JP2020009114A - 画像評価装置、システム、画像評価装置の制御方法およびプログラム - Google Patents

Abstract

【課題】ネットワークサービスで肯定的な評価を得る画像を評価できる画像評価装置、画像評価方法およびプログラムを提供する。【解決手段】画像評価装置は、ネットワークサービスに投稿された投稿データに含まれる画像および投稿データに対する評価値を、所定間隔で取得する取得手段と、画像に対して画像分析手法を適用して第１パラメータを生成する第１画像分析手段と、生成された第１パラメータと評価値とを対応付けて記憶部に記憶させる制御手段と、評価対象画像の入力を受け付けた際に、第１画像分析手段が適用した画像分析手法を適用して第２パラメータを生成する第２画像分析手段と、記憶部に記憶されている複数の第１パラメータのうち、第２パラメータに対応する第１パラメータを抽出する抽出手段と、抽出された評価値の時系列的な変化を示すパラメータ評価値を算出する算出手段と、算出されたパラメータ評価値を通知する通知手段と、を備える。【選択図】図２

Description

本発明は、ネットワークサービスに投稿する画像の評価を行う画像評価装置、システム、画像評価装置の制御方法およびプログラムに関する。

近年、ソーシャルネットワークサービス（以下、ＳＮＳ）が利用されている。ＳＮＳは、個人だけでなく、企業でも活用されている。ＳＮＳの利用者（以下、ユーザ）は、所定の端末を用いて、画像をＳＮＳに投稿することができる。ＳＮＳに投稿された画像は、ＳＮＳを利用する複数のユーザが閲覧可能であり、各ユーザは、投稿された画像に対する肯定的な評価または否定的な評価を行うことができる。関連する技術として、撮影画像を適切なＳＮＳへ投稿する技術が提案されている（特許文献１を参照）。この技術における電子機器は、撮影画像の撮影シーンや撮影時のカメラの姿勢等に基づいて、複数のＳＮＳのうち撮影画像を投稿するＳＮＳを選択している。

特開２０１５−２２０６１６号公報

ところで、ＳＮＳ等のネットワークサービスにおいて肯定的な評価を得ることができる画像は、流行に左右され易く、経時的に変化する。従って、ユーザが、ネットワークサービスで肯定的な評価を得ることを目的とした画像を投稿する場合、ユーザは、現在、どのような画像がネットワークサービスで肯定的な評価を得ているのかを目視で確認する。そして、ユーザは、確認結果に基づいて、ネットワークサービスに投稿する画像を選択する。ネットワークサービスには多数の画像が投稿されており、画像の評価も経時的に変化することから、目視の確認により肯定的な評価を得るための画像を選択することは、ユーザにとって負担になる。特許文献１の技術では、撮影画像の撮影シーンや撮影時のカメラの姿勢等に基づいて、投稿先のＳＮＳを選択しているが、ネットワークサービスで肯定的な評価を得られる画像を選択するものではないため、画像を選択する際のユーザの負担は軽減されない。

本発明の目的は、ネットワークサービスで肯定的な評価を得る画像を評価できる画像評価装置、システム、画像評価方法およびプログラムを提供することにある。

上記目的を達成するために、本発明の画像評価装置は、ネットワークサービスに投稿された投稿データに含まれる画像および前記投稿データに対する評価値を、所定間隔で取得する取得手段と、前記投稿データを取得した際に、前記画像に対して画像分析手法を適用して第１パラメータを生成する第１画像分析手段と、生成された前記第１パラメータと前記評価値とを対応付けて記憶部に記憶させる制御手段と、評価対象画像の入力を受け付けた際に、前記第１画像分析手段が適用した前記画像分析手法を適用して第２パラメータを生成する第２画像分析手段と、前記記憶部に記憶されている複数の前記第１パラメータのうち、前記第２パラメータに対応する第１パラメータを抽出する抽出手段と、抽出された前記第１パラメータに対応付けられた前記評価値の時系列的な変化を示すパラメータ評価値を算出する算出手段と、算出された前記パラメータ評価値を通知する通知手段と、を備えることを特徴とする。

本発明によれば、ネットワークサービスで肯定的な評価を得る画像を評価できる画像評価装置、システム、画像評価方法およびプログラムを提供することができる。

実施形態に係る画像評価装置の構成図である。 実施形態に係るデータおよび処理の流れを示す図である。 ＳＮＳテーブルおよび分析手法テーブルの例を示す図である。 投稿データテーブルおよび抽出条件テーブルの例を示す図である。 算出テーブルおよびパラメータ評価値マトリクスの例を示す図である。 画像分析結果を格納する処理の流れを示すフローチャートである。 評価対象画像の入力を検知した際の処理の流れを示すフローチャートである。

以下、本発明の各実施の形態について図面を参照しながら詳細に説明する。しかしながら、以下の各実施の形態に記載されている構成はあくまで例示に過ぎず、本発明の範囲は各実施の形態に記載されている構成によって限定されることはない。

図１は、実施形態に係る画像評価装置１００の構成図である。画像評価装置１００は、単一のコンピュータ装置により実現されてもよいが、複数のコンピュータ装置に画像評価装置１００の各機能を分散して実現するようにしてもよい。複数のコンピュータ装置により画像評価装置１００が実現される場合、複数のコンピュータ装置は、相互に通信可能なようにＬｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ（ＬＡＮ）やインターネット回線等で接続される。図１において、画像評価装置１００は、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ（ＣＰＵ）１０１とＲｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ（ＲＯＭ）１０２とＲａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ（ＲＡＭ）１０３とを有する。また、画像評価装置１００は、記憶装置１０４と操作入力インタフェース１０５と表示インタフェース１０６とネットワークインタフェース１０７と画像入力インタフェース１０８とを有する。図面において、インタフェースは「ＩＦ」と表記される。各部は、システムバス１１２により接続されている。操作入力インタフェース１０５は、ポインティングデバイス１０９およびキーボード１１０と接続されている。表示インタフェース１０６は、ディスプレイ１１１と接続されている。ネットワークインタフェース１０７は、インターネット１１４と接続されている。画像入力インタフェース１０８は、画像入力デバイス１１３と接続されている。

