特許ウォッチ

公開番号2025068600
公報種別公開特許公報(A)
公開日2025-04-28
出願番号2024175446
出願日2024-10-07
発明の名称画像を識別してトレーニングする方法、機器および記憶媒体
出願人株式会社NTTドコモ
代理人インフォート弁理士法人
主分類G06T 7/00 20170101AFI20250421BHJP(計算;計数)
要約【課題】ノイズラベル付きデータに対するモデルのロバスト性を向上させる、画像を識別してトレーニングする方法、機器及び記憶媒体を提供する。
【解決手段】画像を識別してトレーニングする方法は、有効な識別マークのない画像サンプルに対して第1のデータ拡張を実行して、第1の拡張画像のサンプルセットを生成するステップと、人工知能識別モデルと前記第1の拡張画像のサンプルセットで、有効な識別マークのない画像サンプルに対して識別して予測するステップと、予測された結果で、有効な識別マークのない画像サンプルに擬似ラベルを付けるステップと、有効な識別マークのない画像サンプルと擬似ラベルを使用して、人工知能識別モデルに対して、教師あり学習を実行するステップと、を含む。これにより、クリーンデータとノイズデータを同時に利用して、データ分布およびノイズ分布の仮定への依存から脱却する。
【選択図】図1
特許請求の範囲【請求項１】
有効な識別マークのない画像サンプルに対して第１のデータ拡張を実行して、第１の拡張画像のサンプルセットを生成するステップと、
人工知能識別モデルと前記第１の拡張画像のサンプルセットで、前記有効な識別マークのない画像サンプルに対して識別して予測するステップと、
予測された結果で、前記有効な識別マークのない画像サンプルに擬似ラベルを付けるステップと、
前記有効な識別マークのない画像サンプルと前記擬似ラベルを使用して、前記人工知能識別モデルに対して、教師あり学習を実行するステップと、を含む、画像を識別してトレーニングする方法。
続きを表示（約 1,900 文字）【請求項２】
前記有効な識別マークのない画像サンプルと前記擬似ラベルを使用して、前記人工知能識別モデルに対して教師あり学習を実行するステップは、
有効な識別マークのない画像サンプルに対して第２のデータ拡張を実行して、第２の拡張画像のサンプルセットを生成するステップと、
前記人工知能識別モデルに、前記第２の拡張画像のサンプルセットと前記擬似ラベルを入力して、教師あり学習を実行するステップとを含み、
前記第２のデータ拡張は、前記第１のデータ拡張とは異なる、請求項１に記載の画像を識別してトレーニングする方法。
【請求項３】
前記予測された結果で、前記有効な識別マークのない画像サンプルに前記擬似ラベルを付けるステップは、
前記予測された結果での最大確率が予め設定された確率閾値以上である場合、前記最大確率を有する識別マークを、前記有効な識別マークのない画像サンプルの擬似ラベルとしてラベル付けるステップを含む、請求項１または２に記載の画像を識別してトレーニングする方法。
【請求項４】
前記方法は、
人工知能識別モデルと前記第１の拡張画像のサンプルセットで、前記有効な識別マークのない画像サンプルに対して識別して予測する前に、有効な識別マークのある画像サンプルと当該識別マークを使用して、前記人工知能分類モデルに対して、教師あり学習を実行するステップを含む、請求項１または２に記載の画像を識別してトレーニングする方法。
【請求項５】
前記方法は、
トレーニング画像サンプルを、ノイジーな画像サンプルとクリーンな画像サンプルとに分け、前記ノイジーな画像サンプルを前記有効な識別マークのない画像サンプルとして使用し、前記クリーンな画像サンプルを、前記有効な識別マークのある画像サンプルとして使用するステップを含む、請求項４に記載の画像を識別してトレーニングする方法。
【請求項６】
トレーニング画像サンプルをノイジーな画像サンプルとクリーンな画像サンプルとに分けるステップは、
前記トレーニング画像サンプルをに対して第３のデータ拡張を実行して、第３の拡張画像のサンプルセットを生成するステップと、
前記人工知能識別モデルで、前記第３の拡張画像のサンプルセットを識別して予測し、前記第３の拡張画像のサンプルセットのうち拡張された各画像サンプルが、前記トレーニング画像サンプルの識別マークに対応するか否かを判断するステップと、
前記第３の拡張画像のサンプルセットおいて、ターゲットマークに対応する、拡張された画像サンプルの数の割合を決定するステップと、
前記割合が予め設定された閾値以上である場合、前記トレーニング画像サンプルを前記クリーンな画像サンプルとして識別し、そうでない場合、前記トレーニング画像サンプルをノイジーな画像サンプルとして識別するステップとを含む、請求項５に記載の画像を識別してトレーニングする方法。
【請求項７】
前記方法は、
ターゲットマーク付きテキストからテキスト特徴を抽出するステップと、
入力された画像サンプルセットのうち画像サンプルから画像特徴を抽出するステップと、
前記テキスト特徴と前記画像特徴との類似性に基づいて、前記入力された画像サンプルセットから、有効な画像サンプルを決定して前記トレーニング画像サンプルとするステップとを含む、請求項５に記載の画像を識別してトレーニングする方法。
【請求項８】
前記第１のデータ拡張は、画像サンプルに対する空間的な変更であり、前記第２のデータ拡張は、前記画像サンプルの画像ピクセル自体に対する変更を含む、請求項２に記載の画像を識別してトレーニングする方法。
【請求項９】
プロセッサと、
１つまたは複数のコンピュータプログラムモジュールが記憶されるメモリと、を含み、
前記１つまたは複数のコンピュータプログラムモジュールが前記プロセッサによって実行される場合、請求項１～８のいずれか一項に記載の画像を識別してトレーニングする方法が実行される、画像を識別してトレーニングする機器。
【請求項１０】
コンピュータ命令が記憶される非一時的なコンピュータ読み取り可能な記憶媒体であって、プロセッサによって前記コンピュータ命令が実行される場合、請求項１～８のいずれか一項に記載の画像を識別してトレーニングする方法が実現される、コンピュータ読み取り可能な記憶媒体。

