信息处理装置和信息处理方法与流程

本发明涉及一种信息处理装置和信息处理方法。

背景技术：

近些年，因为网络技术发展和终端装置的性能提高，诸如图像和声音的数据经常经由网络来传送和接收。然而，网络的传输速率和终端装置的处理能力是有限的。因此，数据经常被压缩至适合大小，然后被传送或接收。例如，专利文献1描述了一种技术，该技术用于基于阈值和数据被传送至的接收装置的数目之间的比较结果，针对各个接收装置准备压缩数据，以便在下述范围内传输具有较高质量的数据：在该范围中，用于将数据传送至各个接收装置的传送速率不超过标准传送速率。

引用列表

专利文献

专利文献1:JP 2011-182243A

技术实现要素：

技术问题

在诸如图像或声音的数据被压缩的情况下，甚至在使用相同的压缩格式和相同的参数设定的情况下，有时压缩效果也根据数据内容而显著变化。例如，压缩效果包括压缩率、压缩之后的数据的质量(图像或声音的噪声百分比等)、压缩之前的数据和压缩之后的数据之间的同一性、以及用于压缩和解压缩的处理负荷。因此，适合于数据内容的参数和压缩格式的选择对于有效的压缩是重要的。

然而，在许多情况下，在数据实际上被压缩之前无法知道压缩效果。因此，实际中，例如，提前准备和存储通过使用各种压缩格式或参数而压缩的数据，或者通过使用不是总是适合的压缩格式或参数来执行压缩处理。在这种情况下，大量的存储容量被初步压缩的数据占据，或者难以适当地处理需要实时供应的数据。在其效果根据数据内容而变化的其他处理(诸如加密)的情况下，可能会出现这种情况。

因此，本公开提出了一种新颖的和改进的信息处理装置和信息处理方法，它们能够通过在执行处理之前预测根据数据内容而变化的处理结果来容易地选择适合的处理格式、适合的参数等。

问题的解决方案

根据本公开，提供了一种信息处理装置，其包括：特征量提取单元，其被配置成提取用作处理的目标的数据的特征量；特征量匹配单元，其被配置成将特征量与数据库中的、与处理的预测结果相关联的一个或更多个参考特征量进行匹配；以及结果预测单元，其被配置成基于匹配的结果而预测在对数据执行处理的情况下获得的结果。

此外，根据本公开，提供了一种信息处理方法，其包括：提取用作处理的目标的数据的特征量；由处理器将该特征量与数据库中的、与处理的预测结果相关联的一个或更多个参考特征量进行匹配；以及基于匹配的结果而预测在对数据执行处理的情况下获得的结果。

本发明的有利效果

如上所述，根据本公开，通过在执行处理之前预测根据数据内容而变化的处理结果，可以容易地选择适合的处理格式、适合的参数等。

注意，上述效果不一定是限制性的。与上述效果一起或者替代上述效果，可以实现该说明书中描述的任何一个效果或可以从该说明书领会的其他效果。

附图说明

图1是示意性图示根据本公开的实施例的信息处理装置的功能配置的框图；

图2是图示根据本公开的实施例的、在参考已经构建的数据库的情况下的处理的示例的流程图；

图3是图示根据本公开的实施例的、在新构建数据库的情况下的处理的示例的流程图；

图4是图示根据本公开的实施例的、从图像数据提取特征量的具体示例的图；

图5是图示根据本公开的实施例的图像数据处理结果的评估的具体示例的图；

图6是图示根据本公开的实施例的图像数据的特征量匹配的具体示例的图；

图7是图示图像数据处理结果的示例的图；

图8是图示图像数据处理结果的示例的图；

图9是图示根据图像数据压缩格式的绘制进程的示例的曲线图；

图10是图示根据本公开的实施例的信息处理装置的硬件配置示例的框图。

具体实施方式

下文中，将参照附图详细对本公开的一个或更多个优选实施例进行描述。在该说明书和附图中，基本上具有相同的功能和结构的结构元件由相同的附图标记指示，并且省略这些结构元件的重复说明。

该描述以以下顺序给出。

1.系统配置

2.处理的工作流程

3.图像数据的具体示例

4.图像数据处理结果的示例

5.硬件配置

6.补充

(1.系统配置)

