JP2021036109A - 評価支援システム、評価支援方法、及びプログラム - Google Patents
評価支援システム、評価支援方法、及びプログラム Download PDFInfo
- Publication number
- JP2021036109A JP2021036109A JP2019158053A JP2019158053A JP2021036109A JP 2021036109 A JP2021036109 A JP 2021036109A JP 2019158053 A JP2019158053 A JP 2019158053A JP 2019158053 A JP2019158053 A JP 2019158053A JP 2021036109 A JP2021036109 A JP 2021036109A
- Authority
- JP
- Japan
- Prior art keywords
- teacher
- image
- gaze
- input
- evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 301
- 238000000034 method Methods 0.000 title claims description 63
- 238000010276 construction Methods 0.000 claims abstract description 106
- 238000001514 detection method Methods 0.000 claims description 49
- 238000012549 training Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 33
- 238000012986 modification Methods 0.000 description 20
- 230000004048 modification Effects 0.000 description 20
- 238000010801 machine learning Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 210000001508 eye Anatomy 0.000 description 3
- 239000004984 smart glass Substances 0.000 description 3
- 240000007124 Brassica oleracea Species 0.000 description 2
- 235000003899 Brassica oleracea var acephala Nutrition 0.000 description 2
- 235000012905 Brassica oleracea var viridis Nutrition 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
Description
図1は、実施形態に係る評価支援システムの全体構成を示す図である。図1に示すように、評価支援システムSは、学習端末10と視線検出装置20とを含み、これらは互いに通信可能に接続される。なお、評価支援システムSは、サーバコンピュータ等の他のコンピュータが含まれていてもよい。
評価支援システムSは、工事現場の評価対象を評価する評価者の業務を支援する。評価者とは、評価の担当者であり、建設会社の社員であってもよいし、建設会社から評価業務を委託された者であってもよい。工事現場とは、工事が行われる場所であり、地上であってもよいし、地下であってもよい。工事は、任意の種類の工事であってよく、例えば、土木工事であってもよいし、建築工事であってもよい。
図6は、評価支援システムSで実現される機能の一例を示す機能ブロック図である。図6に示すように、評価支援システムSは、データ記憶部100、教師注視点画像取得部101、第1教師データ取得部102、第1学習部103、第1入力部104、出力注視点画像取得部105、第2教師データ取得部106、第2学習部107、入力注視点画像取得部108、第2入力部109、及び出力評価結果取得部110が実現される。
データ記憶部100は、記憶部12を主として実現される。データ記憶部100は、本実施形態の処理を実行するために必要なデータを記憶する。例えば、データ記憶部100は、第1教師データD1と、第2教師データD2と、を記憶する。
教師注視点画像取得部101は、制御部11を主として実現される。教師注視点画像取得部101は、教師注視点画像を取得する。教師注視点画像は、任意の方法によって取得可能であり、本実施形態では、教師注視点画像取得部101は、視線検出装置20により検出された評価者の視線に基づいて、教師注視点画像を取得する場合を説明する。
第1教師データ取得部102は、制御部11を主として実現される。第1教師データ取得部102は、第1教師データD1を取得する。本実施形態では、第1教師データD1がデータ記憶部100に記憶されているので、第1教師データ取得部102は、データ記憶部100を参照し、第1教師データD1を取得する。第1教師データD1が学習端末10以外の他のコンピュータ又は外部情報記憶媒体に記憶されている場合、第1教師データ取得部102は、当該他のコンピュータ又は外部情報記憶媒体に記憶された第1教師データD1を取得する。
第1学習部103は、制御部11を主として実現される。第1学習部103は、第1教師データD1に基づいて、注視点画像出力モデルM1を学習させる。学習方法自体は、公知の機械学習モデルの手法を利用すればよく、例えば、畳み込みニューラルネットワーク又は再帰的ニューラルネットワークの学習手法を利用すればよい。この点は、後述する第2学習部107も同様である。
