特徴量

WO2015148237
"[0021 ] However, neural network-based systems have shown an advantage with processing spectral-domain features, in comparison to processing cepstral-domain features. Further, neural networks have shown robustness to speaker variation and environmental distortions. In embodiments of the claimed subject matter, a unified neural network-based system can perform both the separation and recognition processing for two-talker speech. Advantageously, the neural network may do this in a manner that is more likely to scale up than conventional ASR systems."

 しかしながら、ニューラルネットワークベースのシステムは、ケプストラム領域の特徴量を処理することと比べて、スペクトル領域の特徴量を処理することによる利点を示した。さらに、ニューラルネットワークは、話者変化及び環境歪みに対するロバスト性を示した。特許請求される主題の実施形態において、統合されたニューラルネットワークベースのシステムは、２人の話者の音声について分離処理及び認識処理の両方を実行することができる。有利なことに、ニューラルネットワークは、従来のＡＳＲシステムよりスケールアップする可能性が高い方法で、これを行うことができる。

EP1505501
"[0031] Computer 110 typically includes a variety of computer readable media. Computer readable media can be any available media that can be accessed by computer 110 and includes both volatile and nonvolatile media, and removable and non-removable media. By way of example, and not limitation, computer readable media may comprise computer storage media and communication media. Computer storage media includes volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. Computer storage media includes, but is not limited to, RAM, ROM, EEPROM, flash memory or other memory technology, CD-ROM, digital versatile disks (DVD) or other optical disk storage, magnetic cassettes, magnetic tape, magnetic disk storage or other magnetic storage devices, or any other medium which can be used to store the desired information and which can be accessed by computer 110. Communication media typically embodies computer readable instructions, data structures, program modules or other data in a modulated data signal such as a carrier wave or other transport mechanism and includes any information delivery media. The term "modulated data signal" means a signal that has one or more of its characteristics set or changed in such a manner as to encode information in the signal. By way of example, and not limitation, communication media includes wired media such as a wired network or direct-wired connection, and wireless media such as acoustic, RF, infrared and other wireless media. Combinations of the any of the above should also be included within the scope of computer readable media."

コンピュータ１１０は、典型的には種々のコンピュータ読み取り可能媒体を含む。コンピュータ読み取り可能媒体は、コンピュータ１１０でアクセスでき、そして揮発性および不揮発性媒体と、取り外し可能および取り外し不可の媒体の双方とを含む、利用可能ないずれの媒体とすることができる。限定ではなく、例示として、コンピュータ読み取り可能媒体は、コンピュータ記憶媒体および通信媒体を有してもよい。コンピュータ記憶媒体には、コンピュータ読み取り可能命令、データ構造、プログラムモジュールまたはその他のデータのような情報の保存のためのいずれかの方法または技術で実装される揮発性および不揮発性、取り外し可能および取り外し不可の媒体が含まれる。コンピュータ記憶媒体には、これらに限定されないが、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリまたはその他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）またはその他の光ディスク記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置またはその他の磁気記憶装置、あるいは所望の情報を保存するために使用することができ、コンピュータ１１０によってアクセスできるいずれかのその他の媒体が含まれる。通信媒体は、コンピュータ読み取り可能命令、データ構造、プログラムモジュールあるいはその他のデータを搬送波または他のトランスポート機構のような変調されたデータ信号中に組み込むのが通常であり、およびいずれの情報配信媒体を含む。この「変調されたデータ信号」という用語は、一つ以上の特徴量（ｉｔｓ  ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ  ｓｅｔ）を有する信号、あるいは情報を信号中で符号化するような方法で変更された信号を意味する。限定ではなく、例示として、通信媒体には、有線ネットワークまたは直接の有線接続（ｄｉｒｅｃｔ－ｗｉｒｅｄ  ｃｏｎｎｅｃｔｉｏｎ）のような有線媒体、そして音響、ＲＦ、赤外線およびその他の無線媒体のような無線媒体が含まれる。上記のいずれの組み合わせも、コンピュータ読み取り可能媒体の範囲内に含まれるべきである。

