JP2021082118A - 学習方法、プログラム、学習装置、および、学習済みウエイトの製造方法 - Google Patents
学習方法、プログラム、学習装置、および、学習済みウエイトの製造方法 Download PDFInfo
- Publication number
- JP2021082118A JP2021082118A JP2019210422A JP2019210422A JP2021082118A JP 2021082118 A JP2021082118 A JP 2021082118A JP 2019210422 A JP2019210422 A JP 2019210422A JP 2019210422 A JP2019210422 A JP 2019210422A JP 2021082118 A JP2021082118 A JP 2021082118A
- Authority
- JP
- Japan
- Prior art keywords
- data
- image
- fake
- identification
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004519 manufacturing process Methods 0.000 title claims description 7
- 230000006870 function Effects 0.000 claims abstract description 69
- 238000009826 distribution Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 description 43
- 238000012545 processing Methods 0.000 description 29
- 238000003860 storage Methods 0.000 description 27
- 238000004364 calculation method Methods 0.000 description 17
- 238000010801 machine learning Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 230000003287 optical effect Effects 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000004075 alteration Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000006866 deterioration Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013434 data augmentation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000014616 translation Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
しかし、非特許文献1に開示されたRaGANは、学習が正しく機能せず、生成された偽データが低品質になる(実データと乖離した性質を有する)場合がある。この理由に関して、詳細に説明する。ここで、実データの正解ラベル(ground truth label)を1、偽データの正解ラベルを0、gkを式(3)のシグモイドクロスエントロピーとして説明するが、他の場合でも同様である。
本発明は、上述の実施例の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憶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ーがプログラムを読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。
101b 取得部(取得手段)
101c 演算部(生成手段、識別手段)
101d 更新部(学習手段)
Claims (14)
- 複数の第1の入力データと、複数の実データと、を取得する取得工程と、
生成器に複数の前記第1の入力データそれぞれを入力することで、複数の偽データを生成する生成工程と、
識別器に前記実データまたは前記偽データを入力することで、入力されたデータが前記生成器によって生成されたデータであるかを識別した識別出力を生成する識別工程と、
前記生成器または前記識別器のウエイトを、前記実データに基づく識別出力に基づく値と前記偽データに基づく識別出力に基づく値との比較に基づく損失関数であって、前記複数の実データと前記複数の偽データのそれぞれの前記識別出力の分布の重なりか、前記複数の実データまたは前記複数の偽データの前記識別出力の外れ値による影響か、が低減されるように定義された損失関数を用いて更新する学習工程と、を有することを特徴とする学習方法。 - 前記損失関数は、第1の値に基づく関数であり、
前記第1の値は、前記複数の実データに含まれる第1の実データと第2の実データそれぞれの前記識別出力に基づく値の比較か、または、前記複数の偽データに含まれる第1の偽データと第2の偽データそれぞれの前記識別出力に基づく値の比較か、に基づいて決定されることを特徴とする請求項1に記載の学習方法。 - 前記第1の値は、前記第1の実データの前記識別出力と、前記複数の実データそれぞれの前記識別出力に基づく値との比較か、または、前記第1の偽データの前記識別出力と、前記複数の偽データそれぞれの前記識別出力に基づく値との比較か、に基づいて決定されることを特徴とする請求項2に記載の学習方法。
- 前記学習工程は、前記生成器または前記識別器のウエイトを、第2の値に基づいて更新し、
前記第2の値は、前記実データの前記識別出力と、前記複数の偽データそれぞれの前記識別出力に基づく値との比較か、または、前記偽データの前記識別出力と、前記複数の実データそれぞれの前記識別出力に基づく値との比較か、に基づいて決定されることを特徴とする請求項2または3に記載の学習方法。 - 前記第1の値は、前記複数の実データまたは前記複数の偽データそれぞれの前記識別出力の分位値であることを特徴とする請求項2乃至4のいずれか一項に記載の学習方法。