图1是示意性地图示根据本公开的实施例的信息处理装置的功能配置的框图。参照图1，信息处理装置100包括数据获取单元110、特征量提取单元120、特征量匹配单元130、结果预测单元140、执行控制单元150、结果评估单元160和数据库更新单元170。这样的结构元件由根据程序工作的处理器来实现，诸如，信息处理装置100中的中央处理单元(CPU)。此外，信息处理装置100包括数据库180。例如，数据库180由信息处理装置100中的存储装置或存储器来实现。稍后将描述信息处理装置100的硬件配置的示例。

具体地，信息处理装置100可以是执行对数据的处理的各种装置。例如，信息处理装置100构成将诸如图像和声音的数据传递至客户端的终端装置的服务器。在这种情况下，服务器可以由一个或更多个信息处理装置构成。因此，图示的示例中的信息处理装置100的功能可以以下述方式实现：功能被分配给构成该服务器的多个信息处理装置。作为用于将数据传递至客户端的服务器的功能配置，可以使用各种公知的配置。因此，这里省略详细描述。

信息处理装置100可以是客户端的终端装置。例如，在将终端装置的摄像装置捕获的图像上载至服务器或者将该图像传输至另一终端装置的情况下，在终端装置中执行数据压缩处理。一般地，终端装置相比于服务器具有有限的资源。因此，有效地执行诸如压缩的数据处理是有用的。在这种情况下，例如，数据库180不必布置在终端装置中。换而言之，被实现为终端装置的信息处理装置100可以不包括数据库180并且参考置于诸如服务器的外部装置上的数据库180。作为用于创建、处理或传送数据的终端装置的功能配置，也可以使用各种公知的配置。因此，这里省略详细描述。

数据获取单元110获取用作处理目标的数据。例如，数据可以包括各种类型的数据，诸如，静止图像数据、运动图像数据、声音数据和文本数据。例如，数据获取单元110获取经由包括在信息处理装置100中的通信装置从外部装置接收的数据。数据获取单元110可以获取在信息处理装置100中创建的数据，诸如经由输入装置输入的文本数据，由成像装置创建的捕获图像数据或者由传感器创建的感测数据。

特征量提取单元120提取由数据获取单元110获得的数据的特征量。特征量可以是如稍后描述的、能够与另一特征量进行比较的任何种类的特征量。用于从各种类型的数据(图像、声音、文本等)提取特征量的技术已经是公知的。因此，特征量提取单元120可以适当地使用这样的技术。例如，特征量可以表示为特征空间中的矢量。更具体地，例如，图像的颜色柱状图、特征点的布置或者数据的比特图案(bit pattern)可以被提取作为特征量。期望从图像提取的特征量独立于图像的分辨率和旋转。此外，如稍后描述的，期望提取的特征量具有高鲁棒性，这是因为提取的特征量要与存储在数据库180中的参考特征量进行比较。例如，可以通过将多个类型的特征量组合来整体增加所提取的特征量的鲁棒性。

特征量匹配单元130将特征量提取单元120提取的特征量与数据库180中的、与处理的预测结果相关联的一个或更多个参考特征量进行匹配。参考特征量是可以与提取的特征量进行比较的预定特征量。例如，参考特征量可以是具有与提取的特征量的维度相同的维度的矢量。例如，特征量匹配单元130基于在特征空间中提取的特征量与参考特征量之间的计算的距离来执行匹配。在这种情况下，例如，当提取的特征量与参考特征量之间的距离小于阈值时匹配成功。在数据库180中定义了多个参考特征量的情况下，特征量匹配单元130将提取的特征量与参考特征量中的每个进行匹配。在这种情况下，提取的特征量与多个参考特征量之间的匹配成功是可接受的。

结果预测单元140基于特征量匹配单元130执行的匹配的结果而预测在对数据执行处理的情况下获得的结果。预测结果可以包括从处理获得的效果和/或处理的成本。更具体地，例如，在执行数据压缩处理的情况下，预测结果可以包括压缩率、压缩之后的数据质量、压缩之前的数据和压缩之后的数据之间的同一性等。例如，在执行数据加密处理的情况下，预测结果可以包括密码强度等。与处理的类型无关，预测结果可以包括处理时间、资源消耗量等。结果预测单元140参考数据库180以得到与提取的特征量的匹配已经成功的参考特征量，并且读出与参考特征量相关联的处理的预测结果。