US9811734
"As a general overview, the merger module 212 operates to receive, via the network interface 202, ADFs 132 from one or more mobile devices 232 (one embodiment of the mobile device 104 of FIG. 1) that have entered an area for which an LADF has not yet been compiled. The merger module 212 merges the one or more ADFs 132 from the mobile devices 232 to generate merged ADF data for storage in the ADF datastore 204. The georeference module 214 may utilize georeference information from the georeference datastore 210 (which may contain, for example, imagery and associated georeference location from the Street View tool provided by Google Inc.) to provide a geographic reference to the merged ADF. The localization generation module 218 generates one or more LADFs from the resulting merged ADF data and to store and index the one or more LADFs in the LADF datastore 206 for subsequent retrieval. The query module 220 receives an LADF request 236 from a mobile device 234 (one embodiment of the mobile device 104) via the network interface 202, searches the LADF datastore 206 for the LADF 134 corresponding to the LADF request 236, and provides the LADF 134 to the mobile device 234. The mobile device 234 uses the LADF 134 for localization of the mobile device 234. During this localization process, the mobile device 234 may provide LADF feedback 238 on the LADF 134 to the ADF server 102 via the network interface 202. The ADF server 102 may use the LADF feedback 238 to adjust feature scores of spatial features represented therein in the feature score datastore 208, and based on the feature scores refine the LADF 134 by adding or removing spatial features. These operations are described in greater detail below with reference to FIGS. 4-12."

一般的概要として、合成モジュール２１２は、ネットワークインターフェイス２０２を介して、ＬＡＤＦがそれについてはまだコンパイルしていないエリアに入った１つ以上の移動体装置２３２（図１の移動体装置１０４の１つの実施形態）からＡＤＦ１３２を受信するように動作する。合成モジュール２１２は、移動体装置２３２からの１つ以上のＡＤＦ１３２を合成して合成ＡＤＦデータを生成し、これをＡＤＦデータ記憶２０４に記憶する。ジオリファレンスモジュール２１４は、（たとえば、グーグルインコーポレイテッド（Google（登録商標） Inc.）が提供するストリートビュー（Street View）ツールからのイメージおよび関連のジオリファレンス位置を含有し得る）ジオリファレンスデータ記憶２１０からのジオリファレンス情報を利用して、合成ＡＤＦに地理的参照を与えてもよい。ローカリゼーション生成モジュール２１８は、結果的に得られた合成ＡＤＦデータから１つ以上のＬＡＤＦを生成して、１つ以上のＬＡＤＦをＬＡＤＦデータ記憶２０６の中に記憶しかつインデックス付けして後で取出せるようにする。問合せモジュール２２０は、移動体装置２３４（移動体装置１０４の１つの実施形態）からネットワークインターフェイス２０２を介してＬＡＤＦ要求２３６を受信し、ＬＡＤＦ要求２３６に対応するＬＡＤＦ１３４についてＬＡＤＦデータ記憶２０６を探索し、ＬＡＤＦ１３４を移動体装置２３４に与える。移動体装置２３４は、移動体装置２３４のローカリゼーションのためにＬＡＤＦ１３４を用いる。このローカリゼーションプロセスの際に、移動体装置２３４は、ネットワークインターフェイス２０２を介して、ＬＡＤＦ１３４に対するＬＡＤＦフィードバック２３８をＡＤＦサーバ１０２に与えてもよい。ＡＤＦサーバ１０２は、ＬＡＤＦフィードバック２３８を用いて特徴量データ記憶２０８中のその中に表わされる空間的特徴の特徴量を調整して、特徴量に基づいて空間的特徴を追加するまたは除外することによって、ＬＡＤＦ１３４を洗練してもよい。これらの動作を図４－図１２を参照して以下により詳細に説明する。

US2010228593
"[0021] The search engine 112 can also submit a request for advertisements to the system 104. The request may include a number of advertisements desired. This number may depend on factors such as the search results, the amount of screen or page space occupied by the search results, and the size and shape of the advertisements. The request for advertisements may also include the query (as entered or parsed), information based on the query (such as geo-location information, whether the query came from an affiliate and an identifier of such an affiliate), and/or information associated with, or based on, the search results. Such information may include, for example, identifiers related to the search results (e.g., document identifiers or “docIDs”), scores related to the search results (e.g., information retrieval (“IR”) scores), snippets of text extracted from identified documents (e.g., web pages), the full text of identified documents, and feature vectors of identified documents. In some implementations, IR scores can be computed from, for example, dot products of feature vectors corresponding to a query and a document, page rank scores, and/or combinations of IR scores and page rank scores."

