特許ウォッチ

公開番号2025114071
公報種別公開特許公報(A)
公開日2025-08-05
出願番号2024008494
出願日2024-01-24
発明の名称モデル生成装置、制御装置、モデル生成方法、及びプログラム
出願人三菱重工業株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06T 7/00 20170101AFI20250729BHJP(計算;計数)
要約【課題】検出性能の低下を抑制しつつ、メモリ使用量を適切に削減することができるモデル生成装置、制御装置、モデル生成方法、及びプログラムを提供すること。
【解決手段】本開示に係るモデル生成装置は、メモリ使用量が削減された画像認識モデルを生成するモデル生成装置であって、画像認識モデルを用いた物体検出処理における各フィルタのメモリ使用量を可視化する可視化部と、メモリ使用量が所定の閾値を超える中間層を特定する中間層特定部と、特定した中間層におけるフィルタ削除量を計算する削除量計算部と、特定した中間層の畳み込みフィルタを削除したフィルタ削除済みモデルを生成するフィルタ削除部と、を備える。
【選択図】図3
特許請求の範囲【請求項１】
畳み込み処理用のフィルタを複数含む画像認識モデルを取得するモデル取得部と、
前記フィルタの値に基づき、複数の前記フィルタのうちから削除するフィルタを選択し、前記選択した前記フィルタを削除したフィルタ削除済みモデルを生成するフィルタ削除部と、を備える、
モデル生成装置。
続きを表示（約 1,000 文字）【請求項２】
前記フィルタ削除部は、フィルタの値の絶対値の総和の小さい順に、前記フィルタを削除する、
請求項１に記載のモデル生成装置。
【請求項３】
前記画像認識モデルに含まれる各フィルタのメモリ使用量を算出する可視化部と、
前記メモリ使用量が所定の閾値を超える中間層を特定する中間層特定部と、
特定した前記中間層におけるフィルタ削除量を計算する削除量計算部と、
さらに含み、
前記フィルタ削除部は、前記フィルタの値及び前記フィルタ削除量に基づいて、特定した前記中間層に含まれる前記フィルタのうちから、削除するフィルタを選択する、
請求項１又は請求項２に記載のモデル生成装置。
【請求項４】
前記可視化部は、実行中の層の処理結果保持用のメモリと、前層処理結果保持用のメモリと、ネットワークパラメータの保持用のメモリと、を足し合わせることにより、特定の時刻のメモリ使用量を計算する、
請求項３に記載のモデル生成装置。
【請求項５】
前記フィルタ削除済みモデルに対して、学習用の画像データを用いて画像データに写る物体の特徴について再学習させて、再学習済みモデルを生成する再学習部をさらに備える、
請求項１又は請求項２に記載のモデル生成装置。
【請求項６】
請求項５に記載のモデル生成装置によって生成された前記再学習済みモデルを用いて、画像データに対して画像認識処理を実行する画像認識処理実行部と、
前記画像認識処理の結果に基づいて、各種の制御信号を出力する制御信号出力部と、
各種の情報を表示する表示部に前記画像認識処理の結果を表示させる表示制御部と、を備える、
制御装置。
【請求項７】
畳み込み処理用のフィルタを複数含む画像認識モデルを取得するステップと、
前記フィルタの値に基づき、複数の前記フィルタのうちから削除するフィルタを選択し、前記選択した前記フィルタを削除したフィルタ削除済みモデルを生成するステップと、を含む、
モデル生成方法。
【請求項８】
畳み込み処理用のフィルタを複数含む画像認識モデルを取得するステップと、
前記フィルタの値に基づき、複数の前記フィルタのうちから削除するフィルタを選択し、前記選択した前記フィルタを削除したフィルタ削除済みモデルを生成するステップと、を含む、
プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、モデル生成装置、制御装置、モデル生成方法、及びプログラムに関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
大規模な学習データセットを用いて、長時間に亘って学習された公開ニューラルネットワークに対して、実環境に則したデータセットを用いて再学習させることで、公開ニューラルネットワークを調整することが行われている。これにより、大規模な学習データセットから得られる汎用的な物体検出の性能を継承しつつ、実環境に調整された物体検出の性能を獲得することができる。
【０００３】
例えば、下記の特許文献１には、データに対して処理を行う畳み込みニューラルネットワークを構成する演算ユニットと、演算ユニットで用いるデータを記憶する記憶領域と、処理の結果を出力する出力手段と、を備え、畳み込みニューラルネットワークは、第１の内積演算を含む第１の処理を行う第１の中間層と、第２の内積演算を含む第２の処理を行う第２の中間層と、を備え、第１の内積演算のための第１のフィルタデータと、第２の内積演算のための第２のフィルタデータのビット幅が異なるように構成される情報処理装置が開示されている。
【先行技術文献】
【特許文献】
【０００４】
特許第６８２３４９５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、上記の特許文献１に記載の従来技術においては、フィルタデータのビット幅を変更していることから、全ての枚数の特徴マップのビット幅が削減されることになり、画像認識処理における物体検出の性能の劣化が大きく、公開ニューラルネットワークの物体検出の性能を効率よく継承することができなかった。
【０００６】
本開示は上記課題を鑑み、検出性能の低下を抑制しつつメモリ使用量を削減することができるモデル生成装置、制御装置、モデル生成方法、及びプログラム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】
上述した課題を解決し、目的を達成するために、本開示に係るモデル生成装置は、畳み込み処理用のフィルタを複数含む画像認識モデルを取得するモデル取得部と、前記フィルタの値に基づき、複数の前記フィルタのうちから削除するフィルタを選択し、前記選択した前記フィルタを削除したフィルタ削除済みモデルを生成するフィルタ削除部と、を備える。
【０００８】
上述した課題を解決し、目的を達成するために、本開示に係る制御装置は、モデル生成装置によって生成された前記再学習済みモデルを用いて、画像データに対して画像認識処理を実行する画像認識処理実行部と、前記画像認識処理の結果に基づいて、各種の制御信号を出力する制御信号出力部と、各種の情報を表示する表示部に前記画像認識処理の結果を表示させる表示制御部と、を備える。
【０００９】
上述した課題を解決し、目的を達成するために、本開示に係るモデル生成方法は、畳み込み処理用のフィルタを複数含む画像認識モデルを取得するステップと、前記フィルタの値に基づき、複数の前記フィルタのうちから削除するフィルタを選択し、前記選択した前記フィルタを削除したフィルタ削除済みモデルを生成するステップと、を含む。
【００１０】
上述した課題を解決し、目的を達成するために、本開示に係るプログラムは、畳み込み処理用のフィルタを複数含む画像認識モデルを取得するステップと、前記フィルタの値に基づき、複数の前記フィルタのうちから削除するフィルタを選択し、前記選択した前記フィルタを削除したフィルタ削除済みモデルを生成するステップと、を含む。
【発明の効果】
（【００１１】以降は省略されています）

関連特許