特許ウォッチ

公開番号2024078341
公報種別公開特許公報(A)
公開日2024-06-10
出願番号2022190841
出願日2022-11-29
発明の名称データ処理装置及びその方法
出願人キヤノン株式会社
代理人個人,個人,個人,個人,個人
主分類G06V 10/96 20220101AFI20240603BHJP(計算;計数)
要約【課題】マルチタスク認識において、任意の認識タスクを選択的に実現する場合におけるオーバーヘッドを低減する。
【解決手段】データ処理装置に、複数種類の認識タスクに用いられる複数種類のパラメータ群を記憶する記憶手段と、前記複数種類の認識タスクから実行すべき2以上の認識タスクを選択する選択手段と、パラメータ群を保持する保持手段と、前記2以上の認識タスクに用いられるパラメータ群を前記記憶手段から前記保持手段へ順次転送する転送手段と、前記パラメータ保持手段に保持されたパラメータ群を用いて前記2以上の認識タスクを順次実行する実行手段とを備える。
【選択図】図1
特許請求の範囲【請求項１】
複数種類の認識タスクに用いられる複数種類のパラメータ群を記憶する記憶手段と、
前記複数種類の認識タスクから実行すべき２以上の認識タスクを選択する選択手段と、
パラメータ群を保持する保持手段と、
前記２以上の認識タスクに用いられるパラメータ群を前記記憶手段から前記保持手段へ順次転送する転送手段と、
前記保持手段に保持されたパラメータ群を用いて前記２以上の認識タスクを順次実行する実行手段とを有することを特徴とするデータ処理装置。
続きを表示（約 1,200 文字）【請求項２】
前記複数種類のパラメータ群は、入力画像から前記複数種類の認識タスクで共通に用いられる共通特徴データを抽出するための共通パラメータ群を含み、
前記転送手段は、共通パラメータ群を他の前記複数種類のパラメータ群より先に転送し、
前記実行手段は、前記共通パラメータ群を用いて前記入力画像から前記共通特徴データを抽出し、該共通特徴データを用いて前記２以上の認識タスクを順次実行することを特徴とする請求項１に記載のデータ処理装置。
【請求項３】
前記記憶手段における前記複数種類のパラメータ群の格納先を指定する指定手段を備え、
前記転送手段は、前記格納先に基づいて前記２以上の認識タスクに用いられるパラメータ群を順次転送することを特徴とする請求項１または２に記載のデータ処理装置。
【請求項４】
前記記憶手段における前記格納先には、前記複数種類のパラメータ群のそれぞれに対するオフセット情報が格納されており、前記転送手段は、前記格納先と当該オフセット情報に基づいて前記２以上の認識タスクに用いられるパラメータ群を順次転送することを特徴とする請求項３に記載のデータ処理装置。
【請求項５】
前記記憶手段は、前記複数種類のパラメータ群の複数セットを格納しており、前記指定手段は、前記複数セットのいずれの格納先を指定するかによって、当該複数種類のパラメータ群を切り換えることを特徴とする請求項３または４に記載のデータ処理装置。
【請求項６】
前記記憶手段は、前記複数セットの前記複数種類のパラメータ群をそれぞれの属性情報とともに格納しており、当該属性情報に基づいて前記実行手段による前記２以上の認識タスクの実行を制御する制御手段を更に有することを特徴とする請求項５に記載のデータ処理装置。
【請求項７】
前記認識タスクは、更に複数のサブカテゴリの認識タスクを有しており、前記選択手段は、選択した認識タスクの有する複数のサブカテゴリの中で、実行すべきサブカテゴリを更に選択することを特徴とする請求項１ないし６のいずれか１項に記載のデータ処理装置。
【請求項８】
前記複数のサブカテゴリの認識タスクの各々は、当該複数のサブカテゴリを有する認識タスクの認識対象の複数のサブカテゴリのそれぞれを認識対象とする認識タスクであることを特徴とする請求項７に記載のデータ処理装置。
【請求項９】
前記実行手段は階層的な演算手段であり、前記パラメータ群は当該階層的な演算手段の結合係数であることを特徴とする請求項１ないし８のいずれか１項に記載のデータ処理装置。
【請求項１０】
前記階層的な演算手段はニューラルネットワークであることを特徴とする請求項９に記載のデータ処理装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、画像データから複数種類の対象物を検出するマルチタスク認識を実行するデータ処理装置及びその方法に関するものである。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
コンボリューショナルニューラルネットワーク（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ、以下ＣＮＮと略記する）に代表される階層的な演算手法が注目されている。かかる手法により、深層学習技術に基づいて、認識対象の変動に対して頑健なパターン認識手法が研究されている。例えば、非特許文献１では様々な応用例・実装例が開示されている。
【０００３】
特許文献１ではＣＮＮによる共通特徴を利用して複数の認識タスクを効率的に学習する方法が開示されている。また、特許文献２ではＣＮＮを効率的に処理するための各種パラメータ群（以下、動作パラメータと呼称する）の構成が開示されている。
【先行技術文献】
【特許文献】
【０００４】
特開２０２０－１４０５４６号公報
【非特許文献】
【０００５】
ＹａｎｎＬｅＣｕｎ，ＫｏｒａｙＫａｖｕｋｖｕｏｇｌｕａｎｄＣｌｅｍｅｎｔＦａｒａｂｅｔ：ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｔｗｏｒｋｓａｎｄＡｐｐｌｉｃａｔｉｏｎｓｉｎＶｉｓｉｏｎ，Ｐｒｏｃ．ＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍｏｎＣｉｒｃｕｉｔｓａｎｄＳｙｓｔｅｍｓ（ＩＳＣＡＳ’１０），ＩＥＥＥ，２０１０，
【発明の概要】
【発明が解決しようとする課題】
【０００６】
マルチタスク認識装置では、ユースケースに応じて複数の認識タスクの中から特定の認識タスクのみを選択的に実行したい場合がある。特許文献１に記載の手法では予め定める複数の認識タスクを共通の特徴を利用して実行する方法が開示されているが、認識タスクを選択的に実行する場合、マルチタスク処理用ＣＰＵのソフトウェアを入れ替える必要がある等、効率的に実行することが出来ない。特許文献２では認識タスクの実行に必要な動作パラメータを参照して効率的にＣＮＮをハードウェア処理する方法が開示されている。しかしながら、マルチタスク認識を選択的に実行する場合、選択の組み合わせ毎に複数の動作パラメータを準備する必要があり動作パラメータの総量が増加する。
【課題を解決するための手段】
【０００７】
上記課題を解決するため、本発明の１態様によれば、データ処理装置に、データ処理装置に、複数種類の認識タスクに用いられる複数種類のパラメータ群を記憶する記憶手段と、前記複数種類の認識タスクから実行すべき２以上の認識タスクを選択する選択手段と、パラメータ群を保持する保持手段と、前記２以上の認識タスクに用いられるパラメータ群を前記記憶手段から前記保持手段へ順次転送する転送手段と、前記パラメータ保持手段に保持されたパラメータ群を用いて前記２以上の認識タスクを順次実行する実行手段とを備える。
【発明の効果】
【０００８】
本発明によれば、ユースケースに応じて任意の組み合わせで選択される複数の認識タスクを効率的に実行するデータ処理装置を提供することが可能となる。
【図面の簡単な説明】
【０００９】
実施形態のマルチタスク認識処理部の構成を表す図
実施形態のマルチタスク認識処理部を含む画像処理装置を表す図
実施形態の畳み込み演算部の構成を表す図
ＣＮＮの構成例を説明する図
マルチタスク認識ＣＮＮの構成例を説明する図
実施形態１の認識タスク指定部の構成例を説明する図
実施形態１の動作パラメータセットの例を説明する図
実施形態に係る制御部のフローチャートを説明する図
実施形態１に係るマルチタスク認識処理部の動作タイムチャートを説明する図
実施形態２の認識タスク指定部の構成例を説明する図
実施形態２の動作パラメータセットの例を説明する図
実施形態３の動作パラメータセットの例を説明する図
【発明を実施するための形態】
【００１０】
以下、図面を参照しながら本発明の好適な実施形態について詳細に説明する。なお、以下の実施形態に記載する構成は代表例であり、本発明の範囲はそれらの具体的構成に必ずしも限定されない。
（【００１１】以降は省略されています）

関連特許