求項１乃至４のいずれか１項に記載の情報処理システム。
【請求項６】
　情報処理システムが行う情報処理方法であって、情報処理システムが、第１画像に対する質感を音象徴語で被験者が回答した結果を入力して畳み込みニューラルネットワークによって学習を行う学習手順と、情報処理システムが、第２画像を取得する取得手順と、情報処理システムが、前記学習手順による学習結果に基づいて、前記第２画像の質感を示す音韻の要素の出現確率を出力する出力手順とを含む情報処理方法。
【請求項７】
　コンピュータに情報処理方法を実行させるためのプログラムであって、コンピュータが、第１画像に対する質感を音象徴語で被験者が回答した結果を入力して畳み込みニューラルネットワークによって学習を行う学習手順と、コンピュータが、第２画像を取得する取得手順と、コンピュータが、前記学習手順による学習結果に基づいて、前記第２画像の質感を示す音韻の要素の出現確率を出力する出力手順とを実行させるためのプログラム。

【要約】安定した測定を実施可能とし、且つ小型化を容易に図ることができる計測用デバイスを提供する。

【特許請求の範囲】
【請求項１】
　所定の波長の光を透過可能な半導体基板と、前記半導体基板の表面に積層され、前記半導体基板との界面でショットキー障壁を構成し、前記所定の波長の光が照射された際に表面プラズモン共鳴を起こすアンテナ部を有する金属層と、前記金属層の表面に形成され、特定の検出物質と反応可能に構成された反応層と、を備えていることを特徴とする計測用デバイス。
【請求項２】
　前記半導体基板の表面とは反対側の面と前記金属層に電気的に接続された電極部を備えていることを特徴とする請求項１に記載の計測用デバイス。
【請求項３】
　前記金属層は、前記半導体基板の表面に沿って形成された共鳴部と、複数の前記共鳴部に接続された集電部と、を備えていることを特徴とする請求項１または２に記載の計測用デバイス。
【請求項４】
　前記所定の波長は１μｍ以上１０μｍ以下であり、前記半導体基板はｎ型シリコンで構成され、前記共鳴部の幅は０．５μｍ以上５μｍ以下であることを特徴とする請求項３に記載の計測用デバイス。
【請求項５】
　前記半導体基板の表面には回折格子が形成され、前記金属層及び前記アンテナ部は前記回折格子の表面に設けられていることを特徴とする請求項１または２に記載の計測用デバイス。
【請求項６】
　前記金属層の表面には回折格子が形成され、前記アンテナ部は前記金属層の表面側に設けられていることを特徴とする請求項１または２に記載の計測用デバイス。
【請求項７】
　前記アンテナ部の表面に微細な凹部及び凸部の少なくとも一方が形成され、前記凹部及び前記凸部の幅は前記所定の波長の１／１０００以上１／１０以下であることを特徴とする請求項１から６の何れか一項に記載の計測用デバイス。
【請求項８】
　前記半導体基板の表面にはピラーが形成され、前記金属層及び前記アンテナ部は前記ピラーの表面に設けられていることを特徴とする請求項１または２に記載の計測用デバイス。
【請求項９】
　所定の波長の光を発する光源と、前記光源に積層され、且つ前記所定の波長の光を透過可能な半導体基板と、前記半導体基板における前記光源とは反対側の表面に積層され、前記半導体基板との界面でショットキー障壁を構成し、前記光源から発せられた光が照射された際に表面プラズモン共鳴を起こすアンテナ部を有する金属層と、前記金属層の表面に形成され、特定の検出物質と反応可能に構成された反応層と、前記半導体基板における光源側の面と前記金属層に電気的に接続された電極部と、を備えていることを特徴とする計測センサ。
【請求項１０】
　前記金属層は、前記半導体基板の表面に沿って形成された共鳴部と、複数の前記共鳴部に接続された集電部と、を備えていることを特徴とする請求項９に記載の計測センサ。
【請求項１１】
　前記所定の波長は１μｍ以上１０μｍ以下であり、前記半導体基板はｎ型シリコンで構成され、前記共鳴部の幅は０．５μｍ以上５μｍ以下であることを特徴とする請求項１０に記載の計測センサ。
【請求項１２】
　前記半導体基板の表面には回折格子が形成され、前記金属層及び前記アンテナ部は前記回折格子の表面に設けられていることを特徴とする請求項９に記載の計測用センサ。
【請求項１３】
　前記金属層の表面には回折格子が形成され、前記アンテナ部は前記金属層の表面側に設けられていることを特徴とする請求項９に記載の計測用センサ。
【請求項１４】
　前記アンテナ部の表面に微細な凹部及び凸部の少なくとも一方が形成され、前記凹部及び前記凸部の幅は前記所定の波長の１／１０００以上１／１０以下であることを特徴とする請求項９から１３の何れか一項に記載の計測センサ。
【請求項１５】
　前記半導体基板の表面にはピラーが形成され、前記金属層及び前記アンテナ部は前記ピラーの表面に設けられていることを特徴とする請求項９に記載の計測用センサ。

