特許ウォッチ

公開番号2025023563
公報種別公開特許公報(A)
公開日2025-02-17
出願番号2023127815
出願日2023-08-04
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G06T 7/00 20170101AFI20250207BHJP(計算;計数)
要約【課題】物体認識処理において使用することが適切でない画像を特定できるようにする。
【解決手段】情報処理装置は、画像から特徴情報を抽出する抽出手段と、抽出手段を用いて行われた物体認識に関する評価画像の評価にて不適切な結果を出すと判断された評価画像の特徴情報を蓄積する第1の蓄積手段と、処理対象の物体領域画像から抽出手段により抽出された特徴情報と、第1の蓄積手段に蓄積された特徴情報とに基づいて、物体認識における不適切画像を特定する画像特定手段とを有する。
【選択図】図1
特許請求の範囲【請求項１】
画像から特徴情報を抽出する抽出手段と、
前記抽出手段を用いて行われた物体認識に関する評価画像の評価にて不適切な結果を出すと判断された前記評価画像の特徴情報を蓄積する第１の蓄積手段と、
処理対象の物体領域画像から前記抽出手段により抽出された前記特徴情報と、前記第１の蓄積手段に蓄積された前記特徴情報とに基づいて、物体認識における不適切画像を特定する画像特定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】
不適切な結果を出すと判断された前記評価画像は、ボケ画像及び対象物体を誤検出した誤検出画像の少なくとも一方の画像であ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】
前記画像特定手段は、前記物体領域画像の前記特徴情報と前記第１の蓄積手段に蓄積された前記特徴情報との類似度を取得し、取得した類似度に基づいて前記物体領域画像が前記不適切画像であるか否かを判定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４】
不適切な結果を出すと判断された前記評価画像を蓄積する第２の蓄積手段を有し、
前記第１の蓄積手段は、前記第２の蓄積手段に蓄積された前記評価画像から前記抽出手段により抽出された前記特徴情報を蓄積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５】
入力された画像に対して対象物体の検出を行い前記物体領域画像を抽出する物体検出手段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６】
２つの前記物体領域画像の前記特徴情報の類似度を取得する取得手段と、
前記画像特定手段での結果に基づいて、前記取得手段により取得された類似度を調整する調整手段と、
前記調整手段により調整された類似度に基づいて、２つの前記物体領域画像に存在する対象物体が同じであるか否かを判定する処理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７】
前記処理手段は、前記調整手段により調整された類似度が閾値より高ければ２つの前記物体領域画像に存在する対象物体が同じであると判定し、
前記調整手段は、前記画像特定手段により前記物体領域画像が前記不適切画像と特定された場合、前記取得手段により取得された類似度が小さくなるように調整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】
認証に関する登録画像として物体領域画像を登録する処理を行う際に、該物体領域画像が前記画像特定手段により前記不適切画像と特定された場合、該物体領域画像の前記登録画像としての登録を拒否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９】
前記抽出手段の学習に用いる複数の学習画像を管理する管理手段を有し、
前記管理手段は、前記学習画像の内の前記画像特定手段により前記不適切画像と特定された画像を前記学習画像から除外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１０】
前記管理手段は、前記学習画像と前記学習画像のクラスラベルとを対応付けて管理しており、
前記画像特定手段は、クラスラベルが同一の複数の前記学習画像の特徴情報に基づいて特定された該複数の特徴情報を代表する代表特徴情報と、前記第１の蓄積手段に蓄積された前記特徴情報とに基づいて、不適切画像を特定し、