- 前記第1の値は、前記複数の実データまたは前記複数の偽データそれぞれの前記識別出力の、重み付き平均または一部における代表値であることを特徴とする請求項1乃至4のいずれか一項に記載の学習方法。
- 前記重み付き平均の重みは、前記識別出力に基づいて決定されることを特徴とする請求項6に記載の学習方法。
- 前記代表値は、前記複数の識別出力のうち外れ値を除外した一部に基づいて決定されることを特徴とする請求項6に記載の学習方法。
- 前記第1の値は、前記第1の実データの前記識別出力と、前記複数の実データそれぞれの前記識別出力に基づく代表値との比較か、または、前記第1の偽データの前記識別出力と、前記複数の偽データそれぞれの前記識別出力に基づく代表値との比較か、に基づいて決定されることを特徴とする請求項2乃至4のいずれか一項に記載の学習方法。
- 前記損失関数は、前記複数の実データと前記複数の偽データのそれぞれにおける前記識別出力が、それぞれの前記識別出力の平均値に対して、分布の偏りが低減されるように定義されることを特徴とする請求項1乃至9のいずれか一項に記載の学習方法。
- 前記損失関数は、前記外れ値を除外した部分集合または前記外れ値の重みを小さくした部分集合の平均を用いることにより、前記識別出力の前記外れ値による影響が低減されるように定義されることを特徴とする請求項1乃至9のいずれか一項に記載の学習方法。
- 請求項1乃至11のいずれか一項に記載の学習方法をコンピュータに実行させることを特徴とするプログラム。
- 複数の第1の入力データと、複数の実データと、を取得する取得手段と、
生成器に複数の前記第1の入力データそれぞれを入力することで、複数の偽データを生成する生成手段と、
識別器に前記実データまたは前記偽データを入力することで、入力されたデータが前記生成器によって生成されたデータであるかを識別した識別出力を生成する識別手段と、
前記生成器または前記識別器のウエイトを、前記実データに基づく識別出力に基づく値と前記偽データに基づく識別出力に基づく値との比較に基づく損失関数であって、前記複数の実データと前記複数の偽データのそれぞれの前記識別出力の分布の重なりか、前記複数の実データまたは前記複数の偽データの前記識別出力の外れ値による影響か、が低減されるように定義された損失関数を用いて更新する学習手段と、を有することを特徴とする学習装置。 - 複数の第1の入力データと、複数の実データと、を取得する取得工程と、
生成器に複数の前記第1の入力データそれぞれを入力することで、複数の偽データを生成する生成工程と、
識別器に前記実データまたは前記偽データを入力することで、入力されたデータが前記生成器によって生成されたデータであるかを識別した識別出力を生成する識別工程と、
前記生成器または前記識別器のウエイトを、前記実データに基づく識別出力に基づく値と前記偽データに基づく識別出力に基づく値との比較に基づく損失関数であって、前記複数の実データと前記複数の偽データのそれぞれの前記識別出力の分布の重なりか、前記複数の実データまたは前記複数の偽データの前記識別出力の外れ値による影響か、が低減されるように定義された損失関数を用いて更新する学習工程と、を有することを特徴とする学習済みウエイトの製造方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019210422A JP7443030B2 (ja) | 2019-11-21 | 2019-11-21 | 学習方法、プログラム、学習装置、および、学習済みウエイトの製造方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019210422A JP7443030B2 (ja) | 2019-11-21 | 2019-11-21 | 学習方法、プログラム、学習装置、および、学習済みウエイトの製造方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021082118A true JP2021082118A (ja) | 2021-05-27 |
JP7443030B2 JP7443030B2 (ja) | 2024-03-05 |
Family
ID=75965337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019210422A Active JP7443030B2 (ja) | 2019-11-21 | 2019-11-21 | 学習方法、プログラム、学習装置、および、学習済みウエイトの製造方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7443030B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024043109A1 (ja) * | 2022-08-26 | 2024-02-29 | キヤノン株式会社 | 画像処理方法、画像処理装置、及びプログラム |
WO2024053046A1 (ja) * | 2022-09-08 | 2024-03-14 | オリンパスメディカルシステムズ株式会社 | 情報処理システム、内視鏡システム、学習済みモデル、情報記憶媒体及び情報処理方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009151002A2 (ja) | 2008-06-11 | 2009-12-17 | 日本電気株式会社 | パターン識別方法、装置およびプログラム |
JP6661559B2 (ja) | 2017-02-03 | 2020-03-11 | 株式会社東芝 | 異常検出装置、異常検出方法およびプログラム |
JP6928371B2 (ja) | 2017-08-01 | 2021-09-01 | 国立研究開発法人情報通信研究機構 | 分類器、分類器の学習方法、分類器における分類方法 |
US10540578B2 (en) | 2017-12-21 | 2020-01-21 | International Business Machines Corporation | Adapting a generative adversarial network to new data sources for image classification |