発明の詳細な説明【技術分野】
【０００１】
本願は、画像を処理する技術分野に関し、特に画像を識別してトレーニングする方法、機器および記憶媒体に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
画像分類のトレーニングセットにノイズデータが含まれる場合、ニューラルネットワークが強力な適合能力を有することにより、通常、モデルのトレーニングにおいてノイズラベルが過剰適合（ｏｖｅｒｆｉｔｔｉｎｇ）され、クリーンなデータセットに対するモデルの汎化能力が大幅に低下してしまう。したがって、ノイズラベル付きデータに対するモデルのロバスト性を向上させることが特に重要である。
【０００３】
ノイズラベル付き画像を分類する問題に関して、現在において主流になる方法は、ノイズ分布またはデータ分布に関して行われた仮定に基づいて、合成ノイズデータセット（例えば、対称ノイズや非対称ノイズ）にモデル化することである。しかし、実際には、実際のノイズ分布と合成ノイズとの間には大きな違いがある。例えば、現実世界のノイズデータセットには、通常、複数の種類のノイズが同時に含まれており、これらのノイズが、粒度の細かいノイズである一方、合成ノイズデータセットには、通常、単一種類のノイズしか含まれておらず、類似した大きなクラス間で混同が発生すると想定される。したがって、データ分布とノイズ分布の仮定に依存する従来のノイズ除去方法は、ロバスト性が高くない。
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上記課題に鑑み、本開示は、画像を識別してトレーニングする方法、機器および記憶媒体を提供する。
【０００５】
本開示の一態様によれば、
有効な識別マークのない画像サンプルに対して第１のデータ拡張を実行して、第１の拡張画像のサンプルセットを生成するステップと、
人工知能（ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ）分類モデルと前記第１の拡張画像のサンプルセットで、前記有効な識別マークのない画像サンプルに対して識別して予測するステップと、
予測された結果で、前記有効な識別マークのない画像サンプルに擬似ラベルを付けるステップと、
前記有効な識別マークのない画像サンプルと前記擬似ラベルで、前記人工知能識別モデルに対して教師あり学習を実行するステップと、を含む、画像を識別してトレーニングする方法が提供される。
【０００６】
本開示の一例によれば、前記有効な識別マークのない画像サンプルと前記擬似ラベルで、前記人工知能識別モデルに対して教師あり学習を実行するステップは、
有効な識別マークのない画像サンプルに対して第２のデータ拡張を実行して、第２の拡張画像のサンプルセットを生成するステップと、
前記第２の拡張画像のサンプルセットと前記擬似ラベルを、前記人工知能識別モデルに入力して、教師あり学習を実行するステップとを含み、
前記第２のデータ拡張は、前記第１のデータ拡張とは異なる。
【０００７】
本開示の一例によれば、前記予測された結果で、前記有効な識別マークのない画像サンプルに前記擬似ラベルを付けるステップは、前記予測された結果での最大確率が予め設定された確率閾値以上である場合、前記最大確率を有する識別マークを、前記有効な識別マークのない画像サンプルの擬似ラベルとしてラベル付けるステップを含む。
【０００８】
本開示の一例によれば、前記方法は、人工知能識別モデルと前記第１の拡張画像のサンプルセットで、前記有効な識別マークのない画像サンプルに対して識別して予測する前に、有効な識別マークのある画像サンプルと当該識別マークを使用して、前記人工知能識別モデルに対して、教師あり学習を実行するステップを含む。
【０００９】
本開示の一例によれば、前記方法は、トレーニング画像サンプルを、ノイジーな画像サンプルとクリーンな画像サンプルとに分け、前記ノイジーな画像サンプルを、前記有効な識別マークのない画像サンプルとして使用し、前記クリーンな画像サンプルを、前記有効な識別マークのある画像サンプルとして使用するステップを含む。
【００１０】
本開示の一例によれば、トレーニング画像サンプルをノイジーな画像サンプルとクリーンな画像サンプルとに分けるステップは、
前記トレーニング画像サンプルに対して第３のデータ拡張を実行して、第３の拡張画像のサンプルセットを生成するステップと、
前記人工知能識別モデルで、前記第３の拡張画像のサンプルセットを識別して予測し、前記第３の拡張画像のサンプルセットのうち拡張された各画像サンプルが、前記トレーニング画像サンプルの識別マークに対応するか否かを判断するステップと、
前記第３の拡張画像のサンプルセットにおいて、前記ターゲットマークに対応する、拡張された画像サンプルの数の割合を決定するステップと、
前記割合が予め設定された閾値以上である場合、前記トレーニング画像サンプルを、前記クリーンな画像サンプルとして識別し、そうでない場合、前記トレーニング画像サンプルをノイジーな画像サンプルとして識別するステップとを含む。
（【００１１】以降は省略されています）

関連特許