特許ウォッチ

公開番号2025067344
公報種別公開特許公報(A)
公開日2025-04-24
出願番号2023177268
出願日2023-10-13
発明の名称学習装置、学習方法及び学習プログラム
出願人株式会社デンソーテン
代理人弁理士法人佐野特許事務所
主分類G06T 7/00 20170101AFI20250417BHJP(計算;計数)
要約【課題】機械学習により良好な物体検出モデルを生成する。
【解決手段】モデルの機械学習を行う学習装置において、コントローラは、モデルにより導出された複数の推定BBOXの内、何れか1以上の推定BBOXを対象BBOXとして正解BBOXに割り当てる。コントローラは、互いに割り当てられた正解BBOX及び対象BBOX間の誤差に基づく損失関数を用いてモデルのパラメータを更新する。コントローラは、正解BBOXの位置を基準にアサイン領域を設定してアサイン領域と各推定BBOXとの位置関係に基づき対象BBOXに設定する。コントローラは、正解BBOX(600)の形状又は大きさに応じてアサイン領域(611、612)の形状又は大きさを設定する。
【選択図】図8
特許請求の範囲【請求項１】
対象物体を認識する学習モデルの学習を行う学習装置であって、
前記学習モデルに対して画像データを入力し、
前記学習モデルから、前記画像データにおいて前記対象物体が存在すると推定される複数の推定バウンディングボックスを取得し、
前記画像データにおいて前記対象物体が存在する正解バウンディングボックスの形状又は大きさに応じて、前記正解バウンディングボックスの位置を基準にアサイン領域を設定し、
前記複数の推定バウンディングボックスから、各推定バウンディングボックスの位置と前記アサイン領域に基づき、対象バウンディングボックスを設定し、
前記正解バウンディングボックスと前記対象バンディングボックスとの誤差に基づき前記学習モデルのパラメータを更新する
、学習装置。
続きを表示（約 2,100 文字）【請求項２】
楕円の外形を持ち且つ前記正解バウンディングボックスの中心と一致する中心を有する領域を前記アサイン領域として設定し、前記アサイン領域内に中心を有する推定バウンディングボックスを前記対象バウンディングボックスに設定し、
前記正解バウンディングボックスの水平方向の長さと前記正解バウンディングボックスの垂直方向の長さとの比に応じて、前記楕円の長軸及び短軸の各長さを設定する
、請求項１に記載の学習装置。
【請求項３】
前記正解バウンディングボックスの垂直方向の長さが前記正解バウンディングボックスの水平方向の長さより大きい場合、前記楕円の長軸を前記垂直方向に対して平行とし、前記正解バウンディングボックスの水平方向の長さに対する前記正解バウンディングボックスの垂直方向の長さの比が増大するにつれて、前記楕円の長軸の長さを増大させ且つ前記楕円の短軸の長さを減少させ、
前記正解バウンディングボックスの水平方向の長さが前記正解バウンディングボックスの垂直方向の長さより大きい場合、前記楕円の長軸を前記水平方向に対して平行とし、前記正解バウンディングボックスの垂直方向の長さに対する前記正解バウンディングボックスの水平方向の長さの比が増大するにつれて、前記楕円の長軸の長さを増大させ且つ前記楕円の短軸の長さを減少させる
、請求項２に記載の学習装置。
【請求項４】
長方形の外形を持ち且つ前記正解バウンディングボックスの中心と一致する中心を有する領域を前記アサイン領域として設定し、前記アサイン領域内に中心を有する推定バウンディングボックスを前記対象バウンディングボックスに設定し、
前記正解バウンディングボックスの水平方向の長さと前記正解バウンディングボックスの垂直方向の長さとの比に応じて、前記長方形の長辺及び短辺の各長さを設定する
、請求項１に記載の学習装置。
【請求項５】
前記正解バウンディングボックスの垂直方向の長さが前記正解バウンディングボックスの水平方向の長さより大きい場合、前記長方形の長辺を前記垂直方向に対して平行とし、前記正解バウンディングボックスの水平方向の長さに対する前記正解バウンディングボックスの垂直方向の長さの比が増大するにつれて、前記長方形の長辺の長さを増大させ且つ前記長方形の短辺の長さを減少させ、