ＣＰＵ１０１は、画像評価装置１００の全体を制御する。ＲＯＭ１０２は、変更を必要としないプログラムやパラメータを格納している。ＲＡＭ１０３は、記憶装置１０４やインターネット１１４等から供給されるプログラムやデータを一時的に記憶する。記憶装置１０４は、画像評価装置１００に固定して設置されたハードディスクやメモリカード、画像評価装置１００から着脱可能な光ディスク、磁気カード、光カード、ＩＣカード等である。操作入力インタフェース１０５は、ポインティングデバイス１０９およびキーボード１１０に対する入力操作を受け付ける。表示インタフェース１０６は、画像評価装置１００が保持するデータ等を表示するためのディスプレイ１１１（表示装置）に接続されるインタフェースである。ネットワークインタフェース１０７は、インターネット１１４等のネットワーク回線に接続するためのインタフェースである。画像入力インタフェース１０８は、画像入力デバイス１１３と接続されるインタフェースである。実施形態の各処理は、画像評価装置１００のＣＰＵ１０１が、ＲＯＭ１０２やＲＡＭ１０３、記憶装置１０４、インターネット１１４等から供給されるプログラムを読み出して起動し、プログラムを実行することにより実現される。ＣＰＵ１０１がプログラムを実行することによりＣＰＵ１０１は、取得手段、第１画像分析手段、制御手段、第２画像分析手段、抽出手段、算出手段、通知手段および投稿手段として機能する。

図２は、実施形態に係るデータおよび処理の流れを示す。ＣＰＵ１０１は、ＳＮＳテーブル３０１に登録されている条件に従って、ＳＮＳ２０１から投稿データ２０２を取得する。画像評価装置１００は、ネットワークインタフェース１０７を介して、インターネット１１４に接続されている。インターネット１１４では、例えば、サーバ等により、ネットワークサービスとしてＳＮＳ（ソーシャルネットワークサービス）が運用されている。インターネット１１４においては、複数のＳＮＳが存在しており、各ＳＮＳは、それぞれ複数のユーザにより共有されている。ＳＮＳを利用するユーザは、自身が操作する端末（パーソナルコンピュータやスマートフォン等）を用いて、画像データを含む投稿データをＳＮＳに投稿することができる。ユーザが投稿データをＳＮＳに投稿する際に用いられる端末は、画像評価装置１００または画像入力デバイス１１３であってもよい。画像評価装置１００は、１つのＳＮＳ２０１から投稿データ２０２を取得してもよいし、複数のＳＮＳ２０１から投稿データ２０２を取得してもよい。以下、画像評価装置１００は、複数のＳＮＳ２０１から投稿データ２０２を取得するものとして説明する。

図３（Ａ）は、ＳＮＳテーブル３０１の例を示す。ＳＮＳテーブル３０１は、ＳＮＳ名３０２、取得対象３０３、取得タイミング３０４および前回取得日時３０５のカラムを有する。ＳＮＳ名３０２は、画像評価装置１００が評価対象とする各ＳＮＳを特定するための名称である。取得対象３０３は、各ＳＮＳのそれぞれについて、現在、評価対象であるかを示す。取得タイミング３０４は、取得対象のＳＮＳから投稿データ２０２を取得するタイミングを示し、所定間隔に対応する。前回取得日時３０５は、取得対象のＳＮＳについて、前回に投稿データ２０２を取得したタイミング（日時）を示す。ＳＮＳテーブル３０１には、ユーザにより設定されたレコードが格納される。以下、ＳＮＳテーブル３０１を含む各テーブルは、例えば、ＲＡＭ１０３や記憶装置１０４等に記憶されているものとする。

図２の投稿データ２０２は、投稿画像２０３および付帯情報２０４を含む。投稿画像２０３は、投稿データ２０２に含まれる画像（画像データ）である。付帯情報２０４は、ＳＮＳ情報や投稿日時、評価情報、ユーザ情報、投稿画像の画像情報等の投稿データ２０２の付帯情報である。ＳＮＳ情報は、各ＳＮＳのうち何れのＳＮＳの投稿データ２０２であるかを特定する情報である。投稿日時は、ＳＮＳに投稿データ２０２が投稿された日時を特定する情報である。評価情報は、投稿データ２０２に対する評価であり、投稿画像２０３に対する評価でもある。ＳＮＳを利用するユーザは、自身の端末を用いて、投稿データ２０２に対して、肯定的な評価（Ｇｏｏｄ等）または否定的な評価（Ｂａｄ等）を行うものとする。以下、投稿画像２０３に対する評価を画像評価とする。画像評価の数値は、投稿画像２０３および投稿画像２０３に対する評価値である。画像評価の数値は、投稿データ２０２に対する肯定的な評価の数であってもよいし、肯定的な評価の数とアクセス数（投稿データ２０２に対するアクセス数）との組み合わせであってもよい。また、画像評価の数値の算出手法は、ＳＮＳによって異なっていてもよい。ユーザ情報は、投稿データ２０２を投稿したユーザを特定する情報である。投稿画像の画像情報は、投稿画像２０３に関する情報である。

ＣＰＵ１０１は、取得した投稿データ２０２に含まれる投稿画像２０３に対し、画像分析手法２０５を適用して、第１パラメータカテゴリ２０６および第１パラメータ情報２０７を生成する。画像分析手法２０５は、第１画像分析手段に対応する。第１パラメータカテゴリ２０６は、第１パラメータ情報２０７のカテゴリである。第１パラメータ情報２０７のカテゴリは、投稿画像２０３に対して適用された画像分析手法２０５を示す。例えば、第１パラメータカテゴリ２０６は、第１画像分析手法として、「被写体分析」が適用された場合には「被写体情報」となり、「構図分析」が適用された場合には「構図情報」となる。

第１パラメータ情報２０７は、投稿画像２０３に対して画像分析手法２０５が適用して得られる分析結果であり、第１パラメータに対応する。画像分析手法２０５としては、既知の画像分析手法を用いることができる。例えば、投稿画像２０３に犬が写っているとする。ＣＰＵ１０１は、画像分析手法２０５として既知の被写体分析手法を投稿画像２０３に適用することにより、第１パラメータカテゴリ２０６として「被写体情報」、第１パラメータ情報２０７として被写体情報の「犬」を得る。さらに、ＣＰＵ１０１は、投稿画像２０３に対して、複数の画像分析手法２０５を適用してもよい。この場合、ＣＰＵ１０１は、第１パラメータカテゴリ２０６および第１パラメータ情報２０７を複数取得する。また、画像分析手法２０５は、投稿画像２０３や付帯情報２０４の一部のデータだけを利用する画像解析手法であってもよい。以下の第２パラメータカテゴリ２１１および第２パラメータ情報２１２も同様である。