执行控制单元150基于由结果预测单元140预测的结果而控制对数据的处理的执行。处理执行单元152在执行控制单元150的控制下执行对数据的处理。如上所述，要执行的处理可以是其效果根据数据内容而变化的处理，诸如，压缩或加密。例如，执行控制单元150基于预测结果而决定处理执行单元152中的处理的设定。处理的设定可包括处理格式和/或处理参数。例如，执行控制单元150可以基于预测结果而决定处理执行单元152是否执行处理。例如，由处理执行单元152处理的数据(或者跳过该处理的数据)可以经由包括在信息处理装置100中的通信装置被传送至外部装置。替选地，经处理的数据可以暂时地或者永久地存储在信息处理装置100的存储装置或存储器中。

根据实施例，在数据库180中，参考特征量与对数据的处理的预测结果相关联。如上所述，例如，在处理执行单元152执行数据压缩处理的情况下，预测结果可以包括压缩率(压缩之前的数据和压缩之后的数据之间的数据大小的缩小比率)、压缩之后的数据质量(图像或声音的噪声百分比等)、压缩之前的数据和压缩之后的数据之间的同一性(例如，压缩之前的图像或声音与压缩之后的图像或声音的类似程度，尤其是可看见或可听见的特征)。在处理执行单元152执行例如数据加密处理的情况下，预测结果可以包括密码强度等。在任何类型的处理中共同的预测结果可以包括处理时间、资源消耗量等。资源消耗量可以包括功耗量或者处理器或存储器的使用率(使用量)。

例如，在数据库180中参考特征量与针对各个处理格式和/或针对各个处理参数的多个预测结果相关联的情况下，结果预测单元140可以预测针对每个处理格式和/或每个处理参数的结果。在这种情况下，执行控制单元150可以决定每个处理的更有效的设定(诸如，处理格式和/或处理参数)。在数据库180中参考特征量与单个预测结果相关联的情况下，执行控制单元150可以决定是否执行处理。例如，在从处理获得的效果(诸如，压缩率或密码强度)与处理的成本(诸如，处理时间或资源消耗量)不成比例的情况下，执行控制单元150决定不执行处理，并且数据跳过处理执行单元152中的处理。同样，在参考特征量与多个预测结果相关联并且这些结果中的任何效果均与成本不成比例的情况下，执行控制单元150可以决定不执行处理。

为了实现这种预测和决定，例如，关于与参考特征量相关联地存储在数据库中的预测结果的信息可以是关于压缩率、密码长度、处理时间等的定量信息。替选地，关于预测结果的信息可以是定性信息。例如，对于特定参考特征量与处理格式和/或处理参数的组合，可以存储指示“使用该处理格式和/或该处理参数的处理不适合于具有对应于该特定参考特征量的特征量的数据”的信息。

结果评估单元160对处理执行单元152执行的处理的结果进行评估。数据库更新单元170基于结果评估单元160评估的数据处理结果和特征量提取单元120提前提取的数据的特征量而更新数据库180。更具体地，例如，在特征量匹配单元130中的、数据的特征量与参考特征量之间的匹配已经成功的情况下，数据库更新单元170在必要时基于数据的特征量与参考特征量之间的关系(诸如，在特征空间中的距离)而更新关于与参考特征量相关联的处理的预测结果的信息。另一方面，例如，在特征量匹配单元130中的、数据的特征量与参考特征量之间的匹配已经失败的情况下，数据库更新单元170将数据的特征量作为新参考特征量与关于由结果评估单元160评估的处理结果的信息相关联地添加在数据库180中。

结果评估单元160评估的处理结果对应于数据库180中的关于与参考特征量相关联的处理的预测结果的信息。换而言之，例如，结果评估单元160评估的处理结果可以包括数据压缩处理中的压缩率、压缩之后的数据质量、压缩之前的数据和压缩之后的数据之间的同一性等。此外，处理结果可以包括数据加密处理中的密码强度。此外，处理结果可以包括处理时间或资源消耗量。

