特許ウォッチ

公開番号2024179312
公報種別公開特許公報(A)
公開日2024-12-26
出願番号2023098057
出願日2023-06-14
発明の名称機械学習プログラム、判定プログラム、及び機械学習装置
出願人富士通株式会社
代理人弁理士法人太陽国際特許事務所
主分類G06T 7/00 20170101AFI20241219BHJP(計算;計数)
要約【課題】対象の追加又は変更時の機械学習モデルの再訓練に要する作業コストを低減する。
【解決手段】情報処理装置の機械学習部は、画像に含まれる対象の第1の特徴と対象の第2の特徴と変換パラメータとに基づいてベクトル情報を生成し、第1の特徴を識別する第1の機械学習モデル部分と第2の特徴を識別する第2の機械学習モデル部分とを含む機械学習モデルに、画像とベクトル情報とを入力して、機械学習モデルの訓練と変換パラメータの更新とを実行する。
【選択図】図4
特許請求の範囲【請求項１】
画像に含まれる対象の第１の特徴と前記対象の第２の特徴と変換パラメータとに基づいてベクトル情報を生成し、
前記第１の特徴を識別する第１の機械学習モデル部分と前記第２の特徴を識別する第２の機械学習モデル部分とを含む機械学習モデルに、前記画像と前記ベクトル情報とを入力して、前記機械学習モデルの訓練と前記変換パラメータの更新とを実行する、
処理をコンピュータに実行させることを特徴とする機械学習プログラム。
続きを表示（約 1,300 文字）【請求項２】
前記ベクトル情報を生成することは、前記第１の特徴を示す第１のベクトル及び前記第２の特徴を示す第２のベクトルの各々を生成することを含む、
ことを特徴とする請求項１に記載の機械学習プログラム。
【請求項３】
前記ベクトル情報を生成することは、前記第１の特徴と前記第２の特徴との関係に基づいて修正された前記第１のベクトル及び前記第２のベクトルを生成することを含む、
ことを特徴とする請求項２に記載の機械学習プログラム。
【請求項４】
前記機械学習モデルに前記ベクトル情報を入力することは、前記第１のベクトルを前記第１の機械学習モデル部分に入力し、前記第２のベクトルを前記第２の機械学習モデル部分に入力することを含む、
ことを特徴とする請求項３に記載の機械学習プログラム。
【請求項５】
前記機械学習モデルは、前記第１の機械学習モデル部分の出力と、前記第２のベクトルとが前記第２の機械学習モデル部分へ入力されるように構成される、
ことを特徴とする請求項２～請求項４のいずれか１項に記載の機械学習プログラム。
【請求項６】
前記機械学習モデルに、前記画像に含まれる対象の第３の特徴を識別する第３の機械学習モデル部分を追加する場合、
前記第１の特徴と前記第２の特徴と前記第３の特徴と前記変換パラメータとに基づいて前記ベクトル情報を生成し、
訓練で得られた前記第１の機械学習モデル部分及び前記第２の機械学習モデル部分の各々のパラメータを固定した前記機械学習モデルに、前記画像と前記ベクトル情報とを入力して、前記機械学習モデルの訓練と前記変換パラメータの更新とを実行する、
ことを特徴とする請求項１～請求項４のいずれか１項に記載の機械学習プログラム。
【請求項７】
対象の第１の特徴と前記対象の第２の特徴と変換パラメータとに基づいてベクトル情報を生成し、
画像と前記ベクトル情報とを、前記第１の特徴を識別する第１の機械学習モデル部分と前記第２の特徴を識別する第２の機械学習モデル部分とを含む機械学習モデルに入力し、前記対象と前記画像の被写体との対応関係を判定する、
処理をコンピュータに実行させることを特徴とする判定プログラム。
【請求項８】
前記対応関係を判定する処理は、前記対象の第１の特徴及び第２の特徴と、前記第１の機械学習モデル部分で識別された第１の特徴及び前記第２の機械学習モデル部分で識別された第２の特徴とが一致するか否かを判定することを含む、
ことを特徴とする請求項７に記載の判定プログラム。
【請求項９】
画像に含まれる対象の第１の特徴と前記対象の第２の特徴と変換パラメータとに基づいてベクトル情報を生成し、
前記第１の特徴を識別する第１の機械学習モデル部分と前記第２の特徴を識別する第２の機械学習モデル部分とを含む機械学習モデルに、前記画像と前記ベクトル情報とを入力して、前記機械学習モデルの訓練と前記変換パラメータの更新とを実行する、
処理を実行する制御部を含むことを特徴とする機械学習装置。

発明の詳細な説明【技術分野】
【０００１】
