特許ウォッチ

公開番号2025012529
公報種別公開特許公報(A)
公開日2025-01-24
出願番号2023115418
出願日2023-07-13
発明の名称画像認識装置及び画像認識方法
出願人住友電気工業株式会社,学校法人中部大学
代理人個人,個人,個人,個人,個人
主分類G06V 10/98 20220101AFI20250117BHJP(計算;計数)
要約【課題】アテンションマップを適切に修正することにより、入力画像に対する認識結果の精度を向上させること。
【解決手段】教師無し学習済みのニューラルネットワークに画像を入力する入力部と、前記ニューラルネットワークによって、入力された前記画像の注視領域を表現するアテンションマップが生成された場合において、前記アテンションマップに対して、ユーザの修正操作又は所定のプログラムに応じた修正を行うマップ修正部と、前記ニューラルネットワークによって、修正後の前記アテンションマップ及び前記画像に基づき前記画像の認識結果が生成された場合において、生成された前記認識結果を出力する出力部と、を備える画像認識装置。
【選択図】図1

特許請求の範囲【請求項１】
教師無し学習済みのニューラルネットワークに画像を入力する入力部と、
前記ニューラルネットワークによって、入力された前記画像の注視領域を表現するアテンションマップが生成された場合において、前記アテンションマップに対して、ユーザの修正操作又は所定のプログラムに応じた修正を行うマップ修正部と、
前記ニューラルネットワークによって、修正後の前記アテンションマップ及び前記画像に基づき前記画像の認識結果が生成された場合において、生成された前記認識結果を出力する出力部と、を備える画像認識装置。
続きを表示（約 1,100 文字）【請求項２】
前記ニューラルネットワークは、特徴量抽出部と、アテンション部と、合成部と、認知部と、を有し、
前記特徴量抽出部は、複数の畳み込み層を含むと共に前記画像の情報を前記複数の畳み込み層を伝搬させることで前記画像の特徴量を示す特徴量マップを生成し、
前記アテンション部は、前記特徴量マップに基づいて前記アテンションマップを生成し、
前記合成部は、前記特徴量マップと修正された前記アテンションマップとを合成することにより合成マップを生成し、
前記認知部は、前記合成マップに基づいて前記認識結果を生成する、請求項１記載の画像認識装置。
【請求項３】
前記マップ修正部は、前記特徴量マップに示される各特徴量をグループ化して、含まれる特徴量が所定値よりも少ないグループを特定すると共に該グループの特徴量を修正対象特徴量として特定し、前記アテンションマップにおける前記修正対象特徴量に対応する特徴量を、修正候補として出力し、前記ユーザの修正操作又は前記所定のプログラムによる修正指示を受け付ける、請求項２記載の画像認識装置。
【請求項４】
前記画像の複数の認識対象は、互いに同一色又は類似色である、請求項１～３のいずれか一項記載の画像認識装置。
【請求項５】
画像認識装置が実行する画像認識方法であって、
教師無し学習済みのニューラルネットワークに画像を入力するステップと、
前記ニューラルネットワークによって、入力された前記画像の注視領域を表現するアテンションマップが生成された場合において、前記アテンションマップに対して、ユーザの修正操作又は所定のプログラムに応じた修正を行うステップと、
前記ニューラルネットワークによって、修正後の前記アテンションマップ及び前記画像に基づき前記画像の認識結果が生成された場合において、生成された前記認識結果を出力するステップと、を含む画像認識方法。
【請求項６】
前記修正を行うステップは、
画像の特徴量を示す特徴量マップに示される各特徴量をグループ化して、含まれる特徴量が所定値よりも少ないグループを特定すると共に該グループの特徴量を修正対象特徴量として特定することと、
前記特徴量マップに基づき生成される前記アテンションマップにおける前記修正対象特徴量に対応する特徴量を修正候補として出力することと、
前記修正候補の出力に応じた、前記ユーザの修正操作又は前記所定のプログラムによる修正指示を受け付けることと、を含む、請求項５記載の画像認識方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、画像認識装置及び画像認識方法に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
特許文献１には、アテンション部と認識部とを備えるネットワークモデルが開示されている。特許文献１のアテンション部は、入力画像上で注目される注目度の分布を示すアテンションマップを出力する。認識部は、アテンションマップと、入力画像から抽出された特徴を示す特徴マップとに基づいて、入力画像に対する認識結果を出力する。アテンションマップが考慮されて入力画像の認識結果が出力されることにより、認識結果の精度を向上させることができる。
【先行技術文献】
【特許文献】
【０００３】
国際公開第２０２１／２２０９９０号
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ここで、アテンションマップにおける注視領域が適切に設定されていない場合には、認識結果の精度が悪化するおそれがある。例えば教師無し学習によりネットワークモデルが生成されている場合においては、学習データに正解が与えられていないため、アテンションマップを適切に修正することが容易でない。
【０００５】
本開示は、アテンションマップを適切に修正することにより、入力画像に対する認識結果の精度を向上させることを目的とする。
【課題を解決するための手段】
【０００６】
一実施形態に係る画像認識装置は、教師無し学習済みのニューラルネットワークに画像を入力する入力部と、ニューラルネットワークによって、入力された画像の注視領域を表現するアテンションマップが生成された場合において、アテンションマップに対して、ユーザの修正操作又は所定のプログラムに応じた修正を行うマップ修正部と、ニューラルネットワークによって、修正後のアテンションマップ及び画像に基づき画像の認識結果が生成された場合において、生成された認識結果を出力する出力部と、を備える。
【発明の効果】
【０００７】
本開示によれば、アテンションマップを適切に修正することにより、入力画像に対する認識結果の精度を向上させることができる。
【図面の簡単な説明】
【０００８】
図１は、本実施形態に係る画像認識装置の構成図である。
図２は、ニューラルネットワークの構成を示す図である。
図３は、アテンション部の構成を示す図である。
図４は、処理部が実行する処理のフローチャートである。
図５は、モデル訓練処理のフローチャートである。
図６は、アテンションマップ修正前の特徴量空間を示す図である。
図７は、アテンションマップ修正後の特徴量空間を示す図である。
図８は、ハーネスの画像認識を説明する図である。
【発明を実施するための形態】
【０００９】
［本開示の実施形態の説明］
最初に、本開示の実施形態の内容を列記して説明する。
【００１０】
［１］一実施形態に係る画像認識装置は、教師無し学習済みのニューラルネットワークに画像を入力する入力部と、ニューラルネットワークによって、入力された画像の注視領域を表現するアテンションマップが生成された場合において、アテンションマップに対して、ユーザの修正操作又は所定のプログラムに応じた修正を行うマップ修正部と、ニューラルネットワークによって、修正後のアテンションマップ及び画像に基づき画像の認識結果が生成された場合において、生成された認識結果を出力する出力部と、を備える。
（【００１１】以降は省略されています）

関連特許