前記正解バウンディングボックスの水平方向の長さが前記正解バウンディングボックスの垂直方向の長さより大きい場合、前記長方形の長辺を前記水平方向に対して平行とし、前記正解バウンディングボックスの垂直方向の長さに対する前記正解バウンディングボックスの水平方向の長さの比が増大するにつれて、前記長方形の長辺の長さを増大させ且つ前記長方形の短辺の長さを減少させる
、請求項４に記載の学習装置。
【請求項６】
円又は長方形の外形を持ち且つ前記正解バウンディングボックスの中心と一致する中心を有する領域を前記アサイン領域として設定し、前記アサイン領域内に中心を有する推定バウンディングボックスを前記対象バウンディングボックスに設定し、
前記正解バウンディングボックスの大きさに応じて前記アサイン領域の大きさを設定する
、請求項１に記載の学習装置。
【請求項７】
前記正解バウンディングボックスの大きさが増大するにつれて前記アサイン領域の大きさを減少させる
、請求項６に記載の学習装置。
【請求項８】
対象物体を認識する学習モデルの学習を行う学習装置であって、
前記学習モデルに対して画像データを入力し、
前記学習モデルから、前記画像データおいて前記対象物体が存在すると推定される複数の推定バウンディングボックスを取得し、
前記画像データにおいて前記対象物体が存在する複数の正解バウンディングボックスの密集度に応じて、各正解バウンディングボックスの位置を基準にアサイン領域を設定し、
前記複数の推定バウンディングボックスから、各推定バウンディングボックスの位置と前記各アサイン領域に基づき、対象バウンディングボックスを設定し、
前記対象バンディングボックスと前記正解バウンディングボックスとの誤差に基づき前記学習モデルのパラメータを更新する
、学習装置。
【請求項９】
前記アサイン領域内に中心を有する推定バウンディングボックスを前記対象バウンディングボックスに設定し、前記密集度が高まるにつれ、各正解バウンディングボックスに対する前記アサイン領域の大きさを減少させる
、請求項８に記載の学習装置。
【請求項１０】
前記複数の正解バウンディングボックスと前記複数の推定バウンディングボックスとの重なり度合いを、前記正解バウンディングボックスと前記推定バウンディングボックスの組み合わせごとに導出することで、前記密集度を評価する
、請求項９に記載の学習装置。
（【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、学習装置、学習方法及び学習プログラムに関する。
続きを表示（約 2,700 文字）【背景技術】
【０００２】
下記特許文献１には画像中のオブジェクトの位置を検出する画像認識装置が開示される。この種の画像認識を機械学習モデルを用いて実現することができる。
【先行技術文献】
【特許文献】
【０００３】
特開２０２１－１８９５９５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に示されているように、画像中のオブジェクトの位置を検出する機械学習モデルは、学習用画像の画像データと正解データとを含む学習用データを用いて、画像認識に関わる機械学習を行うことにより生成できる。正解データには、学習用画像内における物体の位置を示すバウンディングボックスの情報が含められる。正解データにおけるバウンディングボックスの情報は、真のバウンディングボックスの情報に相当する。機械学習工程では、ＡＩによるモデルにて学習用画像内における物体のバウンディングボックスを推定（予測）させ、推定バウンディングボックスと正解データ中のバウンディングボックスとの誤差に基づきモデルを更新してゆく。
【０００５】
多くの場合、モデルにより同じオブジェクトに対して複数の推定バウンディングボックスが導出される。この際、複数の推定バウンディングボックスの内、適正な推定バウンディングボックスを正解データ中のバウンディングボックスに割り当てることは、学習を円滑に進めるための重要な課題の１つである。当該割り当ては一般にラベルアサイン（又はラベルアサインメント）と称される。適正なラベルアサインは良好な物体検出モデルの生成に繋がる。
【０００６】
本発明は、良好な物体検出モデルの生成に寄与する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】
