特許ウォッチ

公開番号2024141599
公報種別公開特許公報(A)
公開日2024-10-10
出願番号2023053338
出願日2023-03-29
発明の名称学習モデル及び識別装置
出願人セコム株式会社
代理人個人,個人,個人
主分類G06N 3/0464 20230101AFI20241003BHJP(計算;計数)
要約【課題】ニューラルネットワーク(CNN:Convolutional Neural Network)を有する学習モデルのプーリング層の性能を向上する。
【解決手段】入力データの特徴量を算出する学習モデル1は、畳み込み層11bと、同一の畳み込み層11bからの出力信号に対して複数の異なるプーリング処理をそれぞれ施す複数のプーリング層(11c1～11cN)と、を備える。学習モデル1は、複数のプーリング層(11c1～11cN)の各々の出力信号が重み係数で重み付けされた重み付け和に基づいて入力データの特徴量を算出する。
【選択図】図2
特許請求の範囲【請求項１】
入力データの特徴量を算出する学習モデルであって、
畳み込み層と、
同一の前記畳み込み層からの出力信号に対して複数の異なるプーリング処理をそれぞれ施す複数のプーリング層と、
を備え、前記複数のプーリング層の各々の出力信号が重み係数で重み付けされた重み付け和に基づいて前記入力データの前記特徴量を算出することを特徴とする学習モデル。
続きを表示（約 1,800 文字）【請求項２】
請求項１に記載の学習モデルと、
前記特徴量に基づいて前記入力データのクラスを識別する識別部と、
前記識別部の識別結果に基づいて前記重み係数を機械学習する学習部と、
を備えることを特徴とする識別装置。
【請求項３】
請求項１に記載の学習モデルと、
前記重み係数の設定入力をユーザから受け付ける入力受付部と、
を備えることを特徴とする識別装置。
【請求項４】
請求項１に記載の学習モデルと、
識別対象を検出した前記入力データから算出した前記特徴量に基づいて、前記識別対象のクラスを識別する識別部と、
前記識別対象の属性の傾向の候補値データと、前記重み係数と、の間の対応関係を予め記憶する記憶部と、
前記学習モデルが適用される環境における前記識別対象の属性の実際の傾向の情報をユーザから受け付ける入力受付部と、
前記記憶部に記憶された前記対応関係と、前記入力受付部からの入力値と、に基づいて前記重み係数を設定する前記重み係数設定部と、
を備えることを特徴とする識別装置。
【請求項５】
請求項１に記載の学習モデルと、
前記学習モデルを適用する環境の属性の候補値データ、前記学習モデルを適用する環境の属性の傾向の候補値データ、前記入力データを生成するセンサの属性の候補値データ、及び前記入力データを生成するセンサの属性の傾向の候補値データのうち少なくとも一つの候補値データと、当該候補値データに対応する前記重み係数と、の間の対応関係を記憶する記憶部と、
前記学習モデルが適用される環境の実際の属性、前記学習モデルが適用される環境の属性の実際の傾向、前記入力データを生成するセンサの実際の属性、及び前記入力データを生成するセンサの属性の実際の傾向のうち少なくとも一つの情報を、ユーザから受け付ける入力受付部と、
前記記憶部に記憶された前記対応関係と、前記入力受付部からの入力値と、に基づいて前記重み係数を設定する前記重み係数設定部と、
を備えることを特徴とする識別装置。
【請求項６】
請求項１に記載の学習モデルと、
識別対象を検出した前記入力データから算出した前記特徴量に基づいて、前記識別対象のクラスを識別する識別部と、
前記識別対象の属性の傾向の候補値データと、前記重み係数と、の間の対応関係を予め記憶する記憶部と、
前記学習モデルが適用される環境における前記識別対象の属性の実際の傾向を推定する属性傾向推定部と、
前記記憶部に記憶された前記対応関係と、前記属性傾向推定部による推定値と、に基づいて前記重み係数を設定する前記重み係数設定部と、
を備えることを特徴とする識別装置。
【請求項７】
請求項１に記載の学習モデルと、
前記学習モデルを適用する環境の属性の傾向の候補値データ及び前記入力データを生成するセンサの属性の傾向の候補値データのうち少なくとも一つの候補値データと、当該候補値データに対応する前記重み係数と、の間の対応関係を記憶する記憶部と、
前記学習モデルが適用される環境の属性の実際の傾向、又は前記入力データを生成するセンサの属性の実際の傾向を推定する属性傾向推定部と、
前記記憶部に記憶された前記対応関係と、前記属性傾向推定部による推定値と、に基づいて前記重み係数を設定する前記重み係数設定部と、
を備えることを特徴とする識別装置。
【請求項８】
前記重み係数設定部は、前記識別部が識別に失敗した前記識別対象の属性の傾向に基づいて前記重み係数を設定することを特徴とする請求項６に記載の識別装置。
