TOP
|
特許
|
意匠
|
商標
特許ウォッチ
Twitter
他の特許を見る
公開番号
2025102246
公報種別
公開特許公報(A)
公開日
2025-07-08
出願番号
2023219576
出願日
2023-12-26
発明の名称
超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラム
出願人
日産自動車株式会社
代理人
個人
,
個人
,
個人
主分類
G06T
3/4053 20240101AFI20250701BHJP(計算;計数)
要約
【課題】三次元の物理場を高解像度化する場合であっても、高解像度化を行う学習モデルを作成する時間の増加を抑制することができる、超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムを提供する。
【解決手段】超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムによれば、物理場を表現する第1データと、第1データよりも高い空間解像度で物理場を表現する第2データと、を含む教師データを処理する。第1データを学習モデルに入力した際に、学習モデルから出力される出力データを算出し、出力データと第2データに基づいて、教師学習損失を算出し、出力データに基づいて、物理損失を算出する。そして、物理損失に第1係数を乗算した結果を、教師学習損失に加算して合計損失を算出し、合計損失に基づいて学習モデルの訓練を実行し、訓練を繰り返す際に、第1係数を単調増加させる。
【選択図】図1
特許請求の範囲
【請求項1】
物理場を表現する第1データと、
前記第1データよりも高い空間解像度で前記物理場を表現する第2データと、
を含む教師データが入力されるコントローラを制御する超解像度学習方法であって、
前記コントローラは、
前記第1データを学習モデルに入力した際に、前記学習モデルから出力される出力データを算出し、
前記出力データと前記第2データに基づいて、教師学習損失を算出し、
前記出力データに基づいて、物理損失を算出し、
前記物理損失に第1係数を乗算した結果を、前記教師学習損失に加算して合計損失を算出し、
前記合計損失に基づいて前記学習モデルの訓練を実行し、
前記訓練を繰り返す際に、前記第1係数を単調増加させる、
超解像度学習方法。
続きを表示(約 790 文字)
【請求項2】
前記コントローラは、前記訓練を実行した回数が所定回数未満である場合に前記第1係数を所定閾値未満に設定する、請求項1に記載の超解像度学習方法。
【請求項3】
前記コントローラは、前記訓練を最初に実行する際に前記第1係数を0に設定する、請求項1に記載の超解像度学習方法。
【請求項4】
前記コントローラは、前記第1係数を1以下に設定する、請求項1に記載の超解像度学習方法。
【請求項5】
前記コントローラは、前記訓練を最後に実行する際に前記第1係数を1に設定する、請求項1に記載の超解像度学習方法。
【請求項6】
前記コントローラは、
前記第1データ及び前記出力データを弁別モデルに入力した際に、前記弁別モデルから出力される弁別データを算出し、
前記弁別データと前記第2データに基づいて、敵対的学習損失を算出し、
前記敵対的学習損失に第2係数を乗算した結果を、前記教師学習損失に更に加算して前記合計損失を算出する、
請求項1に記載の超解像度学習方法。
【請求項7】
前記コントローラは、前記訓練を繰り返す際に、前記第2係数を単調増加させる、請求項6に記載の超解像度学習方法。
【請求項8】
前記コントローラは、前記訓練を実行した回数が所定回数未満である場合に前記第2係数を所定閾値未満に設定する、請求項6に記載の超解像度学習方法。
【請求項9】
前記コントローラは、前記訓練を最初に実行する際に前記第2係数を0に設定する、請求項6に記載の超解像度学習方法。
【請求項10】
前記コントローラは、前記第2係数を1以下に設定する、請求項6に記載の超解像度学習方法。
(【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、超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムに関する。
続きを表示(約 1,400 文字)
【背景技術】
【0002】
少数のデータで学習した複数の畳み込みニューラルモデルを併用して、元の画像から複数の高解像度画像の候補を生成し、生成した複数の高解像度画像の候補の中から、元の画像との差分が最も小さい候補を、高解像度画像として出力する技術が提案されている(特許文献1参照)。