例如，数据库180可以通过下述机器学习来创建：其中，基于与数据的特征量无关地执行的处理的结果而创建的数据用作训练数据。更具体地，例如，在信息处理装置100中，特征量提取单元120提取一定数目的数据的特征量，然后处理执行单元152执行处理，接下来结果评估单元160对该处理的效果进行评估。数据库更新单元170(在这种情况下，也称作数据库创建单元)从在上述步骤中获得的处理的效果和数据的特征量的组合提取针对每个特征量的处理的效果的趋势。因此，可以标识参考特征量和对应于该参考特征量的处理的效果。如上所述，数据库更新单元170可以更新将参考特征量与处理的预测结果相关联并且存储在数据库180中的信息。

(2.处理的工作流程)

图2是图示根据本公开的实施例的、在参考已经构建的数据库的情况下的处理的示例的流程图。

参照图2，首先，数据获取单元110获取用作处理目标的数据(S101)。如上所述，数据获取单元110可以获取经由包括在信息处理装置100中的通信装置从外部装置接收的数据，或者可以在内部获取由包括在信息处理装置100中的输入装置、成像装置或传感器创建的数据。接下来，特征量提取单元120提取所获取的数据的特征量(S103)。例如，特征量提取单元120可以根据数据的类型提取不同的特征量。

接下来，特征量匹配单元130将所提取的特征量与数据库180中的、与处理的预测结果相关联的参考特征量进行匹配(S105)。特征量匹配单元130将关于该匹配的结果的信息提供至结果预测单元140。该信息指示所提取的特征量是否对应于存储在数据库180中的任何参考特征量。结果预测单元140基于提供的信息而预测对数据的处理的执行效果。

更具体地，结果预测单元140确定匹配是否已经成功，即，数据库180是否包括对应于用作处理目标的数据的特征量的参考特征量(S107)。在匹配已经成功的情况下(是)，结果预测单元140读出数据库180中的、与参考特征量相关联的信息，并且基于该信息预测对用作处理目标的数据的处理的执行结果(S109)。

在这种情况下，随后，处理执行单元152在执行控制单元150基于预测结果的控制下执行对数据的处理(S111)。如上所述，例如，执行控制单元150基于由结果预测单元140预测的、使用各个处理格式和/或各个处理参数的处理的结果而决定处理的设定，更具体地，决定处理格式和/或处理参数。替选地，在根据由结果预测单元140预测的结果、从处理获得的效果与处理的成本不成比例的情况下，执行控制单元150可以决定不执行该处理(决定跳过该处理)。

另外，例如，在数据库180可更新的情况下，结果评估单元160可以对处理执行单元152执行的处理的结果进行评估(S113)，并且数据库更新单元170可以基于评估结果和在S103中提取的数据的特征量而更新数据库180(S115)。通过如上所述地、基于执行的处理的结果而更新数据库180，在执行随后的处理的情况下，可以提高由结果预测单元140执行的结果预测的准确度。

另一方面，在S107中确定匹配已经失败的情况下(否)，处理执行单元152执行对数据的处理，而不管数据的特征量(不参考预测结果)(S117)。随后，可以以类似于S113和S115的方式对执行的处理的结果另外进行评估，并且例如在数据库180可更新的情况下，可以基于评估结果和特征量而更新数据库180。在这种情况下，对应于S103中提取的特征量的参考特征量未存储在数据库180中。因此，数据库更新单元170将所提取的特征量作为新参考特征量、与关于S113中评估的处理的结果的信息相关联地添加至数据库180。在执行随后的处理的情况下，这扩大了特征量匹配单元130能够找到对应的参考特征量的范围。可以扩大可以应用处理结果预测单元140的结果预测的数据范围。在可以这样添加数据的情况下，初始准备的数据库180不必具有覆盖数据的大部分的大尺寸。

图3是图示根据本公开的实施例的、在新构建数据库的情况下的处理的示例的流程图。根据实施例，例如，通过将外部创建的数据库180读取至信息处理装置100的存储装置中，处理结果预测单元140可以预测效果。然而，信息处理装置100还可以自身基于对数据执行的处理的结果而创建数据库180。图3图示在单独创建数据库180的阶段中信息处理装置100的处理的示例。在积累一定量的处理结果并且基于数据库180的处理结果的预测变得可能之后，可以以类似于上文参照图2描述的处理类似的方式与处理结果预测并行地顺序更新数据库180。