第1入力部104は、制御部11を主として実現される。第1入力部104は、注視点画像出力モデルM1に対し、入力撮影画像を入力する。
出力注視点画像取得部105は、制御部11を主として実現される。出力注視点画像取得部105は、注視点画像出力モデルM1から出力された、出力注視点画像を取得する。
第2教師データ取得部106は、制御部11を主として実現される。第2教師データ取得部106は、第2教師データD2を取得する。本実施形態では、第2教師データD2がデータ記憶部100に記憶されているので、第2教師データ取得部106は、データ記憶部100を参照し、第2教師データD2を取得する。第2教師データD2が学習端末10以外の他のコンピュータ又は外部情報記憶媒体に記憶されている場合、第2教師データ取得部106は、当該他のコンピュータ又は外部情報記憶媒体に記憶された第2教師データD2を取得する。
第2学習部107は、制御部11を主として実現される。第2学習部107は、第2教師データD2に基づいて、評価結果出力モデルM2を学習させる。第2学習部107は、第2教師データD2が示す入力と出力の関係が得られるように、評価結果出力モデルM2のパラメータを調整する。例えば、第2学習部107は、第2教師データD2の教師撮影画像と教師注視点画像の各々を特徴量化し、教師撮影画像と教師注視点画像の各々の特徴量を入力した場合に、教師評価結果が出力されるように、評価結果出力モデルM2のパラメータを調整する。なお、第2教師データD2には、教師撮影画像と教師注視点画像の各々の特徴量が予め計算されて格納されていてもよい。この場合には、第2学習部107は、学習時に特徴量を計算しなくてよい。
入力注視点画像取得部108は、制御部11を主として実現される。入力注視点画像取得部108は、入力注視点画像を取得する。本実施形態では、入力注視点画像取得部108は、学習済みの注視点画像出力モデルM1に対し、入力撮影画像が入力された場合に出力される出力注視点画像を、入力注視点画像として取得する。
第2入力部109は、制御部11を主として実現される。第2入力部109は、評価結果出力モデルM2に対し、入力撮影画像と、入力撮影画像に対応する入力注視点画像と、を入力する。入力撮影画像については、第1入力部104の説明で記載した通りである。入力注視点画像は、任意の方法によって取得可能であり、本実施形態では、後述する入力注視点画像取得部108により入力注視点画像が取得されるので、第2入力部109は、評価結果出力モデルに対し、入力撮影画像と、入力注視点画像取得部108により取得された入力注視点画像と、を入力する。
出力評価結果取得部110は、制御部11を主として実現される。出力評価結果取得部110は、学習済みの評価結果出力モデルに対し、入力撮影画像と、入力注視点画像と、が入力された場合に出力される、入力撮影画像に示された切羽の出力評価結果を取得する。
次に、評価支援システムSで実行される処理を説明する。ここでは、注視点画像出力モデルM1と評価結果出力モデルM2の各々を学習させるための学習処理と、これらのモデルを利用して評価者の評価業務を支援するための評価支援処理と、について説明する。以降説明する処理は、制御部11が記憶部12に記憶されたプログラムに従って動作することによって実行される。また、以降説明する処理は、図6に示す機能ブロックにより実行される処理の一例である。
図9は、学習処理を示すフロー図である。図9に示すように、まず、制御部11は、操作部14の検出信号に基づいて、熟練者に評価させる教師撮影画像を表示部15に表示させる(S100)。S100においては、制御部11は、記憶部12に記憶された教師撮影画像のうち、熟練者が操作部14を操作して選択した教師撮影画像を、表示部15に表示させる。S100において表示される教師撮影画像は、対応する教師注視点画像が作成されていない画像であり、第1教師データD1にまだ格納されていない教師撮影画像である。
図10は、評価支援処理を示すフロー図である。評価支援処理は、学習処理が実行された後に実行される。図10に示すように、まず、制御部11は、入力撮影画像を取得する(S200)。S200においては、記憶部12に記憶された入力撮影画像のうち、評価者が操作部14を操作して選択した入力撮影画像を取得する。
なお、本発明は、以上に説明した実施の形態に限定されるものではない。本発明の趣旨を逸脱しない範囲で、適宜変更可能である。
(1−1)まず、第1の構成に係る変形例について説明する。例えば、同じトンネル工事であったとしても、山岳トンネル工事と地下トンネル工事とで評価者が見るべき場所が変わることがある。このため、工事の特徴情報を注視点画像出力モデルM1に学習させ、特徴情報に応じた出力注視点画像が出力されるようにしてもよい。
(2−1)次に、第2の構成に係る変形例について説明する。例えば、変形例(1−1)では、工事の特徴情報を注視点画像出力モデルM1に学習させる場合を説明したが、評価結果出力モデルM2についても同様に、工事の特徴情報を評価結果出力モデルM2に学習させてもよい。
(3)また例えば、上記変形例を組み合わせてもよい。
Claims (10)
- 工事現場における評価対象が撮影された教師撮影画像と、前記評価対象を評価した評価者の教師注視点情報と、の関係を示す教師データを取得する教師データ取得手段と、
前記教師データに基づいて、注視点情報出力モデルを学習させる学習手段と、
前記注視点情報出力モデルに対し、入力撮影画像を入力する入力手段と、
前記注視点情報出力モデルから出力された、出力注視点情報を取得する出力注視点情報取得手段と、
