特許ウォッチ

公開番号2025161250
公報種別公開特許公報(A)
公開日2025-10-24
出願番号2024064278
出願日2024-04-11
発明の名称検出プログラム、検出方法および情報処理装置
出願人富士通株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06T 7/00 20170101AFI20251017BHJP(計算;計数)
要約【課題】映像データにおいて見え方が変化する物体への物体検出モデルの検出精度低下を抑制すること。
【解決手段】情報処理装置は、映像データの各フレームを物体検出モデルに入力し、フレームにおける物体の画像上の検出位置と、信頼度スコアを取得する。情報処理装置は、信頼度スコアが第1閾値以上である場合にフレームに物体が存在すると判定した第1結果と、信頼度スコアが第1閾値より高い第2閾値以上である場合にフレームに物体が存在すると判定した第2結果とを取得する。情報処理装置は、第1結果と第2結果に基づいて映像データのうち物体が存在する期間を特定した第3結果を取得する。情報処理装置は、第3結果と正解データとの差が小さくなるように第1閾値と第2閾値を設定する。
【選択図】図5
特許請求の範囲【請求項１】
映像データの各フレームを物体検出モデルに入力し、前記フレームにおける物体の画像上の検出位置と、信頼度スコアを取得し、
前記信頼度スコアが第１閾値以上である場合に前記フレームに物体が存在すると判定した第１結果と、前記信頼度スコアが前記第１閾値より高い第２閾値以上である場合に前記フレームに物体が存在すると判定した第２結果とを取得し、
前記第１結果と前記第２結果に基づいて前記映像データのうち前記物体が存在する期間を特定した第３結果を取得し、
前記第３結果と正解データとの差が小さくなるように前記第１閾値と前記第２閾値を設定する
処理をコンピュータに実行させることを特徴とする検出プログラム。
続きを表示（約 1,400 文字）【請求項２】
前記第１結果は前記信頼度スコアが第１閾値以上となる前記フレームの複数の第１期間を含み、前記第２結果は前記信頼度スコアが第２閾値以上となる前記フレームの複数の第２期間を含み、前記第３結果を取得する処理は、前記複数の第１期間のうち、前記第２期間を含む期間となる第１期間を、前記第３結果として取得することを特徴とする請求項１に記載の検出プログラム。
【請求項３】
映像データの各フレームを前記物体検出モデルに入力することで取得される前記信頼度スコアと、前記設定する処理によって設定された前記第１閾値と前記第２閾値とを基にして、前記映像データの各フレームから物体検出を行う処理を更にコンピュータに実行させることを特徴とする請求項１に記載の検出プログラム。
【請求項４】
先の第１期間の終了時刻から、前記先の第１期間の直後の第１期間の開始時刻までの時間が所定の時間閾値未満である場合に、前記先の第１期間の開始時刻から、前記直後の第１期間の終了時刻までの期間を、新たな第１期間に設定し、
先の第２期間の終了時刻から、前記先の第２期間の直後の第２期間の開始時刻までの時間が前記所定の時間閾値未満である場合に、前記先の第２期間の開始時刻から、前記直後の第２期間の終了時刻までの期間を、新たな第２期間に設定する処理を更にコンピュータに実行させることを特徴とする請求項１に記載の検出プログラム。
【請求項５】
前記正解データに含まれる時系列のフレームを分析し、前記時系列のフレームのうち、対象の物体が映っていないが、前記対象の物体が存在するフレームを特定し、特定したフレームに物体が存在する情報を付与する処理を更にコンピュータに実行させることを特徴とする請求項１に記載の検出プログラム。
【請求項６】
映像データの各フレームを物体検出モデルに入力し、前記フレームにおける物体の画像上の検出位置と、信頼度スコアを取得し、
前記信頼度スコアが第１閾値以上である場合に前記フレームに物体が存在すると判定した第１結果と、前記信頼度スコアが前記第１閾値より高い第２閾値以上である場合に前記フレームに物体が存在すると判定した第２結果とを取得し、
前記第１結果と前記第２結果に基づいて前記映像データのうち前記物体が存在する期間を特定した第３結果を取得し、
前記第３結果と正解データとの差が小さくなるように前記第１閾値と前記第２閾値を設定する
