JP2021106305A - データ圧縮装置、モデル生成装置、データ圧縮方法、モデル生成方法及びコンピュータプログラム - Google Patents

Abstract

【課題】物体検出処理が行われるデータを適切に圧縮することが可能なデータ圧縮装置を提供する。【解決手段】データ圧縮装置（２）は、監視対象範囲を監視する監視装置（１、６）が時系列データとして逐次出力する出力データに対して圧縮処理を行う圧縮手段（２１２）と、圧縮処理が行われた出力データを、出力データを用いて監視対象範囲に存在する物体を検出するための物体検出処理を行うデータ処理装置（３）に出力する出力手段（２１３）と、出力データを圧縮する圧縮率と、圧縮率で圧縮された出力データを用いて行われる前記物体検出処理による物体の検出精度との間の関係を示す精度情報に基づいて、圧縮処理で用いられる圧縮率を設定する設定手段（２１１）とを備える。【選択図】図１４

Description

本発明は、データを圧縮するための圧縮処理を行うデータ圧縮装置、データ圧縮方法及びコンピュータプログラム、並びに、データを圧縮する圧縮率を設定するために用いられる演算モデルを生成するモデル生成装置、モデル生成方法及びコンピュータプログラムの技術分野に関する。

動画データを構成する複数の画像データ（言い換えれば、画像データセット、画像レコード）を圧縮する様々な技術が提案されている。例えば、非特許文献１には、各画像データが示す画像の各部分を圧縮する際の圧縮率を、その画像の特徴に基づいて設定する技術が記載されている。例えば、非特許文献２には、各画像データが示す画像のうち視聴者が見ていない領域を低画質化する一方で、各画像データが示す画像のうち人間が自然に注視する視覚的に顕著な領域を高画質化するように、各画像データを圧縮する技術が記載されている。

その他、本願発明に関連する先行技術文献として、特許文献１から特許文献４及び非特許文献３から非特許文献５があげられる。

特表２０１８−５０５５７１号公報 特開２０１６−０４６７０７号公報 特開２００９−０８９３５４号公報 特開２００６−１０１０６３号公報

Ｌｅｏｎａｒｄ Ｇａｌｔｅｒｉ ｅｔ ａｌ．、"Ｖｉｄｅｏ Ｃｏｍｐｒｅｓｓｉｏｎ ｆｏｒ Ｏｂｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ａｌｇｏｒｉｔｈｍｓ"、２０１８ ２４ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｐａｔｔｅｎ Ｒｅｃｏｇｎｉｔｉｏｎ（ＩＣＰＲ）、ＩＥＥＥ、２０１８年８月 Ｗｅｉ Ｈｕａｎｇ ｅｔ ａｌ．、"ＱｏＥ−Ｏｒｉｅｎｔｅｄ Ｒｅｓｏｕｒｃｅ Ａｌｌｏｃａｔｉｏｎ ｆｏｒ ３６０−ｄｅｇｒｅｅ Ｖｉｄｅｏ Ｔｒａｎｓｍｉｓｓｉｏｎ ｏｖｅｒ Ｈｅｔｅｒｏｇｅｎｅｏｕｓ Ｎｅｔｗｏｒｋｓ"、ａｒＸｉｖ １８０３．０７７８９、２０１８年３月 Ｊｏｓｅｐｈ Ｒｅｄｍｏｎ ｅｔ ａｌ．、"Ｙｏｕ Ｏｎｌｙ Ｌｏｏｋ Ｏｎｃｅ： Ｕｎｉｆｉｅｄ，Ｒｅａｌ−Ｔｉｍｅ Ｏｂｊｅｃｔｉｏｎ Ｄｅｔｅｃｔｉｏｎ"、ａｒＸｉｖ １５０６．０２６４０、２０１６年５月 Ｗｅｉ Ｌｉｕ ｅｔ ａｌ．、"ＳＳＤ：Ｓｉｎｇｌｅ Ｓｈｏｔ ＭｕｌｔｉＢｏｘ Ｄｅｔｅｃｔｏｒ"、ａｒＸｉｖ １５１２．０２３２５、２０１５年１２月 Ｇｒｅｇｏｒｙ Ｐ．Ｍｅｙｅｒ ａｌ．、"ＬａｓｅｒＮｅｔ： Ａｎ ｅｆｆｉｃｉｅｎｔ Ｐｒｏｂａｂｉｌｉｓｔｉｃ ３Ｄ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｏｒ ｆｏｒ Ａｕｔｏｎｏｍｏｕｓ Ｄｒｉｖｉｎｇ"、ａｒＸｉｖ １９０３．０８７０１、２０１９年３月