【要約】
【課題】照明変化や対象物体の位置姿勢の変動や自己遮蔽に対する頑健さと位置姿勢の推定の精度の向上とを同時に満たすことができる手法を提供する。
【解決手段】検出の対象物体の様々な姿勢の画像から抽出したパッチ画像の特徴量に基づいて学習され、前記対象物体を撮影して得た入力画像のパッチ画像をいずれかの姿勢クラスに分類する第１の識別器と、前記対象物体の様々な姿勢の画像から抽出したパッチ画像の特徴量に基づいて学習され、姿勢クラスが推定された入力画像のパッチ画像をいずれかの姿勢パラメータに分類する第２の識別器とを備える。

【特許請求の範囲】
【請求項１】
　検出の対象物体の様々な姿勢の画像から抽出したパッチ画像の特徴量に基づいて学習され、前記対象物体を撮影して得た入力画像のパッチ画像をいずれかの姿勢クラスに分類する第１の識別器と、前記対象物体の様々な姿勢の画像から抽出したパッチ画像の特徴量に基づいて学習され、姿勢クラスが推定された入力画像のパッチ画像をいずれかの姿勢パラメータに分類する第２の識別器とを備えたことを特徴とする物体検出装置。
【請求項２】
　前記入力画像を赤外線カメラから入力することを特徴とする請求項１に記載の物体検出装置。
【請求項３】
　前記特徴量として累積勾配方向特徴量または量子化勾配方向特徴量を用いることを特徴とする請求項１または２に記載の物体検出装置。
【請求項４】
　前記第１の識別器および前記第２の識別器は、前記入力画像の個々のパッチ画像による分類結果の総合的な投票結果に基づいて分類を行うことを特徴とする請求項１乃至３のいずれか一項に記載の物体検出装置。
【請求項５】
　前記第１の識別器および前記第２の識別器は、前記第１の識別器および前記第２の識別器を構成する決定木をRandom Ferns形式で構成することを特徴とする請求項１乃至４のいずれか一項に記載の物体検出装置。
【請求項６】
　前記第２の識別器により推定された姿勢パラメータを初期値として、前記入力画像により前記対象物体の位置姿勢を追跡する位置姿勢追跡部と、前記対象物体の過去の位置姿勢の変化から所定の遅延後の前記対象物体の位置姿勢を予測する動き予測部とを備えたことを特徴とする請求項１乃至５のいずれか一項に記載の物体検出装置。
【請求項７】
　前記位置姿勢追跡部は、前記初期値における前記対象物体のＣＡＤモデル上のエッジ点と前記入力画像から抽出した前記対象物体のエッジ点との誤差を最小化するように位置姿勢に補正を加えることを特徴とする請求項６に記載の物体検出装置。
【請求項８】
　対象物体の姿勢パラメータの初期値を入力し、前記対象物体を撮影して得た入力画像により前記対象物体の位置姿勢を追跡する位置姿勢追跡部と、前記対象物体の過去の位置姿勢の変化から所定の遅延後の前記対象物体の位置姿勢を予測する動き予測部とを備えたことを特徴とする物体検出装置。
【請求項９】
　検出の対象物体の様々な姿勢の画像から抽出したパッチ画像の特徴量に基づいて学習され、前記対象物体を撮影して得た入力画像のパッチ画像をいずれかの姿勢クラスに分類する第１の識別手順と、　前記対象物体の様々な姿勢の画像から抽出したパッチ画像の特徴量に基づいて学習され、姿勢クラスが推定された入力画像のパッチ画像をいずれかの姿勢パラメータに分類する第２の識別手順とをコンピュータが実行することを特徴とする物体検出方法。
【請求項１０】
　対象物体の姿勢パラメータの初期値を入力し、前記対象物体を撮影して得た入力画像により前記対象物体の位置姿勢を追跡する位置姿勢追跡手順と、
　前記対象物体の過去の位置姿勢の変化から所定の遅延後の前記対象物体の位置姿勢を予測する動き予測手順とをコンピュータが実行することを特徴とする物体検出方法。
【請求項１１】
　検出の対象物体の様々な姿勢の画像から抽出したパッチ画像の特徴量に基づいて学習され、前記対象物体を撮影して得た入力画像のパッチ画像をいずれかの姿勢クラスに分類する第１の識別手順と、前記対象物体の様々な姿勢の画像から抽出したパッチ画像の特徴量に基づいて学習され、姿勢クラスが推定された入力画像のパッチ画像をいずれかの姿勢パラメータに分類する第２の識別手順とをコンピュータに実行させることを特徴とする物体検出プログラム。
（以下省略）