JP2020204835A - 情報処理装置、システム、情報処理方法及びプログラム - Google Patents

Abstract

【課題】画像に対して画像処理を実行するサービスについて、より適切な価格を決定することを目的とする。【解決手段】被写体の画像を取得し、取得された画像についての第１の解析の結果に基づいて、画像に対する画像処理の第１の難易度を決定し、被写体についての第２の解析の結果に基づいて、画像に対する画像処理の第２の難易度を決定し、第１の難易度と、第２の難易度と、に基づいて、画像に対して画像処理を実行するサービスの価値を示す情報を決定する。【選択図】図５

Description

本発明は、情報処理装置、システム、情報処理方法及びプログラムに関する。

近年、過去に建設された橋やトンネル等の構造物の経年劣化が懸念されている。そこで、問題の発生を防ぐため、構造物のひび割れ等の変状箇所を特定し、記録する点検業務が重要となってきている。
その中で、点検対象の構造物を人が近接的に目視で点検するのではなく、構造物をカメラで撮影し、撮影した画像を用いて構造物の点検を行う技術が提案されている。特許文献１には、撮影画像内からひび割れ等を画像処理により検知する技術が開示されている。

特開２０１８−１５６３１７号公報

特許文献１に示されるような技術を用いて、撮影された画像に対して画像処理を行うサービスが考えられる。例えば、撮影した画像からひび割れを検知する画像処理を行い、その結果を提供するサービスが考えられる。このようなサービスを行うにあたり、画像処理対象の画像の画質を加味せず、画像枚数やデータ容量に応じて価格を設定することが考えられる。この場合、画像の内容（例えば、画像に写るひび割れの有無等）に関わらず、画像枚数や容量に応じた価格でサービスを運用することになる。しかし、画像処理のコスト（処理に係るリソースのコストや設定作業等の工程に係るコスト）は、画像処理対象の画像に対する画像処理の難易度が高い程、高くなる。例えば、再計算や設定の調整といった追加の工程が発生する場合がある。そのため、画像の内容に関わらず一定の価格で画像処理を請け負うと、その価格がサービス提供に係る価格に見合わないこととなる場合が生じる。
本発明は、画像に対して画像処理を実行するサービスについて、より適切な価格を決定することを目的とする。

本発明の情報処理装置は、被写体の画像を取得する取得手段と、前記取得手段により取得された前記画像についての第１の解析の結果に基づいて、前記画像に対する画像処理の第１の難易度を決定する第１の決定手段と、前記被写体についての第２の解析の結果に基づいて、前記取得手段により取得された前記画像に対する前記画像処理の第２の難易度を決定する第２の決定手段と、前記第１の決定手段により決定された前記第１の難易度と、前記第２の決定手段により決定された前記第２の難易度と、に基づいて、前記取得手段により取得された前記画像に対して前記画像処理を実行するサービスの価値を示す情報を決定する第３の決定手段と、を有する。

本発明によれば、画像に対して画像処理を実行するサービスについて、より適切な価格を決定することができる。

情報処理装置のハードウェア構成の一例を示す図である。 情報処理装置の機能構成の一例を示す図である。 学習モデルテーブルの一例を示す図である。 表示される画面の一例を示す図である。 情報処理装置の処理の一例を示すフローチャートである。 情報処理装置の処理の一例を示すフローチャートである。 価格倍率テーブルの一例を示す図である。 情報処理装置の機能構成の一例を示す図である。 特徴量テーブルの一例を示す図である。 情報処理装置の処理の一例を示すフローチャートである。 情報処理装置の機能構成の一例を示す図である。 表示される画面の一例を示す図である。 構造物情報テーブルの一例を示す図である。 情報処理装置の処理の一例を示すフローチャートである。

以下に、本発明の実施の形態の一例を、図面に基づいて詳細に説明する。

＜実施形態１＞
本実施形態の情報処理装置１００は、予め定められた画像処理（以下では、実行画像処理とする）を画像に対して実行するサービス（以下では、提供サービスとする）に係る価格を決定する。本実施形態では、実行画像処理は、画像から、設定されたオブジェクト（本実施形態では、構造物のひび割れ部分）を検知する処理である。そのため、提供サービスは、対象の画像から、被写体に生じているひび割れ部分を検知するサービスである。また、以下では、提供サービスに係る価格を決定する処理を、見積処理とする。
図１は、情報処理装置１００のハードウェア構成の一例を示す図である。情報処理装置１００は、提供サービスに係る価格を決定する情報処理装置である。本実施形態では、情報処理装置１００は、パーソナルコンピュータ（ＰＣ）であるとするが、他の例として、サーバ装置、タブレット装置等の他の情報処理装置であってもよい。
情報処理装置１００は、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ（ＣＰＵ）１０１、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ（ＲＡＭ）１０２、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ（ＲＯＭ）１０３、ネットワークＩＦ１０４を含む。また、情報処理装置１００は、Ｖｉｄｅｏ ＲＡＭ（ＶＲＡＭ）１０５、入力コントローラ１０７、ＨＤＤ１０９、入力ＩＦ１１０を含む。各要素は、入出力バス１１１を介して相互に通信可能に接続されている。

ＣＰＵ１０１は、情報処理装置１００の制御を行う中央演算装置である。ＲＡＭ１０２は、ＣＰＵ１０１の主メモリ、実行プログラムのロード、プログラム実行に必要なワークメモリ等として機能する記憶装置である。
ＲＯＭ１０３は、ＣＰＵ１０１の動作処理手順を規定する制御プログラム等を記憶する記憶装置である。ＲＯＭ１０３は、コンピュータシステムの機器制御を行う基本ソフト（ＯＳ：Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）のプログラムを記憶するプログラムＲＯＭと、システムの稼動に用いられる情報等を記憶するデータＲＯＭと、を含む。ＣＰＵ１０１は、ＲＯＭ１０３の代わりにＨＤＤ１０９を用いてもよい。

ネットワークＩＦ１０４は、ネットワークインターフェースであり、ネットワークを介して送受信される画像データ等のデータの入出力制御を行う。本実施形態では、ネットワークＩＦ１０４は、Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋに接続されているとするが、他の例として、インターネット、複数の種類のネットワークの複合ネットワーク等の他のネットワークに接続されることとしてもよい。ＶＲＡＭ１０５は、ビデオＲＡＭである。ＣＰＵ１０１は、ＶＲＡＭ１０５に、ディスプレイ１０６の画面に表示される画像データを展開する。
ディスプレイ１０６は、情報処理装置１００の接続インターフェースを介して情報処理装置１００に接続された表示装置である。本実施形態では、ディスプレイ１０６は、液晶ディスプレイであるとするが、他の例として、情報処理装置１００から出力される情報の表示が可能な表示装置ならば液晶ＴＶ等の他の表示装置でであってもよい。

入力コントローラ１０７は、入力装置１０８からの入力信号を制御するコントローラである。入力装置１０８は、入力コントローラ１０７を介して情報処理装置１００に接続された外部入力装置であって、ユーザによる操作を受け付ける。本実施形態では、入力装置１０８は、キーボードとマウスとの組であるとする。ただし、他の例として、入力装置１０８は、情報処理装置１００への情報の入力が可能な入力装置であれば、タッチパネル、リモコン等の他の入力装置であってもよいし、他の複数の入力装置の組であってもよい。ＨＤＤ１０９は、各種プログラム、画像等のデータ等を記憶する記憶装置である。
入力ＩＦ１１０は、ＣＤ（ＤＶＤ）−ＲＯＭドライブ、メモリカードドライブ等の外部装置との接続に用いられるインターフェースであり、デジタルカメラで撮影された画像データの読み出し等に用いられる。入出力バス１１１は、各ハードウェア構成要素間の接続に用いられるバス（アドレスバス、データバス、及び制御バス）である。
ＣＰＵ１０１が、ＲＯＭ１０３又はＨＤＤ１０９に記憶されたプログラムにしたがって処理を実行することで、図２で後述する機能等の情報処理装置１００の機能、図５、６で後述するフローチャートの処理等の情報処理装置１００の処理が実現される。

