特許ウォッチ

公開番号2025038769
公報種別公開特許公報(A)
公開日2025-03-19
出願番号2023145572
出願日2023-09-07
発明の名称情報処理装置、処理方法、及び、プログラム
出願人キヤノン株式会社
代理人弁理士法人大塚国際特許事務所
主分類G06T 1/40 20060101AFI20250312BHJP(計算;計数)
要約【課題】メモリにアクセスするための電力が増え、メモリのコストが大きくなる。
【解決手段】情報処理装置は、複数の階層を有するネットワーク構造に応じて複数の特徴画像の特徴データに対して処理を行う情報処理装置であって、特徴データを保持するデータ保持手段と、読み出しパターンに基づいて前記特徴データを読み出す第1の読み出し手段と、読み出された前記特徴データを拡大する拡大手段と、前記拡大手段により拡大された前記特徴データに対して畳み込み処理を行う畳み込み処理手段と、を有し、前記拡大手段及び前記畳み込み処理手段は、一の特徴画像の前記特徴データに対して拡大及び畳み込み処理を実行した後、次の前記特徴画像の前記特徴データに対して拡大及び畳み込み処理を実行する。
【選択図】図4
特許請求の範囲【請求項１】
複数の階層を有するネットワーク構造に応じて複数の特徴画像の特徴データに対して処理を行う情報処理装置であって、
特徴データを保持するデータ保持手段と、
読み出しパターンに基づいて前記特徴データを読み出す第１の読み出し手段と、
読み出された前記特徴データを拡大する拡大手段と、
前記拡大手段により拡大された前記特徴データに対して畳み込み処理を行う畳み込み処理手段と、を有し、
前記拡大手段及び前記畳み込み処理手段は、一の特徴画像の前記特徴データに対して拡大及び畳み込み処理を実行した後、次の前記特徴画像の前記特徴データに対して拡大及び畳み込み処理を実行する
ことを特徴とする情報処理装置。
続きを表示（約 1,000 文字）【請求項２】
前記拡大手段は、前記特徴画像の一部の前記特徴データを順番に拡大し、
前記畳み込み処理手段は、拡大された前記特徴データの一部に対して前記畳み込み処理を実行する
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３】
前記データ保持手段は、拡大倍率を保持し、
前記拡大手段は、前記データ保持手段から読み出された前記拡大倍率に合わせて前記特徴データを拡大して、前記畳み込み処理手段に出力する
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】
前記第１の読み出し手段と異なる読み出しパターンに基づいて前記特徴データを読み出す第２の読み出し手段と、
前記拡大手段及び前記第２の読み出し手段が読み出した前記特徴データのいずれかを選択する選択手段と、をさらに備え、
前記畳み込み手段は、選択された前記特徴データに対して前記畳み込み処理を実行する
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】
前記ネットワーク構造の情報に基づいて前記読み出しパターンを生成する生成手段をさらに備える
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】
前記畳み込み処理手段に入力される前記特徴データの個数に応じて前記読み出しパターンを生成する生成手段をさらに備える
ことを特徴とする請求項５に記載の情報処理装置。
【請求項７】
前記畳み込み処理手段に入力される前記特徴データの個数と前記読み出し生成手段が生成する読み出しパターンの個数は、前記複数の階層のそれぞれの前記畳み込み処理のフィルタサイズにより異なる
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】
前記第１の読み出し手段で読み出す前記特徴データの個数は、前記読み出しパターンにより異なる
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９】
前記第１の読み出し手段で読み出す前記特徴データの個数は、前記複数の階層のそれぞれの前記拡大倍率により異なる
ことを特徴とする請求項３に記載の情報処理装置。
【請求項１０】
前記生成手段が生成する読み出しパターンの個数は、前記複数の階層のそれぞれの特徴データの拡大倍率により異なる
ことを特徴とする請求項５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、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】