前記管理手段は、前記学習画像の内の前記不適切画像と特定された前記代表特徴情報に対応する前記クラスラベルを有するすべての画像を前記学習画像から除外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、情報処理装置、情報処理方法及びプログラムに関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
近年、画像を高度に処理して有用な情報を抽出する技術が多く提案されている。その中でも、ディープネットと呼ばれる多階層ニューラルネットワークを用いて、画像中に存在する物体が、予め登録されたクラスのいずれに属するのかを特定する物体認識技術に関して、盛んに研究開発されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０１３－７３４３９号公報
特開２０１９－６７１９４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ディープネットを用いた物体認識技術の進歩は著しいものである。しかしながら、物体認識処理が、常に間違いなく識別できるような完成度には至っていない場合もある。入力された画像が撮影された条件によっては、正解とは別のクラスと間違えて識別してしまう誤識別も起こり得る。そこで、入力される画像をフィルタリング（選択）し、識別するのに適切な画像のみを識別対象とすることで識別精度を向上させる検討が行われている。
【０００５】
特許文献１には、劣化画像の判定を行うための劣化判定用辞書を用意し、劣化判定用辞書を用いて計算された画像の劣化度に基づいて、認識結果を棄却するか否かを判定する技術が提案されている。しかしながら、特許文献１に記載の手法では、劣化判定用辞書を用意する必要があり、また劣化判定用辞書の学習等を行うことも必要となる。また、特許文献２には、画像検索に使用するキーワードを精査することで質の高い学習画像を画像検索により収集する技術が提案されている。しかしながら、特許文献２では、一旦集められた画像に対して、その品質を向上させることに関しては言及されていない。
【０００６】
本発明は、物体認識処理において使用することが適切でない画像を特定できるようにすることを目的とする。
【課題を解決するための手段】
【０００７】
本発明に係る情報処理装置は、画像から特徴情報を抽出する抽出手段と、前記抽出手段を用いて行われた物体認識に関する評価画像の評価にて不適切な結果を出すと判断された前記評価画像の特徴情報を蓄積する第１の蓄積手段と、処理対象の物体領域画像から前記抽出手段により抽出された前記特徴情報と、前記第１の蓄積手段に蓄積された前記特徴情報とに基づいて、物体認識における不適切画像を特定する画像特定手段とを有することを特徴とする。
【発明の効果】
【０００８】
本発明によれば、物体認識処理において使用することが適切でない画像を特定することが可能となる。
【図面の簡単な説明】
【０００９】
実施形態１における情報処理装置の構成例を示す図である。
実施形態１における情報処理装置の処理例を示すフローチャートである。
実施形態２における情報処理装置の構成例を示す図である。
実施形態２における情報処理装置の処理例を示すフローチャートである。
実施形態３における情報処理装置の構成例を示す図である。
実施形態３における情報処理装置の処理例を示すフローチャートである。
学習処理に関する構成例を説明する図である。
特徴ベクトル抽出部での処理を説明する図である。
クラス分類部での処理を説明する図である。
学習時の処理例を示すフローチャートである。
実施形態４における情報処理装置の構成例を示す図である。
実施形態４における情報処理装置の処理例を示すフローチャートである。
情報処理装置のハードウェア構成例を示す図である。
【発明を実施するための形態】
【００１０】
以下、本発明の実施形態を図面に基づいて説明する。
本実施形態は、入力される画像中に存在する物体が、予め登録されたクラスのいずれに属するのかを特定する物体認識技術に関する。以下では、対象物体を人物の顔として、入力される画像中に存在する人物の顔が、予め登録されたどの人物の顔であるのかを特定するような顔認証（個人認証）のシステムに、本実施形態における物体認識技術を適用する場合を例に説明する。顔認証では、例えば、ディープネットと呼ばれる多階層ニューラルネットワークを用いて、入力された顔画像と予め登録されている複数の人物の顔画像との比較を行い、入力された顔画像が誰であるかを判定する。ディープネットは、ディープニューラルネット、ディープラーニングとも称される。なお、顔認証のシステムに適用する例を説明するが、物体認識における対象物体は顔に限定されず、以下に説明する各実施形態は他の対象物体であっても適用可能である。
（【００１１】以降は省略されています）

関連特許