圧縮された画像データに対して、その画像データが示す画像に表現されている物体を検出するための物体検出処理が行われることがある。しかしながら、上述した非特許文献１及び２では、画像データを圧縮する際に、物体検出処理の特性が何ら考慮されていない。このため、非特許文献１及び２に記載された技術は、圧縮された画像データに対して物体検出処理が行われる場合において画像データが適切に圧縮されない可能性があるという技術的問題を有する。

上述した物体検出処理は、画像データ（例えば、所定の撮影範囲を撮影することで当該撮影範囲を監視するカメラが出力する画像データ）に限られない。例えば、上述した物体検出処理は、物体が存在する可能性がある監視対象範囲を監視する任意の監視装置が時系列データとして逐次出力する任意の出力データ（例えば、ＬＩＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）等の３次元スキャナが出力する点群データ）等に対しても行われることがある。このため、任意の監視装置が出力する出力データが圧縮される場合も、上述した技術的問題が生ずる可能性がある。つまり、圧縮された出力データに対して物体検出処理が行われる場合において、出力データが適切に圧縮されない可能性があるという技術的問題を有する。

本発明は、上述した課題を解決可能なデータ圧縮装置、モデル生成装置、データ圧縮方法、モデル生成方法及びコンピュータプログラムを提供することを課題とする。一例として、本発明は、物体検出処理が行われるデータを適切に圧縮することが可能なデータ圧縮装置、モデル生成装置、データ圧縮方法、モデル生成方法及びコンピュータプログラムを提供することを課題とする。

本発明の一の態様において、データ圧縮装置は、監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮する圧縮手段と、前記圧縮手段による圧縮が行われた前記出力データを、前記出力データを用いて前記監視対象範囲に存在する物体を検出するデータ処理装置に対して出力する出力手段と、前記出力データを圧縮する圧縮率と、前記圧縮率で圧縮された前記出力データを用いて前記データ処理装置による物体の検出精度との間の関係を示す精度情報に基づいて、前記圧縮手段で用いられる圧縮率を設定する設定手段とを備える。

本発明の一の態様において、モデル生成装置は、監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データ及び前記出力データとデータ種類が同じである同種データの少なくとも一方を含む学習用データを、圧縮率リストに含まれる複数の異なる圧縮率の夫々で圧縮する圧縮手段と、前記複数の異なる圧縮率の夫々で前記圧縮手段による圧縮が行われた前記学習用データを用いて、前記監視対象範囲に存在する物体を検出する検出手段と、前記検出手段による検出結果と、前記圧縮手段による圧縮で用いられた前記複数の異なる圧縮率とに基づいて、前記学習用データを圧縮する圧縮率と、前記圧縮率で圧縮された前記学習用データを用いた前記検出手段による物体の検出精度との間の関係に関する精度の推定に用いる演算モデルを生成する生成手段と、前記生成手段が生成した前記演算モデルを、前記演算モデルを用いて前記出力データを圧縮するための圧縮率を設定し且つ前記設定した圧縮率で前記出力データを圧縮するデータ圧縮装置に対して出力する出力手段とを備える。

本発明の一の態様において、データ圧縮方法は、コンピュータによって、監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮する圧縮処理を行い、前記圧縮処理が行われた前記出力データを、前記出力データを用いて前記監視対象範囲に存在する物体を検出するための物体検出処理を行うデータ処理装置に出力し、前記出力データを圧縮する圧縮率と、前記圧縮率で圧縮された前記出力データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係を示す精度情報に基づいて、前記圧縮処理で用いられる圧縮率を設定する。

