特許ウォッチ

公開番号2024068729
公報種別公開特許公報(A)
公開日2024-05-21
出願番号2022179283
出願日2022-11-09
発明の名称学習装置、パラメータ調整方法、及び、記録媒体
出願人日本電気株式会社
代理人個人,個人,個人
主分類G06T 7/00 20170101AFI20240514BHJP(計算;計数)
要約【課題】物体認識における認識精度の低下を防ぐことが可能な学習装置等を提供する。
【解決手段】学習装置は、静止画像用の学習モデルを有する。学習モデルは、静止画像において物体が存在する領域を個々の物体毎に識別可能な第1の物体マスクを生成するマスク生成手段を具備する。第1の物体マスクの生成に係る処理に用いられる少なくとも1つのパラメータを含む第1のパラメータは、静止画像を含む動画像において物体が存在する領域を個々の物体毎に識別可能な第2の物体マスクに対する第1の物体マスクの差を示す第1の損失に基づいて調整される。
【選択図】図2
特許請求の範囲【請求項１】
静止画像用の学習モデルを有する学習装置であって、
前記学習モデルは、静止画像において物体が存在する領域を個々の物体毎に識別可能な第１の物体マスクを生成するマスク生成手段を具備し、
前記第１の物体マスクの生成に係る処理に用いられる少なくとも１つのパラメータを含む第１のパラメータは、前記静止画像を含む動画像において物体が存在する領域を個々の物体毎に識別可能な第２の物体マスクに対する前記第１の物体マスクの差を示す第１の損失に基づいて調整される学習装置。
続きを表示（約 1,500 文字）【請求項２】
前記第１のパラメータは、前記第１の損失が０になるように調整される請求項１に記載の学習装置。
【請求項３】
前記学習モデルは、前記静止画像全体の特徴を表す第１の特徴量を抽出する特徴抽出手段をさらに有し、
前記第１の特徴量の抽出に係る処理に用いられる少なくとも１つのパラメータを含む第２のパラメータは、前記動画像全体の特徴を表す第２の特徴量に対する前記第１の特徴量の差を示す第２の損失に基づいて調整される請求項１に記載の学習装置。
【請求項４】
前記第１のパラメータ及び前記第２のパラメータは、前記第１の損失及び前記第２の損失が両方とも０になるように調整される請求項３に記載の学習装置。
【請求項５】
前記学習モデルは、前記静止画像における個々の物体毎の第１の物体表現を取得する表現取得手段をさらに有し、
前記第１の物体表現の取得に係る処理に用いられる少なくとも１つのパラメータを含む第３のパラメータは、前記動画像における個々の物体毎の第２の物体表現に対する前記第１の物体表現の差を示す第３の損失に基づいて調整される請求項１に記載の学習装置。
【請求項６】
前記第１のパラメータ及び前記第３のパラメータは、前記第１の損失及び前記第３の損失が両方とも０になるように調整される請求項５に記載の学習装置。
【請求項７】
前記学習モデルは、前記静止画像全体の特徴を表す第１の特徴量を抽出する特徴抽出手段と、前記第１の特徴量に基づいて前記静止画像における個々の物体毎の第１の物体表現を取得する表現取得手段と、前記第１の物体表現に基づいて前記第１の物体マスクを生成する前記マスク生成手段と、を有し、
前記第１の特徴量の抽出に係る処理に用いられる少なくとも１つのパラメータを含む第２のパラメータは、前記動画像全体の特徴を表す第２の特徴量に対する前記第１の特徴量の差を示す第２の損失に基づいて調整され、
前記第１の物体表現の取得に係る処理に用いられる少なくとも１つのパラメータを含む第３のパラメータは、前記動画像における個々の物体毎の第２の物体表現に対する前記第１の物体表現の差を示す第３の損失に基づいて調整される請求項１に記載の学習装置。
【請求項８】
前記第１のパラメータ、前記第２のパラメータ及び前記第３のパラメータは、前記第１の損失、前記第２の損失及び前記第３の損失が全て０になるように調整される請求項７に記載の学習装置。
【請求項９】
静止画像において物体が存在する領域を個々の物体毎に識別可能な第１の物体マスクを生成する静止画像用の学習モデルに対して適用されるパラメータ調整方法であって、
前記第１の物体マスクの生成に係る処理に用いられる少なくとも１つのパラメータを含む第１のパラメータを、前記静止画像を含む動画像において物体が存在する領域を個々の物体毎に識別可能な第２の物体マスクに対する前記第１の物体マスクの差を示す第１の損失に基づいて調整するパラメータ調整方法。
【請求項１０】
静止画像において物体が存在する領域を個々の物体毎に識別可能な第１の物体マスクを生成する静止画像用の学習モデルに対する処理をコンピュータに実行させるプログラムを記録した記録媒体であって、
前記第１の物体マスクの生成に係る処理に用いられる少なくとも１つのパラメータを含む第１のパラメータを、前記静止画像を含む動画像において物体が存在する領域を個々の物体毎に識別可能な第２の物体マスクに対する前記第１の物体マスクの差を示す第１の損失に基づいて調整する処理を前記コンピュータに実行させるプログラムを記録した記録媒体。

