特許ウォッチ

公開番号2025042394
公報種別公開特許公報(A)
公開日2025-03-27
出願番号2023149376
出願日2023-09-14
発明の名称学習装置、推定装置、学習方法、及びプログラム
出願人日本電信電話株式会社,国立大学法人大阪大学
代理人弁理士法人ITOH,個人,個人,個人
主分類G06N 3/096 20230101AFI20250319BHJP(計算;計数)
要約【課題】電波を用いたイメージングにおいて、データ収集コストを削減する。
【解決手段】モデルを学習するための学習装置において、チャネル状態情報と深度画像とを有する学習データを格納する記憶部と、前記チャネル状態情報から前記深度画像を推定するための前記モデルを学習する学習部と、を備え、前記モデルは、前記深度画像を潜在ベクトルに変換する変換部と、前記潜在ベクトルから前記深度画像を再構成する再構成部とを備える教師ネットワークと、前記チャネル状態情報を潜在ベクトルに変換する変換部を備える生徒ネットワークと、を備え、前記学習部は、前記教師ネットワークの学習と前記生徒ネットワークの学習を行う。
【選択図】図5
特許請求の範囲【請求項１】
モデルを学習するための学習装置であって、
チャネル状態情報と深度画像とを有する学習データを格納する記憶部と、
前記チャネル状態情報から前記深度画像を推定するための前記モデルを学習する学習部と、を備え、
前記モデルは、
前記深度画像を潜在ベクトルに変換する変換部と、前記潜在ベクトルから前記深度画像を再構成する再構成部とを備える教師ネットワークと、
前記チャネル状態情報を潜在ベクトルに変換する変換部を備える生徒ネットワークと、を備え、
前記学習部は、前記教師ネットワークの学習と前記生徒ネットワークの学習を行う
学習装置。
続きを表示（約 990 文字）【請求項２】
前記学習部は、前記生徒ネットワークにより得られる潜在ベクトルの分布が、学習済みの前記教師ネットワークにより得られる潜在ベクトルの分布と一致するように前記生徒ネットワークの学習を行う
請求項１に記載の学習装置。
【請求項３】
観測されたチャネル状態情報からオフセットを除去し、深度カメラで撮影された深度画像から静的な背景を除去する前処理部
を更に備える請求項１に記載の学習装置。
【請求項４】
前記学習部は、前記深度画像上の意味情報に基づく帰納バイアスを用いて前記教師ネットワークの学習を行う
請求項１に記載の学習装置。
【請求項５】
前記学習部は、前記学習データに含まれる深度画像とは別の深度画像を用いて、前記教師ネットワークの学習を行う
請求項１に記載の学習装置。
【請求項６】
チャネル状態情報から深度画像を推定する推定装置であって、
前記チャネル状態情報を入力する入力部と、
請求項１ないし５のうちいずれか１項に記載の前記学習装置により学習された前記生徒ネットワークにおける前記変換部と、前記学習装置により学習された前記教師ネットワークにおける前記再構成部とを有する画像生成部と、を備え、
前記画像生成部は、前記チャネル状態情報から前記深度画像を生成する
推定装置。
【請求項７】
チャネル状態情報と深度画像とを有する学習データを格納する記憶部を備える学習装置が実行する学習方法であって、
前記チャネル状態情報から前記深度画像を推定するためのモデルを学習する学習ステップを備え、
前記モデルは、
前記深度画像を潜在ベクトルに変換する変換部と、前記潜在ベクトルから前記深度画像を再構成する再構成部とを備える教師ネットワークと、
前記チャネル状態情報を潜在ベクトルに変換する変換部を備える生徒ネットワークと、を備え、
前記学習ステップにおいて、前記教師ネットワークの学習と前記生徒ネットワークの学習を行う
学習方法。
【請求項８】
コンピュータを、請求項１ないし５のうちいずれか１項に記載の前記学習装置における前記学習部として機能させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、無線センシング技術に関連するものである。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
電波の反射を利用して周辺の環境の状況を推定する無線センシングが盛んに研究されている。特に近年では、無線センシングの応用として、電波を用いたイメージングが注目されている。
【０００３】
例えば、非特許文献１には、カメラ画像を教師データとして用いることで、ＣＳＩ（Channel State Information）からその画像を推定する技術が開示されている。
【先行技術文献】
【非特許文献】
【０００４】
Wang, F., Zhou, S., Panev, S., Han, J. and Huang, D.: Personin-WiFi: Fine-Grained Person Perception Using WiFi, 2019 IEEE/CVF International Conference on Computer Vision (ICCV), pp. 5451-5460 (online), 10.1109/ICCV.2019.00555 (2019).
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかし、非特許文献１に開示された技術などの従来技術において、電波を用いたイメージングでは、モデルの学習のために大量の学習データが必要となり、学習データの収集コストが大きくなるという課題がある。そのため、学習処理に大きなコストがかかる。その結果、学習処理を前提とする推定処理にも大きなコストがかかる。
【０００６】
本発明は上記の点に鑑みてなされたものであり、従来技術よりも少ないデータ収集コストで、電波を用いたイメージングを実現するための技術を提供することを目的とする。
【課題を解決するための手段】
【０００７】
開示の技術によれば、モデルを学習するための学習装置であって、
チャネル状態情報と深度画像とを有する学習データを格納する記憶部と、
前記チャネル状態情報から前記深度画像を推定するための前記モデルを学習する学習部と、を備え、
前記モデルは、
前記深度画像を潜在ベクトルに変換する変換部と、前記潜在ベクトルから前記深度画像を再構成する再構成部とを備える教師ネットワークと、
前記チャネル状態情報を潜在ベクトルに変換する変換部を備える生徒ネットワークと、を備え、
前記学習部は、前記教師ネットワークの学習と前記生徒ネットワークの学習を行う
学習装置が提供される。
【発明の効果】
【０００８】
開示の技術によれば、従来技術よりも少ないデータ収集コストで、電波を用いたイメージングを実現することができる。
【図面の簡単な説明】
【０００９】
無線センシングを行うためのシステム構成例を示す図である。
学習装置１００の構成例を示す図である。
学習装置１００の動作を説明するためのフローチャートである。
推定装置２００の構成例を示す図である。
学習時におけるモデルの概要構成を示す図である。
モデルの詳細構成を示す図である。
推定装置２００における画像生成部２２０の構成例を示す図である。
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、図面を参照して本発明の実施の形態（本実施の形態）を説明する。以下で説明する実施の形態は一例に過ぎず、本発明が適用される実施の形態は、以下の実施の形態に限られるわけではない。
（【００１１】以降は省略されています）

関連特許