特許ウォッチ

公開番号2024133964
公報種別公開特許公報(A)
公開日2024-10-03
出願番号2023044008
出願日2023-03-20
発明の名称情報処理装置、情報処理方法、及びプログラム
出願人キヤノン株式会社
代理人個人
主分類G06V 10/82 20220101AFI20240926BHJP(計算;計数)
要約【課題】時間的コストと人的コストを増やすことなく、機械学習における画像認識精度の向上に必要となる学習用の画像を取得可能にする。
【解決手段】情報処理装置は、学習用画像に含まれる対象物体の状態を表す状態情報を取得し、その取得した状態情報を変換して新規な状態情報を取得する。そして、情報処理装置は、その新規な状態情報を用いて新規な学習用画像を生成する。
【選択図】図1
特許請求の範囲【請求項１】
学習用画像に含まれる対象物体の状態を表す状態情報を取得する取得手段と、
前記取得された状態情報を変換して、新規な状態情報を取得する変換手段と、
前記新規な状態情報を用いて、新規な学習用画像を生成する生成手段と、
を有することを特徴とする情報処理装置。
続きを表示（約 1,300 文字）【請求項２】
前記対象物体を含んだ学習用画像を記憶する記憶手段と、
前記生成手段にて生成された学習用画像を、前記記憶手段に追加して記憶させる追加手段と、
前記記憶手段に記憶されている学習用画像を用いて、前記対象物体を識別するための識別器を学習する学習手段と、
を有することを特徴とする請求項１に記載の情報処理装置。
【請求項３】
前記記憶手段は、前記対象物体の状態を表す状態情報をも記憶しており、
前記取得手段は、前記記憶手段から前記状態情報を取得し、
前記変換手段は、前記記憶手段から取得された状態情報を前記新規な状態情報に変換し、
前記生成手段は、前記新規な状態情報と、前記記憶手段に記憶されている学習用画像とを用いて新規な学習用画像を生成し、
前記追加手段は、前記生成手段にて生成された前記新規な学習用画像とともに、前記変換手段にて変換された前記新規な状態情報をも、前記記憶手段に追加して記憶させることを特徴とする請求項２に記載の情報処理装置。
【請求項４】
前記生成手段は、前記記憶手段に記憶されている学習用画像に含まれる対象物体を、前記新規な状態情報を基に写像変換して、前記新規な学習用画像を生成することを特徴とする請求項３に記載の情報処理装置。
【請求項５】
前記生成手段は、前記記憶手段に記憶されている学習用画像に含まれる対象物体の部分領域を、前記新規な状態情報を基に写像変換してテクスチャのレンダリングを行うことによって前記新規な学習用画像を生成することを特徴とする請求項４に記載の情報処理装置。
【請求項６】
前記記憶手段は、前記対象物体を含んだ複数の学習用画像からなる学習用画像セットと、前記学習用画像セットの前記複数の学習用画像に含まれる対象物体の前記状態情報とを記憶することを特徴とする請求項２乃至５のいずれか１項に記載の情報処理装置。
【請求項７】
前記取得手段は、前記学習用画像セットの中から前記学習用画像を選択し、前記選択した学習用画像に含まれる対象物体の前記状態情報を取得することを特徴とする請求項６に記載の情報処理装置。
【請求項８】
前記取得手段は、
前記学習用画像セットに含まれる複数の学習用画像を、前記状態情報を基に複数のクラスタに分類し、
前記クラスタに含まれる学習用画像を入力して前記識別器から出力される値に基づいて、前記クラスタの中から学習用画像を選択することを特徴とする請求項７に記載の情報処理装置。
【請求項９】
前記取得手段は、前記識別器から出力される値に基づいて、前記クラスタの中から少なくとも二つの学習用画像を選択することを特徴とする請求項８に記載の情報処理装置。
【請求項１０】
前記取得手段は、前記識別器から出力される値が、最も高い第１の学習用画像と、最も低い第２の学習用画像とを選択することを特徴とする請求項９に記載の情報処理装置。
（【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、機械学習に用いる画像を生成する情報処理技術に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
画像や動画などから特定の物体を識別する物体識別の技術が存在する。物体識別とは、入力画像に映っている物体のカテゴリを推測するタスクのことであり、そのような物体識別タスクを行う処理装置は識別器と呼ばれている。近年、物体識別タスクを実現する技術として機械学習の適用が進められている。
【０００３】
機械学習の分野ではニューラルネットワーク技術が知られている。特に多層のニューラルネットワークはディープニューラルネットワーク（Deep Neural Network、以下、ＤＮＮとする)と呼ばれ、識別性能が高いことで注目されている。ＤＮＮは、データを入力する入力層と、複数の中間層と、識別結果を出力する出力層とから構成されている。ＤＮＮの学習では、予め設定された損失関数にて、出力層から出力される推定結果と教師データとを比較して、差異情報（損失）を算出する。教師データとは、入力された情報に対して、獲得したい出力値を定義するデータである。学習時には、誤差逆伝搬法などを用いて、損失を少なくするようする。このようにＤＮＮを用いて画像認識のタスクを学習するためには学習用画像毎に教師データを準備する必要があり、また、機械学習において実現する識別器の性能の高さは、学習用画像セットに含まれる画像枚数や教師データの質に依存している。そのため、識別器の性能向上を実現するためには、質の良い様々な種類の大量の学習用画像セットが必要とされるが、それらを人手で用意するには時間的コストと人的コストが膨大になることが知られている。
【０００４】
これに対し、特許文献１には、学習データを加工して、学習の改善に寄与するデータを効率的に生成してニューラルネットワークを再度学習する手法が開示されている。この手法では、特徴空間上で学習データの特徴量に対して線形結合で表現された拘束条件下で、敵対的特徴の生成を行い、生成された敵対的特徴を識別できるように識別器を学習することで、汎化性能の向上を図っている。
【先行技術文献】
【特許文献】
【０００５】
国際公開第２０１８／１６７９００号
【発明の概要】
【発明が解決しようとする課題】
【０００６】
前述した特許文献１に記載の手法の場合、学習データを加工することで、学習の改善に寄与するデータを自動的に生成するが、特徴空間上での拘束条件下以外の特徴量を持つデータの画像は生成することができない。すなわち特許文献１の手法を用いた場合であっても、識別器の性能向上を図れる質の良い様々な種類の学習用画像セットを収集するためには人手による画像収集が必要になり、時間的・人的コストが増えることになる。
【０００７】
そこで、本発明では、時間的コストと人的コストを増やすことなく、機械学習における画像認識精度の向上に必要となる学習用の画像を取得可能にすることを目的とする。
【課題を解決するための手段】
【０００８】
本発明の情報処理装置は、学習用画像に含まれる対象物体の状態を表す状態情報を取得する取得手段と、前記取得された状態情報を変換して、新規な状態情報に取得する変換手段と、前記新規な状態情報を用いて、新規な学習用画像を生成する生成手段と、を有することを特徴とする。
【発明の効果】
【０００９】
本発明によれば、時間的コストと人的コストを増やすことなく、機械学習における画像認識精度の向上に必要となる学習用の画像を取得可能となる。
【図面の簡単な説明】
【００１０】
情報処理装置および生成部の構成を示す図である。
情報処理の流れを示すフローチャートである。
状態情報およびその補完例の説明図である。
学習用画像の分類と補完による状態情報の取得の説明図である。
領域分割と状態情報の微小変動の説明図である。
分割領域毎の差分情報取得の説明図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許