特許ウォッチ

公開番号2024088190
公報種別公開特許公報(A)
公開日2024-07-02
出願番号2022203246
出願日2022-12-20
発明の名称モデル生成装置、モデル生成方法およびプログラム
出願人株式会社パスコ
代理人個人,個人,個人,個人,個人
主分類G06V 10/70 20220101AFI20240625BHJP(計算;計数)
要約【課題】異なる画素数の画像を用いて画像分類モデルを効率的に学習させることを可能とするモデル生成装置等を提供する。
【解決手段】モデル生成装置は、第1の画素数を有する第1画像を分割して生成された、それぞれが第1の画素数よりも小さい第2の画素数を有する複数の分割画像のそれぞれの特徴量を抽出する第1抽出器を含む第1学習モデルを、複数の分割画像が入力された場合に第1画像のクラスを出力するように学習させる第1学習部と、第1学習モデルを用いて、第2の画素数を有する第2画像の特徴量を抽出する第2抽出器を含む第2学習モデルを、第2画像が入力された場合に第2画像のクラスを出力するように学習させる第2学習部と、学習された第2学習モデルを出力する出力部と、を有する。
【選択図】図2
特許請求の範囲【請求項１】
第１の画素数を有する第１画像を分割して生成された、それぞれが前記第１の画素数よりも小さい第２の画素数を有する複数の分割画像のそれぞれの特徴量を抽出する第１抽出器を含む第１学習モデルを、前記複数の分割画像が入力された場合に前記第１画像のクラスを出力するように学習させる第１学習部と、
前記第１学習モデルを用いて、前記第２の画素数を有する第２画像の特徴量を抽出する第２抽出器を含む第２学習モデルを、前記第２画像が入力された場合に前記第２画像のクラスを出力するように学習させる第２学習部と、
前記学習された第２学習モデルを出力する出力部と、
を有することを特徴とするモデル生成装置。
続きを表示（約 2,000 文字）【請求項２】
前記第２学習部は、前記第１学習部により学習された第１抽出器のパラメータを前記第２抽出器の初期パラメータとして設定する、
請求項１に記載のモデル生成装置。
【請求項３】
前記第１学習モデルは、前記複数の分割画像の特徴量を集約する集約器をさらに含み、
前記第２学習部は、入力された特徴量が前記集約器により集約された特徴量であるか否かを識別するように学習された識別器に、前記第２抽出器により抽出された特徴量が入力された場合に、前記第２抽出器により抽出された特徴量が前記集約器により集約された特徴量であると識別されるように前記第２抽出器を学習させる、
請求項１に記載のモデル生成装置。
【請求項４】
前記第１学習モデルは、前記集約器により集約された特徴量に基づいて前記第１画像のクラスを出力する第１分類器をさらに含み、
前記第２学習モデルは、前記第２抽出器により抽出された特徴量に基づいて前記第２画像のクラスを出力する第２分類器をさらに含み、
前記第２学習部は、前記第１学習部により学習された第１分類器のパラメータを前記第２分類器の初期パラメータとして設定する、
請求項３に記載のモデル生成装置。
【請求項５】
前記第２学習部は、前記集約器により集約された特徴量と前記第２抽出器により抽出された特徴量とを用いて前記識別器を学習させる第１学習と、前記第２画像を用いて前記第２抽出器を学習させる第２学習とを交互に実行する、
請求項３に記載のモデル生成装置。
【請求項６】
前記第１画像および前記第２画像は、同一の受容野を有する画像である、
請求項１に記載のモデル生成装置。
【請求項７】
モデル生成装置によって実行されるモデル生成方法であって、
第１の画素数を有する第１画像を分割して生成された、それぞれが前記第１の画素数よりも小さい第２の画素数を有する複数の分割画像のそれぞれの特徴量を抽出する第１抽出器を含む第１学習モデルを、前記複数の分割画像が入力された場合に前記第１画像のクラスを出力するように学習させ、
前記第１学習モデルを用いて、前記第２の画素数を有する第２画像の特徴量を抽出する第２抽出器を含む第２学習モデルを、前記第２画像が入力された場合に前記第２画像のクラスを出力するように学習させ、
前記学習された第２学習モデルを出力する、
ことを含むことを特徴とするモデル生成方法。
【請求項８】
第１の画素数を有する第１画像を分割して生成された、それぞれが前記第１の画素数よりも小さい第２の画素数を有する複数の分割画像のそれぞれの特徴量を抽出する第１抽出器を含む第１学習モデルを、前記複数の分割画像が入力された場合に前記第１画像のクラスを出力するように学習させ、
前記第１学習モデルを用いて、前記第２の画素数を有する第２画像の特徴量を抽出する第２抽出器を含む第２学習モデルを、前記第２画像が入力された場合に前記第２画像のクラスを出力するように学習させ、
前記学習された第２学習モデルを出力する、
ことをコンピュータに実行させることを特徴とするプログラム。
【請求項９】
第１の画素数を有する第１画像の特徴量を抽出する第１抽出器を含む第１学習モデルを、前記第１画像が入力された場合に前記第１画像のクラスを出力するように学習させる第１学習部と、
