特許ウォッチ

公開番号2025003601
公報種別公開特許公報(A)
公開日2025-01-09
出願番号2024186646,2023536317
出願日2024-10-23,2021-07-21
発明の名称推論方法、推論システムおよび推論プログラム
出願人日本電信電話株式会社
代理人弁理士法人酒井国際特許事務所
主分類H04N 7/18 20060101AFI20241226BHJP(電気通信技術)
要約【課題】エッジとクラウドとの2層で効率よく推論して被写体を追跡すること。
【解決手段】エッジとサーバ10とを有する推論システム1において、取得部15bが、少なくとも第一の時刻に、エッジのカメラ20のうち、第一のカメラ20で撮影された所定の被写体の移動の情報を取得する。推定部15cが、第一の時刻より未来である第二の時刻に所定の被写体が撮影される第二のカメラ20を、当該所定の被写体の移動先に基づいて推定する。
【選択図】図2
特許請求の範囲【請求項１】
推論システムが実行する所望の被写体を追跡するための推論方法であって、
軽量な推論である、少なくとも第一の時刻に、第一のカメラで撮影された所定の被写体の移動の情報を、第一のカメラによる推論により得る取得工程と、
複数のカメラの中から選択され、前記第一の時刻より未来である第二の時刻に前記所定の被写体が撮影されるカメラである第二のカメラを、前記所定の被写体の移動先に基づいて、軽量ではない推論である、サーバによる推論により得る推定工程と、
前記第二のカメラにのみ、軽量な推論である、前記所定の被写体の移動の情報の推論を行うようにサーバが制御する工程と、
を含み、
前記所定の被写体の移動の情報は、前記第一のカメラにより推定された前記被写体の進行方向を含むことを特徴とする推論方法。
続きを表示（約 1,000 文字）【請求項２】
前記サーバによる推論工程は、前記第一のカメラにより推論された前記所定の被写体の移動の情報を用いて、前記第二のカメラを推論により決定することを特徴とする請求項１に記載の推論方法。
【請求項３】
前記所定の被写体が前記第一のカメラの撮影範囲から逸脱した場合に、前記推定工程が前記第二のカメラを推定することを特徴とする請求項１に記載の推論方法。
【請求項４】
前記第一のカメラは、前記所定の被写体の移動の進行方向および速度を推定することを特徴とする請求項１に記載の推論方法。
【請求項５】
前記推定工程は、前記第一のカメラから所定値以上の精度の移動の情報を得られない場合、前記所定の被写体の移動パターンの確率分布を用いて、前記第二のカメラを推定することを特徴とする請求項１に記載の推論方法。
【請求項６】
軽量な推論である、少なくとも第一の時刻に、第一のカメラで撮影された所定の被写体の移動の情報を、第一のカメラによる推論により得る取得部と、
複数のカメラの中から選択され、前記第一の時刻より未来である第二の時刻に前記所定の被写体が撮影されるカメラである第二のカメラを、前記所定の被写体の移動先に基づいて、軽量ではない推論である、サーバによる推論により得る推定部と、
を有し、
前記推定部は、前記第二のカメラにのみ、軽量な推論である、前記所定の被写体の移動の情報の推論を行うようにサーバが制御し、
前記所定の被写体の移動の情報は、前記第一のカメラにより推定された前記被写体の進行方向を含むことを特徴とする推論システム。
【請求項７】
軽量な推論である、少なくとも第一の時刻に、第一のカメラで撮影された所定の被写体の移動の情報を、第一のカメラによる推論により得る取得ステップと、
複数のカメラの中から選択され、前記第一の時刻より未来である第二の時刻に前記所定の被写体が撮影されるカメラである第二のカメラを、前記所定の被写体の移動先に基づいて、軽量ではない推論である、サーバによる推論により得る推定ステップと、
前記第二のカメラにのみ、軽量な推論である、前記所定の被写体の移動の情報の推論を行うようにサーバが制御するステップと、
をコンピュータに実行させ、
前記所定の被写体の移動の情報は、前記第一のカメラにより推定された前記被写体の進行方向を含むことを特徴とする推論プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、推論方法、推論システムおよび推論プログラムに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
昨今、ビデオ監視、音声アシスタント、自動運転といった、ＤＮＮ（Deep Neural Network）を使ったリアルタイムアプリケーションが登場している。このようなリアルタイムアプリケーションには、ＤＮＮの精度を保ちつつ限られたリソースで多量のクエリをリアルタイムに処理することが求められる。そこで、高速かつ低精度な軽量モデルと低速かつ高精度な高精度モデルとを使って、精度劣化が少なく推論処理の高速化が可能なモデルカスケードといわれる技術が提案されている。
【０００３】
モデルカスケードでは軽量モデル及び高精度モデルを含む複数のモデルが用いられる。モデルカスケードによる推論を行う際は、まず軽量モデルで推定を行い、その結果が信用できる場合にはその結果を採用して処理を終了する。一方、軽量モデルの推論結果が信用できない場合には、続けて高精度モデルで推論を行い、その結果を採用する。例えば、軽量モデルの推論結果を信用できるか否かを判定するためにＩＤＫ（I Don’t Know）分類器を導入したＩＤＫＣａｓｃａｄｅ（例えば、非特許文献１を参照）が知られている。
【先行技術文献】
【非特許文献】
【０００４】
Wang, Xin, et al., “Idk cascades: Fast deep learning by learning not to overthink”, arXiv preprint arXiv:1706.00885 (2017).
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、非特許文献１に記載された手法では、推論について検討されておらず、学習についてもfine tuningから着想を得ていることから同一目的の学習を行うことを前提にしている。また、多数のセンサデータをすべて処理することを前提としているため、センサからエッジ、エッジからクラウドへの伝送量やエッジ、クラウドの総演算量について、なお課題を残す。
【０００６】
本発明は、上記に鑑みてなされたものであって、エッジとクラウドとの２層で効率よく推論して被写体を追跡することを目的とする。
【課題を解決するための手段】
【０００７】
上述した課題を解決し、目的を達成するために、本発明に係る推論方法は、エッジとサーバとを有する推論システムが実行する推論方法であって、少なくとも第一の時刻に、前記エッジのカメラのうち、第一のカメラで撮影された所定の被写体の移動の情報を取得する取得工程と、取得された映像から、前記第一の時刻より未来である第二の時刻に前記所定の被写体が撮影される第二のカメラを、前記所定の被写体の移動先に基づいて推定する推定工程と、を含むことを特徴とする。
【発明の効果】
【０００８】
本発明によれば、エッジとクラウドとの２層で効率よく推論して被写体を追跡することが可能となる。
【図面の簡単な説明】
【０００９】
図１は、本実施形態の推論システムの概要を説明するための図である。
図２は、本実施形態の推論システムの概略構成を例示する模式図である。
図３は、推定部の処理を説明するための図である。
図４は、提示処理手順を示すフローチャートである。
図５は、処理の効果を説明するための図である。
図６は、処理の効果を説明するための図である。
図７は、提示プログラムを実行するコンピュータの一例を示す図である。
【発明を実施するための形態】
【００１０】
以下、図面を参照して、本発明の一実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。また、図面の記載において、同一部分には同一の符号を付して示している。
（【００１１】以降は省略されています）

関連特許