特許ウォッチ

公開番号2024101753
公報種別公開特許公報(A)
公開日2024-07-30
出願番号2023005857
出願日2023-01-18
発明の名称画像選択プログラム、画像選択方法及び画像選択装置
出願人富士通株式会社
代理人個人
主分類G06T 7/00 20170101AFI20240723BHJP(計算;計数)
要約【課題】画像認識に用いるモデルの学習に利用する画像として適切な画像を選定することが可能な画像選択プログラム、画像選択方法及び画像選択装置を提供する。
【解決手段】サーバ、カメラ及び管理者端末が、インターネットなどのネットワークに接続されている画像認識システムにおいて、画像選択装置としてのサーバは、同一地点で撮影された複数の河川画像を取得する画像取得部12と、複数の河川画像それぞれを複数のクラスタにクラスタリングするクラスタリング部23と、は、複数のクラスタそれぞれから少なくとも1枚の河川画像をアノテーション画像として選定するアノテーション画像選定部24と、を有する。
【選択図】図3
特許請求の範囲【請求項１】
画像認識に用いるモデルの学習に用いる画像を選択する画像選択プログラムであって、
同一地点で撮影された複数の画像を取得し、
前記複数の画像それぞれを複数のクラスタにクラスタリングし、
前記複数のクラスタそれぞれから少なくとも１枚の画像を選択し、前記学習に用いる画像又は前記学習に用いる画像の候補とする、
処理をコンピュータに実行させることを特徴とする画像選択プログラム。
続きを表示（約 1,200 文字）【請求項２】
前記クラスタリングする処理において、前記複数の画像それぞれの画像特徴量に基づいて、前記複数の画像それぞれを複数のクラスタにクラスタリングする、ことを特徴とする請求項１に記載の画像選択プログラム。
【請求項３】
前記クラスタリングする処理において、前記複数の画像それぞれの撮影条件に基づいて、前記複数の画像それぞれを複数のクラスタにクラスタリングする、ことを特徴とする請求項２に記載の画像選択プログラム。
【請求項４】
前記画像特徴量は、ニューラルネットワークの中間層の出力である、ことを特徴とする請求項２に記載の画像選択プログラム。
【請求項５】
前記学習に用いる画像と、当該画像に対して付与された正解ラベルと、を含む学習データを用いて前記モデルを学習する、処理を前記コンピュータが実行することを特徴とする請求項１に記載の画像選択プログラム。
【請求項６】
前記学習に用いる画像の候補と、当該候補に対して付与された正解ラベルと、を表示し、
表示した前記候補の中から指定された画像と、指定された画像に対して付与された正解ラベルと、を含む学習データを用いて前記モデルを学習する、処理を前記コンピュータが実行することを特徴とする請求項１に記載の画像選択プログラム。
【請求項７】
前記学習に用いる画像の候補に対して付与された正解ラベルが修正された場合、
前記正解ラベルが修正された画像と、修正された前記正解ラベルと、を含む学習データを用いて前記モデルを学習する、処理を前記コンピュータが実行することを特徴とする請求項６に記載の画像選択プログラム。
【請求項８】
前記複数のクラスタから画像を選択する処理は、前記複数のクラスタそれぞれから画像を任意に選択する処理、及び、前記複数のクラスタそれぞれからユーザが特定した画像を選択する処理のいずれかである、ことを特徴とする請求項１に記載の画像選択プログラム。
【請求項９】
画像認識に用いるモデルの学習に用いる画像を選択する画像選択方法であって、
同一地点で撮影された複数の画像を取得し、
前記複数の画像それぞれを複数のクラスタにクラスタリングし、
前記複数のクラスタそれぞれから少なくとも１枚の画像を選択し、前記学習に用いる画像又は前記学習に用いる画像の候補とする、
処理をコンピュータが実行することを特徴とする画像選択方法。
【請求項１０】
画像認識に用いるモデルの学習に用いる画像を選択する画像選択装置であって、
同一地点で撮影された複数の画像を取得する取得部と、
前記複数の画像それぞれを複数のクラスタにクラスタリングするクラスタリング部と、
前記複数のクラスタそれぞれから少なくとも１枚の画像を選択し、前記学習に用いる画像又は前記学習に用いる画像の候補とする選択部と、
を備える画像選択装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、画像選択プログラム、画像選択方法及び画像選択装置に関する。
続きを表示（約 1,200 文字）【背景技術】
【０００２】
河川の越流などの災害発生を検知するため、河川画像等の風景画像をＡＩを用いて画像認識する技術が知られている。画像認識ＡＩで利用するモデルを生成（学習）したり再学習する場合、画像とその画像が何を示しているかを示す正解ラベルとを含む学習データを多数用意する必要がある。従来、画像に対して正解ラベルを作成する作業（アノテーション）は人手で行っていたが、現在は自動的に正解ラベルを作成し、作成した正解ラベルが誤っている場合に人が修正するような半自動化技術が開発されている。
【０００３】
また、モデルの画像認識精度を低下させずに、アノテーションの工数を削減する方法として、精度向上につながりそうな画像を選定して、選定した画像のみをアノテーションする方法が知られている（例えば、特許文献１、２等参照）。
【０００４】
特許文献１に記載の技術は、過去の学習画像の特徴量とアノテーション候補画像の特徴量の類似度を算出し、類似度が低い画像をアノテーション画像とするものである。また、特許文献２に記載の技術は、複数の画像の中からクラス推定の確信度及び撮影状況に基づいてアノテーション画像を選択する場合に、撮影状況が近似する画像ほど選択される可能性を低くするものである。
【先行技術文献】
【特許文献】
【０００５】
特開２０１７－２２４１８４号公報
特開２０２２－１６１１０５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上記特許文献１のように過去の学習画像との類似度が低い画像をアノテーション画像とする場合、アノテーション画像同士が類似する可能性がある。
【０００７】
また、上記特許文献２のようにクラス推定の確信度及び撮影状況に基づいてアノテーション画像を選択する場合、同一のクラスに分類された画像が多数選択される可能性がある。
【０００８】
１つの側面では、本発明は、モデルの学習に用いる画像として適切な画像を選択することが可能な画像選択プログラム、画像選択方法及び画像選択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】
【０００９】
一つの態様では、画像選択プログラムは、画像認識に用いるモデルの学習に用いる画像を選択する画像選択プログラムであって、同一地点で撮影された複数の画像を取得し、前記複数の画像それぞれを複数のクラスタにクラスタリングし、前記複数のクラスタそれぞれから少なくとも１枚の画像を選択し、前記学習に用いる画像又は前記学習に用いる画像の候補とする、処理をコンピュータに実行させるプログラムである。
【発明の効果】
【００１０】
モデルの学習に用いる画像として適切な画像を選択することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許