特許ウォッチ

公開番号2025172503
公報種別公開特許公報(A)
公開日2025-11-26
出願番号2024078048
出願日2024-05-13
発明の名称情報処理方法
出願人トヨタ自動車株式会社
代理人個人,個人,個人
主分類G06T 7/00 20170101AFI20251118BHJP(計算;計数)
要約【課題】学習用モデルの学習におけるプライバシー保護を可能とする。
【解決手段】学習モデルは、複数の第1モデルと、該複数の第1モデルとは異なる第2モデルとにより構成されている。情報処理方法は、学習モデルの学習に用いられる画像を複数のパッチに分割する分割工程と、複数のパッチを、重複することなく、複数の第1モデルに夫々入力する第1入力工程と、複数の第1モデルから夫々出力される複数の計算結果各々にノイズを追加する追加工程と、ノイズが追加された複数の計算結果を、第2モデルに入力する第2入力工程と、を含む。
【選択図】図2
特許請求の範囲【請求項１】
学習モデルは、複数の第１モデルと、前記複数の第１モデルとは異なる第２モデルとにより構成されており、
前記学習モデルの学習に用いられる画像を複数のパッチに分割する分割工程と、
前記複数のパッチを、重複することなく、前記複数の第１モデルに夫々入力する第１入力工程と、
前記複数の第１モデルから夫々出力される複数の計算結果各々にノイズを追加する追加工程と、
ノイズが追加された前記複数の計算結果を、前記第２モデルに入力する第２入力工程と、
を含む情報処理方法。
続きを表示（約 310 文字）【請求項２】
前記第１入力工程では、前記複数のパッチが、無作為に、且つ、重複することなく、前記複数の第１モデルに夫々入力される
請求項１に記載の情報処理方法。
【請求項３】
前記第２入力工程では、前記画像における前記複数のパッチ各々の位置と、前記複数のパッチ各々が入力された第１モデルとの対応関係を示す情報に基づいて、ノイズが追加された前記複数の計算結果が統合された後、ノイズが追加された前記複数の計算結果が前記第２モデルに入力される
請求項２に記載の情報処理方法。
【請求項４】
前記ノイズは、ガウシアンノイズである
請求項１に記載の情報処理方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理方法の技術分野に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
この種の方法として、例えば、学習用モデルを構成するニューラルネットワークを複数に分割して、学習用モデルの学習におけるプライバシー保護を可能にする方法が提案されている（特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
特開２０２４－０３０６１４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に記載された技術には、改善の余地がある。
【０００５】
本発明は、上記事情に鑑みてなされたものであり、学習用モデルの学習におけるプライバシー保護を可能とする情報処理方法を提供することを課題とする。
【課題を解決するための手段】
【０００６】
本開示の一態様に係る情報処理方法は、学習モデルは、複数の第１モデルと、前記複数の第１モデルとは異なる第２モデルとにより構成されており、前記学習モデルの学習に用いられる画像を複数のパッチに分割する分割工程と、前記複数のパッチを、重複することなく、前記複数の第１モデルに夫々入力する第１入力工程と、前記複数の第１モデルから夫々出力される複数の計算結果各々にノイズを追加する追加工程と、ノイズが追加された前記複数の計算結果を、前記第２モデルに入力する第２入力工程と、を含むというものである。
【図面の簡単な説明】
【０００７】
情報処理システムの構成を示す図である。
情報処理システムのデータの流れ及び学習用モデルの構成例を示す図である。
情報処理システムのデータの流れの要部を示す図である。
ノイズの算出方法の具体例を説明するための図である。
情報処理方法の一例を示すフローチャートである。
情報処理システムのデータの流れの要部を示す図である。
【発明を実施するための形態】
【０００８】
＜第１実施形態＞
情報処理方法に係る第１実施形態について図１乃至図５を参照して説明する。先ず、画像認識の深層学習に係る情報処理方法について説明する。本実施形態では、学習に用いられる画像が複数のパッチに分割される。本実施形態では、学習用モデルの構成として、パッチ分割ニューラルネットワーク（ＰａｔｃｈＳｐｌｉｔＮｅｕｒａｌＮｅｔｗｏｒｋ）が用いられる。学習用モデルは、例えば、ＣＮＮ（ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ）が、ＵｐｐｅｒモデルとＬｏｗｅｒモデルとの２つに分割されたモデルであってよい。
【０００９】
図１において、情報処理システム１０は、ユーザ端末１０２と、複数のパッチサーバ１１０（１１０
１～Ｎ
）と、複数のＵｐｐｅｒモデルを夫々保存する複数のＵｐｐｅｒサーバ１１２（１１２
１～Ｎ
）と、Ｌｏｗｅｒモデルを保存するＬｏｗｅｒサーバ１１４とを備える。ユーザ端末１０２、複数のパッチサーバ１１０、複数のＵｐｐｅｒサーバ１１２及びＬｏｗｅｒサーバ１１４は、ネットワークＮＷを介して接続されている。
【００１０】
ユーザ端末１０２は、学習に用いられる画像の入力に用いられる端末である。パッチサーバ１１０は、ユーザ端末１０２を用いて入力された画像が分割されることによって生成される複数のパッチを保管するためのストレージサーバである。Ｕｐｐｅｒサーバ１１２及びＬｏｗｅｒサーバ１１４は、学習用モデルとしてのＵｐｐｅｒモデル及びＬｏｗｅｒモデルを夫々保管するサーバである。
（【００１１】以降は省略されています）

関連特許