特許ウォッチ

公開番号2025164054
公報種別公開特許公報(A)
公開日2025-10-30
出願番号2024067781
出願日2024-04-18
発明の名称物体検出装置および物体検出方法
出願人株式会社日立製作所
代理人弁理士法人ウィルフォート国際特許事務所
主分類G06N 20/00 20190101AFI20251023BHJP(計算;計数)
要約【課題】物体の検出精度を向上させる。
【解決手段】物体検出装置100は、対象物を検出する。物体検出装置100は、観測データ取得部101と、関連データ取得部102と、情報整形部103と、推論部107と、表示部106と、を備える。観測データ取得部は、対象物をメインセンサ110が検出した観測データを取得する。関連データ取得部は、メインセンサのパラメータおよび観測環境を示す環境データを含む関連データを取得する。情報整形部は、関連データまたは関連データを識別器の少なくとも一部で処理した結果を、識別器に入力可能な形状に拡張した整形データを生成する。推論部は、関連データおよび整形データを識別器に入力して畳み込み処理によって対象物を推論する。表示部は、推論部による推論結果を表示させる。
【選択図】図1
特許請求の範囲【請求項１】
対象物を検出する物体検出装置であって、
前記対象物をメインセンサが検出した観測データを取得する観測データ取得部と、
前記メインセンサのパラメータおよび観測環境を示す環境データを含む関連データを取得する関連データ取得部と、
前記関連データまたは当該関連データを識別器の少なくとも一部で処理した結果を、前記識別器に入力可能な形状に拡張した整形データを生成する整形部と、
前記関連データおよび前記整形データを前記識別器に入力して畳み込み処理によって前記対象物を推論する推論部と、
前記推論部による推論結果を表示させる表示部と、を備える物体検出装置。
続きを表示（約 950 文字）【請求項２】
前記観測データおよび前記整形データを学習する学習部を備える、
請求項１に記載の物体検出装置。
【請求項３】
前記観測データ取得部は、水中の前記対象物を前記メインセンサが検出した観測データを取得する、
請求項１に記載の物体検出装置。
【請求項４】
前記推論部は、前記関連データの一部を、確率的に欠損を表す値に置き換える、
請求項１に記載の物体検出装置。
【請求項５】
前記学習部は、複数の前記関連データそれぞれに対して、前記識別器への入力位置を決定する、
請求項２に記載の物体検出装置。
【請求項６】
前記学習部は、複数の前記関連データそれぞれに対して、前記識別器への入力可否および入力の位置が設定された複数のパターンを学習する、
請求項２に記載の物体検出装置。
【請求項７】
前記推論部は、複数の前記識別器のうち前記学習部で学習した識別器を選択する、
請求項２に記載の物体検出装置。
【請求項８】
前記表示部は、前記推論部に入力される前記関連データを表示させる、
請求項１に記載の物体検出装置。
【請求項９】
前記表示部は、前記推論部によって推論された前記対象物の検出結果を表示させる、
請求項１に記載の物体検出装置。
【請求項１０】
対象物を検出する物体検出装置による物体検出方法であって、
前記対象物をメインセンサが検出した観測データを取得するステップと、
前記メインセンサのパラメータおよび観測環境を示す環境データを含む関連データを取得するステップと、
前記関連データまたは当該関連データを識別器の少なくとも一部で処理した結果を、前記識別器に入力可能な形状に拡張した整形データを生成するステップと、
前記観測データおよび前記整形データを学習するステップと、
前記関連データおよび前記整形データを前記識別器に入力して畳み込み処理によって前記対象物を推論するステップと、
前記推論の結果を表示させるステップと、を有する物体検出方法。
?

発明の詳細な説明【技術分野】
【０００１】
本発明は、物体検出装置および物体検出方法に関する。
続きを表示（約 1,300 文字）【背景技術】
【０００２】
広域で対象物体を探索したり、その位置情報を用いて対象物体を回収または回避するために、船舶、自動車または無人機などの移動体にセンサを取り付け、センサから得られたデータを用いて対象物体を検出する研究が推進されている。
【０００３】
広域を移動しながらあるいは状況が異なる様々な場所において、精度高く対象物体を検出することが求められており、近年では機械学習手法の適用が行われている。
【０００４】
しかし、目標物体を探す対象である観測データは、光量、光源の位置、地形、地質、温度、ノイズなどに応じて性質が大きく異なるため、１つの識別器では高い精度で目標物体を検出できないこともある。
【０００５】
非特許文献１には、観測データの画像に加えて、画像形式および数値形式の追加データを用いて推論することが記載されている。この文献では、画像形式のデータをＲｅｓＮｅｔ５０によってベクトル化すると共に、数値形式のデータをそのままの値で集め一列にし、全結合によって観測データにそれぞれのデータを付加している。
【先行技術文献】
【非特許文献】
【０００６】
西澤勇祐本間伸一戸邉勇人宮嶋保幸福島大介マルチモーダル深層学習による切羽剥落の予測２０１９年度人工知能学会全国大会２０１９ｐ．２
【発明の概要】
【発明が解決しようとする課題】
【０００７】
物体検出において一つの識別器で様々な状況に対しても高い精度を実現するために、観測データに加えて、観測環境を示すデータ（以後、環境データと称する）やセンサのパラメータを含む関連データを用いることが考えられる。関連データを用いることで観測データからは得られない観測環境に関する情報が得られ、識別器が観測環境つまり観測データの性質に合わせて物体検出することができる。
【０００８】
しかし、関連データの活用には、考慮すべき課題がある。課題の一つは、観測データと関連データの形式および性質が異なる場合である。物体検出において、観測データは、一般的に画像データで場所の意味を含むデータである。これに対し、関連データの中には、カメラの露光時間または移動体の移動速度などスカラー値であって、場所の意味を含まず、観測データ全体にかかわるデータがある。そのため、関連データを観測データに均一に適用できることが望ましい。
【０００９】
課題のもう一つは、関連データを適用する位置である。近年、物体検出に用いられる手法は、深層学習が主流であり、層毎に処理が分かれていて分岐および統合ができることから、関連データ毎に付加（統合）する位置（層）が決められることが望ましい。
【００１０】
しかしながら、非特許文献１では、１度に全結合で観測データに関連データを付加しているため、上記の要望を満たすことができない。
（【００１１】以降は省略されています）

関連特許