特許ウォッチ

公開番号2025175718
公報種別公開特許公報(A)
公開日2025-12-03
出願番号2024081939
出願日2024-05-20
発明の名称学習装置、学習方法及び学習プログラム
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 20170101AFI20251126BHJP(計算;計数)
要約【課題】学習済みモデルの精度の向上が図れる学習装置、学習方法及び学習プログラムを提供する。
【解決手段】学習装置は、画像を取得する画像取得部と、画像取得部によって取得された画像の特徴をカテゴリ毎に取得する特徴取得部と、画像を用いて学習モデルの機械学習を行う学習部と、を備え、学習部は、複数のカテゴリのそれぞれに対応する複数の第一学習モデルを有し、カテゴリに属する特徴を有する画像を用いて当該カテゴリに対応する第一学習モデルの機械学習を個別に行い、複数の第一学習モデルのパラメータを組み合わせて第二学習済みモデルを生成する。
【選択図】図2
特許請求の範囲【請求項１】
画像を取得する画像取得部と、
前記画像取得部によって取得された前記画像の特徴をカテゴリ毎に取得する特徴取得部と、
前記画像を用いて学習モデルの機械学習を行う学習部と、を備え、
前記学習部は、
複数の前記カテゴリのそれぞれに対応する複数の第一学習モデルを有し、
前記カテゴリに属する前記特徴を有する前記画像を用いて当該カテゴリに対応する前記第一学習モデルの機械学習を個別に行い、
複数の前記第一学習モデルのパラメータを組み合わせて第二学習済みモデルを生成する、学習装置。
続きを表示（約 660 文字）【請求項２】
前記特徴取得部は、規定のプロンプトに基づいて、前記カテゴリに対応する前記特徴を取得する、請求項１に記載の学習装置。
【請求項３】
画像を取得する画像取得ステップと、
前記画像取得ステップにおいて取得された前記画像の特徴をカテゴリ毎に取得する特徴取得ステップと、
前記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、を含み、
前記学習ステップでは、
複数の前記カテゴリのそれぞれに対応する複数の第一学習モデルを有し、
前記カテゴリに属する前記特徴を有する前記画像を用いて当該カテゴリに対応する前記第一学習モデルの機械学習を個別に行い、
複数の前記第一学習モデルのパラメータを組み合わせて第二学習済みモデルを生成する、学習方法。
【請求項４】
画像を取得する画像取得ステップと、
前記画像取得ステップにおいて取得された前記画像の特徴をカテゴリ毎に取得する特徴取得ステップと、
前記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、
前記学習ステップでは、
複数の前記カテゴリのそれぞれに対応する複数の第一学習モデルを有し、
前記カテゴリに属する前記特徴を有する前記画像を用いて当該カテゴリに対応する前記第一学習モデルの機械学習を個別に行い、
複数の前記第一学習モデルのパラメータを組み合わせて第二学習済みモデルを生成する、学習プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、学習装置、学習方法及び学習プログラムに関する。
続きを表示（約 1,700 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】
学習済みモデルの精度の向上を図るためには、学習済みモデルにおいて性能の低いプロパティ（苦手（弱点）とする特徴）を有する画像を用いて学習モデルの機械学習する必要がある。そのため、学習装置では、性能の低いプロパティ（不良部分の大きさ、位置等）に関する疑似画像を生成し、この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繰り返し行う。しかしながら、性能の低いプロパティを有する疑似画像ばかりを用いて学習を繰り返すと、性能の低いプロパティに関しての精度は向上するものの、元々性能の高かったプロパティの精度が相対的に低下し得る。その結果、学習済みモデルの精度の低下を招来し得る。
【０００６】
本開示は、学習済みモデルの精度の向上が図れる学習装置、学習方法及び学習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】
本開示の一側面に係る学習装置は、画像を取得する画像取得部と、画像取得部によって取得された画像の特徴をカテゴリ毎に取得する特徴取得部と、画像を用いて学習モデルの機械学習を行う学習部と、を備え、学習部は、複数のカテゴリのそれぞれに対応する複数の第一学習モデルを有し、カテゴリに属する特徴を有する画像を用いて当該カテゴリに対応する第一学習モデルの機械学習を個別に行い、複数の第一学習モデルのパラメータを組み合わせて第二学習済みモデルを生成する。
【発明の効果】
【０００８】
本開示によれば、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、学習部における学習方法を概略的に示す図である。
図４は、ニューラルネットワークの一例を示す図である。
図５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６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