【請求項９】
前記重み係数設定部は、前記識別部による識別成功率が閾値以下となった場合に前記属性傾向推定部が推定した前記識別対象の属性の傾向に基づいて前記重み係数を設定することを特徴とする請求項６に記載の識別装置。
【請求項１０】
前記重み係数設定部は、前記属性傾向推定部が推定した前記識別対象の属性の傾向の変化を検知した場合に、前記属性傾向推定部が推定した前記識別対象の属性の傾向に基づいて前記重み係数を設定することを特徴とする請求項６に記載の識別装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、入力データの特徴量を算出する学習モデル及び識別装置に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
入力データの特徴量を算出する学習モデルとして畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）が知られている。ＣＮＮでは、畳み込み層で得られた特徴マップの情報を集約して重要な情報を抽出するためにプーリング層が用いられている（例えば下記特許文献１）。
【先行技術文献】
【特許文献】
【０００３】
特表２０１８－５０６７８８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
プーリング層におけるプーリング手法にはいくつかの手法が存在するが、従来のＣＮＮのネットワーク構成では、ＣＮＮの設計時に定めた特定のプーリング手法のみを使用していた。しかしながら、ＣＮＮへの入力データの特性はＣＮＮの使用環境によって異なるため、どのプーリング手法が効果的であるかはＣＮＮの使用環境に依存する。
本発明は、上記の問題点を鑑みてなされたものであり、ＣＮＮを有する学習モデルのプーリング層の性能を向上することを目的とする。
【課題を解決するための手段】
【０００５】
本発明の一形態によれば、入力データの特徴量を算出する学習モデルが与えられる。学習モデルは、畳み込み層と、同一の畳み込み層からの出力信号に対して複数の異なるプーリング処理をそれぞれ施す複数のプーリング層と、を備える。学習モデルは、複数のプーリング層の各々の出力信号が重み係数で重み付けされた重み付け和に基づいて入力データの特徴量を算出する。
【発明の効果】
【０００６】
本発明によれば、ＣＮＮの使用環境に応じて容易にプーリング層の特性を変更できるため、ＣＮＮを有する学習モデルのプーリング層の性能を向上できる。
【図面の簡単な説明】
【０００７】
実施形態の識別装置のハードウエア構成例を示す概略図である。
第１実施形態の識別装置１Ａの機能構成の一例のブロック図である。
第１実施形態のデータ識別方法の一例のフローチャートである。
第２実施形態の識別装置１Ｂの機能構成の一例のブロック図である。
第３実施形態の識別装置１Ｃの機能構成の一例のブロック図である。
第４実施形態の識別装置１Ｄの機能構成の一例のブロック図である。
第５実施形態の識別装置１Ｅの機能構成の一例のブロック図である。
第６実施形態の識別装置１Ｆの機能構成の一例のブロック図である。
第７及び第８実施形態の識別システムの全体構成の一例の概略図である。
第７実施形態のセンタ装置３０の機能構成の一例のブロック図である。
第８実施形態のセンタ装置３０の機能構成の一例のブロック図である。
【発明を実施するための形態】
【０００８】
以下において、図面を参照して本発明の実施形態を説明する。なお、以下に示す本発明の実施形態は、本発明の技術的思想を具体化するための装置や方法を例示するものであって、本発明の技術的思想は、構成部品の構造、配置等を下記のものに特定するものではない。本発明の技術的思想は、特許請求の範囲に記載された請求項が規定する技術的範囲内において、種々の変更を加えることができる。
【０００９】
（構成）
図１は、以下に説明する第１～第６実施形態の識別装置１Ａ～１Ｆのハードウエア構成例を示す概略図である。以下の説明において識別装置１Ａ～１Ｆを総称して「識別装置１」と表記することがある。
識別装置１は、識別対象を検出した入力データを取得して識別対象のクラスを識別する。例えば識別装置１は、入力データとして画像データを入力して、画像データに写っている識別対象のクラスを識別してもよい。また例えば識別装置１は、入力データとして音声データを入力して、発話した話者を識別してもよい。
【００１０】
識別装置１は、操作入力部２、ファイル入出力部３、記憶部４、制御部５、出力部６及び入力データ生成部７からなる。これらのうちのファイル入出力部３、記憶部４および制御部５はいわゆるコンピュータで実現でき、操作入力部２、出力部６および入力データ生成部７は当該コンピュータの周辺機器として実現できる。
（【００１１】以降は省略されています）

関連特許