特許ウォッチ

公開番号2025056501
公報種別公開特許公報(A)
公開日2025-04-08
出願番号2023166017
出願日2023-09-27
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 20170101AFI20250401BHJP(計算;計数)
要約【課題】認識精度の向上を図れる学習を実現可能にする。
【解決手段】情報処理装置は、学習データを用いて所定の認識処理に対応した学習モデルを学習する学習手段と、学習モデルに対応付いた検証用データに対して学習モデルを用いた認識処理を行う評価手段と、評価手段による認識処理において検証用データから誤認識された領域に基づいて、学習データに対する所定の調整処理と、学習の際の設定を変更する調整処理との、少なくともいずれかを行う調整手段と、を有する。
【選択図】図1
特許請求の範囲【請求項１】
学習データを用いて、所定の認識処理に対応した学習モデルを学習する学習手段と、
前記学習モデルに対応付いた検証用データに対して、前記学習モデルを用いた前記認識処理を行う評価手段と、
前記評価手段による前記認識処理において前記検証用データから誤認識された領域に基づいて、前記学習データに対する所定の調整処理と、前記学習の際の設定を変更する調整処理との、少なくともいずれかを行う調整手段と、
を有することを特徴とする情報処理装置。
続きを表示（約 1,100 文字）【請求項２】
前記評価手段は、前記検証用データに含まれる画像に対して前記学習モデルを用いた前記認識処理を行う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】
前記検証用データは、前記学習データに含まれる画像とは異なる画像を含む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】
前記評価手段は、
前記検証用データに対して前記学習モデルを用いた前記認識処理を行って、前記学習モデルの認識精度を取得する精度取得手段と、
前記学習モデルの認識精度と目標精度とを比較する比較手段と、
前記検証用データから前記認識処理で誤認識された領域を保持する結果保持手段と、
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５】
前記精度取得手段は、前記検証用データに対する前記認識処理の結果と前記検証用データに対応した正解データとを照合した結果に基づいて、前記学習モデルの認識精度を取得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】
前記比較手段による比較において前記学習モデルの認識精度が前記目標精度以下である場合に、前記結果保持手段は、前記検証用データから前記認識処理で誤認識された領域を保持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７】
前記精度取得手段は、前記検証用データに対する前記認識処理の際に、所定の認識対象である確からしさを表す尤度を取得し、
前記結果保持手段は、前記検証用データから前記認識処理で誤認識された領域のうち、前記尤度が尤度閾値より高い領域を保持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８】
前記調整手段は、前記学習データから、前記誤認識された領域に類似した類似領域を抽出する抽出手段を有することを特徴とする請求項１乃至７のいずれか１項に記載の情報処理装置。
【請求項９】
前記調整手段は、
前記類似領域が前記学習データの教師データに含まれる場合に、前記学習データに対する所定の調整処理を行い、
前記類似領域が前記学習データの教師データに含まれない場合に、前記学習の際の設定を変更する調整処理を行うことを特徴とする請求項８に記載の情報処理装置。
【請求項１０】
前記抽出手段は、前記誤認識された領域と前記類似領域との類似度を、類似度閾値と比較した結果に応じて、前記調整手段による前記調整処理を行うか否かを判定することを特徴とする請求項８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、機械学習に係る情報処理技術に関する。
続きを表示（約 1,900 文字）【背景技術】
【０００２】
コンピュータ等の機械が、画像や音声などのデータの内容を学習して認識処理を行う機械学習と呼ばれる技術が存在する。ここでは、認識処理が扱う課題を認識タスクと呼び、認識タスクを学習・実行するための数理モデルである学習モデルを、認識モデルと呼ぶ。認識タスクには、例えば、画像中から特定の物体（人物、動物、乗物等）を検出（認識）する物体検出タスク等が存在する。認識タスクを学習・実行する技術としては、ニューラルネットワークが知られている。
【０００３】
ニューラルネットワークにおける検出精度（認識精度）を向上させる手法の一種として、データオーギュメンテーション（ＤａｔａＡｕｇｍｅｎｔａｔｉｏｎ、以下、ＤＡとする）が知られている。ＤＡとは、学習画像に対して様々な変更を加えることで、学習画像データを人為的に増やす手法である。すなわちＤＡによって見かけ上の学習画像のバリエーションを増やすことができるため、学習時の汎化性能を向上させることができる。他にも、特許文献１には、対象物が隠れるように遮蔽物画像を合成することで、対象物が一部隠れているような場合においても検出精度を維持できるようにすることを目的とした手法が提案されている。
【０００４】
また、物体検出の際の誤検出（誤認識）を抑制するための手法として、非特許文献１や特許文献２に開示された手法がある。非特許文献１には、物体検出を目的として学習したモデルを用いて、学習画像から対象領域を検出する処理を行い、誤検出した領域を含む部分画像をハードネガティブサンプルとして優先的に学習画像に用いることが開示されている。非特許文献１の手法によれば、そのハードネガティブサンプルを含む学習画像を用いて再度学習を行うことで、誤検出の発生を抑制可能としている。特許文献２には、メインタスクとサブタスクを有し、それぞれが異なる検出対象を学習する物体検出の学習手法が開示されている。そして特許文献２の手法では、学習画像内のメインタスクにおける誤検出マップを作成し、その誤検出マップを用いてサブタスクの損失に対して重み付けを行うことによって、メインタスクにおける誤検出を抑制可能としている。
【先行技術文献】
【特許文献】
【０００５】
特開２０２１－３３７０７号公報
特開２０２０－９１５４３号公報
【非特許文献】
【０００６】
ＡｂｈｉｎａｖＳｈｒｉｖａｓｔａｖａ，ＡｂｈｉｎａｖＧｕｐｔａ，ＲｏｓｓＧｉｒｓｈｉｃｋ， “ＴｒａｉｎｉｎｇＲｅｇｉｏｎ－ＢａｓｅｄＯｂｊｅｃｔＤｅｔｅｃｔｏｒｓｗｉｔｈＯｎｌｉｎｅＨａｒｄＥｘａｍｐｌｅＭｉｎｉｎｇ”，ｉｎＣＶＰＲ，２０１６
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、学習画像にＤＡを適応すると、元の画像において不変であるべき部分が変更された画像が生成されたり、現実には存在しない画像が生成されたりすることがある。このため、ＤＡを適用した学習画像を用いて学習を行うと、例えば、過学習が発生し易くなって最適化が困難になり、汎化性能が向上しくなる可能性がある。すなわちＤＡを適用した学習画像を用いて学習した学習モデルでは、認識処理における認識精度が低下してしまうことがある。
【０００８】
また、非特許文献１や特許文献２の手法を適用した学習の場合、正検出に有効な特徴を抑え込むように学習が進んでしまうことがある。この場合、誤検出（誤認識）の発生は抑えられるが、正検出すべき領域を検出できない未検出事例が発生しやすくなる。すなわちこの場合も、認識処理における認識精度が低下することがある。
【０００９】
そこで、本発明では、認識精度の向上を図れる学習を実現可能にすることを目的とする。
【課題を解決するための手段】
【００１０】
本発明の情報処理装置は、学習データを用いて、所定の認識処理に対応した学習モデルを学習する学習手段と、前記学習モデルに対応付いた検証用データに対して、前記学習モデルを用いた前記認識処理を行う評価手段と、前記評価手段による前記認識処理において前記検証用データから誤認識された領域に基づいて、前記学習データに対する所定の調整処理と、前記学習の際の設定を変更する調整処理との、少なくともいずれかを行う調整手段と、を有することを特徴とする。
【発明の効果】
（【００１１】以降は省略されています）

関連特許