参照图3，首先，数据获取单元110获取用作处理目标的数据(S101)。接下来，特征量提取单元120提取所获取的数据的特征量(S103)。这些步骤类似于图2中的处理的步骤。

接下来，处理执行单元152执行对数据的处理，而不管数据的特征量(不参考预测结果)(S117)。另外，结果评估单元160对处理执行单元152执行的处理的结果进行评估(S113)，并且数据库更新单元170可以基于评估的结果和在S103中提取的数据的特征量将新数据添加至数据库180(S119)。当积累的数据达到预定数目时(S121中的“是”)，数据库更新单元170执行将积累的数据用作训练数据的机器学习的处理，并且构建其中参考特征量与处理预测的结果相关联的数据库180(S123)。

(3.图像数据的具体示例)

图4是图示根据本公开的实施例的、从图像数据提取特征量的具体示例的图。在图示示例中，特征量提取单元120对图像数据1001执行的处理包括特征点提取处理1201和柱状图处理1203。因此，特征点信息1003和颜色信息1005被提取作为特征量。这里，例如，基于加速鲁棒特征(SURF)执行特征点提取处理1201。

图5是图示根据本公开的实施例的、图像数据处理结果的评估的具体示例的图。在图示示例中，处理执行单元152中的WebP编码器1521对图像数据1001进行压缩。因此，获得经压缩的图像数据1007。此外，在图示示例中，结果评估单元160通过使用大小比较处理1601和图像相似度比较处理1603来对经压缩的图像数据1007的处理结果进行评估。因此，获得压缩率1009和压缩质量1011作为处理结果的评估指数。这里，例如，可以基于结构相似度(SSIM)执行图像相似度比较处理1603。例如，在“Image quality assessment:From error visibility to structural similarity”，IEEE Transactions on Image Processing,vol.13,no.4,pp.600-612,2004年4月中对基于SSIM的处理进行了描述。

图6是图示根据本公开的实施例的、图像数据的特征量匹配的具体示例的图。在图示示例中，执行从目标图像数据提取的特征量#X与数据库180中的、与压缩处理结果的评估指数相关联的参考特征量#Y的匹配。数据库180包括将参考特征量#1至参考特征量#n分别与评估指数#1至评估指数#n相关联的数据。例如，特征量和参考特征量可以对应于参照图4所描述的特征点信息1003和颜色信息1005。此外，例如，评估指数可以对应于参照图5所描述的压缩率1009和压缩质量1011。

在图示示例中，特征量匹配单元130基于强力(bruce-force)匹配1301和巴氏(Bhattacharyya)距离计算处理1303的结果而执行特征量#X和参考特征量#Y之间的相似度评估1305。强力匹配1301是用于计算在特征空间中特征量之间的距离的方法的示例。此外，巴氏距离计算处理1303是用于计算颜色柱状图的距离的方法的示例。在相似度评估1305中评估特征量#X类似于参考特征量#Y(匹配已经成功)的情况下，结果预测单元140执行查询发出处理1401，用于从数据库180获取关于与参考特征量#Y相关联的评估指数#Y的信息。

(4.图像数据处理结果的示例)

下文列出的表1图示在针对两个样本图像执行使用WebP编码器的压缩处理的情况下，编码器的处理参数(指示压缩方法或过滤强度的参数)与压缩处理结果的评估指数(压缩率、PSNR和SSIM)之间的关系。与SSIM一样，峰值信噪比(PSNR)是压缩之前的图像和压缩之后的图像之间的相似度(同一性)的指数。图7和图8图示针对样本1和样本2的、在参数＝80(A)的情况下和在参数＝0(B)的情况下压缩之后的图像的示例。

表1

如该示例中所示，在图像压缩处理中，压缩率和图像相似度根据参数的设定在折中情况下改变。更具体地，在大参数值的情况下，压缩率低并且图像相似度高。另一方面，在小参数值的情况下，压缩率高并且图像相似度低。考虑到整个趋势，这种压缩效果关系对于任何种类的图像是共同的。然而，压缩率和图像相似度的实际改变程度如上述样本1和样本2的示例中所图示的那样根据图像的内容而变化。因此，通过使用结果预测单元140的功能来根据每个参数设定提前预测效果是有用的，效果包括压缩率、图像相似度等。

