特許ウォッチ

公開番号2025058676
公報種別公開特許公報(A)
公開日2025-04-09
出願番号2023168762
出願日2023-09-28
発明の名称教師データ、学習済みモデル、撮像装置、学習装置、教師データの作成方法、及び学習済みモデルの生成方法
出願人富士フイルム株式会社
代理人弁理士法人太陽国際特許事務所
主分類H04N 23/958 20230101AFI20250402BHJP(電気通信技術)
要約【課題】学習済みモデルに対して、入力された画像よりもビット深度が深い画像を生成させることができる教師データ、学習済みモデル、撮像装置、学習装置、教師データの作成方法、及び学習済みモデルの生成方法を提供する。
【解決手段】教師データは、モデルの機械学習に用いられる。教師データは、正解画像と、正解画像よりもビット深度が浅い例題画像と、を備える。
【選択図】図5
特許請求の範囲【請求項１】
モデルの機械学習に用いられる教師データであって、
正解画像と、
前記正解画像よりもビット深度が浅い例題画像と、を備える
教師データ。
続きを表示（約 890 文字）【請求項２】
前記正解画像は、複数の単一画像が合成されることによって得られた画像である
請求項１に記載の教師データ。
【請求項３】
前記例題画像は、前記複数の単一画像の代表画像である
請求項２に記載の教師データ。
【請求項４】
前記例題画像は、前記複数の単一画像よりも前記ビット深度が浅い画像である
請求項２に記載の教師データ。
【請求項５】
前記単一画像は、ビットシフトさせた画像である
請求項２に記載の教師データ。
【請求項６】
前記正解画像は、
ビットシフトさせた画像内の処理対象領域に対して前記画像内での配列パターンが対応する対応領域が前記画像内に存在する場合に前記処理対象領域と前記対応領域とが合成されることによって得られる画像、又は、
ビットシフトさせた画像内の処理対象画素に対して規則的に隣接する同一色の隣接画素が前記画像内に存在する場合に前記処理対象画素と前記隣接画素とが合成されることによって得られる画像である請求項１に記載の教師データ。
【請求項７】
前記例題画像は、ビットシフトさせる前の画像、又は、ビットシフトさせる前の画像に基づいて生成された画像である
請求項６に記載の教師データ。
【請求項８】
前記正解画像及び前記例題画像は、第１撮像装置によって撮像が行われることで得られた画像である
請求項１に記載の教師データ。
【請求項９】
前記正解画像及び前記例題画像は、ＲＡＷ形式の画像である
請求項１に記載の教師データ。
【請求項１０】
前記モデルは、ＲＡＷ形式の画像の入出力を行い、
前記正解画像の形式は、Ｌｏｇ形式であり、
前記モデルから出力されたＲＡＷ形式の画像がＬｏｇ形式の画像に変換されて前記正解画像と比較されることで前記モデルが最適化される
請求項１に記載の教師データ。
（【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】
本開示は、教師データ、学習済みモデル、撮像装置、学習装置、教師データの作成方法、及び学習済みモデルの生成方法に関する。
続きを表示（約 2,000 文字）【背景技術】
【０００２】
特許文献１には、画像送受信システムが開示されている。特許文献１に記載の画像送受信システムは、単数または複数備えられた送信装置の少なくともいずれかが、原画像を低ビットレートへエンコードした低ビットレートエンコード済み画像から、より原画像に近づけた改良画像を生成するためのモデルデータを、機械学習により生成する機械学習部を備える。また、特許文献１に記載の画像送受信システムは、単数または複数備えられた送信装置の少なくともいずれかが、低ビットレートエンコード済み画像と、モデルデータとを装置の外部へ送信する送信部を備える。特許文献１に記載の画像送受信システムは、受信装置が、受信した低ビットレートエンコード済み画像およびモデルデータから、低ビットレートエンコード画像の改良画像を生成する改良画像生成部を有する。
【０００３】
特許文献２には、画像を符号化する画像符号化装置が開示されている。特許文献２に記載の画像符号化装置は、画像を構成する画素を、その性質に応じて所定のクラスに分類する分類手段と、クラスごとに、所定のマッピング係数を記憶しているマッピング係数記憶手段と、画像の中の、注目している注目画素と、その注目画素のクラスに対応する前記マッピング係数とを用いて所定の演算を行うことにより、その注目画素を補正した補正データを算出する演算手段と、補正データのレベルを制限して、前記画像を符号化した符号化データとする制限手段と、を備える。
【０００４】
特許文献２に記載の画像符号化装置において、マッピング係数、以下に示す特徴を有する。すなわち、マッピング係数は、学習用の画像データを用いて学習を行うことにより生成されたものである。或いは、マッピング係数は、符号化データから元の画像を予測した予測結果の、その元の画像に対する予測誤差が最小になるように学習を行うことにより得られたものである。或いは、マッピング係数は、符号化データから元の画像を予測した予測結果の、その元の画像に対する予測誤差が所定値以下になるように学習を行うことにより得られたものである。或いは、マッピング係数は、学習用の画像を構成する画素を、その性質に応じてクラスのうちのいずれかに分類し、学習用の画像の中の、注目している注目学習画素と、その注目学習画素のクラスに対応する所定の係数とを用いて所定の演算を行うことにより、その注目学習画素を補正した学習用補正データを算出し、学習用補正データのレベルを制限した学習用制限データを求め、その学習用制限データに基づいて、学習用の画像の予測値を予測し、学習用の画像に対する、学習用の画像の予測値の予測誤差を算出し、その予測誤差に基づいて、所定の係数を変更することを、所定の係数が最適な値になるまで繰り返すことにより得られた、その最適な値の所定の係数である。或いは、マッピング係数は、学習用の画像を、その画素数を少なくすることにより圧縮し、学習用の画像を圧縮することにより得られる学習用圧縮データのレベルを制限し、レベルの制限された学習用圧縮データを補正して、学習用補正データを出力し、学習用補正データに基づいて、学習用の画像を予測して、その予測値を出力し、学習用の画像に対する、学習用の画像の予測値の予測誤差を算出し、その予測誤差に基づいて、学習用補正データの適正さを判定することを、学習用補正データが適正になるまで繰り返すことにより得られた、その適正になった学習用補正データと、学習用の画像とを用いて求められたものである。
【先行技術文献】
【特許文献】
【０００５】
特開２０２０－１０９８９７号公報
特開２００６－１０９４９９号公報
【発明の概要】
【０００６】
本開示に係る一つの実施形態は、学習済みモデルに対して、入力された画像よりもビット深度が深い画像を生成させることができる教師データ、学習済みモデル、撮像装置、学習装置、教師データの作成方法、及び学習済みモデルの生成方法を提供する。
【課題を解決するための手段】
【０００７】
本開示に係る第１の態様は、モデルの機械学習に用いられる教師データであって、正解画像と、正解画像よりもビット深度が浅い例題画像と、を備える教師データである。
【０００８】
本開示に係る第２の態様は、正解画像が、複数の単一画像が合成されることによって得られた画像である、第１の態様に係る教師データである。
【０００９】
本開示に係る第３の態様は、例題画像が、複数の単一画像の代表画像である、第２の態様に係る教師データである。
【００１０】
本開示に係る第４の態様は、例題画像が、複数の単一画像よりもビット深度が浅い画像である、第２の態様に係る教師データである。
（【００１１】以降は省略されています）

関連特許