本発明の一の態様において、モデル生成方法は、コンピュータによって、監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データ及び前記出力データとデータ種類が同じである同種データの少なくとも一方を含む学習用データを、圧縮率リストに含まれる複数の異なる圧縮率の夫々で圧縮する圧縮処理を行い、前記複数の異なる圧縮率の夫々で前記圧縮処理が行われた前記学習用データを用いて、前記監視対象範囲に存在する物体を検出するための物体検出処理を行い、前記物体検出処理の結果と、前記圧縮処理で用いられた前記複数の異なる圧縮率とに基づいて、前記学習用データを圧縮する圧縮率と、前記圧縮率で圧縮された前記学習用データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係に関する精度情報を推定するための演算モデルを生成し、前記生成手段が生成した前記演算モデルを、前記演算モデルを用いて前記出力データを圧縮するための圧縮率を設定し且つ前記設定した圧縮率で前記出力データを圧縮するデータ圧縮装置に出力する。

本発明の一の態様において、コンピュータプログラムは、コンピュータに、データ圧縮方法を実行させるプログラムであって、前記データ圧縮方法は、監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮する圧縮処理を行い、前記圧縮処理が行われた前記出力データを、前記出力データを用いて前記監視対象範囲に存在する物体を検出するための物体検出処理を行うデータ処理装置に出力し、前記出力データを圧縮する圧縮率と、前記圧縮率で圧縮された前記出力データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係を示す精度情報に基づいて、前記圧縮処理で用いられる圧縮率を設定する。

本発明の他の態様において、コンピュータプログラムは、コンピュータに、モデル生成方法を実行させるプログラムであって、前記モデル生成方法は、監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データ及び前記出力データとデータ種類が同じである同種データの少なくとも一方を含む学習用データを、圧縮率リストに含まれる複数の異なる圧縮率の夫々で圧縮する圧縮処理を行い、前記複数の異なる圧縮率の夫々で前記圧縮処理が行われた前記学習用データを用いて、前記監視対象範囲に存在する物体を検出するための物体検出処理を行い、前記物体検出処理の結果と、前記圧縮処理で用いられた前記複数の異なる圧縮率とに基づいて、前記学習用データを圧縮する圧縮率と、前記圧縮率で圧縮された前記学習用データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係に関する精度情報を推定するための演算モデルを生成し、前記生成手段が生成した前記演算モデルを、前記演算モデルを用いて前記出力データを圧縮するための圧縮率を設定し且つ前記設定した圧縮率で前記出力データを圧縮するデータ圧縮装置に出力する。

上述したデータ圧縮装置、モデル生成装置、データ圧縮方法、モデル生成方法及びコンピュータプログラムの夫々の一の態様によれば、物体検出処理が行われる出力データが適切に圧縮される。

図１は、本実施形態におけるデータ圧縮システムの全体構成を例示するブロック図である。 図２は、カメラの撮影範囲を説明する平面図である。 図３は、データ圧縮装置の構成を例示するブロック図である。 図４は、データ処理装置の構成を例示するブロック図である。 図５は、モデル生成装置の構成を例示するブロック図である。 図６は、モデル生成装置が行うモデル生成動作の流れを例示するフローチャートである。 図７は、図６のステップＳ４２で行われる圧縮処理の流れを例示するフローチャートである。 図８は、図６のステップＳ４３で行われる物体検出処理の流れを例示するフローチャートである。 図９は、複数の物体が表現されている画像を例示する平面図である。 図１０は、図６のステップＳ４４において検出確率推定モデルを生成する処理の流れを例示するフローチャートである。 図１１は、圧縮率に関連付けられた物体検出位置を含むラベルデータを説明するデータ構造図である。 図１２は、検出確率推定モデルの出力を概念的に例示する説明図である。 図１３は、データ圧縮装置が行うデータ圧縮動作の流れを例示するフローチャートである。 図１４は、物体の検出確率と画像データの圧縮率との関係を例示するグラフである。 図１５は、本実施形態において検出確率推定モデルを生成するために用いられるラベルデータを例示するデータ構造図である。 図１６は、第１変形例において検出確率推定モデルを生成するために用いられるラベルデータを例示するデータ構造図である。 図１７は、第１変形例における検出確率推定モデルの出力を概念的に例示する説明図である。 図１８は、第１変形例における物体の検出確率と画像データの圧縮率との関係を例示するグラフである。 図１９は、第２変形例における検出確率推定モデルの出力を概念的に例示する説明図である。 図２０は、第３変形例におけるデータ圧縮システムの全体構成を例示するブロック図である。 図２１は、第４変形例におけるモデル生成装置の構成を例示するブロック図である。 図２２は、第４変形例における圧縮率候補と圧縮率リストに含められる圧縮率との関係を例示する説明図である。