本発明に係る学習装置は、
対象物体を認識する学習モデルの学習を行う学習装置であって、前記学習モデルに対して画像データを入力し、前記学習モデルから、前記画像データにおいて前記対象物体が存在すると推定される複数の推定バウンディングボックスを取得する。学習装置は、前記画像データにおいて前記対象物体が存在する正解バウンディングボックスの形状又は大きさに応じて、前記正解バウンディングボックスの位置を基準にアサイン領域を設定する。学習装置は、前記複数の推定バウンディングボックスから、各推定バウンディングボックスの位置と前記アサイン領域に基づき、対象バウンディングボックスを設定し、前記正解バウンディングボックスと前記対象バンディングボックスとの誤差に基づき前記学習モデルのパラメータを更新する。
【発明の効果】
【０００８】
本発明によれば、正解バウンディングボックスの形状又は大きさに応じたアサイン領域を設定することにより、学習モデルが検出したバウンディングボックス部分から学習を行うために正解バウンディングボックスと比較すべき対象バウンディングボックスを適切に選択することできる。このため、学習モデルの学習を適切な対象バウンディングボックスを用いて行うことが可能となり、以って良好な物体検出モデルを生成できる。
【図面の簡単な説明】
【０００９】
本発明の実施形態に係る学習システムの全体構成図である。
本発明の実施形態に係り、学習に関わるモデルの入出力データを示す図である。
本発明の実施形態に係り、学習用データの構造を示す図である。
本発明の実施形態に係り、任意の二次元画像とＸＹ座標面との関係を示す図である。
本発明の実施形態に係り、任意の二次元画像と正解バウンディングボックス及び推定バウンディングボックスとの関係を示す図である。
本発明の実施形態に係り、機械学習工程のフローチャートである。
本発明の実施形態に係り、正解バウンディングボックス、アサイン領域及び推定バウンディングボックス間の関係を示す図である。
本発明の実施形態に属する実施例ＥＸ１＿Ａに係り、正解バウンディングボックス及びアサイン領域間の関係を示す図である。
本発明の実施形態に属する実施例ＥＸ１＿Ａに係り、正解バウンディングボックス、アサイン領域及び推定バウンディングボックス間の関係を示す図である。
本発明の実施形態に属する実施例ＥＸ１＿Ｂに係り、正解バウンディングボックス及びアサイン領域間の関係を示す図である。
本発明の実施形態に属する実施例ＥＸ２＿Ａに係り、正解バウンディングボックス及びアサイン領域間の関係を示す図である。
本発明の実施形態に属する実施例ＥＸ２＿Ｂに係り、正解バウンディングボックス及びアサイン領域間の関係を示す図である。
本発明の実施形態に属する第３実施例に係り、学習用画像内に複数の正解バウンディングボックスが設定される様子を示す図（ａ）と、学習用画像内に複数の推定バウンディングボックスが設定される様子を示す図（ｂ）である。
本発明の実施形態に属する第３実施例に係り、物体の密集ケースにおける正解バウンディングボックス、アサイン領域及び推定バウンディングボックス間の関係を示す図である。
本発明の実施形態に属する第３実施例に係り、物体の非密集ケースにおける正解バウンディングボックス、アサイン領域及び推定バウンディングボックス間の関係を示す図である。
本発明の実施形態に属する第３実施例に係り、複数の正解バウンディングボックスと複数の推定バウンディングボックスとの間におけるＩｏＵの群を示す図である。
本発明の実施形態に属する第３実施例に係り、ＩｏＵの概念図である。
本発明の実施形態に属する第６実施例に係り、学習装置のコントローラの機能ブロック図である。
【発明を実施するための形態】
【００１０】
以下、本発明の実施形態の例を、図面を参照して具体的に説明する。参照される各図において、同一の部分には同一の符号を付し、同一の部分に関する重複する説明を原則として省略する。尚、本明細書では、記述の簡略化上、情報、信号、物理量、機能部、回路、素子又は部品等を参照する記号又は符号を記すことによって、該記号又は符号に対応する情報、信号、物理量、機能部、回路、素子又は部品等の名称を省略又は略記することがある。
（【００１１】以降は省略されています）

関連特許