図２は、情報処理装置１００の機能構成の一例を示す図である。
情報処理装置１００は、画像取得部２０１、第１の決定部２０２、第２の決定部２０３、分析部２０４、表示制御部２０５を含む。

画像取得部２０１は、実行画像処理の対象となる画像を取得する。本実施形態では、画像取得部２０１は、入力ＩＦ１１０を介して接続された外部記憶装置から撮影装置により撮影された画像を取得し、ＨＤＤ１０９に記憶する。以下では、画像取得部２０１により取得される画像を、実行画像処理の対象となる対象画像とする。また、以下では、対象画像に撮影されている被写体を、対象被写体とする。
なお、情報処理装置１００の各ハードウェア構成要素との間では、実際には画像データを示す信号のやり取りが行われるが、以下では、画像データを示す信号のやり取りを、単に画像のやり取りとして説明する。

本実施形態では、情報処理装置１００は、入力ＩＦ１１０を介して接続された外部記憶装置から、予め撮影装置により撮影された撮影画像を取得することとした。
ただし、他の例として、情報処理装置１００は、他の方法で、撮影装置により撮影された撮影画像を取得してもよい。例えば、情報処理装置１００は、入力ＩＦ１１０を介して接続された撮影装置から、この撮影装置により撮影された撮影画像を取得してもよい。また、情報処理装置１００は、ＨＤＤ１０９に予め撮影装置により撮影された撮影画像が記憶されている場合、ＨＤＤ１０９から記憶されている撮影画像を取得してもよい。また、情報処理装置１００は、ネットワークＩＦ１０４を介して、ネットワーク経由で、外部の装置から、撮影装置により撮影された撮影画像を取得してもよい。

第１の決定部２０２は、画像取得部２０１により取得された対象画像（対象被写体の画像）の画質の解析を行う。以下では、第１の決定部２０２により行われる画像の画質の解析を、画質解析とする。画質解析は、第１の解析の一例である。本実施形態では、第１の決定部２０２は、画質解析の手法として、公知の以下の手法を用いる。即ち、画像のボケ具合が大きいほど、画質が低いと解析する手法である。ただし、他の例として、第１の決定部２０２は、公知の他の手法（例えば、画素の輝度や色の分布の偏りを用いた手法等）を用いて画質解析を行ってもよい。
そして、第１の決定部２０２は、解析結果に基づいて、対象画像に対する実行画像処理の難易度を決定する。実行画像処理の難易度とは、実行画像処理を、設定された水準以上の精度で行うことの難しさを示す指標値である。以下では、第１の決定部２０２により決定された難易度を、第１の難易度とする。

第２の決定部２０３は、画像取得部２０１により取得された対象画像（対象被写体の画像）を、予め定められた学習モデルを用いて、検知対象のオブジェクト（構造物のひび割れ部分）をどの程度の精度で検知できるかの解析を行う。以下では、第２の決定部２０３により行われる検知対象のオブジェクトをどの程度の精度で検知できるかの解析を、検知解析とする。検知解析は、第２の解析の一例である。
そして、第２の決定部２０３は、解析結果に基づいて、対象画像に対する実行画像処理の難易度を決定する。以下では、第２の決定部２０３により決定された難易度を、第２の難易度とする。

分析部２０４は、第１の決定部２０２により決定された第１の難易度と、第２の決定部２０３により決定された第２の難易度と、に基づいて、対象画像に対して実行画像処理を実行する提供サービスに係る価格を決定する。なお、本実施形態の分析部２０４は、提供サービスの価値を貨幣の額で表した値である「価格」を出力する。しかしながら、分析部２０４の出力形式は、第１の難易度と第２の難易度に基づいて導かれる提供サービスの価値を示すものであれば、貨幣の額に限定されない。分析部２０４は、提供サービスの価値を、有形または無形のものの価値に置き換えた表現方法によって出力すればよい。例えば、サービスの対価を、サービス独自のあるいは一般的なポイントで支払いが可能なシステムを構築する場合、ポイント数によってサービスの価値が示されてもよい。
表示制御部２０５は、画像取得部２０１により取得された対象画像をディスプレイ１０６に表示する。また、表示制御部２０５は、分析部２０４により決定された提供サービスに係る価格を、ディスプレイ１０６に表示する。

学習モデルデータベース２０６は、図３で後述する学習モデルテーブル３０１が記憶される記憶領域であり、ＨＤＤ１０９に実装される。ただし、他の例として、学習モデルデータベース２０６は、ＲＯＭ１０３等の他の記憶装置に実装されることとしてもよい。学習モデルとは、機械学習で学習されたモデルであって、関数やパラメータ群等で表される。
料金データベース２０７は、図７で後述する料金テーブル７０１が記憶される記憶領域であって、ＨＤＤ１０９に実装される。ただし、他の例として、料金データベース２０７は、ＲＯＭ１０３等の他の記憶装置に実装されることとしてもよい。

図３は、学習モデルを管理するテーブルである学習モデルテーブル３０１の一例を示す図である。学習モデルテーブル３０１は、予め学習された１つ以上の学習モデルの管理に用いられるテーブルである。本実施形態では、学習モデルテーブル３０１が示す１つ以上の学習モデルそれぞれは、画像から設定されたオブジェクト構造物のひび割れ部分）を検知する処理に用いられるモデルである。
学習モデルテーブル３０１は、学習モデルの識別情報を示す「ＩＤ」と、対応する学習モデルの記憶場所（Ｐａｔｈ）を示す「モデルＰａｔｈ」と、の項目を含む。本実施形態では、学習モデルテーブル３０１は、複数の学習モデルに関する情報を含む。これら複数の学習モデルは、学習で用いられたパラメータやデータセットの違い等により、特性（検知結果の表れ方）が異なっている。そのため、学習モデルにより得意、不得意な画像が異なっている。本実施形態では、学習モデルテーブル３０１に示される各学習モデルは、ＨＤＤ１０９に記憶されているとするが、ＲＯＭ１０３等の他の記憶装置に記憶されることとしてもよい。

図４（ａ）は、情報処理装置１００によりディスプレイ１０６に表示されるＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）画面の一例を表す。
画面４０１は、対象画像を対象とした提供サービスに係る価格の決定の処理（見積処理）に用いられる画面である。画面４０１は、表示領域４０２、ボタン４０５、ボタン４０６、ボタン４０７、ボタン４０８を含む。表示領域４０２は、実行画像処理の対象となる画像（本実施形態では、対象画像）が表示される領域である。ひび割れ４０３は、表示領域４０２に表示される対象画像に写るひび割れ部分である。

トレースひび割れ領域４０４は、ボタン４０５の押下に応じて、選択されたひび割れ部分の領域である。トレース処理とは、画像中から、検知対象となるオブジェクト（本実施形態では、ひび割れ部分）を指定する処理である。
ボタン４０５は、トレース処理の開始の指示に用いられるボタンである。本実施形態では、情報処理装置１００は、トレース処理を、公知の技術を利用して実現する。より具体的には、情報処理装置１００は、ユーザによる入力装置１０８の操作に基づいて、表示領域４０２に表示された対象画像中のひび割れ部分の領域の指定を受付けることで、トレース処理を実現する。