処理をコンピュータが実行することを特徴とする検出方法。
【請求項７】
映像データの各フレームを物体検出モデルに入力し、前記フレームにおける物体の画像上の検出位置と、信頼度スコアを取得し、
前記信頼度スコアが第１閾値以上である場合に前記フレームに物体が存在すると判定した第１結果と、前記信頼度スコアが前記第１閾値より高い第２閾値以上である場合に前記フレームに物体が存在すると判定した第２結果とを取得し、
前記第１結果と前記第２結果に基づいて前記映像データのうち前記物体が存在する期間を特定した第３結果を取得し、
前記第３結果と正解データとの差が小さくなるように前記第１閾値と前記第２閾値を設定する
処理を実行する制御部を有する情報処理装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、検出プログラム等に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
物体検出には、ＹＯＬＯ（You Only Look Once）等のＤＬ（Deep Learning）モデルが利用されている。ＤＬモデルからは、物体のラベル、画像上の物体の位置、信頼度スコアが得られる。信頼度スコアが高いほど、正しく物体を検出している可能性が高いことを示す。
【０００３】
従来技術では、ＤＬモデルを推論に用いる場合、信頼度スコアに対して閾値を設け、閾値を超える信頼度スコアの検出結果を採用する。なお、従来技術では、誤検出を抑制したい場合には閾値を高く設定し、未検出を抑制したい場合には閾値を低く設定している。
【先行技術文献】
【特許文献】
【０００４】
特表２０２２－５４５０３０号公報
特開２０２０－８６５４５号公報
特表２０２１－５０６０１７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、上述した従来技術では、誤検出を抑制しようとすると未検出が増え、未検出を抑制しようとすると誤検出が増えるという、互いに影響を及ぼす関係にあるため、信頼度スコアに対する閾値の設定が難しい。以下の説明では、適宜、信頼度スコアの閾値を、単に閾値と表記する。
【０００６】
図２１は、ＤＬモデルの閾値と検出結果の関係を説明するための図である。図２１に示すグラフＧ１の縦軸は「Precision」に対応する軸であり、横軸は「Recall」に対応する軸である。線ｌ１は、Precision Recall Curveと呼ばれ、閾値を変更することで、描画される（閾値に応じて、PrecisionとRecallとの関係が定まる）。
【０００７】
図２２は、PrecisionおよびRecallを説明するための図である。図２２のテーブルＴａ１において、「正解：陽性」は、正解データが陽性であることを示す。「正解：陰性」は、正解データが陰性であることを示す。「予測：陽性」は、ＤＬモデルの予測結果（検出結果）が陽性であることを示す。「予測：陰性」は、ＤＬモデルの予測結果が陰性であることを示す。
【０００８】
「正解：陽性」かつ「予測：陽性」であることを「ＴＰ（True Positive）」とする。「正解：陽性」かつ「予測：陰性」であることを「ＦＮ（False Negative）」とする。「正解：陰性」かつ「予測：陽性」であることを「ＦＰ（False Positive）」とする。「正解：陰性」かつ「予測：陰性」であることを「ＴＰ（True Positive）」とする。
【０００９】
ここで、Precisionは「ＴＰ／（ＴＰ＋ＦＰ）」によって定義される。Precisionの値が大きいほど、誤検出が抑制されていることを示す。Recallは「ＴＰ／（ＴＰ＋ＦＮ）」によって定義される。Recallの値が大きいほど、未検出が抑制されていることを示す。
【００１０】
図２１の説明に戻る。たとえば、閾値（conf-thres）を「０．９」に設定すると、Precision＝「０．９８」、Recall＝「０．３」となる。一方、閾値を「０．１」に設定すると、Precision＝「０．２」、Recall＝「０．９」となる。すなわち、誤検出を抑制しようとして閾値を大きくすると未検出が増え、閾値を小さくして未検出を抑制しようとすると誤検出が増えることが、図２１の線ｌ１によって示される。
（【００１１】以降は省略されています）

関連特許