图9是指示在特定样本图像被分别压缩成渐进式JPEG格式、WebP格式和JPEG格式(基线)的情况下的绘制进程的曲线图。参照图9，在渐进式JPEG或WebP的情况下，相比于常规JPEG，绘制在较短的时间内进行。当渐进式JPEG和WebP进行比较时，在初始时段渐进式JPEG的绘制进行较快，并且在中间时段之后WebP的绘制进行较快并且稳定。WebP的绘制在渐进式JPEG之前一点完成。根据图示示例，渐进式JPEG适合于期望粗糙图像(可以含有失真或噪声)快速显示的情况，并且WebP适合于期望整个图像快速显示的情况。

然而，在如图9中图示的各个压缩格式的绘制进程以及诸如与各个压缩格式有关的功耗和处理时间的成本可能根据图像内容而不同。例如，当前网络上的大部分图像是JPEG(基线)。然而，可以基于各个格式的绘制时间和用于转换处理的成本之间的关系而确定是将这种图像转换成渐进式JPEG或WebP，还是不转换图像并且在不转换的情况下提供JPEG(基线)格式的图像。在以这种方式进行确定的情况下，在实际执行转换之前通过使用结果预测单元140的功能来预测各个压缩格式的效果是有用的。

下文列出的表2显示使用JPEG XR和WebP进行编码和解码所需的时间。以％为单位的值指示在PNG为100％时缩短的时间的比率(即，“75％”表示处理时间缩短了PNG情况下的处理时间的75％)。具有“-”的值表示相比于PNG处理时间延长。

表2

如表中所示，WebP通常比JPEG XR快。此外，有损压缩比无损压缩快。尽管表中未示出，但是WebP相比于JPEG在编码方面快5至10倍，并且WebP相比于JPEG在解码方面快1.3倍。然而，例如，与在WebP有损压缩的情况下的编码时间一样，压缩效果根据图像内容而变化。尽管表中未示出，但是在各个压缩格式以及是有损压缩还是无损压缩的情况下，压缩之后的数据大小、处理时间、功耗成本等根据图像内容而变化。因此，在选择压缩格式和参数(例如，有损压缩或无损压缩)的情况下，在实际执行转换之前通过使用结果预测单元140的功能来预测各个压缩格式的效果是有用的。

例如，本公开的上述实施例可以应用于网络浏览器中的图像显示。在这种情况下，例如，信息处理装置100构成代理服务器。在这种情况下，服务器需要对图像执行压缩等，使得图像适合于在客户端侧配备有显示图像的浏览器的平台(硬件或操作系统)的使用情形。在该示例中，例如，指示平台的使用情形的信息被添加至来自客户端侧的对包括图像的网页的请求。

另一方面，在代理服务器(信息处理装置100)中，提取要提供的图像的特征量，并且通过执行所提取的特征量的匹配来预测图像压缩处理的结果。代理服务器可以基于压缩处理的预测结果而决定压缩处理的格式和/或处理参数，使得压缩率、压缩质量等适合于客户端中的平台的使用情形。更具体的，例如，在客户端的终端装置在窄带的网络环境中工作的情况下，可以通过选择可以获得高压缩率的处理参数和/或处理格式来使图像显示的延迟最小化并且改善用户体验。

已经描述了根据本公开的实施例的配置和效果的具体示例。本公开的实施例不限于上述示例。本领域的技术人员应当理解，在不背离本说明书的内容的范围的情况下可以做出各种修改示例。例如：

(5.硬件配置)

接下来，将参照图10描述根据本公开的实施例的信息处理装置的硬件配置。图10是图示根据本公开的实施例的信息处理装置的硬件配置示例的框图。图示的信息处理装置900可以对应于根据上述实施例的信息处理装置100。