開示の技術は、機械学習プログラム、判定プログラム、及び機械学習装置に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
入力として与えられた画像中に存在する物体等の対象を識別するために、ニューラルネットワーク等の機械学習モデルが広く用いられている。例えば、判定画像から識別対象物体を識別する物体識別装置が提案されている。この装置は、判定画像の特徴量を部分特徴の特徴量に基づいて評価し、部分特徴毎の評価値を算出し、評価値に基づいて、部分特徴に関連付けされた信頼度の重みを取得し、取得された信頼度の重みの和である重み和を算出する。また、この装置は、評価値が所定値以上であると判定された部分特徴の組合せと、予め学習された識別対象物体に係る部分特徴の組合せとの一致度である組合せ一致度を算出する。そして、この装置は、重み和が所定値以上、及び組合せ一致度が所定値以上の場合には、判定画像から識別対象物体を識別したと判定する。
【０００３】
また、例えば、複数のサンプル物体の個別の形状に係る個別特徴量に基づいて予め算出された組合せ特徴量に対して、予め設定された条件に対応して付されたラベルを有した標本データが付与される装置が提案されている。この装置は、この標本データから種々の組合せ特徴量に対してラベルを付すための判断基準を導出し、これを記憶する機械学習部を備える。また、この装置は、物体個々の形状に係る個別特徴量を抽出し、組合せ特徴量を算出し、判断基準に基づいて、算出した組合せ特徴量に付されるラベルを識別する。
【０００４】
また、例えば、学習時処理により得られた、複数種の物体それぞれの画像特徴を示す特徴情報を記憶した画像認識装置が提案されている。この装置は、入力画像を分類する場合には、入力画像から特徴量を表す記述子を抽出し、記述子に対応する画像語彙に投票し、投票の結果に基づいて、１以上の物体の存在確率を算出し、存在確率に基づき、存在する物体の種類を特定する。この装置は、各物体の存在確率を算出する際に、排他的分類器により、同一画像内に共存しないと推定された複数の異種物体（物体ラベル）の組合せを表す排他的関係情報を用いて存在確率を調整する。
【先行技術文献】
【特許文献】
【０００５】
特開２０１１－１１３３６０号公報
特開２０１８－１６９９２２号公報
国際公開第２０１２－０３２７８８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００６】
機械学習モデルを用いて、画像内の対象を判定するタスクにおいて、対象が新たに追加又は変更される場合、新たに追加又は変更される対象についての訓練データを用意して、機械学習モデルを再訓練する必要があり、作業コストがかかる。特に、対象の種類が多い場合、対象の追加又は変更が頻繁に生じる場合等には、作業コストが膨大となる。
【０００７】
一つの側面として、開示の技術は、対象の追加又は変更時の機械学習モデルの再訓練に要する作業コストを低減することを目的とする。
【課題を解決するための手段】
【０００８】
一つの態様として、開示の技術は、画像に含まれる対象の第１の特徴と前記対象の第２の特徴と変換パラメータとに基づいてベクトル情報を生成する。また、前記第１の特徴を識別する第１の機械学習モデル部分と前記第２の特徴を識別する第２の機械学習モデル部分とを含む機械学習モデルに、前記画像と前記ベクトル情報とを入力して、前記機械学習モデルの訓練と前記変換パラメータの更新とを実行する。
【発明の効果】
【０００９】
一つの側面として、対象の追加又は変更時の機械学習モデルの再訓練に要する作業コストを低減することができる、という効果を有する。
【図面の簡単な説明】
【００１０】
参考手法１を説明するための図である。
参考手法２を説明するための図である。
参考手法３を説明するための図である。
各実施形態の概略を説明するための図である。
情報処理装置の機能ブロック図である。
第１実施形態における判定モデルの一例を示すブロック図である。
特徴の識別の一例を説明するための図である。
情報処理装置として機能するコンピュータの概略構成を説明するための図である。
機械学習処理の一例を示すフローチャートである。
判定処理の一例を示すフローチャートである。
特徴間の関係を説明するための図である。
第２実施形態における判定モデルの一例を示すブロック図である。
【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