JP6951276B2 (ja) | 2018-03-12 | 2021-10-20 | 株式会社東芝 | 無線受信機、無線受信方法及び無線システム |
-
2019
- 2019-11-21 JP JP2019210422A patent/JP7443030B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024043109A1 (ja) * | 2022-08-26 | 2024-02-29 | キヤノン株式会社 | 画像処理方法、画像処理装置、及びプログラム |
WO2024053046A1 (ja) * | 2022-09-08 | 2024-03-14 | オリンパスメディカルシステムズ株式会社 | 情報処理システム、内視鏡システム、学習済みモデル、情報記憶媒体及び情報処理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7443030B2 (ja) | 2024-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3937481A1 (en) | Image display method and device | |
US11037278B2 (en) | Systems and methods for transforming raw sensor data captured in low-light conditions to well-exposed images using neural network architectures | |
JP7297470B2 (ja) | 画像処理方法、画像処理装置、プログラム、画像処理システム、および、学習済みモデルの製造方法 | |
JP4367757B2 (ja) | 連鎖の1つの機器の欠陥に関係する、特にスミアリングに関係する書式付き情報出力する方法とシステム | |
US8203615B2 (en) | Image deblurring using panchromatic pixels | |
EP2489007B1 (en) | Image deblurring using a spatial image prior | |
JP4767718B2 (ja) | 画像処理方法および装置ならびにプログラム | |
JP7362284B2 (ja) | 画像処理方法、画像処理装置、プログラム、画像処理システム、および、学習済みモデルの製造方法 | |
JP7258604B2 (ja) | 画像処理方法、画像処理装置、プログラム、および学習済みモデルの製造方法 | |
US11508038B2 (en) | Image processing method, storage medium, image processing apparatus, learned model manufacturing method, and image processing system | |
JP2007094549A (ja) | 画像処理方法および装置ならびにプログラム | |
JP2007096405A (ja) | ぶれ方向判定方法および装置ならびにプログラム | |
JP7212554B2 (ja) | 情報処理方法、情報処理装置、及びプログラム | |
JP7443030B2 (ja) | 学習方法、プログラム、学習装置、および、学習済みウエイトの製造方法 | |
US11763430B2 (en) | Correcting dust and scratch artifacts in digital images | |
CN109478316A (zh) | 实时自适应阴影和高光增强 | |
JP2011217087A (ja) | 画像処理装置及びそれを用いた撮像装置 | |
JP2015115733A (ja) | 画像処理方法、画像処理装置、撮像装置および画像処理プログラム | |
US11967096B2 (en) | Methods and apparatuses of depth estimation from focus information | |
CN116569191A (zh) | 对情境注意特征和卷积特征的门控 | |
WO2022215375A1 (ja) | 画像処理方法、機械学習モデルの製造方法、画像処理装置、画像処理システム、及びプログラム | |
Ghimpeteanu et al. | Three Approaches to Improve Denoising Results that Do Not Involve Developing New Denoising Methods | |
샤미르 et al. | A study on brightness enhancement of old images by estimating and combining curve maps and attention-guided illumination maps | |
JP2021190814A (ja) | 学習方法、画像処理方法、およびプログラム | |
EP4248397A1 (en) | Machine learning models for example-guided image inpainting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221108 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231017 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231024 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231221 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240221 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7443030 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |