特許ウォッチ

公開番号2024076190
公報種別公開特許公報(A)
公開日2024-06-05
出願番号2022187629
出願日2022-11-24
発明の名称学習システム
出願人国立大学法人東京大学,トヨタ自動車株式会社
代理人個人
主分類G06N 20/00 20190101AFI20240529BHJP(計算;計数)
要約【課題】画像送信によるコストの増大や、画像の流出リスクを低減できる学習システムを実現する。
【解決手段】本開示の一形態に係る学習システム1は、複数のクライアント端末11とサーバ12を備える。各クライアント端末11は、特徴量抽出器によってクライアント画像から抽出される第1の特徴量の分布と、クライアント画像に所定の処理を行った第1のプロキシ画像から抽出される第2の特徴量の分布とを識別する第1の識別器を学習してサーバ12に送信する。サーバ12は、サーバ画像から特徴量抽出器によって抽出される第3の特徴量の分布が第1の特徴量の分布に近づくように、第1の識別器に基づいて特徴量抽出器を学習し、かつ、第3の特徴量を用いた機械学習により第1の分類器を学習する。
【選択図】図2
特許請求の範囲【請求項１】
複数のクライアント端末とサーバを備えた学習システムであって、
各クライアント端末は、特徴量抽出器によってクライアント画像から抽出される第１の特徴量の分布と、前記クライアント画像に所定の処理を行った第１のプロキシ画像から抽出される第２の特徴量の分布とを識別する第１の識別器を学習し、前記第１の識別器をサーバに送信し、
前記サーバは、サーバ画像から前記特徴量抽出器によって抽出される第３の特徴量の分布が前記第１の特徴量の分布に近づくように、前記第１の識別器に基づいて前記特徴量抽出器を学習し、かつ、前記第３の特徴量を用いた機械学習により第１の分類器を学習する
学習システム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、学習システムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
特許文献１は、複数のクライアント端末のそれぞれが学習を開始する前に、各クライアント端末側の学習モデルと統合サーバのマスターモデルとを同期させる技術を開示している。各クライアント端末は医療機関に保存されているデータを用いて学習モデルの機械学習を実行し、学習結果を統合サーバに送信する。統合サーバは複数のクライアント端末を複数のクライアントクラスタに分けてクライアントクラスタごとに学習結果を統合してマスターモデル候補を作成する。統合サーバは各マスターモデル候補の推論精度を評価し、精度悪化要因となっているクライアント端末を抽出する。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０２１／０５９６０７号
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１では、医療機関に保存されているデータをクライアント端末に送信したり、保存したりするコストを要する。また、画像流出のおそれがあるという問題がある。
【０００５】
本開示は、このような問題点に鑑みてなされたものであり、画像送信によるコストの増大や、画像の流出リスクを低減できる学習システムを実現する。
【課題を解決するための手段】
【０００６】
本開示の一態様の学習システムは、複数のクライアント端末とサーバを備えた学習システムであって、各クライアント端末は、特徴量抽出器によってクライアント画像から抽出される第１の特徴量の分布と、前記クライアント画像に所定の処理を行った第１のプロキシ画像から抽出される第２の特徴量の分布とを識別する第１の識別器を学習し、前記第１の識別器をサーバに送信し、前記サーバは、サーバ画像から前記特徴量抽出器によって抽出される第３の特徴量の分布が前記第１の特徴量の分布に近づくように、前記第１の識別器に基づいて前記特徴量抽出器を学習し、かつ、前記第３の特徴量を用いた機械学習により第１の分類器を学習する。
【発明の効果】
【０００７】
本開示によれば、画像送信によるコストの増大や、画像の流出リスクを低減できる学習システムを実現できる。
【図面の簡単な説明】
【０００８】
ドメイン適応を行う学習システムを説明する図である。
実施形態１にかかる学習システムの構成を説明する図である。
実施形態１にかかる特徴量抽出器の学習方法を説明する図である。
【発明を実施するための形態】
【０００９】
以下、本開示を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。但し、本開示が以下の実施の形態に限定される訳ではない。また、説明を明確にするため、以下の記載及び図面は、適宜、簡略化されている。
【００１０】
本開示に至る経緯
まず、一般的な連合学習方法について説明する。連合学習では、サーバが、Ｗｅｂから収集した画像や３次元モデル（シミュレータとも言う）から生成した画像を用いて機械学習モデル（例えば、物体認識用のモデル）を学習し、機械学習モデルの重み係数の初期値を複数のクライアント端末に配布する。学習用画像（サーバ画像と言う）は、ソース画像とも言う。
（【００１１】以降は省略されています）

関連特許