ボタン４０６は、対象画像の読込、及び、対象画像の表示領域４０２への表示の指示に用いられるボタンである。ボタン４０７は、表示領域４０２に表示された画像を対象とする見積処理の実行の指示に用いられるボタンである。ＣＰＵ１０１は、ボタン４０７の押下を検知すると、表示領域４０２に表示された対象画像を対象とする見積処理を実行し、画面４０１の内容を遷移する。更新後の画面４０１については、図４（ｂ）で後述する。
ボタン４０８は、画面４０１を閉じる処理の指示に用いられるボタンである。ＣＰＵ１０１は、ボタン４０８の押下を検知した場合、画面４０１を閉じて、画面４０１を介してお行われる処理を終了する。

図４（ｂ）は、ボタン４０７の押下後に内容が更新された画面４０１の一例を示す図である。
更新後の画面４０１は、表示領域４０２、ボタン４０８、表示領域４１１、表示領域４１５を含む。
図４（ｂ）では、説明の簡略化のため、トレースひび割れ領域４０４を図示していない。本実施形態では、ＣＰＵ１０１は、更新後の画面４０１の表示領域４０２に、更新前の画面４０１の表示領域４０２と同様の画像を表示することとするが、他の例として、表示領域４０２の画像にひび割れ部分の検知処理の結果の領域を重畳して表示してもよい。

表示領域４１１は、対象画像に対する実行画像処理の難易度がどの程度であるかを示す情報が表示される領域である。本実施形態では、表示領域４１１には、縦軸が第１の難易度の値を示し、横軸が第２の難易度の値を示すグラフの情報が表示される。以下では、このグラフを、難易度グラフとする。マーカ４１２は、第１の決定部により決定された第１の難易度と、第２の決定部により決定された第２の難易度と、に対応する座標を示すオブジェクトである。本実施形態では、ＣＰＵ１０１は、マーカ４１２の添え字として、表示領域４０２に表示された対象画像のファイル名を表示する。
破線４１３は、第１の難易度についての予め定められた閾値を示す。以下では、この閾値を、第１閾値とする。破線４１４は、第２の難易度についての予め定められた閾値を示す。以下では、この閾値を、第２閾値とする。

例えば、難易度グラフ上で、マーカ４１２が、破線４１３より上側に存在していれば、対象画像の画質が、設定された水準よりも低いこととなる。また、例えば、難易度グラフ上で、マーカ４１２が、破線４１４より右側に存在していれば、対象画像に対する設定されたオブジェクト(ひび割れ部分)の検知処理の難しさが、設定された水準よりも高いこととなる。
また、以下では、難易度グラフ上でおいて、破線４１３と破線４１４の交点を原点とし、原点の右上の領域を第１象限とし、同様に左上を第２象限、左下を第３象限、右下を第４象限とする。

表示領域４１５は、見積処理の結果、決定された価格が表示される領域である。
本実施形態では、画面４０１の情報は、予めＨＤＤ１０９に記憶されている。表示制御部２０５は、ＨＤＤ１０９から画面４０１の情報を取得し、ディスプレイ１０６に画面４０１を表示する。

図５は、情報処理装置１００の処理の一例を示すフローチャートである。図５を用いて、対象画像を対象とした提供サービスに係る価格を決定し、決定した価格を表示する処理を説明する。
図５の処理の開始の前に、表示制御部２０５は、ＨＤＤ１０９から画面４０１の情報を取得し、取得した情報に基づいて、画面４０１をディスプレイ１０６に表示する。本実施形態では、表示制御部２０５は、図４（ａ）で説明したように表示領域４０２、ボタン４０５〜４０８を含む画面４０１を表示する。そして、表示制御部２０５は、表示領域４０２にＳ５０１で取得された対象画像を表示する。
Ｓ５０１において、画像取得部２０１は、ボタン４０６の押下を検知したことに応じて、入力ＩＦ１１０を介して、対象画像を取得し、取得した対象画像をＨＤＤ１０９に記憶する。

Ｓ５０２において、表示制御部２０５は、ユーザによるボタン４０５の押下を検知し、検知対象となるひび割れ部分の領域の指定を受付ける。表示制御部２０５は、受け付けた指定が示す領域を、ＨＤＤ１０９に記憶する。本実施形態では、表示制御部２０５は、１つのひび割れ部分の領域の指定を受付け、受け付けた指定が示す領域を記憶する。ただし、他の例として、表示制御部２０５は、複数のひび割れ部分の領域の指定を受付け、受け付けた指定が示す複数の領域を記憶することとしてもよい。

Ｓ５０３において、第１の決定部２０２は、ボタン４０７の押下を検知したことに応じて、対象画像に対して、画質解析を行ない、第１の難易度を決定する。本実施形態では、第１の決定部２０２は、Ｓ５０１で取得された対象画像のボケの度合を、画質の程度を示す指標値（高い程、画質が低いことを示す）として特定する。そして、第１の決定部２０２は、特定した指標値を、第１の難易度として決定する。
Ｓ５０４において、第２の決定部２０３は、学習モデルデータベース２０６から学習モデルテーブル３０１を取得する。

Ｓ５０５において、第２の決定部２０３は、Ｓ５０４で取得した学習モデルテーブル３０１が示す学習モデルから、１つを選択する。以下では、図５の説明において、最新のＳ５０５で選択された学習モデルを、選択学習モデルとする。また、第２の決定部２０３は、ＲＡＭ１０２に暫定的な第２の難易度を記憶する記憶領域を用意する。以下では、この記憶領域を、暫定記憶領域とする。また、以下では、暫定記憶領域に記憶されている第２の難易度を暫定難易度とする。そして、第２の決定部２０３は、選択学習モデルを用いた検知解析として、Ｓ５０６〜Ｓ５０７の処理を行う。
Ｓ５０６において、第２の決定部２０３は、選択学習モデルを用いて、対象画像に対して、実行画像処理（設定されたオブジェクト（ひび割れ部分）の検知処理）を行う。

Ｓ５０７において、第２の決定部２０３は、Ｓ５０６での検知処理により検知された領域と、Ｓ５０２で指定されたひび割れ部分の領域と、の一致の度合（再現率）を求める。本実施形態では、第２の決定部２０３は、Ｓ５０６での検知処理により検知された領域と、Ｓ５０２で指定されたひび割れ部分の領域と、の重複領域の面積を、Ｓ５０２で指定されたひび割れ部分の領域の面積で割った値を、再現率として求める。
ただし、他の例として、第２の決定部２０３は、Ｓ５０２で指定されたひび割れ部分の領域が複数ある場合、以下のようにしてもよい。即ち、第２の決定部２０３は、この複数のひび割れ部分の領域のうち、Ｓ５０６での検知処理により検知された領域の個数を、Ｓ５０２で指定されたひび割れ部分の領域の個数で割った値を、再現率として求めてもよい。

そして、第２の決定部２０３は、求めた再現率に基づいて、選択学習モデルを用いた場合の第２の難易度を決定する。以下では、Ｓ５０７で決定される選択学習モデルを用いた場合の第２の難易度を、仮難易度とする。本実施形態では、第２の決定部２０３は、１から求めた再現率を引いた値を、選択学習モデルを用いた場合の仮難易度として決定する。
ただし、他の例として、第２の決定部２０３は、再現率が高い程低くなり、再現率が低い程高くなるような値であれば、他の値を仮難易度として決定してもよい。例えば、第２の決定部２０３は、求めた再現率の逆数を、仮難易度として決定してもよい。

Ｓ５０８において、第２の決定部２０３は、直前のＳ５０７で決定した仮難易度が、破線４１４が示す第２閾値（例えば、０．４、０．５等）未満であるか否かを判定する。
第２の決定部２０３は、直前のＳ５０７で決定した仮難易度が、第２閾値未満であると判定した場合、この仮難易度を最終的な第２の難易度に決定し、処理をＳ５１０に進める。

また、第２の決定部２０３は、直前のＳ５０７で決定した仮難易度が、第２閾値以上であると判定した場合、以下の処理を行う。即ち、第２の決定部２０３は、直前のＳ５０７で決定した仮難易度が、暫定記憶領域に記憶されている暫定難易度よりも小さい場合、暫定記憶領域に記憶されている暫定難易度の値を、この仮難易度の値に更新する。また、第２の決定部２０３は、直前のＳ５０７で決定した仮難易度が、暫定記憶領域に記憶されている暫定難易度以上である場合、暫定記憶領域に記憶されている暫定難易度の値を更新しない。また、第２の決定部２０３は、暫定記憶領域に暫定難易度が記憶されていない場合、直前のＳ５０７で決定した仮難易度を暫定難易度として暫定記憶領域に記憶する。そして、第２の決定部２０３は、処理をＳ５０９に進める。

Ｓ５０９において、第２の決定部２０３は、Ｓ５０４で取得した学習モデルテーブル３０１が示す学習モデルの全てについてＳ５０５で選択学習モデルとして選択したか否かを判定する。
第２の決定部２０３は、学習モデルテーブル３０１が示す学習モデルの全てについてＳ５０５で選択学習モデルとして選択したと判定した場合、暫定記憶領域に記憶された暫定難易度を最終的な第２の難易度に決定して、処理をＳ５１０に進める。また、第２の決定部２０３は、学習モデルテーブル３０１が示す学習モデルの中にＳ５０５で選択学習モデルとして選択していない学習モデルがあると判定した場合、処理をＳ５０５に進める。
Ｓ５１０において、分析部２０４は、Ｓ５０３で決定された第１の難易度と、Ｓ５０５〜Ｓ５０９で決定された第２の難易度と、に基づいて、対象画像を対象とした提供サービスに係る価格を決定する。Ｓ５１０の処理の詳細は、図６で後述する。

Ｓ５１１において、表示制御部２０５は、Ｓ５１０で決定された価格を、ディスプレイ１０６に表示することで出力する。本実施形態では、表示制御部２０５は、ディスプレイ１０６に表示されている画面４０１の内容を、図４（ｂ）のように、表示領域４０２、ボタン４０８、表示領域４１１、表示領域４１５を含むように更新する。そして、表示制御部２０５は、表示領域４１５にＳ５１０で決定された価格を表示する。また、表示制御部２０５は、表示領域４１１の難易度グラフ上の第１の難易度と第２の難易度とに対応する位置に、対象画像に対応するマーカをプロットする。

ただし、他の例として、表示制御部２０５は、他の出力形式で、Ｓ５１０で決定された価格を出力してもよい。例えば、表示制御部２０５は、ユーザの端末等の予め定められた送信先に、Ｓ５１０で決定された価格を送信することで出力してもよい。また、例えば、表示制御部２０５は、ＨＤＤ１０９等の予め定められた記憶先に、Ｓ５１０で決定された価格を記憶することで出力してもよい。
また、表示制御部２０５は、複数の異なる出力形式で、Ｓ５１０で決定された価格を出力してもよい。

図６を用いて、Ｓ５１０の詳細を説明する。
Ｓ６０１において、分析部２０４は、Ｓ５０３で決定された第１の難易度と、Ｓ５０５〜Ｓ５０９で決定された第２の難易度と、を取得する。
Ｓ６０２において、分析部２０４は、料金データベース２０７から、料金テーブル７０１を取得する。料金テーブル７０１は、第１の難易度及び第２の難易度と、提供サービスに係る価格の程度を示す指標値と、の対応を示すテーブルである。以下では、この指標値を、価格指標値とする。本実施形態では、第１の難易度が破線４１３の示す第１閾値未満であり、第２の難易度が破線４１４の示す第２閾値未満である単位サイズの画像を対象とした提供サービスに係る価格は、基本単価として予め定められている。本実施形態では、基本単価の情報は、ＨＤＤ１０９に記憶されている。この単位サイズは、本実施形態では、１０００画素×１０００画素とする。本実施形態では、価格指標値は、対象画像における単位サイズの領域についての提供サービスに係る価格の基本単価を基準とした倍率を示す。

図７を用いて、料金テーブル７０１について説明する。料金テーブル７０１の各行は、第１の難易度の範囲を示す。また、料金テーブル７０１の各列は、第２の難易度の範囲を示す。
本実施形態では、料金テーブル７０１は、図７に示すように、２行×２列のテーブルである。料金テーブル７０１の１行目は、第１閾値以上となる第１の難易度の範囲を示す。また、料金テーブル７０１の２行目は、第１閾値未満となる第１の難易度の範囲を示す。また、料金テーブル７０１の１列目は、第２閾値未満となる第２の難易度の範囲を示す。料金テーブル７０１の２列目は、第２閾値以上となる第２の難易度の範囲を示す。
料金テーブル７０１の各要素は、第１の難易度が対応する行の範囲に属し、第２の難易度が対応する列の範囲に属す場合の価格指標値を示す。

本実施形態では、料金テーブル７０１の左下の要素は、対象画像の画質が第１閾値の示す水準以上であり、学習モデルテーブル３０１に管理される既存の学習モデルでの検知の精度も第２閾値の示す水準以上である場合に対応する。そのため、料金テーブル７０１の左下の要素が示す価格指標値は、対象画像に対する実行画像処理の難易度が、予め定められた水準以上ではないため、１（基本価格そのまま）となっている。
また、料金テーブル７０１の右下の要素は、対象画像の画質が、第１閾値の示す水準以上であるが、学習モデルテーブル３０１に管理される既存の学習モデルでの検知の精度が第２閾値の示す水準未満である場合に対応する。そのため、料金テーブル７０１の右下の要素が示す価格指標値は、対象画像に対する実行画像処理の難易度が、予め定められた水準以上よりも高いとして、１．５（基本価格の１．５倍）となっている。

また、料金テーブル７０１の左上の要素は、対象画像の画質が第１閾値の示す水準未満であり、学習モデルテーブル３０１に管理される既存の学習モデルでの検知の精度が第２閾値の示す水準以上である場合に対応する。そのため、料金テーブル７０１の左上の要素が示す価格指標値は、対象画像に対する実行画像処理の難易度が、予め定められた水準以上よりも高いとして、２（基本価格の２倍）となっている。画像の画質が低いほど学習モデルの追加学習に係る手間が大きくなる。そのため、左上の要素が示す価格指標値は、右下の要素が示す価格指標値に比べて大きな値となっている。
また、料金テーブル７０１の右上の要素は、対象画像の画質が第１閾値の示す水準よりも低く、学習モデルテーブル３０１に管理される既存の学習モデルでの検知の精度が第２閾値の示す水準よりも低い場合に対応する。そのため、料金テーブル７０１の右上の要素が示す価格指標値は、４つの要素の中で最も高い２．５（基本価格の２．５倍）となっている。

Ｓ６０３において、分析部２０４は、Ｓ６０２で取得した料金テーブル７０１から、Ｓ６０１で取得した第１の難易度と第２の難易度とに対応する価格指標値を取得する。より具体的には、分析部２０４は、Ｓ６０１で取得した第１の難易度が、料金テーブル７０１の各行が示す範囲のうちのどの範囲に属するかを特定し、特定した範囲に対応する行を特定する。また、分析部２０４は、Ｓ６０１で取得した第２の難易度が、料金テーブル７０１の各列が示す範囲のうちのどの範囲に属するかを特定し、特定した範囲に対応する列を特定する。そして、分析部２０４は、料金テーブル７０１における特定した行と、特定した列と、に対応する要素が示す価格指標値を取得する。
Ｓ６０４において、分析部２０４は、Ｓ６０３で取得した価格指標値に基づいて、対象画像を対象とした提供サービスに係る価格を決定する。より具体的には、分析部２０４は、基本単価＊（対象画像のサイズ）／（単位サイズ（１０００画素×１０００画素））＊価格指標値で求まる価格を、対象画像を対象とした提供サービスに係る価格として決定する。

以上、本実施形態では、情報処理装置１００は、第１の決定部２０２により決定された第１の難易度と、第２の決定部２０３により決定された第２の難易度と、に基づいて、対象画像を対象とする提供サービスに係る価格を決定した。これにより、情報処理装置１００は、対象画像に対する実行画像処理の難易度を加味したより適切な価格を決定できる。また、情報処理装置１００は、ディスプレイ１０６に表示し、ユーザに提示できる。

本実施形態では、情報処理装置１００は、対象画像として１枚の画像を取得することとした。ただし、他の例として、情報処理装置１００は、複数の画像を対象画像として取得してもよい。
その場合、第１の決定部２０２は、例えば、複数の対象画像それぞれについて、第１の難易度を決定し、決定した複数の第１の難易度に基づいて、最終的な第１の難易度を決定してもよい。例えば、第１の決定部２０２は、複数の対象画像それぞれについて決定した第１の難易度の平均値や重心等を最終的な第１の難易度として決定してもよい。

また、第２の決定部２０３は、例えば、複数の対象画像それぞれについて、第２の難易度を決定し、決定した複数の第２の難易度に基づいて、最終的な第２の難易度を決定してもよい。例えば、第２の決定部２０３は、複数の対象画像それぞれについて決定した第２の難易度の平均値や重心等を最終的な第２の難易度として決定してもよい。
情報処理装置１００は、このようにすることで、複数の対象画像の中に第１の難易度、第２の難易度が極端に低かったり高かったりするような場合でも、複数の対象画像を対象とした提供サービスに係る適切な価格を決定できる。

また、本実施形態では、料金テーブル７０１に示されるように、価格指標値は、第１の難易度と第２の難易度とに応じて、予め定められた４つの値のうちの１つの値を取り得ることとした。ただし、他の例として、価格指標値は、第１の難易度と第２の難易度とに応じて、予め定められた５つ以上の個数の値のうちの１つの値を取り得ることとしてもよい。また、価格指標値は、第１の難易度と第２の難易度とに応じて、予め定められた３つ以下の個数の値のうちの１つの値を取り得ることとしてもよい。
例えば、料金テーブル７０１が、２×３のテーブルであるとしてもよい。その場合、料金テーブル７０１の１列目が第２の難易度について予め定められた閾値Ａ未満の範囲を示すとする。また、料金テーブル７０１の２列目が第２の難易度について閾値Ａ以上であり予め定められた閾値Ｂ（閾値Ａよりも大きい）未満の範囲を示し、３列目が第２の難易度について閾値Ｂ以上の範囲を示すとする。

また、料金テーブル７０１の１行目が第１の難易度について予め定められた閾値α未満の範囲を示し、２行目が以上であり予め定められた閾値Ｂ（閾値Ａよりも大きい）未満の範囲を示し、３列目が第２の難易度について閾値Ｂ以上の範囲を示すとする。
そして、料金テーブル７０１の６個の要素が示す各価格指標は、第１の難易度と第２の難易度との値が高い程、高くなるように設定されているとする。例えば、料金テーブル７０１の第１列目に対応する価格指標と第２列目に対応する価格指標と第３列目に対応する価格指標とが、１：２：３となることとしてもよい。
分析部２０４は、このような料金テーブル７０１を用いることで、料金テーブル７０１が４つの価格指標を含む場合に比べて、より細かい粒度で、対象画像を対象とする提供サービスに係る価格を決定できる。

また、本実施形態では、情報処理装置１００は、予め定められた料金テーブル７０１を用いて、価格指標を取得することとした。ただし、他の例として、情報処理装置１００は、第１の難易度と第２の難易度とを引数として、価格指標を出力する予め定められた関数を用いて、価格指標を取得することとしてもよい。
また、本実施形態では、第２の決定部２０３は、検知解析において再現率を求めて、求めた再現率を用いて、第２の難易度を決定した。ただし、他の例として、第２の決定部２０３は、検知解析において誤検知率を求めて、誤検知率を用いて第２の難易度を決定してもよい。誤検知率とは、Ｓ５０６での検知処理で検知された領域のうちＳ５０２で指定された領域以外の領域の、Ｓ５０６での検知処理で検知された領域全体に対する割合である。そして、第２の決定部２０３は、求めた誤検知率を、第２の難易度として決定してもよい。

また、第２の決定部２０３は、検知解析において再現率と誤検知率との両方を求めて、求めた再現率と誤検知率とに基づいて、第２の難易度を決定してもよい。例えば、第２の決定部２０３は、（（１−再現率）＋誤検知率）／２の値を、第２の難易度として決定してもよい。
また、第２の決定部２０３は、Ｓ５０２で指定された領域が複数ある場合には、Ｓ５０６で検知した領域と、Ｓ５０２で指定された複数の領域と、に基づいて、第２の難易度を決定してもよい。例えば、第２の決定部２０３は、Ｓ５０２で指定された複数の領域それぞれについて、仮難易度を決定し、決定した仮難易度の平均値を第２の難易度に決定してもよい。また、例えば、第２の決定部２０３は、Ｓ５０２で指定された複数の領域のうちＳ５０６で検知できた領域の数が多いほど大きくなるように第２の難易度を決定してもよい。

また、第２の決定部２０３は、Ｓ５０８を行うことで、仮難易度が第２閾値未満の場合Ｓ５０５〜Ｓ５０９のループ処理から抜け出すこととした。ただし、第２の決定部２０３は、Ｓ５０８の処理を行わないこととしてもよい。その場合、第２の決定部２０３は、学習モデルテーブル３０１で管理される全ての学習モデルについてＳ５０６、Ｓ５０７の処理を行うことで求まる仮難易度から第２の難易度を決定してもよい。例えば、第２の決定部２０３は、求めた仮難易度のうち、最小の仮難易度を、第２の難易度として決定してもよい。
また、第２の決定部２０３は、例えば、全ての学習モデルについてのＳ５０６、Ｓ５０７の処理で求まった仮難易度から最大の値を抽出し、その難易度の結果に対してＳ５０８と同様の閾値判定をしてもよい。ただし、この場合は正式受注後にどの学習モデルを選択すればよいかの正確度が上がるが、全学習モデルに対してひび割れ検知処理を行うため、処理時間がかかる。逆に言えば、図５のようにＳ５０８で条件分岐を行う方法では、価格の決定に係る時間を節約できるという利点がある。

また、本実施形態では、第１の決定部２０２は、画質解析で、対象画像のボケの度合を求めて、求めたボケの度合を、第１の難易度として決定した。ただし、第１の決定部２０２は、他の手法で、第１の難易度を決定してもよい。
例えば、第１の決定部２０２は、画質解析で、対象画像について、画素の輝度についてのヒストグラムを求め、求めたヒストグラムに基づいて第１の難易度を決定してもよい。例えば、第１の決定部２０２は、求めたヒストグラムにおける明側もしくは暗側の分布に偏りの有無に応じて、分布に偏りがある程高くなるように第１の難易度を決定してもよい。
また、例えば、第１の決定部２０２は、画質解析で、対象画像について、画素の色（例えば、ＲＧＢ等）それぞれについてのヒストグラムを求め、求めたヒストグラムに基づいて第１の難易度を決定してもよい。例えば、第１の決定部２０２は、各色のヒストグラムの明側（値が大きい側）に偏りの有無に基づいて、分布に偏りがある程高くなるように第１の難易度を決定してもよい。
また、第１の決定部２０２は、複数種類の解析を、画質解析として行い、複数の解析結果に基づいて、第１の難易度を決定してもよい。

＜実施形態２＞
実施形態１では、情報処理装置１００は、検知解析の結果に基づいて、第２の難易度を決定した。本実施形態の情報処理装置１００は、対象画像と予め実行画像処理が実行された画像との類似性の解析結果に基づいて、第２の難易度を決定する。
本実施形態の情報処理装置１００のハードウェア構成は、実施形態１と同様である。

また、本実施形態の情報処理装置１００の機能構成は、実施形態１と同様である。ただし、本実施形態では、第２の決定部２０３は、検知解析ではなく、対象画像と、特徴量が既知であり、予め実行画像処理が実行された画像と、の類似の度合を求める解析である画像類似解析の結果に基づいて、第２の難易度を決定する。画像類似解析は、第２の解析の一例である。本実施形態では、第２の決定部２０３は、図８に示すように、学習モデルデータベース２０６に記憶された学習モデルではなく、特徴量データベース８０１に記憶された特徴量を用いて、第２の難易度を決定する。
特徴量データベース８０１は、図９で後述する特徴量テーブル９０１が記憶される記憶領域であり、ＨＤＤ１０９に実装される。ただし、他の例として、特徴量データベース８０１は、ＲＯＭ１０３に実装されることとしてもよい。

図９は、特徴量データベース８０１に記憶された特徴量テーブル９０１の一例を示す図である。特徴量テーブル９０１は、特徴量を識別する「ＩＤ」、特徴量の１つであるＲＧＢそれぞれについての平均色を示す「ＲＧＢ平均色」、特徴量の１つである平均輝度値を示す「輝度値」、特徴量の１つであるＦ値を示す「Ｆ値」の項目を含む。特徴量テーブル９０１の各行の特徴量は、それぞれ、既に実行画像処理が実行された画像の特徴量を示す。即ち、本実施形態では、情報処理装置１００は、既に実行画像処理が実行された画像と対象画像との類似の度合に基づいて、対象画像に対する実行画像処理の難易度である第２の難易度を決定する。
本実施形態では、第２の決定部２０３は、比較対象の２つの画像の類似の度合を判断するために、それぞれの画像の特徴量間の距離を求める。本実施形態では、特徴量テーブル９０１には、特徴量として、ＲＧＢ平均色、平均輝度値、Ｆ値が含まれるが、他の種類の特徴量が含まれることとしてもよい。例えば、特徴量テーブル９０１には、画像を解析して得られるヒストグラムや、ハイパスフィルタを行って得られる鮮鋭度等の特徴量が含まれることとしてもよい。

図１０は、本実施形態の情報処理装置１００の処理の一例を示すフローチャートである。図１０のＳ５０１〜Ｓ５０３、Ｓ５１０、Ｓ５１１それぞれの処理は、図５と同様である。図１０の処理のうち図５と異なっている点について説明する。
Ｓ１００１において、第２の決定部２０３は、対象画像から、予め定められた特徴量（本実施形態では、特徴量テーブル９０１に管理されるＲＧＢ平均色、平均輝度値、Ｆ値）を取得する。
Ｓ１００２において、第２の決定部２０３は、特徴量データベース８０１から特徴量テーブル９０１を取得する。そして、第２の決定部２０３は、特徴量テーブル９０１から１行分の特徴量を選択する。以下、図１０の説明において最新のＳ１００２で選択された特徴量を選択特徴量とする。また、第２の決定部２０３は、ＲＡＭ１０２に暫定難易度を記憶する暫定記憶領域を用意する。

Ｓ１００３において、第２の決定部２０３は、Ｓ１００１で求めた特徴量と、選択特徴量と、に基づいて、対象画像と選択特徴量に対応する画像（以下では、比較画像とする）との類似の度合を示す指標として、特徴量間の距離を求める。対象画像と選択特徴量との特徴量間の距離を求める解析は、画像類似解析の一例である。
本実施形態では、第２の決定部２０３は、対象画像について、ＲＧＢの各色を０から１に正規化し、画像全体のＲＧＢ各色の平均値を求めて、ＲＧＢ空間内での位置を求める。そして、第２の決定部２０３は、求めたＲＧＢ空間内での位置と、選択特徴量の「ＲＧＢ平均色」が示すＲＧＢ空間内の位置と、の間の距離を求め、求めた距離を正規化し、ＲＧＢ平均色についての特徴量間の距離を求める。
また、第２の決定部２０３は、対象画像について、画像全体の輝度値の平均値を求める。そして、第２の決定部２０３は、求めた輝度値の平均値と、選択特徴量の「輝度値」が示す輝度値の平均値と、の差分を正規化することで、平均輝度値についての特徴量間の距離を求める。

また、第２の決定部２０３は、対象画像について、Ｆ値を求める。そして、第２の決定部２０３は、求めたＦ値と、選択特徴量の「Ｆ値」が示すＦ値と、の差を求める。その際、第２の決定部２０３は、Ｆ２やＦ２．８といった絞りの１段を1単位として、１段の差に応じた特徴量間の距離を０．２５とし、４段以上離れた場合は１とする。これにより、第２の決定部２０３は、Ｆ値についての特徴量間の距離を求める。
そして、第２の決定部２０３は、ＲＧＢ平均色、平均輝度値、Ｆ値それぞれについて求めた特徴量間の距離の平均値を、対象画像と比較画像との特徴量間の距離の最終的な値として求める。そして、第２の決定部２０３は、求めた特徴量間の距離を、仮難易度として決定する。

Ｓ１００４において、第２の決定部２０３は、Ｓ１００３で決定した仮難易度が予め定められた閾値（破線４１４が示す第２閾値）未満であるか否かを判定する。なお、本実施形態の第２閾値は、実施形態１の場合と異なる値であってもよい。第２の決定部２０３は、Ｓ１００３で決定した仮難易度が予め定められた閾値未満であると判定した場合、仮難易度を最終的な第２の難易度に決定し、処理をＳ５１０に進める。
また、第２の決定部２０３は、Ｓ１００３で決定した仮難易度が予め定められた閾値以上であると判定した場合、処理をＳ１００５に進める。また、この場合、第２の決定部２０３は、Ｓ１００３で決定した仮難易度が、暫定記憶領域に記憶された値よりも小さければ、暫定記憶領域に記憶された値を、Ｓ１００３で決定した仮難易度の値で更新する。また、第２の決定部２０３は、暫定記憶領域に値が記憶されていない場合、Ｓ１００３で決定した仮難易度の値を、暫定記憶領域に記憶する。
本実施形態では、Ｓ１００４で用いられる第２閾値は、予め定められた閾値であるとするが、他の例として、入力装置１０８を介してユーザから指定された閾値であってもよいし、統計的な手法により求められた閾値であってもよい。

Ｓ１００５において、第２の決定部２０３は、特徴量テーブル９０１内の全ての特徴量について、Ｓ１００２で選択特徴量として選択したか否かを判定する。第２の決定部２０３は、特徴量テーブル９０１内の全ての特徴量について、Ｓ１００２で選択特徴量として選択したと判定した場合、暫定記憶領域に記憶されている値を、最終的な第２の難易度として決定し、処理をＳ５１０に進める。第２の決定部２０３は、特徴量テーブル９０１内の特徴量の中にＳ１００２で選択特徴量として選択していない特徴量があると判定した場合、処理をＳ１００２に進める。

本実施形態では、情報処理装置１００は、既に実行画像処理を実行済みの画像との類似の度合から第２の難易度を求めた。情報処理装置１００は、類似の度合が高い程、既に処理済みの画像と似ている特徴があるため、第２の難易度が低いと決定する。また、情報処理装置１００は、類似の度合が低い程、未知の画像である可能性が高いとして第２の難易度を高く決定する。これにより、情報処理装置１００は、既に実行画像処理が実行済みの画像との類似の度合を加味した上で、対象画像を対象とした提供サービスに係る価格をより適切に決定できる。
なお、情報処理装置１００は、特徴量間の距離を求める際に、本実施形態で用いた特徴量と異なる特徴量を用いてもよい。また、情報処理装置１００は、類似の度合を他の方法で求めてもよく、機械学習の手法を用いて求めてもよい。

＜実施形態３＞
実施形態１、２では、情報処理装置１００は、対象画像に対する解析結果に基づいて、第２の難易度を決定した。本実施形態の情報処理装置１００は、対象画像の被写体である対象被写体の構造物に関する情報（以下では、構造物情報とする）に基づいて、対象被写体の構造物と予め定められた構造物との類似の度合を解析し、解析結果に基づいて第２の難易度を決定する。
本実施形態の情報処理装置１００のハードウェア構成は、実施形態１と同様である。

また、本実施形態の情報処理装置１００の機能構成は、実施形態１と同様である。ただし、本実施形態では、第２の決定部２０３は、検知解析ではなく、対象被写体と、予め定められた構造物と、の類似の度合を求める解析である被写体解析の結果に基づいて、第２の難易度を決定する。被写体解析は、第２の解析の一例である。本実施形態では、第２の決定部２０３は、図１１に示すように、学習モデルデータベース２０６に記憶された学習モデルではなく、構造物データベース１１０１に記憶された予め定められた構造物情報を用いて、第２の難易度を決定する。
構造物データベース１１０１は、図１３で後述する構造物情報テーブル１３０１が記憶される記憶領域であり、ＨＤＤ１０９に実装される。ただし、他の例として、構造物データベース１１０１は、ＲＯＭ１０３に実装されることとしてもよい。

図１２は、本実施形態の画面４０１の一例を示す図である。本実施形態では、画面４０１は、対象被写体の構造物情報の入力に用いられる。本実施形態では、情報処理装置１００は、図４（ａ）の画面４０１の代わりに、図１２の画面４０１をディスプレイ１０６に表示する。
本実施形態の画面４０１は、項目名称領域１２０２、項目指定領域１２０３、ボタン４０６、ボタン４０７を含む。項目名称領域１２０２は、対象被写体である構造物情報の項目を示す領域である。図１２の例では、項目名称領域１２０２には、構造物の種類を示す「案件構造」、構造物の竣工年度を示す「竣工年度」、構造物の長さを示す「案件長さ」、チョークの量を示す「チョーク量」、シミの量を示す「シミ量」が示されている。ただし、他の例として、項目名称領域１２０２は、図１２に示されている項目以外の項目を含んでいてもよい。
項目指定領域１２０３は、項目名称領域１２０２に示される各項目についての値の指定に用いられる領域である。

図１３は、構造物データベース１１０１に記憶された構造物情報テーブル１３０１の一例を示す図である。
本実施形態では、構造物情報テーブル１３０１は、構造物の識別情報を示す「ＩＤ」、構造物の種類を示す「構造」、構造物の竣工年度を示す「竣工」、構造物の長さを示す「案件長さ」の項目を含む。また、構造物情報テーブル１３０１は、構造物のチョークの量を示す「チョーク量」、構造物のシミの量を示す「シミ量」の項目を含む。構造物情報テーブルの各行は、既に画像が撮影され、実行画像処理が実行された構造物についての構造物情報を示す。

図１４は、本実施形態の情報処理装置１００の処理の一例を示すフローチャートである。図１４のＳ５０１〜Ｓ５０３、Ｓ５１０、Ｓ５１１それぞれの処理は、図５と同様である。図１４の処理のうち図５と異なっている点について説明する。
Ｓ１４０１において、第２の決定部２０３は、画面４０１内の項目指定領域１２０３に指定された対象被写体の構造物についての構造物情報を取得する。以下では、Ｓ１４０１で取得された対象被写体の構造物についての構造物情報を、取得情報とする。
Ｓ１４０２において、第２の決定部２０３は、構造物データベース１１０１から構造物情報テーブル１３０１を取得する。そして、第２の決定部２０３は、構造物情報テーブル１３０１から１行分の構造物情報を選択する。以下、図１０の説明において最新のＳ１００２で選択された情報を選択情報とする。また、第２の決定部２０３は、ＲＡＭ１０２に暫定難易度を記憶する暫定記憶領域を用意する。

Ｓ１４０３において、第２の決定部２０３は、Ｓ１４０１で取得した取得情報と選択情報との類似の度合（類似度）を求めて、求めた類似度に基づいて、第２の難易度を決定する。取得情報と選択情報との類似度を求める解析は、被写体解析の一例である。
より具体的には、第２の決定部２０３は、構造物情報の設定された項目（本実施形態では、構造物の種類、竣工年度、構造物の長さ、チョークの量、シミの量）それぞれについて、取得情報と選択情報とが一致しているか否かを特定する。そして、第２の決定部２０３は、１つの項目について、一致している場合、類似の度合を示す指標値（類似値）を１として、一致していない場合、類似値を０とする。そして、第２の決定部２０３は、設定された項目全体について、類似値の合計を求めて、求めた合計を、項目全体の個数で割った値を、取得情報と選択情報との類似度として求める。例えば、構造物情報に含まれる項目が５つであり、一致する項目が２つの場合、類似度は、２／５で０．４となる。
そして、第２の決定部２０３は、１から求めた類似度を引いた値を、第２の難易度として決定する。ただし、第２の決定部２０３は、類似度が高い程低くなり、類似度が低い程高くなるような指標値であれば、他の指標値を第２の難易度として決定してもよい。例えば、第２の決定部２０３は、求めた類似度の逆数を、第２の難易度として決定してもよい。

本実施形態では、第２の決定部２０３は、設定された項目それぞれについて、取得情報と選択情報とが一致するか否かに基づいて、取得情報と選択情報との類似値を求めることとする。ただし、他の例として、第２の決定部２０３は、構造物情報の項目によっては、元の値をそのまま比較するだけでなく、加工した値で比較して一致するか否かを決定してもよい。例えば、第２の決定部２０３は、竣工年度について、取得情報と選択情報との差分が、設定された閾値よりも小さい場合、取得情報と選択情報とが一致すると決定し、設定された閾値以上の場合、取得情報と選択情報とが一致しないと決定してもよい。
また、第２の決定部２０３は、比較対象の構造物情報の竣工年度同士の差を、所定の年数（例えば１０年）で区分けされた何れの段階に属するかに応じて、類似値を決定してもよい。例えば、第２の決定部２０３は、この差が、１０年未満である場合、類似値を１．０として、１０年以上２０年未満である場合、類似値を０．７５として、２０年以上３０年未満である場合、類似値を０．５としてもよい。そして、第２の決定部２０３は、この差が、３０年以上４０年未満である場合、類似値を０．２５、４０年以上である場合、類似値を０としてもよい。

Ｓ１４０４において、第２の決定部２０３は、Ｓ１４０３で決定した仮難易度が予め定められた閾値（破線４１４が示す第２閾値）未満か否かを判定する。本実施形態の第２閾値は、実施形態１、２の場合と異なる値であってもよい。第２の決定部２０３は、Ｓ１４０３で決定した仮難易度が第２閾値未満であると判定した場合、この仮難易度を最終的な第２の難易度として決定し、処理をＳ５１０に進める。
また、第２の決定部２０３は、Ｓ１４０３で決定した仮難易度が第２閾値以上であると判定した場合、処理をＳ１４０５に進める。また、この場合、第２の決定部２０３は、Ｓ１４０３で決定した仮難易度が、暫定記憶領域に記憶された値よりも小さければ、暫定記憶領域に記憶された値を、Ｓ１４０３で決定した仮難易度の値で更新する。また、第２の決定部２０３は、暫定記憶領域に値が記憶されていない場合、Ｓ１４０３で決定した仮難易度の値を、暫定記憶領域に記憶する。

Ｓ１４０５において、第２の決定部２０３は、構造物情報テーブル１３０１内の全ての構造物情報について、Ｓ１４０２で選択情報として選択したか否かを判定する。
第２の決定部２０３は、構造物情報テーブル１３０１内の全ての構造物情報について、Ｓ１４０２で選択情報として選択したと判定した場合、暫定記憶領域に記憶されている値を最終的な第２の難易度として決定し、処理をＳ５１０に進める。第２の決定部２０３は、構造物情報テーブル１３０１内にＳ１４０２で選択情報として選択されていない構造物情報があると判定した場合、処理をＳ１４０２に進める。

以上、本実施形態では、情報処理装置１００は、提供サービスの対象となる対象被写体の構造物情報を取得し、取得した情報と、既に実行画像処理が実行済みの画像に対応する構造物情報との類似の度合から、第２の難易度を算出する。情報処理装置１００は、対象被写体の構造物情報と、予め定められた構造物情報と、の類似度が高い程、低くなるように、また、この類似度が低い程、高くなるように、第２の難易度を決定することとした。これにより、情報処理装置１００は、画像の解析で得られない被写体の情報を加味した第２の難易度を決定できる。情報処理装置１００は、画像の解析からだけでは求めることが困難な構造物情報（例えば、構造物の種類、形状、製造年度の情報等）を加味した第２の難易度を決定できる。即ち、情報処理装置１００は、構造物情報を加味したうえで、対象画像を対象とする提供サービスに係る価格を決定できる。
なお、本実施形態の情報処理装置に実施形態１や実施形態２で行っている画像処理による難易度算出の手法を加えてもよい。例えば、情報処理装置１００は、２軸で無く、複数の軸で判定し、価格指標を決定してもよい。

＜その他の実施形態＞
実施形態１〜３では、実行画像処理は、画像から、構造物のひび割れ部分を検出する処理であるとした。ただし、他の例として、実行画像処理は、画像から、構造物のひび割れ部分と異なるオブジェクト（例えば、構造物における塗料が剥げている部分、構造物における歪曲している部分等）を検出する処理であるとしてもよい。また、実行画像処理は、画像から、複数の種類のオブジェクトを検出する処理であるとしてもよい。
なお、実施形態１〜３で上述した各処理部のうち、第１の決定部２０２、第２の決定部２０３、分析部２０４等については、情報処理装置１００は、その代わりとして、機械学習された学習済みモデルを代わりに用いて処理してもよい。その場合には、例えば、その処理部への入力データと出力データとの組合せを学習データとして複数個準備し、それらから機械学習によって知識を獲得し、獲得した知識に基づいて入力データに対する出力データを結果として出力する学習済みモデルを生成する。学習済みモデルは、例えばニューラルネットワークモデルで構成可能である。そして、その学習済みモデルは、これらの処理部と同等の処理をするためのプログラムとして、ＣＰＵあるいはＧＰＵなどと協働で動作することにより、前記処理部の処理を行う。なお、情報処理装置１００は、上記学習済みモデルを、必要に応じて一定の処理後に更新するようにしてもよい。

本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記録媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサがプログラムを読み出し実行する処理でも実現可能である。また、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。

例えば、上述した情報処理装置１００の機能構成の一部又は全てをハードウェアとして情報処理装置１００に実装してもよい。以上、本発明の実施形態の一例について詳述したが、本発明は係る特定の実施形態に限定されるものではない。例えば、上述した各実施形態を任意に組み合わせる等してもよい。

１００ 情報処理装置
１０１ ＣＰＵ

Claims (11)

1. 被写体の画像を取得する取得手段と、
   前記取得手段により取得された前記画像についての第１の解析の結果に基づいて、前記画像に対する画像処理の第１の難易度を決定する第１の決定手段と、
   前記被写体についての第２の解析の結果に基づいて、前記取得手段により取得された前記画像に対する前記画像処理の第２の難易度を決定する第２の決定手段と、
   前記第１の決定手段により決定された前記第１の難易度と、前記第２の決定手段により決定された前記第２の難易度と、に基づいて、前記取得手段により取得された前記画像に対して前記画像処理を実行するサービスの価値を示す情報を決定する第３の決定手段と、
   を有する情報処理装置。
2. 前記第１の解析は、前記取得手段により取得された前記画像の画質に関する解析である請求項１に記載の情報処理装置。
3. 前記第２の解析は、前記取得手段により取得された前記画像から設定されたオブジェクトを検知する検知処理であって、設定された学習モデルを用いて行われる前記検知処理の精度に関する解析である請求項１又は２に記載の情報処理装置。
4. 前記第２の解析は、前記取得手段により取得された前記画像と、設定された画像と、の類似の度合に関する解析である請求項１又は２に記載の情報処理装置。
5. 前記第２の解析は、前記被写体と、設定されたオブジェクトと、の類似の度合に関する解析である請求項１又は２に記載の情報処理装置。
6. 前記サービスの価値を示す情報とは前記サービスに係る価格であり、
   前記第３の決定手段により決定された前記価格を出力する第１の出力手段を更に有する請求項１乃至５の何れか１項に記載の情報処理装置。
7. 前記第１の出力手段は、前記第３の決定手段により決定された前記価格を表示することで出力する請求項６に記載の情報処理装置。
8. 前記第１の決定手段により決定された前記第１の難易度が取り得る値を示す第１の軸と、前記第２の決定手段により決定された前記第２の難易度が取り得る値を示す第２の軸と、含むグラフであって、前記第１の難易度と前記第２の難易度とに対応する位置に前記画像に対応するオブジェクトがプロットされた前記グラフを表示する表示制御手段を更に有する請求項１乃至７の何れか１項に記載の情報処理装置。
9. 被写体の画像を取得する取得手段と、
   前記取得手段により取得された前記画像についての第１の解析の結果に基づいて、前記画像に対する画像処理の第１の難易度を決定する第１の決定手段と、
   前記被写体についての第２の解析の結果に基づいて、前記取得手段により取得された前記画像に対する前記画像処理の第２の難易度を決定する第２の決定手段と、
   前記第１の決定手段により決定された前記第１の難易度と、前記第２の決定手段により決定された前記第２の難易度と、に基づいて、前記取得手段により取得された前記画像に対して前記画像処理を実行するサービスの価値を示す情報を決定する第３の決定手段と、
   を有するシステム。
10. 情報処理装置が実行する情報処理方法であって、
    被写体の画像を取得する取得ステップと、
    前記取得ステップで取得された前記画像についての第１の解析の結果に基づいて、前記画像に対する画像処理の第１の難易度を決定する第１の決定ステップと、
    前記被写体についての第２の解析の結果に基づいて、前記取得ステップで取得された前記画像に対する前記画像処理の第２の難易度を決定する第２の決定ステップと、
    前記第１の決定ステップで決定された前記第１の難易度と、前記第２の決定ステップで決定された前記第２の難易度と、に基づいて、前記取得ステップで取得された前記画像に対して前記画像処理を実行するサービスの価値を示す情報を決定する第３の決定ステップと、
    を含む情報処理方法。
11. コンピュータを、請求項１乃至８の何れか１項に記載の情報処理装置の各手段として機能させるためのプログラム。

Images