また、検索エンジン112はシステム104に広告要求を出すことができる。要求は所望の複数の広告を含むことができる。この数は、検索結果、検索結果が占めるスクリーンまたはページ領域の量、ならびに広告の規模および形などの要素に依拠することができる。また、広告要求は(入力または構文解析される)照会、照会に基づく情報(地理的位置情報、照会が会員(affiliate)から来たか否か、かかる会員の識別子など)、および/または検索結果に関連もしくは依拠する情報を含むことができる。こうした情報は、例えば、検索結果に関係する識別子(例えば、ドキュメント識別子または「docID」)、検索結果に関係するスコア(例えば、情報検索(「IR」)スコア)、識別されたドキュメント(例えば、ウェブページ)から抽出されたテキストの断片、識別されたドキュメントのテキスト全部、および識別されたドキュメントの特徴量ベクトルを含むことができる。実施形態によっては、IRスコアは例えば、照会およびドキュメントに対応する特徴量ベクトルのドット積、ページランクスコア、ならびに/またはIRスコアおよびページランクスコアの組み合わせから算出できる。

EP3605419
"[0051] For example, features that may have a deterministic effect on the manufacturing cost of a spare part can be identified, either manually by a subject matter expert, automatically using a computer program, or using another machine learning model. For each feature (such as weight, length, material, etc.), in an embodiment one can define a set of discrete descriptors (such as A for parts with weight between 0 and 2 pounds, B for parts weight between 2 and 5 pounds, C for weight between 5 and 10 pounds, etc.). Alternatively, any feature can also be continuous or categorical. In an embodiment, different transformation methods can be used to create feature vector(s) corresponding to the feature. For example, z-score or log transformation could be used to transform and normalize a continuous feature. As another example, a categorical feature can be transformed to a binary output (e.g., using one hot encoding) or can be bucketized."

例えば、予備部品の製造コストに決定的な影響を及ぼし得る特徴量を、内容領域専門家が手動で、コンピュータープログラムを使用して自動的に、或いは別の機械学習モデルを使用して特定することができる。各特徴量（重さ、長さ、材料など）について、実施形態では、1組の離散記述子（0から2ポンドの重さの部品がA、2から5ポンドの重さの部品がB、5から10ポンドの重さの部品がCなど）を定義することができる。或いは、任意の特徴量が、連続特徴量、又はカテゴリ特徴量であってもよい。実施形態では、特徴量に対応する特徴量ベクトルの作成に、異なる変換方法が使用されてもよい。例えば、連続特徴量を変換し正規化するために、Z得点、又は対数変換が使用されてもよい。別の例として、カテゴリ特徴量は、（例えば、ワンホットエンコーディングを使用して）バイナリ出力に変換
できる、又は分類することができる。

WO2010138336
"[0033] The particles may be contained in a binder which may be transparent or semi- transparent to visual light. For example, the binder may be polyurethane. The interactions of the pigment, binder, environment and human visual response result in perceived brightness and color. These characteristics can also be broken down into directional and spectral quantification."

 これらの粒子は、可視光に対して透明または半透明なバインダーに混合することができる。例えば、バインダーは、ポリウレタンとすることができる。顔料、バインダー、環境、及びヒトの視覚反応が相互作用することにより、輝度及び色が感知される。これらの特徴量を分割して、方向定量化及びスペクトル定量化を行なうこともできる。

US2018012092
"[0022] In one variation of the method, recording a set of biometric signals and identifying the user from a predetermined user set can include: recording a set of images (e.g., image sequence, sequence of images) in response to detection of user proximity to a vehicle, detecting a face within the image, extracting feature values from the detected face, and determining a driver identifier for a driver selected from a set of drivers based on the feature values. Filtering parameters, such as characteristic auxiliary sensor signal patterns or combinations, schedules, habits (e.g., frequent user-vehicle associations), or other parameters can be used to: reduce the set of drivers considered for feature value analysis, select a user from a reduced set of drivers after feature value analysis, or otherwise used to identify the driver. However, other biometric signals can be recorded, and the user can be otherwise determined based on biometric signals."