を含むことを特徴とする評価支援システム。 - 前記評価支援システムは、視線検出手段により検出された前記評価者の視線に基づいて、前記教師注視点情報を取得する教師注視点情報取得手段を更に含み、
前記教師データは、前記教師撮影画像と、前記教師注視点情報取得手段により取得された前記教師注視点情報と、の関係を示す、
ことを特徴とする請求項1に記載の評価支援システム。 - 前記教師注視点情報取得手段は、
前記視線検出手段により検出された前記評価者の視線のうち、前記教師撮影画像が表示された画面上への視線を特定し、
当該特定された視線に基づいて、前記教師注視点情報を取得する、
ことを特徴とする請求項2に記載の評価支援システム。 - 前記教師データは、前記工事現場における工事の特徴情報及び前記教師撮影画像と、前記教師注視点情報と、の関係を示し、
前記評価支援システムは、前記入力撮影画像に対応する工事の特徴情報を取得する特徴情報取得手段を更に含み、
前記入力手段は、前記注視点情報出力モデルに対し、前記特徴情報取得手段により取得された特徴情報と前記入力撮影画像とを入力する、
ことを特徴とする請求項1〜3の何れかに記載の評価支援システム。 - 前記学習手段は、前記工事現場における工事の特徴情報ごとに、当該特徴情報に対応する前記教師データに基づいて前記注視点情報出力モデルを学習させ、
前記評価支援システムは、前記入力撮影画像に対応する工事の特徴情報を取得する特徴情報取得手段を更に含み、
前記入力手段は、前記特徴情報取得手段により取得された特徴情報に対応する前記注視点情報出力モデルに対し、前記入力撮影画像を入力する、
ことを特徴とする請求項1〜4の何れかに記載の評価支援システム。 - 前記評価支援システムは、学習済みの評価結果出力モデルに対し、前記入力撮影画像と、前記出力注視点情報と、が入力された場合に出力される、前記入力撮影画像に示された評価対象の出力評価結果を取得する出力評価結果取得手段、
を更に含むことを特徴とする請求項1〜5の何れかに記載の評価支援システム。 - 前記教師撮影画像及び前記入力撮影画像の各々は、互いに同じサイズであり、
前記教師注視点情報及び前記出力注視点情報の各々は、注視点が色によって表現された、前記教師撮影画像及び前記入力撮影画像の各々と同じサイズの画像である、
ことを特徴とする請求項1〜6の何れかに記載の評価支援システム。 - 前記評価対象は、トンネル切羽であり、
前記教師撮影画像は、前記工事現場におけるトンネル切羽が撮影された画像であり、
前記教師注視点情報は、前記評価者が前記トンネル切羽を評価した場合の注視点を示し、
前記入力撮影画像は、前記工事現場又は他の工事現場におけるトンネル切羽が撮影された画像であり、
前記出力注視点情報は、前記入力撮影画像に示されたトンネル切羽の評価時に見るべき部分を示す、
ことを特徴とする請求項1〜7の何れかに記載の評価支援システム。 - 工事現場における評価対象が撮影された教師撮影画像と、前記評価対象を評価した評価者の教師注視点情報と、の関係を示す教師データを取得する教師データ取得ステップと、
前記教師データに基づいて、注視点情報出力モデルを学習させる学習ステップと、
前記注視点情報出力モデルに対し、入力撮影画像を入力する入力ステップと、
前記注視点情報出力モデルから出力された、出力注視点情報を取得する出力注視点情報取得ステップと、
を含むことを特徴とする評価支援方法。 - 工事現場における評価対象が撮影された教師撮影画像と、前記評価対象を評価した評価者の教師注視点情報と、の関係を示す教師データを取得する教師データ取得手段、
前記教師データに基づいて、注視点情報出力モデルを学習させる学習手段、
前記注視点情報出力モデルに対し、入力撮影画像を入力する入力手段、
前記注視点情報出力モデルから出力された、出力注視点情報を取得する出力注視点情報取得手段、
としてコンピュータを機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019158053A JP7245749B2 (ja) | 2019-08-30 | 2019-08-30 | 評価支援システム、評価支援方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019158053A JP7245749B2 (ja) | 2019-08-30 | 2019-08-30 | 評価支援システム、評価支援方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021036109A true JP2021036109A (ja) | 2021-03-04 |
JP7245749B2 JP7245749B2 (ja) | 2023-03-24 |
Family
ID=74716594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019158053A Active JP7245749B2 (ja) | 2019-08-30 | 2019-08-30 | 評価支援システム、評価支援方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7245749B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021092031A (ja) * | 2019-12-06 | 2021-06-17 | 株式会社福田組 | 地山予測システム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017117147A (ja) * | 2015-12-24 | 2017-06-29 | 前田建設工業株式会社 | 構造物の施工管理方法 |