信息处理装置900包括中央处理单元(CPU)901、只读存储器(ROM)903和随机存取存储器(RAM)905。此外，信息处理装置900可以包括主机总线907、桥909、外部总线911、接口913、输入装置915、输出装置917、存储装置919、驱动器921、连接端口923和通信装置925。而且，必要时，信息处理装置900可以包括成像装置933和传感器935。除了CPU 901以外或者作为CPU 901的替换，信息处理装置900可以包括处理电路，诸如，数字信号处理器(DSP)、专用集成电路(ASIC)或者现场可编程门阵列(FPGA)。

CPU 901用作算术处理装置和控制装置，并且根据记录在ROM 903、RAM 905、存储装置919或可拆卸记录介质927中的各种程序来控制信息处理装置900的整个操作或者其操作的一部分。ROM 903存储由CPU 901使用的程序、操作参数等。RAM 905临时存储在CPU 901运行时使用的程序以及在执行这些程序时适当改变的各种参数。CPU 901、ROM 903和RAM 905经由包括诸如CPU总线等的内部总线的主机总线907彼此连接。主机总线907经由桥909连接至外部总线911，诸如，外围部件互联/接口(PCI)总线。

输入装置915是由用户操作的装置，诸如，鼠标、键盘、触摸屏、按钮、开关和控制杆。输入装置915可以是使用例如红外辐射和其他类型的无线电波的远程控制装置。替选地，输入装置915可以是外部连接装置929，诸如，对应于信息处理装置900的操作的移动电话。输入装置915包括基于由用户输入的信息生成输入信号并将生成的输入信号输出至CPU 901的控制电路。用户通过操作输入装置915输入各种类型的数据并且向信息处理装置900指示处理操作。

输出装置917包括可以视觉地、听觉地或者触觉地向用户报告获取的信息的装置。输出装置917例如可以是诸如液晶显示器(LCD)或有机电致发光(EL)显示器的显示装置、诸如扬声器或耳机的音频输出装置、或者振动器。输出装置917以诸如文本和图像的视频、诸如语音和音频声音的声音、或者振动的形式而输出通过由信息处理装置900执行的处理所获得的结果。

存储装置919是作为信息处理装置900的存储单元的示例的、用于数据存储的装置。例如，存储装置919包括诸如硬盘驱动器(HDD)的磁存储装置、半导体存储装置、光存储装置或者磁光存储装置。存储装置919中存储由CPU 901执行的各种类型的数据和程序以及从外部获取的各种类型的数据。

驱动器921是用于诸如磁盘、光盘、磁光盘和半导体存储器的可拆卸记录介质927的读取器/写入器，并且安装在信息处理装置900中或者在外部附接至信息处理装置900。驱动器921读出记录在安装的可拆卸记录介质927上的信息并且将该信息输出至RAM 905。驱动器921将记录写入安装的可拆卸记录介质927中。

连接端口923是用于将装置连接至信息处理装置900的端口。例如，连接端口923可以包括通用串行总线(USB)端口、IEEE 1394端口和小型计算机系统接口(SCSI)端口。此外，连接端口923可以是RS-232C端口、光音频端子、高清多媒体接口(HDMI)(注册商标)端口等。外部连接装置929与连接端口923的连接使得可以在信息处理装置900和外部连接装置929之间交换各种类型的数据。

通信装置925是包括例如用于连接至通信网络931的通信装置的通信接口。通信装置925可以是例如针对局域网(LAN)、蓝牙Bluetooth(注册商标)、Wi-Fi或者无线USB(WUSB)的通信卡。通信装置925还可以是例如用于光通信的路由器、用于非对称数字用户线路(ADSL)的路由器或者用于各种类型的通信的调制解调器。例如，通信装置925通过使用诸如TCP/IP的预定协议来在因特网中传输和接收信号或者将信号传送至另一通信装置或从另一通信装置接收信号。通信装置925连接至的通信网络931是通过有线连接或无线连接建立的网络。通信网络931可以包括例如因特网、家庭LAN、红外通信、无线电通信或者卫星通信。

成像装置933是如下装置：通过使用诸如电荷耦合器件(CCD)和互补金属氧化物半导体(CMOS)的图像传感器以及诸如用于控制主体图像在图像传感器上的图像形成的透镜的各种构件来捕获真实空间的图像并且生成所捕获的图像。成像装置933可以捕获静止图像或移动图像。