ＣＰＵ１０１は、適用した画像分析手法２０５の情報を分析手法テーブル４０１に格納する。分析手法テーブル４０１は、投稿画像２０３に対して適用した画像分析手法２０５を特定する情報を格納するテーブルである。図３（Ｂ）は、分析手法テーブル４０１の例を示す。分析手法テーブル４０１は、分析手法４０２およびＳＮＳ名４０３のカラムを有する。分析手法４０２は、画像分析手法２０５が適用した画像分析手法の名称である。ＳＮＳ名４０３は、画像分析手法２０５を適用した投稿データ２０２のＳＮＳを特定する名称である。ＣＰＵ１０１は、画像分析手法２０５が画像分析手法を適用した際に、分析手法４０２およびＳＮＳ名４０３のレコード４０４を追加する。図３（Ｂ）の例では、ＳＮＳ名４０３が「ＳＮＳＡ」に対応する画像分析手法２０５として「被写体分析」が適用されたことを示すレコード４０４が分析手法テーブル４０１に格納されている。また、ＳＮＳ名４０３が「ＳＮＳＢ」に対応する画像分析手法２０５として「被写体分析」および「構図分析」が適用されたことを示すレコード４０４が分析手法テーブル４０１に格納されている。

ＣＰＵ１０１は、ＳＮＳ２０１から取得した投稿データ２０２、第１パラメータカテゴリ２０６および第１パラメータ情報２０７を、投稿データテーブル２０８に格納する。投稿データテーブル２０８について、図４（Ａ）を参照して説明する。図４（Ａ）の投稿データテーブル５０１は、図２の投稿データテーブル２０８である。ＣＰＵ１０１は、第１パラメータと画像評価５０４とを対応付けて、投稿データテーブル２０８に格納する。投稿データテーブル２０８は、記憶部に対応するＲＡＭ１０３または記憶装置１０４に記憶されているテーブルである。

図４（Ａ）の投稿データテーブル５０１は、投稿画像５０２、投稿日時５０３、画像評価５０４、投稿ユーザ５０５および被写体情報５０６のカラムを有する。投稿データテーブル５０１は、複数のＳＮＳのそれぞれについて、ＲＡＭ１０３または記憶装置１０４において、個別に管理される。投稿画像５０２は、投稿画像２０３のデータである。投稿日時５０３は、投稿画像２０３を含む投稿データ２０２が投稿された日時を示す。画像評価は、投稿画像２０３を含む投稿データ２０２に対する評価値である。投稿ユーザ５０５は、投稿画像２０３を含む投稿データ２０２をＳＮＳに投稿したユーザを識別するユーザ識別情報である。被写体情報５０６のカラムは、画像分析手法２０５が被写体分析を適用した場合における第１パラメータカテゴリ２０６を示す情報である。ＣＰＵ１０１は、画像分析手法２０５として被写体分析以外の分析手法を適用した場合、適用した分析手法を示すカラムを追加する。例えば、ＣＰＵ１０１は、投稿画像２０３に対して画像分析手法２０５として構図分析を適用した場合、構図分析を適用したことを示す新たなカラムを投稿データテーブル５０１に追加する。

投稿データテーブル５０１のレコード５０７の追加は、ＣＰＵ１０１が行う。例えば、ＣＰＵ１０１が、投稿画像２０３（画像１）に、画像分析手法２０５として被写体分析を適用し、第１パラメータ情報２０７として「犬」を得たとする。この場合、画像１のレコード５０７のうち、被写体分析を示す被写体情報５０６のデータは「犬」となる。このデータは、第１パラメータ情報２０７を示す。一方、被写体情報５０６は、第１パラメータカテゴリ２０６を示す。ＣＰＵ１０１は、投稿画像２０３に対して複数の画像分析手法を適用した場合、投稿データテーブル５０１に新たなカラムを追加する。ＣＰＵ１０１は、当該新たなカラムに、画像分析手法２０５が適用した分析手法（第１パラメータカテゴリ２０６）を示すカラム名を設定し、レコード５０７のデータとして、第１パラメータ情報２０７を格納する。投稿データテーブル５０１は、投稿画像２０３のメタデータ（Ｅｘｉｆ情報）のカラムや投稿データ２０２に対するコメントのカラム、投稿データ２０２のアクセス数のカラム等を有していてもよい。

図２に示されるように、画像評価装置１００に評価対象画像２０９が入力される。上述したように、画像入力インタフェース１０８は、画像入力デバイス１１３から評価対象画像２０９の入力を受け付ける。例えば、画像入力デバイス１１３は、評価対象画像２０９が記録されたカメラやスキャナ等である。評価対象画像２０９は、画像評価装置１００を操作するユーザにより選択された画像であってもよいし、画像入力デバイス１１３に新たに追加された画像等であってもよい。また、評価対象画像２０９は、複数枚であってもよい。画像入力インタフェース１０８が、評価対象画像２０９の入力を受け付けると、ＣＰＵ１０１が、評価対象画像２０９が入力されたことを検知する。ＣＰＵ１０１は、評価対象画像２０９の入力を検知すると、投稿データ２０２に含まれる投稿画像２０３に対して画像分析手法２０５が適用した画像分析手法と同じ画像分析手法２１０を、評価対象画像２０９に適用する。画像分析手法２１０は、第２画像分析手段に対応する。ＣＰＵ１０１は、評価対象画像２０９に画像分析手法２１０を適用することにより、第２パラメータカテゴリ２１１および第２パラメータ情報２１２を生成する。第２パラメータカテゴリ２１１は、評価対象画像２０９に対して画像分析手法２１０が適用して得られる分析結果であり、第２パラメータカテゴリ２１１は、第２パラメータ情報２１２のカテゴリである。

上述したように、インターネット１１４には、複数のＳＮＳ２０１が存在しており、画像評価装置１００は、複数のＳＮＳ２０１のそれぞれについて、投稿する画像を評価することができる。対象ＳＮＳ（評価対象画像２０９の投稿先のＳＮＳ２０１）は、ユーザが、ポインティングデバイス１０９またはキーボード１１０を用いて指定可能である。対象ＳＮＳの指定は、事前に画像評価装置１００に設定されていてもよい。