本方法の一変形例では、バイオメトリック信号のセットを記録して、予め設定されたユーザのセットからユーザを識別することが、車両に近接するユーザの検出に応答して、画像のセット（例えば、画像シーケンス、一連の画像）を記録すること、画像内の顔を検出すること、検出した顔から特徴量を抽出すること、並びに、特徴量に基づいて運転者のセットから選択された運転者の運転者識別子を決定することを含むことができる。特徴的な補助センサ信号パターンまたは組み合わせ、スケジュール、習慣（例えば、頻度の高いユーザ－車両の関連付け）または他のパラメータなどのフィルタリングパラメータは、特徴量分析のために検討される運転者のセットを減らして、特徴量分析後に減少した運転者のセットのなかからユーザを選択するために使用することができ、若しくは他の方法で運転者を識別するために使用することができる。しかしながら、他のバイオメトリック信号を記録することもでき、バイオメトリック信号に基づいて他の方法でユーザを判定することもできる。

US9341720
"The second vector V2 is based on image processing by the mobile device 100 using an image. For example, the mobile device 100 detects relative positioning of an SAS 70 from a single image. Alternatively, the mobile device 100 detects and tracks natural features from image to image to determine the second vector V2. In some embodiments, detecting features includes using a scale-invariant feature transform (SIFT)."

[0076]  第２ベクトルＶ_２は、画像を使用したモバイルデバイス１００による画像処理に基づく。例えば、モバイルデバイス１００は、単一の画像からＳＡＳ７０の相対的な位置決めを検出する。あるいは、モバイルデバイス１００は、第２ベクトルＶ_２を決定するために、画像間の自然な特徴量（natural features）を検出しトラッキングする。いくつかの実施形態では、特徴を検出することは、スケール不変特徴量変換（ＳＩＦＴ）を使用することを含む。

US10560667(DE)
"The invention relates to a detection device for detection of an event in a monitoring area, with a camera interface for transferring at least one image, wherein the at least one image shows the monitoring area, with an image analysis unit, wherein the image analysis unit is configured to determine event specifications for any position in the monitoring area on the basis of the image, with an alarm unit with alarm specifications, wherein the alarm unit is configured to output an alarm on the basis of a comparison of the alarm specifications with the event specifications, with a storage unit, wherein the storage unit is configured to store the event specifications for each position in the monitoring area. The invention furthermore relates to a method for detection of an event in a monitoring area, and also a computer program."

本発明は、少なくとも１つの画像を受け取るためのカメラインタフェースであって、上記少なくとも１つの画像は監視領域を示す、上記カメラインタフェースと、画像解析ユニットであって、上記画像解析ユニットは、画像に基づいて、監視領域内の少なくとも１つの任意の位置に対してイベント特徴量を決定するよう構成される、上記画像解析ユニットと、警報特徴量を含む警報ユニットであって、上記警報ユニットは、警報特徴量とイベント特徴量との比較に基づいて警報を出力するよう構成される、上記警報ユニットと、メモリユニットであって、上記メモリユニットは、監視領域内の各位置に対してイベント特徴量を格納するよう構成される、上記メモリユニットと、を備える、監視領域内のイベントを検出する検出装置に関する。本発明は、さらに、監視領域内のイベントを検出する方法、及び、コンピュータプログラムに関する。

US9911250(DE)
"Embodiments of the present disclosure provide a sensor arrangement for a vehicle having at least one rotational speed detecting device and said sensor arrangement continuously detects at least one state variable and outputs said state variable to at least one evaluating and control unit that receives and evaluates signals that are output by at least one rotational speed detecting device. The at least one evaluating and control unit performs a first evaluating process using the at least one state variable that is detected and determines a rotational speed of at least one vehicle wheel whose wheel rim is fastened to a corresponding wheel hub by way of wheel fastening means. In accordance with the disclosure, the at least one evaluating and control unit performs a second evaluating process and based upon the continuously detected at least one state variable S identifies and monitors a mechanical play between the at least one vehicle wheel and the corresponding wheel hub so as to detect loosened wheel fastening means."

本発明の実施形態は、少なくとも１つの回転数検出装置を備えた車両用センサ装置を提供する。この回転数検出装置は継続的に少なくとも１つの状態量を検出し、少なくとも１つの評価および制御ユニットにこれを出力する。評価および制御ユニットは、少なくとも１つの回転数検出装置から出力された信号を受信し、これを評価する。少なくとも１つの評価および制御ユニットは、検出された、この少なくとも１つの状態量を用いて第１の評価プロセスを実行し、少なくとも１つの車両ホイールの回転数を求める。この車両ホイールのリムは、ホイール取付け手段によって、対応するハブに取付けられている。本発明では、少なくとも１つの評価および制御ユニットは、第２の評価プロセスを実行し、継続的に検出された少なくとも１つのこの状態量に基づいて、緩んだホイール取付け手段を検出するために、少なくとも１つの車両ホイールと対応するハブとの間の機械的な遊びを識別および監視する。