【先行技術文献】
【特許文献】
【0003】
特許6236731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に開示される技術を用いて三次元の物理場を高解像度化する場合には、学習対象となるデータのサイズが増加することから、少数のデータであっても複数の学習モデルを作成する時間が増加しやすいという問題がある。
【0005】
本発明は、上記問題に鑑みてなされたものである。その目的とするところは、三次元の物理場を高解像度化する場合であっても、高解像度化を行う学習モデルを作成する時間の増加を抑制することができる、超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムを提供することにある。
【課題を解決するための手段】
【0006】
上述した問題を解決するために、本発明の一態様に係る超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムによれば、物理場を表現する第1データと、第1データよりも高い空間解像度で物理場を表現する第2データと、を含む教師データを処理する。第1データを学習モデルに入力した際に、学習モデルから出力される出力データを算出し、出力データと第2データに基づいて、教師学習損失を算出し、出力データに基づいて、物理損失を算出する。そして、物理損失に第1係数を乗算した結果を、教師学習損失に加算して合計損失を算出し、合計損失に基づいて学習モデルの訓練を実行し、訓練を繰り返す際に、第1係数を単調増加させる。
【発明の効果】
【0007】
本発明によれば、三次元の物理場を高解像度化する場合であっても、高解像度化を行う学習モデルを作成する時間の増加を抑制することができる。
【図面の簡単な説明】
【0008】
本実施形態に係る超解像度学習装置の構成を示すブロック図である。
本実施形態に係る超解像度学習装置の処理を示すフローチャートである。
本実施形態に係る超解像度学習装置の処理(変形例)を示すフローチャートである。
エポック数に対する係数の変化を示す図である。
【発明を実施するための形態】
【0009】
次に、図面を参照して、本発明の実施の形態を詳細に説明する。説明において、同一のものには同一符号を付して重複説明を省略する。
【0010】
[超解像度学習装置の構成]
図1は、本実施形態に係る超解像度学習装置の構成を示すブロック図である。図1に示すように、超解像度学習装置は、取得部71と、データベース73と、コントローラ100と、出力部400と、を備える。コントローラ100は、有線あるいは無線の通信路によって、取得部71、データベース73、出力部400と接続されている。
(【0011】以降は省略されています)
この特許をJ-PlatPatで参照する
関連特許
個人
対話装置
27日前
個人
情報処理装置
27日前
個人
政治のAI化
1か月前
個人
検査システム
1日前
個人
記入設定プラグイン
15日前
個人
情報処理装置
23日前
個人
プラグインホームページ
1か月前
個人
情報入力装置
27日前
株式会社サタケ
籾摺・調製設備
今日
個人
不動産売買システム
7日前
キヤノン電子株式会社
携帯装置
今日
個人
物価スライド機能付生命保険
27日前
個人
マイホーム非電子入札システム
27日前
キヤノン株式会社
情報処理装置
今日
キヤノン株式会社
情報処理装置
今日
サクサ株式会社
中継装置
今日
株式会社BONNOU
管理装置
20日前
キヤノン株式会社
画像処理装置
1か月前
大同特殊鋼株式会社
輝線検出方法
1か月前
シャープ株式会社
電子機器
1か月前
ホシデン株式会社
タッチ入力装置
7日前
株式会社ワコム
電子消去具
7日前
株式会社東芝
電子機器
8日前
サクサ株式会社
カードの制動構造
29日前
東洋電装株式会社
操作装置
今日
キヤノン電子株式会社
名刺管理システム
1日前
アスエネ株式会社
排水量管理方法
今日
東洋電装株式会社
操作装置
今日
個人
決済手数料0%のクレジットカード
1か月前
村田機械株式会社
割当補助システム
1か月前
トヨタ自動車株式会社
情報処理装置
1か月前
株式会社アジラ
データ転送システム
1か月前
個人
パターン抽出方法及び通信多重化方法
6日前
株式会社JVCケンウッド
管理装置
1日前
トヨタ自動車株式会社
欠け検査装置
1か月前
株式会社ライト
情報処理装置
20日前
続きを見る
他の特許を見る