以下、図面を参照しながら、データ圧縮装置、モデル生成装置、データ圧縮方法、モデル生成方法及びコンピュータプログラムの実施形態について説明する。以下では、データ圧縮装置、モデル生成装置、データ圧縮方法、モデル生成方法及びコンピュータプログラムの実施形態が適用されたデータ圧縮システムＳＹＳについて説明する。

＜１＞データ圧縮システムＳＹＳの構成
＜１−１＞データ圧縮システムＳＹＳの全体構成
はじめに、図１を参照しながら、本実施形態のデータ圧縮システムＳＹＳの全体構成について説明する。図１は、本実施形態のデータ圧縮システムＳＹＳの全体構成を例示するブロック図である。

図１に示すように、データ圧縮システムＳＹＳは、カメラ１と、データ圧縮装置２と、データ処理装置３と、モデル生成装置４とを備えている。データ圧縮装置２と、データ処理装置３と、モデル生成装置４とは、通信ネットワーク網５を介して互いに通信可能である。通信ネットワーク網５は、有線の通信ネットワーク網及び無線の通信ネットワーク網の少なくとも一方を含んでいてもよい。

カメラ１は、カメラ１が備える光学系の特性によって定まる所定の撮影範囲（言い換えれば、撮影画角）に含まれる光景を撮影可能な撮影機器である。カメラ１の撮影範囲は、例えば、図２に示すように、カメラ１を起点に一定の広がりを有する範囲（典型的には、空間）となっていてもよい。カメラ１は、所定の撮影レート（例えば、１秒間に３０回撮影範囲を撮影する撮影レート）で撮影範囲を撮影する。その結果、カメラ１は、夫々が撮影範囲の状況を示す複数の画像データ（言い換えれば、動画フレーム）を、時系列データとして出力する。つまり、カメラ１は、複数の画像データによって構成される動画データ（つまり、映像データ）を出力する。

データ圧縮装置２は、カメラ１が出力する動画データを取得する。データ圧縮装置２は、カメラ１から取得した動画データを圧縮し且つ圧縮した動画データをデータ処理装置３に送信するためのデータ圧縮動作を行う。つまり、データ圧縮装置２は、動画データを構成する複数の画像データを圧縮し且つ圧縮した複数の画像データから構成される動画データをデータ処理装置３に送信するためのデータ圧縮動作を行う。この際、データ圧縮装置２は、モデル生成装置４が生成する検出確率推定モデル２２１を用いて、画像データを圧縮する圧縮率を設定する。

本実施形態では、説明の便宜上、圧縮率は、圧縮前の画像データのデータサイズに対する、圧縮前の画像データのデータサイズと圧縮後の画像データのデータサイズとの差分の絶対値の比率を意味するものとする。このため、例えば、画像データが１０％の圧縮率で圧縮される場合には、圧縮後の画像データのデータサイズは、圧縮前の画像データのデータサイズの９０％となる。尚、本実施形態及び変形例において、“ｘ％の圧縮率”なる記載は、“圧縮率ｘ％（圧縮率がｘ％）”という意味をなすこととする。

画像データを圧縮することは、画像データのデータサイズが減少するように画像データを符号化することと等価であるとみなしてもよい。このため、データ圧縮装置２は、データ符号化装置と称されてもよい。同様の理由からデータ圧縮システムＳＹＳは、データ符号化システムと称されてもよい。