上述したように、ＳＮＳ２０１から取得された投稿データ２０２に含まれる投稿画像２０３に適用された画像分析手法２０５は、評価対象画像２０９に適用される画像分析手法２１０と同じである。投稿データ２０２に含まれる投稿画像２０３に対して、複数の画像分析手法２０５が適用されることがある。この場合、画像分析手法２１０として、投稿画像２０３に適用された複数の画像分析手法２０５のうち何れか１つ以上の画像分析手法が、評価対象画像２０９に適用されてもよい。

ＣＰＵ１０１は、第２パラメータカテゴリ２１１および抽出条件テーブル６０１に登録されている条件に従って、投稿データテーブル２０８から評価判定データ２１３を抽出する。図４（Ｂ）を参照して、抽出条件テーブル６０１について説明する。抽出条件テーブル６０１は、ＣＰＵ１０１が、投稿データテーブル５０１から抽出するデータ（レコード）の条件を格納する。抽出条件テーブル６０１は、期間６０２および対象ユーザ６０３のカラムを有する。期間６０２は、データの抽出対象の期間を示す。対象ユーザ６０３は、投稿データテーブル５０１の投稿ユーザ５０５のうち、抽出対象の投稿ユーザを示す。抽出条件テーブル６０１のレコード６０４は、ユーザにより設定される。例えば、ユーザが、ポインティングデバイス１０９またはキーボード１１０を用いて、抽出条件テーブル６０１の各レコードのうち、何れかのレコードを指定したとする。レコードが指定されると、ＣＰＵ１０１は、投稿データテーブル５０１からデータ（レコード５０７）を抽出する際の条件（期間６０２および対象ユーザ６０３）を認識する。例えば、投稿データテーブル５０１が第２パラメータカテゴリ２１１に対応するカラムとして被写体情報５０６を有しているとする。この場合、ＣＰＵ１０１は、指定されたレコードの期間６０２および対象ユーザ６０３の条件を満たすデータを投稿データテーブル５０１から抽出する。抽出されたデータが、図２に示される評価判定データ２１３である。

ＣＰＵ１０１は、抽出した評価判定データ２１３および算出テーブル７０１を用いて、パラメータ評価値マトリクス２１４を作成する。図５（Ａ）を参照して、算出テーブル７０１について説明する。算出テーブル７０１は、第２パラメータ情報２１２の評価値を示すパラメータ評価値を算出するための算出タイミング７０２および算出手法７０３のカラムを有する。算出タイミングは、パラメータ評価値を算出するタイミングを示す。算出手法は、パラメータ評価値を算出する手法を示す。算出テーブル７０１のレコード７０４は、ユーザにより設定される。図５（Ａ）の例では、算出手法は、算出タイミングの間の画像評価の平均または上昇率であることを示す。ＣＰＵ１０１は、指定されたレコードに対応する算出タイミング７０２および算出手法７０３を用いて、評価判定データ２１３からパラメータ評価値を算出する。算出手法７０３には、平均や上昇率だけではなく、任意の手法が適用されてもよい。

ＣＰＵ１０１は、指定された算出タイミング７０２および算出手法７０３を適用して、評価判定データ２１３から算出したパラメータ評価値を、パラメータ評価値マトリクス８０１に格納する。図５（Ｂ）は、算出タイミング７０２に「１か月毎」が指定され、算出手法に「平均」が指定された場合における、パラメータ評価値マトリクス８０１の例を示す。図５（Ｂ）のパラメータ評価値マトリクス８０１には、第２パラメータ情報２１２ごとの各算出タイミング（１か月毎）におけるパラメータ評価値が格納されている。評価判定データ２１３には、複数の第１パラメータ情報２０７のそれぞれに対応するパラメータ評価値が含まれる場合がある。パラメータ評価値マトリクス８０１のうち「評価」のカラムに含まれるパラメータ情報８０２（レコード）は、評価判定データ２１３に含まれる第１パラメータ情報２０７を示す。図５（Ｂ）は、パラメータ評価値マトリクス８０１に、第１パラメータ情報２０７として「犬」および「車」が含まれている例を示す。パラメータ評価値マトリクス８０１のうち、評価期間８０３は、指定された算出タイミング７０２の期間を示す。上述したように、算出タイミング７０２には「１か月毎」が指定されているため、図５（Ｂ）の評価期間８０３は、１か月毎の期間を示す。ＣＰＵ１０１は、第１パラメータ情報２０７ごとに、１か月毎のパラメータ評価値の平均を算出し、パラメータ評価値マトリクス８０１に格納する。

ここで、評価判定データ２１３は、投稿データテーブル２０８（投稿データテーブル５０１）のうち、第２パラメータカテゴリ２１１に対応するカラムを有するデータである。図４（Ａ）の例の投稿データテーブル５０１は、被写体情報５０６のカラムを有しており、被写体情報５０６は、第１パラメータカテゴリ２０６の「被写体」に対応する。第２パラメータカテゴリ２１１は「被写体」であるため、図５（Ｂ）のパラメータ評価値マトリクス８０１は、「被写体」のカテゴリについてのパラメータ評価値マトリクスである。図５（Ｂ）に示されるように、パラメータ評価値マトリクス８０１は、パラメータ情報８０２が「車」であるパラメータ評価値のレコード８０４およびパラメータ情報８０２が「犬」であるパラメータ評価値のレコード８０５を有する。レコード８０４および８０５は、第２パラメータ情報２１２に対応する第１パラメータ情報２０７の画像評価の時系列的な変化を示す。各パラメータ評価値が「１か月毎の平均」により得られる場合、各パラメータ評価値は、評価対象画像２０９の第２パラメータ情報２１２の「１か月毎の平均」の時間的な評価の推移を示す。

図２において、ＣＰＵ１０１は、パラメータ評価値マトリクス２１４のうち、第２パラメータ情報２１２と一致するパラメータ情報８０２を特定する。そして、ＣＰＵ１０１は、特定したパラメータ情報８０２の各パラメータ評価値のうち最新のパラメータ評価値を最終評価結果２１５として通知する。通知の態様としては、例えば、ＣＰＵ１０１が、評価対象画像２０９を入力した画像入力デバイスに最終評価結果２１５を通知してもよい。例えば、画像入力デバイスが画面を有するカメラである場合、カメラの画面に最終評価結果２１５が表示されてもよい。また、ＣＰＵ１０１が、表示インタフェース１０６を制御して、ディスプレイ１１１に最終評価結果２１５を表示させてもよい。

