特許ウォッチ

公開番号2024074003
公報種別公開特許公報(A)
公開日2024-05-30
出願番号2022185036
出願日2022-11-18
発明の名称学習装置
出願人トヨタ自動車株式会社,個人,ネットワンシステムズ株式会社
代理人個人
主分類G06N 3/08 20230101AFI20240523BHJP(計算;計数)
要約【課題】関連する複数の時系列データについての特徴を学習することができる学習装置を提供する。
【解決手段】学習装置1は、深層学習モデルの学習を行なう学習装置であって、データの検出対象から検出された、互いに時刻が対応する三つの時系列データを取得する時系列データ取得部2と、所定期間の前記三つの時系列データを所定の表色系の独立する三つの色成分に対応させるとともに、前記時系列データの時間による変化を画像内の色成分の変化に対応させることにより、前記三つの時系列データをカラー画像に変換するデータ変換部3と、前記カラー画像を用いて前記深層学習モデルを学習する学習部4とを有する。
【選択図】図1
特許請求の範囲【請求項１】
深層学習モデルの学習を行なう学習装置であって、
データの検出対象から検出された、互いに時刻が対応する三つの時系列データを取得する時系列データ取得部と、
所定期間の前記三つの時系列データを所定の表色系の独立する三つの色成分に対応させるとともに、前記時系列データの時間による変化を画像内の色成分の変化に対応させることにより、前記三つの時系列データをカラー画像に変換するデータ変換部と、
前記カラー画像を用いて前記深層学習モデルを学習する学習部と
を有する学習装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は深層学習モデルの学習を行なう学習装置に関する。
続きを表示（約 2,200 文字）【背景技術】
【０００２】
近年、深層学習モデルを用いた様々なシステムが提案されている。例えば、特許文献１は、人を含む画像に深層学習モデルを適用することにより、人の行動に関する判定情報を出力する装置について開示している。
【０００３】
ところで、従来、検出されたデータの代表値を用いて、設備又は工程などの管理が行なわれてきたが、ＩｏＴ（Internet of Things）技術の発展にともない、代表値だけでなく、例えば上昇する値の傾きなどのように、時系列データを扱うことが可能となってきた。時系列データを用いることで、従来よりも管理精度が向上することが期待される。深層学習を用いたモデルにおいて、時系列データを利用する技術としてＲＴＭ（Robot Technology Middleware）やＬＳＴＭ（Long Short Term Memory）などが知られている。しかし、これらは特徴量を自動抽出するといった点では有効的であるものの、単独のパラメータについての抽出を行なう技術に過ぎず、複数のパラメータの関連性から新たな特徴量を抽出することは不可能である。また、複数のパラメータを関連づけるように見えるマルチモーダル法も、各変数を個別にニューラルネットワークに入力した後にそれらを統合する手法であり、複数のパラメータの関連性から新たな特徴量を抽出することは不可能である。
【先行技術文献】
【特許文献】
【０００４】
特表２０１９－５０８８０１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
本発明は、上記した事情を背景としてなされたものであり、関連する複数の時系列データについての特徴を学習することができる学習装置を提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記目的を達成するための本発明の一態様は、深層学習モデルの学習を行なう学習装置であって、データの検出対象から検出された、互いに時刻が対応する三つの時系列データを取得する時系列データ取得部と、所定期間の前記三つの時系列データを所定の表色系の独立する三つの色成分に対応させるとともに、前記時系列データの時間による変化を画像内の色成分の変化に対応させることにより、前記三つの時系列データをカラー画像に変換するデータ変換部と、前記カラー画像を用いて前記深層学習モデルを学習する学習部とを有する学習装置である。
この学習装置では、三つの時系列データがカラー画像に変換され、このカラー画像を用いた深層学習が行なわれる。これにより、この学習装置によれば、関連する複数の時系列データについての特徴を学習することができる。
【発明の効果】
【０００７】
本発明によれば、関連する複数の時系列データについての特徴を学習することができる学習装置を提供することができる。
【図面の簡単な説明】
【０００８】
実施の形態にかかる学習装置の機能構成の一例を示すブロック図である。
データ変換部による変換について説明する模式図である。
一つのカラー画像の生成に用いられる時系列データを示す模式図である。
五つの部分データから生成される一つのカラー画像の例を示す模式図である。
学習部が用いる畳み込みニューラルネットワークのアーキテクチャの一例を示す模式図である。
実施の形態にかかる学習装置のハードウェア構成の一例を示すブロック図である。
実施の形態にかかる学習装置における処理の流れの一例を示すフローチャートである。
実施の形態にかかる変換に用いる表色系として、ＲＧＢ表色系を用いた場合、ＣＩＥＸＹＺ表色系を用いた場合、及びＣＩＥＬＡＢ表色系を用いた場合の実験結果を示す表である。
一つの部分データからなるカラー画像を用いた場合と複数の部分データからなるカラー画像を用いた場合の実験結果を示す表である。
【発明を実施するための形態】
【０００９】
以下、図面を参照して本発明の実施の形態について説明する。図１は、実施の形態にかかる学習装置１の機能構成の一例を示すブロック図である。学習装置１は、深層学習モデルの学習を行なう装置であって、図１に示すように、学習装置１は、時系列データ取得部２と、データ変換部３と、学習部４とを有する。
【００１０】
時系列データ取得部２は、データの検出対象から検出された時系列データを取得する。具体的には、時系列データ取得部２は、互いに時刻が対応する三つの時系列データを取得する。例えば、三つの時系列データは、３次元空間におけるｘ軸方向の加速度の時系列データ、ｙ軸方向の加速度の時系列データ、及びｚ軸方向の加速度の時系列データであるが、これに限られない。なお、この例では、加速度という一つの種類についての三つの時系列データであるが、異なる種類の三つの時系列データが用いられてもよい。また、例えば、データの検出対象は、管理対象のシステムなどであるが、これに限られない。
（【００１１】以降は省略されています）

関連特許