JP2017162307A (ja) * | 2016-03-10 | 2017-09-14 | 富士通株式会社 | 支援装置、支援方法および支援プログラム |
JP2018017570A (ja) * | 2016-07-27 | 2018-02-01 | 日本システムウエア株式会社 | 岩盤強度判定装置、岩盤強度判定方法、及び岩盤強度判定プログラム |
JP2019023392A (ja) * | 2017-07-24 | 2019-02-14 | 株式会社大林組 | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム |
-
2019
- 2019-08-30 JP JP2019158053A patent/JP7245749B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017117147A (ja) * | 2015-12-24 | 2017-06-29 | 前田建設工業株式会社 | 構造物の施工管理方法 |
JP2017162307A (ja) * | 2016-03-10 | 2017-09-14 | 富士通株式会社 | 支援装置、支援方法および支援プログラム |
JP2018017570A (ja) * | 2016-07-27 | 2018-02-01 | 日本システムウエア株式会社 | 岩盤強度判定装置、岩盤強度判定方法、及び岩盤強度判定プログラム |
JP2019023392A (ja) * | 2017-07-24 | 2019-02-14 | 株式会社大林組 | 切羽評価支援システム、切羽評価支援方法及び切羽評価支援プログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021092031A (ja) * | 2019-12-06 | 2021-06-17 | 株式会社福田組 | 地山予測システム |
Also Published As
Publication number | Publication date |
---|---|
JP7245749B2 (ja) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7071054B2 (ja) | 情報処理装置、情報処理方法およびプログラム | |
KR100886407B1 (ko) | 정보 처리 장치 및 그 제어방법 | |
JP2020528623A (ja) | 能動学習のシステム及び方法 | |
CN110543867A (zh) | 一种多摄像头条件下的人群密度估测系统及方法 | |
CN109448007B (zh) | 图像处理方法、图像处理装置及存储介质 | |
CN110083202A (zh) | 与近眼显示器的多模交互 | |
JP2007087346A (ja) | 情報処理装置及びその制御方法、コンピュータプログラム、記憶媒体 | |
CN111259763A (zh) | 目标检测方法、装置、电子设备及可读存储介质 | |
JP2020087312A (ja) | 行動認識装置、行動認識方法及びプログラム | |
CN116259002A (zh) | 一种基于视频的人体危险行为分析方法 | |
TW202201275A (zh) | 手部作業動作評分裝置、方法及電腦可讀取存儲介質 | |
JP7245749B2 (ja) | 評価支援システム、評価支援方法、及びプログラム | |
KR20210007276A (ko) | 영상 생성 장치 및 방법 | |
WO2022159200A1 (en) | Action recognition using pose data and machine learning | |
JP7074174B2 (ja) | 識別器学習装置、識別器学習方法およびコンピュータプログラム | |
JP7245750B2 (ja) | 評価支援システム、評価支援方法、及びプログラム | |
CN110824451A (zh) | 雷达回波图的处理方法、装置、计算机设备及存储介质 | |
CN115393962A (zh) | 动作识别方法、头戴显示设备和存储介质 | |
KR101141686B1 (ko) | 회전각 측정 장치 및 이의 회전각 측정 방법 | |
US11610385B2 (en) | Information processing apparatus, control method, and non-transitory storage medium | |
JP2021107961A (ja) | 撮影条件提案システム | |
JP2020024763A (ja) | 反射検知システム | |
EP3432204A1 (en) | Telepresence framework for region of interest marking using headmount devices | |
JP2021049262A (ja) | 画像処理システム及びその制御方法 | |
JP2021049248A (ja) | 画像処理システム及びその制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220608 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230216 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230313 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7245749 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |