特許ウォッチ

公開番号2025179725
公報種別公開特許公報(A)
公開日2025-12-10
出願番号2024086655
出願日2024-05-28
発明の名称情報処理装置及び方法
出願人株式会社Rist
代理人個人,個人,個人
主分類G06V 10/774 20220101AFI20251203BHJP(計算;計数)
要約【課題】アンカーボックスベースの物体検出に関する技術を改善する。
【解決手段】対象物を示す正解ラベルがそれぞれ付与された複数の第1画像20Aを用いて、入力画像に含まれる対象物を検出する学習モデルを訓練する情報処理装置10であって、複数の第1画像20Aに対してx軸及びy軸のうち一方に沿った第1方向に縮小する第1画像処理、x軸及びy軸のうち他方に沿った第2方向に拡大する第2画像処理、又はこれらの組合わせをそれぞれ施した複数の第2画像20Bを生成し、複数の第2画像20Bを用いて学習モデルを訓練する制御部15を備える。
【選択図】図1
特許請求の範囲【請求項１】
対象物を示す正解ラベルがそれぞれ付与された複数の第１画像を用いて、入力画像に含まれる前記対象物を検出する学習モデルを訓練する情報処理装置であって、
前記複数の第１画像に対してｘ軸及びｙ軸のうち一方に沿った第１方向に縮小する第１画像処理、ｘ軸及びｙ軸のうち他方に沿った第２方向に拡大する第２画像処理、又はこれらの組合わせをそれぞれ施した複数の第２画像を生成し、前記複数の第２画像を用いて前記学習モデルを訓練する制御部
を備える、情報処理装置。
続きを表示（約 1,100 文字）【請求項２】
請求項１に記載の情報処理装置であって、
前記制御部は、
訓練済みの前記学習モデルに入力画像を入力する際、前記第１画像処理、前記第２画像処理、又はこれらの組合わせを施してから前記入力画像を前記訓練済みの学習モデルに入力し、
前記訓練済みの学習モデルの出力に基づいて、前記第１画像処理が施される前の前記入力画像に含まれる前記対象物を検出し、
前記第１画像処理、前記第２画像処理、又はこれらの組合わせが施される前の前記入力画像に対して、検出された前記対象物を示すマーカを重畳した結果画像を生成する、情報処理装置。
【請求項３】
請求項１に記載の情報処理装置であって、
前記学習モデルは、ＲＰＮ（Region Proposal Network）を含み、
前記正解ラベルは、前記対象物の前記第１画像上の位置及び形状を示すバウンディングボックスを含み、
前記制御部は、
前記複数の第２画像のそれぞれに複数のアンカーボックスを設定し、
前記複数の第２画像のそれぞれに設定された前記複数のアンカーボックスと、前記第１画像処理によって前記第１方向に縮小された前記バウンディングボックスとの比較に基づいて、前記学習モデルのＲＰＮを訓練する、情報処理装置。
【請求項４】
請求項３に記載の情報処理装置であって、
前記複数の第２画像のそれぞれに含まれる前記対象物の前記第１方向の長さは、前記前記複数の第２画像のそれぞれに設定された各前記アンカーボックスのスケールと略一致する、情報処理装置。
【請求項５】
請求項１に記載の情報処理装置であって、
前記制御部は、前記複数の第１画像に対して、前記第１画像処理及び前記第２画像処理の両方を施すことによって、前記複数の第２画像を生成する、情報処理装置。
【請求項６】
請求項５に記載の情報処理装置であって、
前記複数の第２画像のそれぞれに含まれる前記対象物のアスペクト比が、１：１、２：１又は１：２に略一致する、情報処理装置。
【請求項７】
対象物を示す正解ラベルがそれぞれ付与された複数の第１画像を用いて、入力画像に含まれる前記対象物を検出する学習モデルを訓練する情報処理装置が実行する方法であって、
前記複数の第１画像に対してｘ軸及びｙ軸のうち一方に沿った第１方向に縮小する第１画像処理、ｘ軸及びｙ軸のうち他方に沿った第２方向に拡大する第２画像処理、又はこれらの組合わせをそれぞれ施した複数の第２画像を生成するステップと、
前記複数の第２画像を用いて前記学習モデルを訓練するステップと、
を含む、方法。

発明の詳細な説明【技術分野】
【０００１】
本開示は、情報処理装置及び方法に関する。
続きを表示（約 1,500 文字）【背景技術】
【０００２】
従来、アンカーボックスベースの物体検出に関する技術が知られている。例えば特許文献１には、バウンディングボックスのパラメータの分布に基づいて複数のアンカーボックスのパラメータを決定するパラメータ決定装置について開示されている。
【先行技術文献】
【特許文献】
【０００３】
特許第７３２７５０８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
アンカーボックスベースの物体検出では、バウンディングボックス、すなわち検出したい物体の画像上の形状等に応じて、アンカーボックスに関するハイパーパラメータ（例えばスケール及びアスペクト比）の調整を行うことが望ましい。しかしながら、アンカーボックスに関するハイパーパラメータの調整は一般的に煩雑である。また、利用する学習モデルによっては、そもそもハイパーパラメータが規定値から変更できない場合や、規定値からの変更が推奨されない場合がある。したがって、アンカーボックスベースの物体検出に関する技術には改善の余地があった。
【０００５】
かかる事情に鑑みてなされた本開示の目的は、アンカーボックスベースの物体検出に関する技術を改善することにある。
【課題を解決するための手段】
【０００６】
本開示の一実施形態に係る情報処理装置は、
対象物を示す正解ラベルがそれぞれ付与された複数の第１画像を用いて、入力画像に含まれる前記対象物を検出する学習モデルを訓練する情報処理装置であって、
前記複数の第１画像に対してｘ軸及びｙ軸のうち一方に沿った第１方向に縮小する第１画像処理をそれぞれ施した複数の第２画像を生成し、前記複数の第２画像を用いて前記学習モデルを訓練する制御部を備える。
【０００７】
本開示の一実施形態に係る方法は、
対象物を示す正解ラベルがそれぞれ付与された複数の第１画像を用いて、入力画像に含まれる前記対象物を検出する学習モデルを訓練する情報処理装置が実行する方法であって、
前記複数の第１画像に対してｘ軸及びｙ軸のうち一方に沿った第１方向に縮小する第１画像処理をそれぞれ施した複数の第２画像を生成するステップと、
前記複数の第２画像を用いて前記学習モデルを訓練するステップと、を含む。
【発明の効果】
【０００８】
本開示の一実施形態によれば、アンカーボックスベースの物体検出に関する技術が改善される。
【図面の簡単な説明】
【０００９】
本開示の一実施形態に係る情報処理装置の概略構成を示すブロック図である。
複数の対象物を含む第１画像の模式図である。
第１画像上の対象物とアンカーボックスを示す模式図である。
情報処理装置の第１動作を示すフローチャートである。
第１画像処理が施された第２画像上の対象物とアンカーボックスを示す模式図である。
第１画像処理及び第２画像処理が施された第２画像上の対象物とアンカーボックスを示す模式図である。
情報処理装置の第２動作を示すフローチャートである。
対象物にマーカが重畳された結果画像の模式図である。
他の実施形態に係る情報処理装置に表示される画面の第１例を示す図である。
他の実施形態に係る情報処理装置に表示される画面の第２例を示す図である。
【発明を実施するための形態】
【００１０】
以下、本開示の実施形態について説明する。
（【００１１】以降は省略されています）

関連特許