特許ウォッチ

公開番号2025064283
公報種別公開特許公報(A)
公開日2025-04-17
出願番号2023173897
出願日2023-10-05
発明の名称情報処理システム
出願人株式会社マーケットヴィジョン
代理人個人
主分類G06V 10/774 20220101AFI20250410BHJP(計算;計数)
要約【課題】
深層学習(ディープ・ラーニング)などの機械学習で用いる学習用データを効率的に収集するための情報処理システムを提供することを目的とする。
【解決手段】
ラベリングされていない画像データのデータ群から機械学習の学習用の画像データを抽出する情報処理システムであって、情報処理システムは、データ群における画像データおよびクエリ画像データの入力を受け付けて、機械学習のネットワークの中間層における所定の層から入力した画像データの特徴量を出力するネットワーク処理部と、クエリ画像データの特徴量と、データ群における画像データの特徴量とを用いて演算した基準により出力された画像データの中から、学習用データとする画像データの抽出する抽出処理部と、を有する情報処理システムである。
【選択図】図1
特許請求の範囲【請求項１】
ラベリングされていない画像データのデータ群から機械学習の学習用の画像データを抽出する情報処理システムであって、
前記情報処理システムは、
前記データ群における画像データおよびクエリ画像データの入力を受け付けて、機械学習のネットワークの中間層における所定の層から前記入力した画像データの特徴量を出力するネットワーク処理部と、
前記クエリ画像データの特徴量と、前記データ群における画像データの特徴量とを用いて演算した基準により出力された画像データの中から、学習用データとする画像データの抽出する抽出処理部と、
を有することを特徴とする情報処理システム。
続きを表示（約 1,400 文字）【請求項２】
前記情報処理システムは、
前記クエリ画像データの特徴量と、前記データ群における画像データの特徴量とを用いて類似度を算出する類似処理部、を有しており、
前記抽出処理部は、
前記類似度に基づいて出力された画像データの中から、学習用データとする画像データの選択を受け付け、前記選択された画像データを前記学習用データとして抽出する、
ことを特徴とする請求項１に記載の情報処理システム。
【請求項３】
前記ネットワーク処理部は、
前記機械学習のネットワークの中間層における所定の層から前記入力した画像データの特徴ベクトルを抽出し、
前記類似処理部は、
前記クエリ画像データの特徴ベクトルと、前記データ群における画像データの特徴ベクトルとの間の距離を前記類似度として算出し、
前記算出した類似度を用いて、前記データ群における画像データをソートして、所定の順位の画像データまで出力する、
ことを特徴とする請求項２に記載の情報処理システム。
【請求項４】
前記類似処理部は、
前記クエリ画像データの特徴ベクトルと、前記データ群における画像データの特徴ベクトルとの間のコサイン類似度を前記類似度として算出する、
ことを特徴とする請求項３に記載の情報処理システム。
【請求項５】
前記情報処理システムは、
前記データ群における画像データおよび前記クエリ画像データの入力を行う画像入力処理部、
を有することを特徴とする請求項１に記載の情報処理システム。
【請求項６】
前記画像入力処理部は、
前記抽出処理部で抽出した学習用データの数が所定条件を充足しない場合には、前記抽出した学習用データを、新たなクエリ画像データとして前記機械学習のネットワークにさらに入力し、
前記ネットワーク処理部は、
前記新たなクエリ画像データの入力を受け付けて、前記機械学習のネットワークの中間層における所定の層から前記入力した新たなクエリ画像データの特徴量を出力し、
前記抽出処理部は、
前記新たなクエリ画像データの特徴量と、前記データ群における画像データの特徴量とを用いて演算した基準により出力された画像データの中から、学習用データとする画像データをさらに抽出する、
ことを特徴とする請求項５に記載の情報処理システム。
【請求項７】
前記所定の層は、
前記中間層における最終層の一層前および／または二層前の層である、
ことを特徴とする請求項１から請求項６のいずれかに記載の情報処理システム。
【請求項８】
コンピュータを、
ラベリングされていない画像データのデータ群における画像データおよびクエリ画像データの入力を受け付けて、機械学習のネットワークの中間層における所定の層から前記入力した画像データの特徴量を出力するネットワーク処理部、
前記クエリ画像データの特徴量と、前記データ群における画像データの特徴量とを用いて演算した基準により出力された画像データの中から、学習用データとする画像データの抽出する抽出処理部、として機能させる、
ことを特徴とする情報処理プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、深層学習（ディープ・ラーニング）などの機械学習で用いる学習用データを効率的に収集するための情報処理システムに関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
深層学習などの機械学習は、学習用データで学習したネットワークを用いて、所定の処理、たとえば画像分類を行うコンピュータシステムである。機械学習によるネットワークを用いた画像分類は、分類精度も高く、近年ではさまざまな目的で使用されている。機械学習、特に深層学習では、中間層が多数の層からなるニューラルネットワークの各層のニューロン間の重み付け係数が最適化された学習モデル（ネットワーク）に対して、画像データを入力することで、所定の出力を行う。
【０００３】
その一方、処理対象として未学習の画像データを入力することは、通常はできない。仮に入力したとしても、未学習の対象であると判定することは困難で、判定精度が著しく悪い異なる分類と判定してしまう。
【０００４】
そのため、未学習の画像データを処理対象とする場合、再度、学習用データを用いて機械学習を行う必要がある。その場合、学習に用いる学習用データを適切に収集しなければならないが、その学習用データを収集するのは、従来は、大量の画像データのなかから、人間が目視により選択をしていることが通常である。
【０００５】
そこで学習用データの収集を行うシステムとして、下記特許文献１、特許文献２がある。
【先行技術文献】
【特許文献】
【０００６】
特開２０２０－０７１８１１号公報
特開２０２３－１０４０４０号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
特許文献１の収集方法は、どのように学習用データを生成するかを示す処理に過ぎず、学習用データに用いる画像データを効率的に収集することはできない。
【０００８】
また特許文献２の収集方法では、推論処理を用いて学習用データを収集するため、推論の精度が高くないと適切な画像データを収集することはできない。適切な画像データが収集できなければ、機械学習の精度を向上させることはできず、実際の機械学習に用いるのは容易ではない。
【０００９】
たとえば、店舗の陳列棚を撮影した画像データから、機械学習を用いて、その陳列棚に陳列している商品を認識することがある。この場合、あらかじめ処理対象となる商品の画像データを学習用データとして学習させておき、学習したネットワークを用いて商品認識処理を実行する。
【００１０】
そして、従来は認識していなかった商品、新しい商品についても認識を行いたい場合には、その新しい認識対象の商品の画像データを学習用データとして当該ネットワークに新たに学習することで機械学習のネットワークを生成する必要がある。新しい認識対象の商品の画像データを用いて学習する場合、いわゆる見本としてクリアな状態（光や影などが写り込まないなど、ノイズのない状態）の画像データを、当該商品を販売するメーカーなどから取得して、それを学習用データとして用いることは可能である。
（【００１１】以降は省略されています）

関連特許