特許ウォッチ

公開番号2024102873
公報種別公開特許公報(A)
公開日2024-08-01
出願番号2023006936
出願日2023-01-20
発明の名称情報処理プログラム,情報処理方法及び情報処理装置
出願人富士通株式会社
代理人弁理士法人真田特許事務所,個人
主分類G06T 7/00 20170101AFI20240725BHJP(計算;計数)
要約【課題】機械学習モデルのデータセットに対するラベル付けの人的コストを削減する。
【解決手段】情報処理プログラムは、加熱又は冷却された第1物体を含む撮像範囲を撮像装置21で撮像した第1画像211と、前記撮像範囲をサーモカメラ22で撮像した第2画像221とを取得し、前記第2画像221に基づいて、前記第1画像211に対する前記第1物体の第1ラベル画像222を生成する、処理をコンピュータに実行させる。
【選択図】図4
特許請求の範囲【請求項１】
加熱又は冷却された第１物体を含む撮像範囲を撮像装置で撮像した第１画像と、前記撮像範囲をサーモカメラで撮像した第２画像とを取得し、
前記第２画像に基づいて、前記第１画像に対する前記第１物体の第１ラベル画像を生成する、
処理をコンピュータに実行させる、情報処理プログラム。
続きを表示（約 1,200 文字）【請求項２】
前記第１画像を機械学習モデルに入力して前記第１画像に含まれる１以上の物体の第２ラベル画像を取得する、
処理を前記コンピュータに実行させる、請求項１に記載の情報処理プログラム。
【請求項３】
前記第１ラベル画像と前記第２ラベル画像とを合成して第３ラベル画像を取得する、
処理を前記コンピュータに実行させる、請求項２に記載の情報処理プログラム。
【請求項４】
前記第１画像と前記第３ラベル画像とを前記機械学習モデルの訓練データとして記憶領域に保存する、
処理を前記コンピュータに実行させる、請求項３に記載の情報処理プログラム。
【請求項５】
前記訓練データを用いて前記機械学習モデルの訓練を実行する、
処理を前記コンピュータに実行させる、請求項４に記載の情報処理プログラム。
【請求項６】
前記第１ラベル画像と、前記第２ラベル画像とに基づき、前記機械学習モデルによる前記第１物体のクラスの検出の難易度を示す指標を算出し、
前記指標に基づき、複数の前記物体のうちの前記加熱又は前記冷却する対象とする物体のクラスを選択する、
処理を前記コンピュータに実行させる、請求項２～請求項５のいずれか１項に記載の情報処理プログラム。
【請求項７】
前記第１ラベル画像は、前記第１物体のクラスと、前記撮像範囲における前記第１物体の位置とを含むラベルを含み、
前記第２ラベル画像は、前記撮像範囲に含まれる前記１以上の物体の各々について、前記物体のクラスと、前記撮像範囲における前記物体の位置とを含むラベルを含む、
請求項２～請求項５のいずれか１項に記載の情報処理プログラム。
【請求項８】
所定の処理により変化が与えられた第１物体を含む撮像範囲を第１撮像装置で撮像した第１画像と、前記変化を検出可能な第２撮像装置で前記撮像範囲を撮像した第２画像とを取得し、
前記第２画像に基づいて、前記第１画像に対する前記第１物体の第１ラベル画像を生成する、
処理をコンピュータに実行させる、情報処理プログラム。
【請求項９】
加熱又は冷却された第１物体を含む撮像範囲を撮像装置で撮像した第１画像と、前記撮像範囲をサーモカメラで撮像した第２画像とを取得し、
前記第２画像に基づいて、前記第１画像に対する前記第１物体の第１ラベル画像を生成する、
処理をコンピュータが実行する、情報処理方法。
【請求項１０】
所定の処理により変化が与えられた第１物体を含む撮像範囲を第１撮像装置で撮像した第１画像と、前記変化を検出可能な第２撮像装置で前記撮像範囲を撮像した第２画像とを取得し、
前記第２画像に基づいて、前記第１画像に対する前記第１物体の第１ラベル画像を生成する、
処理をコンピュータが実行する、情報処理方法。
（【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、情報処理プログラム，情報処理方法及び情報処理装置に関する。
続きを表示（約 1,000 文字）【背景技術】
【０００２】
機械学習において、学習にラベル付きデータを用いる教師有り学習が製品の分類問題等に応用されることがある。
【０００３】
ラベル付きデータは、物体を含む撮像範囲を撮像して得られた画像に、当該物体の分類（クラス）を示す正解ラベルが付与されたデータである。画像への正解ラベルの付与は通常は人手で行なわれるため、ラベル付きデータはラベル無しデータに比べて収集コストが大きくなる。
【０００４】
収集コストを軽減させる手法として、ラベル無しデータを既知のデータと未知のデータとに分割し、ラベル無しデータのうちの未知のデータに対してのみ、人にラベル付けを要求する手法が知られている。既知のデータとは、例えば、学習中のモデルが高確信度でラベル推定可能なデータであり、未知のデータとは、例えば、学習中のモデルが分類できないデータである。
【先行技術文献】
【特許文献】
【０００５】
特開２０１７－１０９１６１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
上述したように、未知のデータに対して人にラベル付けを要求する手法では、人的コストが発生する。
【０００７】
また、上述した手法を、セグメンテーションや物体検出等のＡＩタスクに用いられるデータの生成に適用する場合、物体のクラスに加えて、物体の位置等の情報（クラス以外の情報）を含むラベル付けを人に要求することになり、人的コストがより高くなる。
【０００８】
１つの側面では、本発明は、機械学習モデルのデータセットに対するラベル付けの人的コストを削減することを目的の１つとする。
【課題を解決するための手段】
【０００９】
１つの側面では、情報処理プログラムは、コンピュータに以下の処理を実行させる。前記処理は、加熱又は冷却された第１物体を含む撮像範囲を撮像装置で撮像した第１画像と、前記撮像範囲をサーモカメラで撮像した第２画像とを取得してよい。また、前記処理は、前記第２画像に基づいて、前記第１画像に対する前記第１物体の第１ラベル画像を生成してよい。
【発明の効果】
【００１０】
１つの側面では、本発明は、機械学習モデルのデータセットに対するラベル付けの人的コストを削減することができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許