前記第１学習モデルを用いて、前記第１の画素数よりも大きい第２の画素数を有する第２画像を分割して生成された、それぞれが前記第１の画素数を有する複数の分割画像のそれぞれの特徴量を抽出する第２抽出器を含む第２学習モデルを、前記複数の分割画像が入力された場合に前記第２画像のクラスを出力するように学習させる第２学習部と、
前記学習された第２学習モデルを出力する出力部と、
を有することを特徴とするモデル生成装置。
【請求項１０】
モデル生成装置によって実行されるモデル生成方法であって、
第１の画素数を有する第１画像の特徴量を抽出する第１抽出器を含む第１学習モデルを、前記第１画像が入力された場合に前記第１画像のクラスを出力するように学習させ、
前記第１学習モデルを用いて、前記第１の画素数よりも大きい第２の画素数を有する第２画像を分割して生成された、それぞれが前記第１の画素数を有する複数の分割画像のそれぞれの特徴量を抽出する第２抽出器を含む第２学習モデルを、前記複数の分割画像が入力された場合に前記第２画像のクラスを出力するように学習させ、
前記学習された第２学習モデルを出力する、
ことを含むことを特徴とするモデル生成方法。
（【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、モデル生成装置、モデル生成方法およびプログラムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
画像分類モデルを用いて、地上を撮影した衛星画像をその土地被覆の種類等に応じて分類する技術が注目されている。衛星画像の画像分類モデルを学習させるためには、同一の画素数を有する多数の衛星画像が教師データとして必要となるが、衛星ごとに空間分解能が異なる場合があるため、そのような衛星画像の収集は容易ではない。そこで、異なる画素数の画像を用いた学習を可能とすることが求められる。
【０００３】
非特許文献１には、ＡＤＤＡ（Adversarial Discriminative Domain Adaptation）と呼ばれるドメイン適応手法が記載されている。ＡＤＤＡによれば、学習用データの分布と分類対象データの分布とが異なる場合でも、学習用データを用いて学習した結果を画像分類モデルの学習に利用することが可能となる。
【先行技術文献】
【非特許文献】
【０００４】
Adversarial Discriminative Domain Adaptation, E. Tzeng, Judy Hoffman, Kate Saenko, and Trevor Darrell, Proceedings of IEEE conference on computer vision and pattern recognition, 2007
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、異なる画素数の画像からは異なるスケールの特徴量が抽出されるため、ＡＤＤＡを衛星画像の画像分類モデルに適用しても十分な効果が得られない場合がある。
【０００６】
本発明は、上述の課題を解決するためになされたものであり、異なる画素数の画像を用いて学習モデルを効率的に学習させることを可能とするモデル生成装置、モデル生成方法およびプログラム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】
【０００７】
本発明の実施形態に係るモデル生成装置は、第１の画素数を有する第１画像を分割して生成された、それぞれが第１の画素数よりも小さい第２の画素数を有する複数の分割画像のそれぞれの特徴量を抽出する第１抽出器を含む第１学習モデルを、複数の分割画像が入力された場合に第１画像のクラスを出力するように学習させる第１学習部と、第１学習モデルを用いて、第２の画素数を有する第２画像の特徴量を抽出する第２抽出器を含む第２学習モデルを、第２画像が入力された場合に第２画像のクラスを出力するように学習させる第２学習部と、学習された第２学習モデルを出力する出力部と、を有することを特徴とする。
【０００８】
また、第２学習部は、第１学習部により学習された第１抽出器のパラメータを第２抽出器の初期パラメータとして設定することが好ましい。
【０００９】
また、第１学習モデルは、複数の分割画像の特徴量を集約する集約器をさらに含み、第２学習部は、入力された特徴量が集約器により集約された特徴量であるか否かを識別するように学習された識別器に、第２抽出器により抽出された特徴量が入力された場合に、第２抽出器により抽出された特徴量が集約器により集約された特徴量であると識別されるように第２抽出器を学習させることが好ましい。
【００１０】
また、第１学習モデルは、集約器により集約された特徴量に基づいて第１画像のクラスを出力する第１分類器をさらに含み、第２学習モデルは、第２抽出器により抽出された特徴量に基づいて第２画像のクラスを出力する第２分類器をさらに含み、第２学習部は、第１学習部により学習された第１分類器のパラメータを第２分類器の初期パラメータとして設定することが好ましい。
（【００１１】以降は省略されています）

関連特許