传感器935是各种传感器，诸如，加速度传感器、角速度传感器、地磁传感器、照度传感器、温度传感器、气压传感器和声音传感器(麦克风)。传感器935获取关于信息处理装置900的状态的信息(诸如信息处理装置900的壳体的姿势)和关于信息处理装置900周围的环境的信息(诸如信息处理装置900周围的明亮强度和噪声)。传感器935可以包括全球定位系统(GPS)接收器，该GPS接收器接收GPS信号以测量装置的纬度、经度和高度。

已经对信息处理装置900的硬件配置的示例进行了描述。上述结构元件中的每个可以通过使用通用部件来配置或者可以通过专用于每个结构元件的功能的硬件来配置。必要时该配置可以根据在本公开实施时的现有技术而改变。

(6.补充)

本公开的实施例可以包括例如上述信息处理装置、包括一个或更多个信息处理装置的系统、由信息处理装置或系统执行的信息处理方法、用于使得信息处理装置呈现其功能的程序和其中存储有程序的非暂态物理介质。

上文参照附图描述了本公开的一个或更多个优选实施例，然而本公开不限于上述示例。本领域技术人员可以在所附权利要求的范围内找到各种更改和修改，并且应当理解，它们自然落入本公开的技术范围中。

再者，该说明书中描述的效果仅仅是说明性的或者仅仅是例示效果，而非是限制性的。即，与上述效果一起或者替代上述效果，根据本公开的技术可以实现基于该说明书的描述对于本领域的技术人员而言是清楚的其它效果。

另外，本技术还可以如下配置。

(1)一种信息处理装置，包括：

特征量提取单元，其被配置成提取用作处理的目标的数据的特征量；

特征量匹配单元，其被配置成将所述特征量与数据库中的、与所述处理的预测结果相关联的一个或更多个参考特征量进行匹配；以及

结果预测单元，其被配置成基于所述匹配的结果而预测在对所述数据执行所述处理的情况下获得的结果。

(2)根据(1)所述的信息处理装置，还包括：

执行控制单元，其被配置成基于预测结果而控制所述处理的执行。

(3)根据(2)所述的信息处理装置，

其中，所述执行控制单元基于所述预测结果而决定所述处理的设定。

(4)根据(3)所述的信息处理装置，

其中，所述设定包括所述处理的格式或所述处理的参数。

(5)根据(2)至(4)中任一项所述的信息处理装置，

其中，所述执行控制单元基于所述预测结果而决定是否执行所述处理。

(6)根据(2)至(5)中任一项所述的信息处理装置，还包括：

结果评估单元，其被配置成评估所述执行的结果；以及

数据库更新单元，其被配置成基于所述特征量和所述评估的结果而更新所述数据库。

(7)根据(6)所述的信息处理装置，

其中，在所述匹配失败的情况下，所述数据库更新单元将指示所述特征量被视为参考特征量的数据添加至所述数据库。

(8)根据(1)至(7)中任一项所述的信息处理装置，

其中，所述结果预测单元预测用于压缩所述数据的压缩率、压缩之后的所述数据的质量、以及压缩之前的所述数据和压缩之后的所述数据之间的同一性。

(9)根据(1)至(8)中任一项所述的信息处理装置，

其中，所述结果预测单元预测用于对所述数据进行加密的密码强度。

(10)根据(1)至(9)中任一项所述的信息处理装置，

其中，所述结果预测单元预测用于对所述数据执行所述处理的处理时间或者资源消耗量。

(11)根据(1)至(10)中任一项所述的信息处理装置，其中

所述数据包括用于显示图像的数据，以及

所述特征量提取单元提取独立于所述图像的分辨率和旋转的特征量。

(12)一种信息处理方法，包括：

提取用作处理的目标的数据的特征量；

由处理器将所述特征量与数据库中的、与所述处理的预测结果相关联的一个或更多个参考特征量进行匹配；以及

基于所述匹配的结果而预测在对所述数据执行所述处理的情况下获得的结果。

附图标记列表

100 信息处理装置

110 数据获取单元

120 特征量提取单元

130 特征量匹配单元

140 结果预测单元

150 执行控制单元

160 结果评估单元

170 数据库更新单元

180 数据库