ＣＰＵ１０１は、取得したレコードのうち、所定期間の複数のパラメータ評価値を通知してもよい。例えば、画像入力デバイスに、所定期間の複数のパラメータ評価値が通知されると、画像入力デバイス１１３は、パラメータ評価値の時系列変化を提示することができる。パラメータ評価値マトリクス８０１が複数のレコードを有する場合、ＣＰＵ１０１は、通知するパラメータ評価値を、他の第１パラメータ情報２０７との相対値として通知してもよい。また、投稿手段として機能するＣＰＵ１０１は、最終評価結果２１５が所定値以上の場合、ネットワークインタフェース１０７を制御して、インターネット１１４上の対象ＳＮＳ２０１に自動的に、評価対象画像を投稿してもよい。上述した例では、１つのＳＮＳを対象とした処理について説明したが、複数のＳＮＳのそれぞれについて同様の処理が行われる。

次に、図６のフローチャートを参照して、画像分析結果を格納する処理について説明する。ＣＰＵ１０１は、画像評価装置１００が起動したことを検知すると、ＳＮＳテーブル３０１を参照し、各レコード３０６のそれぞれについて、取得対象になっているかを判定する（ステップＳ９０１）。図３（Ａ）の例のＳＮＳテーブル３０１の場合、ＳＮＳＡおよびＳＮＳＢのレコード３０６は、取得対象が「ＹＥＳ」になっているため、ステップＳ９０１の判定がＹＥＳになる。一方、ＳＮＳＣのレコード３０６は、取得対象が「ＮＯ」になっているため、ステップＳ９０１の判定がＮＯとなる。ステップＳ９０１の判定でＮＯとなったＳＮＳＣは取得対象ではない。従って、画像評価装置１００は、ＳＮＳＣから投稿データ２０２を取得することなく、処理は終了する。

ＣＰＵ１０１は、ステップＳ９０１でＹＥＳと判定されたレコード３０６について、画像評価装置１００が起動した日時が、取得タイミングであるかを判定する（ステップＳ９０２）。例えば、画像評価装置１００が起動した日時が「２０１８年４月５日」であったとする。ＳＮＳテーブル３０１では、ＳＮＳＡのレコード３０６の取得タイミング３０４が「１日毎」になっており、前回取得日時３０５が「２０１８年４月４日」になっている。この場合、画像評価装置１００が起動した日時は、ＳＮＳテーブル３０１のＳＮＳＡのレコード３０６の取得タイミングの条件を満たすため、ＳＮＳＡのレコード３０６についてのステップＳ９０２の判定はＹＥＳになる。一方、ＳＮＳＢのレコード３０６の取得タイミング３０４は「１週毎」であり、前回取得日時３０５が「２０１８年４月３日」である。この場合、画像評価装置１００が起動した日時は、ＳＮＳテーブル３０１のＳＮＳＢのレコード３０６の取得タイミングの条件を満たさないため、ＳＮＳのレコード３０６についてのステップＳ９０２の判定はＮＯになる。ステップＳ９０２の判定でＮＯになったレコード３０６に対応するＳＮＳＢについては、取得タイミングではないため、処理が終了する。

図３（Ａ）のＳＮＳテーブル３０１のうちＳＮＳＡは、取得対象および取得タイミングの条件を満たすため、ステップＳ９０２の判定でＹＥＳとなる。ＣＰＵ１０１は、ステップＳ９０２でＹＥＳと判定されたレコード３０６に対応するＳＮＳから投稿データ２０２を取得する（ステップＳ９０３）。この際、ＣＰＵ１０１は、ＳＮＳテーブル３０１の前回取得日時３０５を更新する。ＣＰＵ１０１は、対象ＳＮＳに投稿されている投稿データ２０２のうち、前回取得時から更新された分の投稿データ２０２を取得してもよいし、指定可能な所定期間の投稿データ２０２を取得してもよい。ＣＰＵ１０１は、取得した投稿データ２０２に含まれる投稿画像２０３を、利用可能な画像分析手法２０５を用いて分析する（ステップＳ９０４）。分析結果として、第１パラメータカテゴリ２０６および第１パラメータ情報２０７が得られる。ＣＰＵ１０１は、利用した画像分析手法２０５および分析対象の投稿データ２０２の取得元のＳＮＳを特定するＳＮＳ名を分析手法テーブル４０１に追加する（ステップＳ９０５）。例えば、投稿データ２０２を取得したＳＮＳ２０１がＳＮＳＡであり、画像分析手法２０５が適用した分析手法が被写体分析であったとする。この場合、ＣＰＵ１０１は、分析手法４０２が「被写体分析」、ＳＮＳ名４０３が「ＳＮＳＡ」というレコードを、分析手法テーブル４０１に追加する。また、投稿データ２０２を取得したＳＮＳ２０１がＳＮＳＢで、画像分析手法２０５が被写体分析と構図分析であったとする。この場合、ＣＰＵ１０１は、分析手法４０２が「被写体分析」であり、ＳＮＳ名４０３が「ＳＮＳＢ」であるレコードと、分析手法４０２が「構図分析」であり、ＳＮＳ名４０３が「ＳＮＳＢ」であるレコードとを、分析手法テーブル４０１に追加する。

そして、ＣＰＵ１０１は、第１パラメータカテゴリ２０６が、投稿データテーブル５０１のカラムに存在するかを判定する（ステップＳ９０６）。例えば、画像分析手法２０５が被写体分析および構図分析であった場合、第１パラメータカテゴリ２０６は被写体情報および構図情報になる。図４（Ａ）の投稿データテーブル５０１は、被写体情報５０６のカラムを有しており、このカラムは、被写体分析に対応する。従って、第１パラメータカテゴリ２０６のうち被写体については、ステップＳ９０６の判定はＹＥＳになる。一方、図４（Ａ）の投稿データテーブル５０１は、構図分析に対応するカラムを有していない。この場合、ステップＳ９０６の判定はＮＯとなり、ＣＰＵ１０１は、投稿データテーブル５０１に、構図分析に対応するカラムを追加する（ステップＳ９０７）。例えば、ＣＰＵ１０１は、投稿データテーブル５０１に、新たに構図情報というカラムを追加する。ステップＳ９０６の判定がＹＥＳの場合、投稿データテーブル５０１にカラムの追加は必要ないため、ステップＳ９０７は実行されない。

ＣＰＵ１０１は、投稿データテーブル５０１にレコード５０７を追加する（ステップＳ９０８）。そして、図６のフローは終了する。例えば、図４（Ａ）の投稿データテーブル５０１の１行目のレコード５０７に、投稿データ２０２に含まれる投稿画像２０３が画像１として保存されている。また、上記レコード５０７に、付帯情報２０４に含まれる投稿日時５０３が「２０１８年４月３日」、画像評価５０４が「３」、投稿ユーザ５０５が「ユーザ１」として保存されている。また、上記レコード５０７に、被写体情報５０６が第１パラメータ情報２０７として得られた被写体情報である「犬」として保存されている。以上のレコード５０７が投稿データテーブル５０１に追加される。図４（Ａ）に示される投稿データテーブル５０１の２行目および３行目のレコード５０７も同様である。

次に、図７のフローチャートを参照して、ＣＰＵ１０１が評価対象画像２０９の入力を検知した際の処理の流れを説明する。ＣＰＵ１０１は、評価対象画像２０９が画像評価装置１００に入力されたかを判定する（ステップＳ１００１）。ＣＰＵ１０１が評価対象画像２０９の入力を検知しない場合、ステップＳ１００１の判定はＮＯとなり、図７のフローは終了する。ＣＰＵ１０１が、評価対象画像２０９の入力を検知した場合、ステップＳ１００１の判定はＹＥＳになる。この場合、ＣＰＵ１０１は、分析手法テーブル４０１を参照し、対象ＳＮＳに対して適用された画像分析手法を取得する（ステップＳ１００２）。上述したように、評価対象画像２０９の投稿先のＳＮＳ２０１（対象ＳＮＳ）は、画像評価装置１００を操作するユーザが、ポインティングデバイス１０９またはキーボード１１０を用いて指定可能である。また、対象ＳＮＳの指定は、事前に画像評価装置１００に設定されている場合もある。ＣＰＵ１０１は、分析手法テーブル４０１を参照し、指定または設定された対象ＳＮＳから取得した投稿データ２０２に対して何れの画像分析手法２０５が適用されたかを取得する。例えば、対象ＳＮＳがＳＮＳＡである場合、図３（Ｂ）の例の分析手法テーブル４０１のうちＳＮＳ名４０３がＳＮＳＡに対応する分析手法４０２は被写体分析である。ＣＰＵ１０１は、対象ＳＮＳであるＳＮＳＡに適用された画像分析手法２０５として被写体分析を取得する。

ＣＰＵ１０１は、ステップＳ１００２で取得された画像分析手法を用いて、評価対象画像２０９の画像分析を行う（ステップＳ１００３）。つまり、ＣＰＵ１０１は、投稿データ２０２に含まれる投稿画像２０３に対して適用した画像分析手法２０５と同じ画像分析手法２１０を評価対象画像２０９に適用する。そして、画像分析結果として、評価対象画像２０９の第２パラメータカテゴリ２１１および第２パラメータ情報２１２が得られる。

ＣＰＵ１０１は、投稿データテーブル５０１のデータから、抽出条件テーブル６０１および第２パラメータカテゴリ２１１の条件を満たす評価判定データ２１３を抽出する（ステップＳ１００４）。例えば、評価対象画像２０９が入力された日時が「２０１８年４月５日」であり、第２パラメータカテゴリ２１１が「被写体」であったとする。また、期間６０２が「１年前」から「現在」まで、対象ユーザ６０３が「全ユーザ」という条件が選択されているとする。図４（Ａ）の投稿データテーブル５０１の各レコード５０７のうち投稿日時５０３が「２０１８年４月３日」の画像１、「２０１７年１０月６日」の画像２は、期間６０２の条件である期間内のデータである。また、対象ユーザ６０３の条件は「全ユーザ」であり、投稿データテーブル５０１は、第２パラメータカテゴリ２１１の被写体情報を有する。従って、ＣＰＵ１０１は、投稿データテーブル５０１から、上記の各条件を満たす画像１および画像２のデータ（レコード５０７）を評価判定データ２１３として抽出する。抽出条件（期間や対象ユーザ等の条件）はユーザにより設定されてもよい。

ＣＰＵ１０１は、評価判定データ２１３から、算出テーブル７０１を用いて、パラメータ評価値マトリクス８０１を作成する（ステップＳ１００５）。例えば、ＣＰＵ１０１は、第２パラメータカテゴリ２１１が「被写体」である場合、評価判定データ２１３の被写体情報である、「犬」および「車」をパラメータ情報８０２に格納する。算出テーブル７０１のパラメータ評価算出タイミングが「１か月毎」に設定されていた場合、ＣＰＵ１０１は、評価期間８０３を１か月区切りで設定する。また、算出手法７０３が「平均」で設定されていた場合、ＣＰＵ１０１は、パラメータ情報８０２に、１か月ごとの画像評価の平均値をパラメータ評価値として、レコード８０４および８０５に設定する。例えば、レコード８０５には、被写体情報が「犬」というパラメータ情報についての「２０１８年３月６日」から「２０１８年４月５日」までの画像評価の平均値がパラメータ評価値として格納されている。算出手法７０３に「上昇率」が設定されていた場合、ＣＰＵ１０１は、パラメータ情報８０２に、１か月ごとの「上昇率」をパラメータ評価値として、レコード８０４および８０５に設定することもできる。また、評価期間８０３も任意の指定可能である。

ＣＰＵ１０１は、パラメータ評価値マトリクス８０１から第２パラメータ情報２１２と一致するパラメータ情報８０２を最終評価結果２１５として通知する（ステップＳ１００６）。ＣＰＵ１０１は、パラメータ評価値マトリクス８０１から第２パラメータ情報２１２と一致するパラメータ情報８０２の各パラメータ評価値のうち最新のパラメータ評価値を最終評価結果２１５として通知してもよい。例えば、第２パラメータ情報２１２が「犬」であった場合、パラメータ評価値マトリクス８０１のうち、「犬」のレコード８０５に対応する最新の評価期間８０３のパラメータ評価値は「４」である。ＣＰＵ１０１は、最終評価結果２１５として「４」を通知する。例えば、ＣＰＵ１０１は、画像入力インタフェース１０８から、画像入力デバイス１１３に最終評価結果２１５としての「４」を通知し、画像入力デバイス１１３が最終評価結果２１５を表示してもよい。これにより、評価対象画像２０９の投稿先であるＳＮＳにおける最新の画像評価値を通知することができる。

ＣＰＵ１０１は、所定期間の評価期間８０３における複数のパラメータ評価値を最終評価結果２１５として通知してもよい。例えば、ＣＰＵ１０１は、図５（Ｂ）の「犬」のレコード８０５の「２０１７年１２月５日」から「２０１８年４月５日」までの各パラメータ評価値を通知してもよい。当該各パラメータ評価値は、評価対象画像２０９の投稿先であるＳＮＳにおける評価対象画像２０９の評価の時系列的な変化を示す。この場合、ＣＰＵ１０１が、例えば、画像入力デバイス１１３に上記各パラメータ評価値を通知することで、ユーザに、評価対象画像２０９の投稿先であるＳＮＳにおける評価対象画像２０９の評価の時系列な変化を提示できる。また、ＣＰＵ１０１は、パラメータ評価値マトリクス８０１の複数のレコードの最新のパラメータ評価値または所定期間における各パラメータ評価値を最終評価結果２１５として通知してもよい。これにより、評価対象画像２０９だけでなく、他の種類の画像の評価をユーザに提示できる。例えば、ＣＰＵ１０１が、「２０１７年１２月５日」から「２０１８年４月５日」までの「犬」のレコード８０５および「車」のレコード８０４を通知したとする。この場合、評価対象画像２０９だけでなく、他の種類の画像（「車」の画像）のパラメータ評価値の時系列変化をユーザに提示することができる。パラメータ評価値の時系列変化がユーザに通知されることで、画像評価装置１００は、対象ＳＮＳにおいて評価対象画像２０９がどのようなトレンドを辿っているかを提示することができる。例えば、ＣＰＵ１０１は、パラメータ評価値の時系列変化を、時系列的なグラフとして通知してもよい。

また、上述した図４（Ｂ）の抽出条件テーブル６０１の各レコード６０４は、任意に設定可能である。例えば、ユーザは、抽出条件テーブル６０１の対象ユーザ６０３に特定のユーザを設定することが可能である。特定のユーザは、例えば、インフルエンサーである。インフルエンサーはＳＮＳのユーザであり、インフルエンサーが投稿した投稿データは、多くのユーザにより閲覧される傾向にある。つまり、インフルエンサーは、対象ＳＮＳにおいて影響力の高いユーザである。インフルエンサーが対象ＳＮＳに投稿した投稿データは、閲覧数が高くなる傾向にあるため、当該投稿データに対して多くの肯定的な評価がされている可能性がある。そこで、抽出条件テーブル６０１の対象ユーザ６０３にインフルエンサーが設定されることで、ＣＰＵ１０１は、評価対象画像２０９の投稿先のＳＮＳのインフルエンサーが投稿した投稿データ２０２に絞って、パラメータ評価値を通知することができる。

また、画像評価装置１００は、スマートフォン等の携帯型端末であってもよい。スマートフォンは、パーソナルコンピュータ等と比較して、ハードウェアリソースが少ないため、上述した各機能のうち一部の機能を所定のサーバ（クラウドサーバ等）に担わせてもよい。例えば、図６の処理は所定のサーバが行い、当該所定のサーバが投稿データテーブル５０１の各レコードを蓄積していてもよい。この場合、画像評価装置１００のＣＰＵ１０１は、図７の処理を行い、ステップＳ１００３の前に、上記所定のサーバに対して、対象ＳＮＳについて使用した画像分析手法２０５の情報および投稿データテーブル５０１の各レコード５０７の取得要求を出す。当該取得要求は、ネットワークインタフェース１０７からインターネット１１４にある上記所定のサーバに送信される。

上記取得要求に応じて、所定のサーバが、画像分析手法２０５の情報および投稿データテーブル５０１の各レコードの５０７を、インターネット１１４からネットワークインタフェース１０７を介して、画像評価装置１００（スマートフォン）に送信する。これにより、ＣＰＵ１０１は、図７の処理を実行するために必要な情報を取得できるため、図７の処理を実現することができる。この場合、上記所定のサーバのＣＰＵが、第１取得手段、第１画像分析手段および制御手段として機能し、画像評価装置１００のＣＰＵ１０１は、取得手段、第２画像分析手段、抽出手段および算出手段として機能する。画像評価装置１００が、ハードウェアリソースが少ないスマートフォン等である場合、例えば、投稿データテーブル５０１を画像評価装置１００が保持する必要がない。このため、本実施の形態の一部の処理をクラウドサーバ等に担わせることにより、画像評価装置１００に要求されるハードウェアリソースの条件が緩和され、且つ本発明の目的を達成することができる。また、この場合、画像評価装置１００は、画像入力デバイス１１３の機能を有していてもよい。例えば、画像評価装置１００が、カメラ付きのスマートフォン等である場合、画像入力デバイス１１３がカメラとして機能する。そして、カメラにより撮影が行われた際、または画像評価装置１００（スマートフォン等）に対して所定の操作がされた場合、ＣＰＵ１０１は、上述した各処理を行ってもよい。

以上、本発明の好ましい実施の形態について説明したが、本発明は上述した各実施の形態に限定されず、その要旨の範囲内で種々の変形及び変更が可能である。本発明は、上述の各実施の形態の１以上の機能を実現するプログラムを、ネットワークや記憶媒体を介してシステムや装置に供給し、そのシステム又は装置のコンピュータの１つ以上のプロセッサーがプログラムを読み出して実行する処理でも実現可能である。また、本発明は、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

１００ 画像評価装置
１０１ ＣＰＵ
１０２ ＲＯＭ
１０３ ＲＡＭ
１１３ 画像入力デバイス
２０１ ＳＮＳ
２０２ 投稿データ
２０３ 投稿画像
２０５ 画像分析手法
２０６ 第１パラメータカテゴリ
２０７ 第１パラメータ情報
２０９ 評価対象画像
２１０ 画像分析手法
２１１ 第２パラメータカテゴリ
２１２ 第２パラメータ情報
２１４ パラメータ評価値マトリクス
２１５ 最終評価結果
３０１ ＳＮＳテーブル
４０１ 分析手法テーブル
６０１ 抽出条件テーブル
７０１ 算出テーブル
８０１ パラメータ評価値マトリクス

Claims (13)

1. ネットワークサービスに投稿された投稿データに含まれる画像および前記投稿データに対する評価値を、所定間隔で取得する取得手段と、
   前記投稿データを取得した際に、前記画像に対して画像分析手法を適用して第１パラメータを生成する第１画像分析手段と、
   生成された前記第１パラメータと前記評価値とを対応付けて記憶部に記憶させる制御手段と、
   評価対象画像の入力を受け付けた際に、前記第１画像分析手段が適用した前記画像分析手法を適用して第２パラメータを生成する第２画像分析手段と、
   前記記憶部に記憶されている複数の前記第１パラメータのうち、前記第２パラメータに対応する第１パラメータを抽出する抽出手段と、
   抽出された前記第１パラメータに対応付けられた前記評価値の時系列的な変化を示すパラメータ評価値を算出する算出手段と、
   算出された前記パラメータ評価値を通知する通知手段と、
   を備えることを特徴とする画像評価装置。
2. 前記通知手段は、複数の前記パラメータ評価値のうち最新のパラメータ評価値を通知する、
   ことを特徴とする請求項１記載の画像評価装置。
3. 前記通知手段は、所定期間の複数の前記パラメータ評価値を通知する、
   ことを特徴とする請求項１または２記載の画像評価装置。
4. 前記制御手段は、前記第１パラメータのカテゴリと前記第１パラメータとを対応付けて前記記憶部に記憶し、
   前記抽出手段は、前記記憶部に記憶されている複数の前記第１パラメータのカテゴリのうち、前記第２パラメータのカテゴリと一致するカテゴリの第１パラメータを抽出する、
   ことを特徴とする請求項１乃至３のうち何れか１項に記載の画像評価装置。
5. 前記制御手段は、複数の前記ネットワークサービスごとに、前記第１パラメータと前記評価値とを対応付けて前記記憶部に記憶させる、
   ことを特徴とする請求項１乃至４のうち何れか１項に記載の画像評価装置。
6. 前記第２画像分析手段は、前記評価対象画像の投稿先のネットワークサービスの指定を受け付けた場合、前記記憶部を参照して、前記投稿先のネットワークサービスから取得した前記画像に対して前記第１画像分析手段が適用した画像分析手法を、前記評価対象画像に適用して前記第２パラメータを生成する、
   ことを特徴とする請求項５記載の画像評価装置。
7. 前記取得手段は、前記投稿データからユーザを識別するユーザ識別情報を取得し、
   前記制御手段は、前記第１パラメータと前記ユーザ識別情報とを対応付けて前記記憶部に記憶し、
   前記抽出手段は、前記記憶部に記憶されている複数の前記第１パラメータのうち指定されたユーザ識別情報に対応付けられた前記第１パラメータを抽出する、
   ことを特徴とする請求項１乃至６のうち何れか１項に記載の画像評価装置。
8. 前記評価値の時系列な変化に基づいて前記パラメータ評価値を算出する算出手法は、複数の算出手法から指定可能であること、
   を特徴とする請求項１乃至７のうち何れか１項に記載の画像評価装置。
9. 前記取得手段が前記画像および前記評価値を取得するタイミングは設定可能であること、
   を特徴とする請求項１乃至８のうち何れか１項に記載の画像評価装置。
10. 前記パラメータ評価値が所定値以上の場合、指定された前記ネットワークサービスに前記評価対象画像を投稿する投稿手段、
    を備えることを特徴とする請求項１乃至９のうち何れか１項に記載の画像評価装置。
11. サーバと、当該サーバとネットワークを介して接続される画像評価装置と、を備えるシステムであって、
    前記サーバは、
    ネットワークサービスに投稿された投稿データに含まれる画像および前記投稿データに対する評価値を、所定間隔で取得する第１取得手段と、
    前記投稿データを取得した際に、前記画像に対して画像分析手法を適用して第１パラメータを生成する第１画像分析手段と、
    生成された前記第１パラメータと前記評価値とを対応付けて記憶部に記憶させる制御手段と、
    を備え、
    前記画像評価装置は、
    前記第１画像分析手段が適用した前記画像分析手法の情報と、前記記憶部に記憶されている複数の前記第１パラメータおよび各第１パラメータのそれぞれに対応付けられている前記評価値とを前記サーバから取得する第２取得手段と、
    評価対象画像の入力を受け付けた際に、前記第１画像分析手段が適用した前記画像分析手法を適用して第２パラメータを生成する第２画像分析手段と、
    複数の前記第１パラメータのうち、前記第２パラメータに対応する第１パラメータを抽出する抽出手段と、
    抽出された前記第１パラメータに対応付けられた前記評価値の時系列的な変化を示すパラメータ評価値を算出する算出手段と、
    算出された前記パラメータ評価値を通知する通知手段と、
    とを備える、
    ことを特徴とするシステム。
12. ネットワークサービスに投稿された投稿データに含まれる画像および前記投稿データに対する評価値を、所定間隔で取得する工程と、
    前記投稿データを取得した際に、前記画像に対して画像分析手法を適用して第１パラメータを生成する工程と、
    生成された前記第１パラメータと前記評価値とを対応付けて記憶部に記憶させる工程と、
    評価対象画像の入力を受け付けた際に、前記第１パラメータを生成する際に適用された前記画像分析手法を適用して第２パラメータを生成する工程と、
    前記記憶部に記憶されている複数の前記第１パラメータのうち、前記第２パラメータに対応する第１パラメータを抽出する工程と、
    抽出された前記第１パラメータに対応付けられた前記評価値の時系列的な変化を示すパラメータ評価値を算出する工程と、
    算出された前記パラメータ評価値を通知する工程と、
    を有することを特徴とする画像評価装置の制御方法。
13. 画像評価装置の制御方法をコンピュータに実行させるプログラムであって、
    ネットワークサービスに投稿された投稿データに含まれる画像および前記投稿データに対する評価値を、所定間隔で取得する工程と、
    前記投稿データを取得した際に、前記画像に対して画像分析手法を適用して第１パラメータを生成する工程と、
    生成された前記第１パラメータと前記評価値とを対応付けて記憶部に記憶させる工程と、
    評価対象画像の入力を受け付けた際に、前記第１パラメータを生成する際に適用された前記画像分析手法を適用して第２パラメータを生成する工程と、
    前記記憶部に記憶されている複数の前記第１パラメータのうち、前記第２パラメータに対応する第１パラメータを抽出する工程と、
    抽出された前記第１パラメータに対応付けられた前記評価値の時系列的な変化を示すパラメータ評価値を算出する工程と、
    算出された前記パラメータ評価値を通知する工程と、
    を有することを特徴とするプログラム。

Images