発明の詳細な説明【技術分野】
【０００１】
本開示は、機械学習の技術に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
機械学習の分野において、教師なし画像に含まれる個々の物体毎の物体表現を取得できるように学習された機械学習モデルが近年提案されている。
【０００３】
具体的には、例えば、非特許文献１には、静止画像に含まれる個々の物体毎の物体表現を取得できるように学習された機械学習モデルが提案されている。
【０００４】
また、前述のように学習された機械学習モデルにより得られた物体表現は、例えば、物体認識に係る処理において活用することができる。
【先行技術文献】
【非特許文献】
【０００５】
ＦｒａｎｃｅｓｃｏＬｏｃａｔｅｌｌｏ，ｅｔ．ａｌ，「Ｏｂｊｅｃｔ－ＣｅｎｔｒｉｃＬｅａｒｎｉｎｇｗｉｔｈＳｌｏｔＡｔｔｅｎｔｉｏｎ」、［ｏｎｌｉｎｅ］、２０２０年１０月１４日、ａｒＸｉｖ、［２０２２年１０月２８日検索］、インターネット＜ＵＲＬ：ｈｔｔｐｓ：／／ａｒｘｉｖ．ｏｒｇ／ｐｄｆ／２００６．１５０５５．ｐｄｆ＞
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかし、非特許文献１に開示された技術によれば、例えば、複雑なテクスチャを有する物体が静止画像に含まれているような場合において、当該物体の境界の認識が困難であることに起因し、物体表現の取得精度が低下してしまう、という問題点がある。
【０００７】
すなわち、非特許文献１に開示された技術によれば、物体認識における認識精度が低下してしまう場合がある、という前述の問題点に応じた課題が生じている。
【０００８】
本開示の１つの目的は、物体認識における認識精度の低下を防ぐことが可能な学習装置を提供することにある。
【課題を解決するための手段】
【０００９】
本開示の一つの観点では、学習装置は、静止画像用の学習モデルを有する。前記学習モデルは、静止画像において物体が存在する領域を個々の物体毎に識別可能な第１の物体マスクを生成するマスク生成手段を具備する。前記第１の物体マスクの生成に係る処理に用いられる少なくとも１つのパラメータを含む第１のパラメータは、前記静止画像を含む動画像において物体が存在する領域を個々の物体毎に識別可能な第２の物体マスクに対する前記第１の物体マスクの差を示す第１の損失に基づいて調整される。
【００１０】
本開示の他の観点では、パラメータ調整方法は、静止画像において物体が存在する領域を個々の物体毎に識別可能な第１の物体マスクを生成する静止画像用の学習モデルに対して適用される。前記第１の物体マスクの生成に係る処理に用いられる少なくとも１つのパラメータを含む第１のパラメータは、前記静止画像を含む動画像において物体が存在する領域を個々の物体毎に識別可能な第２の物体マスクに対する前記第１の物体マスクの差を示す第１の損失に基づいて調整される。
（【００１１】以降は省略されています）

関連特許