畳み込みニューラルネットワーク（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ：ＣＮＮ）は深層学習に用いられる手法として知られている。ＣＮＮは複数のレイヤが階層的に接続されている。ＣＮＮは、入力画像に対して、各レイヤで画像形式の特徴データを計算し、特徴データを含む特徴画像を生成する。ＣＮＮは、各レイヤの中で複数枚（チャネル）の特徴画像を処理する。例えば、レイヤ数が４であり、各レイヤの中に特徴画像が１枚または複数枚あるＣＮＮがある。このＣＮＮは、学習したフィルタ係数である重み係数と特徴画像の画素に割り当てられた特徴データとを用いて畳み込み処理を実行する。畳み込み処理は、積和演算であり、複数の乗算と累積加算を含む。
【０００３】
ＣＮＮの出力に基づく物体検出結果の位置精度が重要な場合、画像内の対象物の正確な領域を検出する場合、または、ＣＮＮを画像処理に適用する場合等において精度を上げるためには、逆畳み込み（Ｄｅｃｏｎｖｏｌｕｔｉｏｎ）等のような処理で特徴画像の解像度を上げる必要がある。逆畳み込み処理は解像度を上げる拡大処理と畳み込み処理に分解できる。逆畳み込み処理の拡大処理ではゼロ値を出力することで解像度を上げている。特許文献１には、画像を拡大する装置が開示されている。
【先行技術文献】
【特許文献】
【０００４】
特許第４０６９３００号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
特許文献１に記載の手法では、画像の拡大処理を実現できるが、画像を一時的に保持するためのラインバッファが必要であり、画像の大きさに比例してメモリにアクセスするための電力が増え、メモリのコストが大きくなるという課題がある。
【課題を解決するための手段】
【０００６】
この課題を解決するため、例えば本発明の情報処理装置は以下の構成を備える。すなわち、情報処理装置は、
複数の階層を有するネットワーク構造に応じて複数の特徴画像の特徴データに対して処理を行う情報処理装置であって、
特徴データを保持するデータ保持手段と、
読み出しパターンに基づいて前記特徴データを読み出す第１の読み出し手段と、
読み出された前記特徴データを拡大する拡大手段と、
前記拡大手段により拡大された前記特徴データに対して畳み込み処理を行う畳み込み処理手段と、を有し、
前記拡大手段及び前記畳み込み処理手段は、一の特徴画像の前記特徴データに対して拡大及び畳み込み処理を実行した後、次の前記特徴画像の前記特徴データに対して拡大及び畳み込み処理を実行する
ことを特徴とする。
【発明の効果】
【０００７】
本発明によれば、メモリにアクセスするための電力を低減して、メモリのコストを削減することができる。
【図面の簡単な説明】
【０００８】
第１の実施例における畳み込みニューラルネットワーク処理のフローチャート。
第１の実施例における畳み込みネットワークの構造の例。
第１の実施例における畳み込み処理装置の一構成例を示すブロック図。
第１の実施例におけるＣＮＮ処理部のブロック図。
第２の実施例におけるＣＮＮ処理部のブロック図。
第１の実施例におけるネットワークと畳み込み処理の関係を示す例。
第１の実施例における拡大処理と畳み込み処理の例（フィルタサイズ３×３、拡大倍率Ｒ＝２）。
第１の実施例における拡大処理と畳み込み処理の例（フィルタサイズ３×３、拡大倍率Ｒ＝１）。
第１の実施例における逆畳み込み処理の拡大処理を示す図。
他の実施例における最近傍補間法を示す図。
他の実施例における補間法を示す図。
他の実施例におけるＰｉｘｅｌＳｈｕｆｆｌｅを示す図。
第２の実施例における拡大処理と畳み込み処理の例（フィルタサイズ１×１、拡大倍率Ｒ＝２）。
他の実施例における拡大処理と畳み込み処理の例（フィルタサイズ３×３、拡大倍率Ｒ＝２）。
【発明を実施するための形態】
【０００９】
以下、添付図面を参照して実施形態を詳しく説明する。尚、以下の実施形態は特許請求の範囲に係る発明を限定するものでない。実施形態には複数の特徴が記載されているが、これらの複数の特徴の全てが発明に必須のものとは限らず、また、複数の特徴は任意に組み合わせられてもよい。さらに、添付図面においては、同一若しくは同様の構成に同一の参照番号を付し、重複した説明は省略する。
【００１０】
＜第１の実施形態＞
以下では図面を参照しながら本発明の実施形態について詳細に説明する。
（【００１１】以降は省略されています）

関連特許