特許ウォッチ

公開番号2025042927
公報種別公開特許公報(A)
公開日2025-03-28
出願番号2023150135
出願日2023-09-15
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 20170101AFI20250321BHJP(計算;計数)
要約【課題】高難易度なタスクを学習せずとも、近接し重なり合った物体をも安定的に検出できるようにする。
【解決手段】情報処理装置は、入力画像から検出対象の物体の領域を検出する検出手段と、入力画像における検出対象の正解領域の内で近接する複数の正解領域を1つの正解領域に合一する領域処理手段と、検出手段により検出された領域と、領域処理手段により処理された検出手段の出力目標となる正解領域とに基づいて、損失を算出する損失算出手段と、出された損失に基づいて、検出手段が検出対象の検出に用いるパラメータを更新する更新手段とを有する。
【選択図】図1
特許請求の範囲【請求項１】
入力画像から検出対象の物体の領域を検出する検出手段と、
前記入力画像における前記検出対象の正解領域の内で近接する複数の正解領域を１つの正解領域に合一する領域処理手段と、
前記検出手段により検出された領域と、前記領域処理手段により処理された前記検出手段の出力目標となる正解領域とに基づいて、損失を算出する損失算出手段と、
算出された前記損失に基づいて、前記検出手段が検出対象の検出に用いるパラメータを更新する更新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】
前記領域処理手段は、近接する２つの前記正解領域の大きさの差が所定の閾値以上である場合には該２つの正解領域を合一しない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】
前記領域処理手段は、近接する２つの前記正解領域の垂直方向の重なり率が第１の閾値以上であり、かつ水平方向の重なり率が第２の閾値以上である場合に該２つの正解領域を１つの正解領域に合一することを特徴とする請求項２に記載の情報処理装置。
【請求項４】
前記損失算出手段は、前記検出手段により検出された領域に基づいて生成される検出マップと、前記領域処理手段により処理された正解領域に基づいて生成される正解マップとを比較して損失を算出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】
前記検出マップ及び前記正解マップは、対応する画素の位置での検出対象の存在確率と領域の幅及び高さとに関する情報を少なくとも有することを特徴とする請求項４に記載の情報処理装置。
【請求項６】
入力画像から近接する検出対象の複数の物体を合一して１つの領域として検出する第１の検出手段と、
前記第１の検出手段により検出された領域に関する拡大画像から検出対象の物体を検出する第２の検出手段とを有することを特徴とする情報処理装置。
【請求項７】
入力画像から近接する検出対象の複数の物体を合一して１つの領域として検出する第１の検出手段と、
前記入力画像から前記検出対象の物体を合一せずに検出する第２の検出手段と、
前記第１の検出手段により検出された領域が合一して検出されたものであるか否かを判定する判定手段と、
前記判定手段により合一して検出されたものであると判定された場合に前記第２の検出手段による検出結果を出力し、前記判定手段により合一して検出されたものでないと判定された場合に前記第１の検出手段による検出結果を出力する出力手段とを有することを特徴とする情報処理装置。
【請求項８】
前記判定手段は、前記検出手段から出力される、合一されたか否かの確率の情報を用いて判定を行うことを特徴とする請求項７に記載の情報処理装置。
【請求項９】
請求項１に記載の情報処理装置により学習して得られた前記第１の検出手段を有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１０】
情報処理装置が実行する情報処理方法であって、
入力画像から検出対象の物体の領域を検出手段により検出する検出工程と、
前記入力画像における前記検出対象の正解領域の内で近接する複数の正解領域を１つの正解領域に合一する領域処理工程と、
前記検出工程にて検出された領域と、前記領域処理工程にて処理された前記検出手段の出力目標となる正解領域とに基づいて、損失を算出する損失算出工程と、
算出された前記損失に基づいて、前記検出手段が検出対象の検出に用いるパラメータを更新する更新工程とを有することを特徴とする情報処理方法。
（【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 1,700 文字）【背景技術】
【０００２】
カメラ等で撮影した画像をもとに、撮影領域における検出対象物体の位置と大きさといった物体領域を検出する装置が提案されている。物体を含む物体領域を検出する技術として、近年、ＣＮＮ（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ、畳み込みニューラルネットワーク）を活用した深層学習手法が多数開発されている。非特許文献１には、ＣＮＮを用いた物体検出技術として、検出対象物体の中心位置と、物体を含む矩形の大きさとを学習させる方法が開示されている。
【０００３】
ＣＮＮを活用した深層学習による検出モデルを用いて物体を検出する場合、画像内で複数の物体同士が重なり合っていると、これらの物体をそれぞれ個別に正確に検出することは困難になる。特許文献１には、画像内の一部が遮蔽されている物体を検出可能にする技術が提案されている。特許文献１では、検出候補枠が複数出力されかつ互いに重なる場合に後方の検出候補枠内の物体の存在確率を算出し、存在確率が閾値以上であればそれぞれの検出候補枠を出力し、閾値未満であれば前方と後方の検出候補枠を統合して出力する。
【先行技術文献】
【特許文献】
【０００４】
特許第６８９１９８４号公報
【非特許文献】
【０００５】
ＯｂｊｅｃｔｓａｓＰｏｉｎｔｓ，ＸｉｎｇｙｉＺｈｏｕ，ＤｅｑｕａｎＷａｎｇ，ＰｈｉｌｉｐｐＫｒａｈｅｎｂｕｈｌ；ａｒＸｉｖ１９０４．０７８５０，
【発明の概要】
【発明が解決しようとする課題】
【０００６】
物体の検出モデルの学習において、画像内で近接して重なり合っている物体を分離して個別の領域を推論できるように学習することは高難易度なタスクである。このような高難易度なタスクを無理に学習させることの弊害は大きく、無理に分離して学習しようとすると、近接して重なり合っている物体のどちらも検出されないように検出率自体が下がったり、処理コストが増大したりする。
【０００７】
そこで、本発明は、高難易度なタスクを学習せずとも、近接し重なり合った物体をも安定的に検出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】
【０００８】
本発明に係る情報処理装置は、入力画像から検出対象の物体の領域を検出する検出手段と、前記入力画像における前記検出対象の正解領域の内で近接する複数の正解領域を１つの正解領域に合一する領域処理手段と、前記検出手段により検出された領域と、前記領域処理手段により処理された前記検出手段の出力目標となる正解領域とに基づいて、損失を算出する損失算出手段と、出された前記損失に基づいて、前記検出手段が検出対象の検出に用いるパラメータを更新する更新手段とを有することを特徴とする。
【発明の効果】
【０００９】
本発明によれば、高難易度なタスクを学習せずとも、近接し重なり合った物体をも安定的に検出することが可能となる。
【図面の簡単な説明】
【００１０】
情報処理装置の構成例を示す図である。
情報処理装置におけるデータフローの例を示す図である。
第１の実施形態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。
第１の実施形態における領域処理部の処理例を示すフローチャートである。
第１の実施形態における正解領域に関する処理を説明する図である。
第２の実施形態における処理を説明する図である。
第２の実施形態における領域処理部の処理例を示すフローチャートである。
第３の実施形態における情報処理装置の構成例を示す図である。
第３の実施形態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。
第３の実施形態における合一判定選択処理の例を示すフローチャートである。
近接して重なり合った人物が写る画像の例を示す図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許