特許ウォッチ

公開番号2025131033
公報種別公開特許公報(A)
公開日2025-09-09
出願番号2024028515
出願日2024-02-28
発明の名称学習プログラム、学習方法及び学習装置
出願人住友電気工業株式会社
代理人個人,個人,個人,個人
主分類G06T 7/00 20170101AFI20250902BHJP(計算;計数)
要約【課題】疑似画像を用いた機械学習によって生成した学習済みモデルの精度の向上が図れる学習プログラム、学習方法及び学習装置を提供する。
【解決手段】学習プログラムは、撮影された良品画像、及び、擬似的に生成され且つ不良部分を含む不良画像を取得する画像取得ステップと、良品画像の第一特徴、及び、不良画像において不良部分以外の領域の第二特徴を取得する特徴取得ステップと、特徴取得ステップにおいて取得された第一特徴と第二特徴とが類似するか否かを判定する判定ステップと、判定ステップにおいて第一特徴と第二特徴とが類似すると判定された場合、当該第二特徴を有する不良画像を用いて、学習モデルの機械学習を行う学習ステップと、をコンピュータに実行させる。
【選択図】図2
特許請求の範囲【請求項１】
少なくとも一つのプロセッサにおいて実行され、学習モデルの機械学習を行う学習プログラムであって、
擬似的に生成された疑似画像を取得する取得ステップと、
前記取得ステップにおいて取得された前記疑似画像が所定の条件を満たすか否かを判定する判定ステップと、
前記判定ステップにおいて前記所定の条件を満たすと判定された前記疑似画像を用いて、前記学習モデルの機械学習を行う学習ステップと、
をコンピュータに実行させる、学習プログラム。
続きを表示（約 1,000 文字）【請求項２】
前記取得ステップでは、撮影された実画像を取得し、
前記判定ステップでは、前記疑似画像及び前記実画像を敵対的生成ネットワークに入力し、前記敵対的生成ネットワークの出力結果に基づいて、前記疑似画像が前記所定の条件を満たすか否かを判定する、請求項１に記載の学習プログラム。
【請求項３】
前記取得ステップでは、撮影された実画像を取得し、
前記疑似画像及び前記実画像のそれぞれの特徴点を含む特徴空間において、前記疑似画像の特徴点と前記実画像の特徴点との間に存在し得る仮想画像を生成する生成ステップを前記コンピュータに実行させ、
前記判定ステップでは、前記仮想画像及び前記実画像を敵対的生成ネットワークに入力し、前記敵対的生成ネットワークの出力結果に基づいて、前記疑似画像が前記所定の条件を満たすか否かを判定する、請求項１に記載の学習プログラム。
【請求項４】
前記取得ステップでは、撮影された実画像を取得し、
前記疑似画像及び前記実画像のそれぞれの特徴点を含む特徴空間において、前記疑似画像の特徴点と前記実画像の特徴点との間に存在し得る仮想画像を生成する生成ステップを前記コンピュータに実行させ、
前記判定ステップでは、前記疑似画像及び前記仮想画像のそれぞれを判定モデルに入力し、前記判定モデルの出力結果に基づいて、前記疑似画像が前記所定の条件を満たすか否かを判定する、請求項１に記載の学習プログラム。
【請求項５】
少なくとも一つのプロセッサにおいて実行され、学習モデルの機械学習を行う学習方法であって、
擬似的に生成された疑似画像を取得する取得ステップと、
前記取得ステップにおいて取得された前記疑似画像が所定の条件を満たすか否かを判定する判定ステップと、
前記判定ステップにおいて前記所定の条件を満たすと判定された前記疑似画像を用いて、前記学習モデルの機械学習を行う学習ステップと、を含む、学習方法。
【請求項６】
少なくとも一つのプロセッサを備え、学習モデルの機械学習を行う学習装置であって、
擬似的に生成された疑似画像を取得する取得部と、
前記取得部によって取得された前記疑似画像が所定の条件を満たすか否かを判定する判定部と、
前記判定部において前記所定の条件を満たすと判定された前記疑似画像を用いて、前記学習モデルの機械学習を行う学習部と、を備える、学習装置。

発明の詳細な説明【技術分野】
【０００１】
本開示は、学習プログラム、学習方法及び学習装置に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
特許文献１には、不良部画像の画像データである不良部データを記憶する不良部データ記憶部と、良品画像の画像データである良品データを記憶する良品データ記憶部と、不良部データ、良品データ、及び生成パラメータに基づいて、良品画像に不良部画像を合成した学習画像の画像データである学習データを生成する学習データ生成部と、学習データを記憶する学習データ記憶部と、生成パラメータを設定する生成パラメータ設定部と、を備える学習データ生成装置が開示されている。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－２７４２４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
物品の検査方法として、機械学習によって生成された学習済みモデルに物品を含む画像を入力して、学習済みモデルから出力される予測結果に応じて物品を検査する方法がある。予測精度を向上させるためには、多くの教師データを用いて学習済みモデルを生成することが好ましい。しかしながら、実際の検査工程においては、不良品の発生は多くないため、不良品に関する不良画像（実画像）を多く得ることは困難である。そのため、多くの不良画像を得るために時間を要するため、学習済みモデルの生成に時間を要する。そこで、上記のように、不良画像の疑似画像を生成し、疑似画像を教師データとして用いて学習モデルの機械学習を行っている。
【０００５】
しかしながら、生成された疑似画像の特徴は、実際に撮影された実画像の特徴と同等であるとは限らない。疑似画像の特徴と実画像の特徴とに大きな差異がある場合、その疑似画像を用いて学習モデルの機械学習を行ったとしても、学習済みモデルの精度は向上しない。
【０００６】
本開示は、疑似画像を用いた機械学習によって生成した学習済みモデルの精度の向上が図れる学習プログラム、学習方法及び学習装置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】
本開示の一実施形態に係る学習プログラムは、少なくとも一つのプロセッサにおいて実行され、学習モデルの機械学習を行う学習プログラムであって、擬似的に生成された疑似画像を取得する取得ステップと、取得ステップにおいて取得された疑似画像が所定の条件を満たすか否かを判定する判定ステップと、判定ステップにおいて所定の条件を満たすと判定された疑似画像を用いて、学習モデルの機械学習を行う学習ステップと、をコンピュータに実行させる。
【発明の効果】
【０００８】
本開示によれば、疑似画像を用いた機械学習によって生成した学習済みモデルの精度の向上が図れる。
【図面の簡単な説明】
【０００９】
図１は、一実施形態に係る予測システムで用いられるコンピュータのハードウェア構成の一例を示す図である。
図２は、予測システムの機能構成の一例を示す図である。
図３は、敵対的生成ネットワークのアーキテクチャを示す図である。
図４は、仮想空間における特徴点の分布の一例の示す図である。
図５は、仮想空間における特徴点の分布の一例の示す図である。
図６は、ニューラルネットワークの一例を示す図である。
図７は、学習方法、及び、学習済みモデルの生成の一例を処理フローとして示すフローチャートである。
図８は、予測方法の一例を処理フローとして示すフローチャートである。
【発明を実施するための形態】
【００１０】
［本開示の実施形態の説明］
最初に、本開示の実施形態の内容を列記して説明する。以下に記載する実施形態の少なくとも一部を任意に組み合わせてもよい。
（【００１１】以降は省略されています）

関連特許