データ処理装置３は、データ圧縮装置２から送信された動画データ（つまり、圧縮された動画データ）を受信する。データ処理装置３は、受信した動画データに対して、所定のデータ処理を行う。本実施形態では、データ処理装置３は、所定のデータ処理の一例として、物体検出処理を行う。物体検出処理は、動画データを構成する各画像データを用いて、カメラ１が撮影範囲を撮影していた時点でカメラ１の撮影範囲に存在していた物体を検出する処理である。つまり、物体検出処理は、各画像データが示す画像に表現されている物体を検出する処理である。物体検出処理の結果は、所望の用途（例えば、後述するように、車両を遠隔で運転する用途）で用いられてもよい。

モデル生成装置４は、検出確率推定モデル２２１を生成し且つ生成した検出確率推定モデル２２１をデータ圧縮装置２に送信するためのモデル生成動作を行う。検出確率推定モデル２２１は、上述したように、データ圧縮装置２が画像データを圧縮する際に用いる圧縮率を設定するために用いられる演算モデルである。尚、検出確率推定モデル２２１については、後に詳述するため、ここでの詳細な説明は省略する。

このようなデータ圧縮システムＳＹＳの一例として、自動車等の車両を遠隔で運転する遠隔運転システムが挙げられる。この場合、カメラ１は、車両に搭載されていてもよい。データ圧縮装置２もまた車両に搭載されていてもよい。但し、データ圧縮装置２は、車両に搭載されていなくてもよい。例えば、データ圧縮装置２は、通信ネットワーク網５を介して車両と通信可能なサーバであってもよい。また、データ処理装置３は、通信ネットワーク網５を介して車両と通信可能なサーバであってもよい。但し、データ処理装置３が車両に搭載されていてもよい。このような遠隔運転システムでは、カメラ１は、車両の周囲の光景を撮影する。カメラ１が撮影した動画データ（画像データ）は、データ圧縮装置２で圧縮された後に、データ処理装置３に送信される。データ処理装置３は、受信した画像データに対して物体検出処理を行うことで、車両の周囲に存在する物体を検出する。その結果、遠隔オペレータは、データ処理装置３における物体検出処理の結果を踏まえて、通信ネットワーク網５を介して車両を遠隔で運転してもよい。或いは、遠隔で車両を走行させる車両制御装置は、データ処理装置３における物体検出処理の結果を踏まえて、通信ネットワーク網５を介して車両を遠隔で運転してもよい。

＜１−２＞データ圧縮装置２の構成
続いて、図３を参照しながら、データ圧縮装置２の構成について説明する。図３は、データ圧縮装置２の構成を示すブロック図である。

図３に示すように、データ圧縮装置２は、演算装置２１と、記憶装置２２と、入出力ＩＦ（Ｉｎｔｅｒｆａｃｅ：インタフェース）２３と、通信装置２４とを備えている。演算装置２１と、記憶装置２２と、入出力ＩＦ２３と、通信装置２４とは、データバス２５を介して接続されていてもよい。

演算装置２１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）及びＧＰＵ（Ｇｒａｐｈｉｃ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）の少なくとも一方を含む。演算装置２１は、コンピュータプログラムを読み込む。例えば、演算装置２１は、記憶装置２２が記憶しているコンピュータプログラムを読み込んでもよい。例えば、演算装置２１は、コンピュータで読み取り可能な記録媒体が記憶しているコンピュータプログラムを、図示しない記録媒体読み取り装置を用いて読み込んでもよい。演算装置２１は、通信装置２４を介して、データ圧縮装置２の外部に配置される不図示の装置からコンピュータプログラムを取得してもよい（つまり、ダウンロードしてもよい又は読み込んでもよい）。演算装置２１は、読み込んだコンピュータプログラムを実行する。その結果、演算装置２１内には、データ圧縮装置２が行うべき動作（例えば、上述したデータ圧縮動作）を実行するための論理的な機能ブロックが実現される。つまり、演算装置２１は、データ圧縮装置２が行うべき動作を実行するための論理的な機能ブロックを実現するためのコントローラとして機能可能である。

図３には、データ圧縮動作を実行するために演算装置２１内に実現される論理的な機能ブロックの一例が示されている。図３に示すように、演算装置２１内には、圧縮率設定部２１１と、データ圧縮部２１２と、送信制御部２１３とが実現される。尚、圧縮率設定部２１１、データ圧縮部２１２及び送信制御部２１３の夫々の動作の詳細については、後に図１３等を参照しながら詳述するが、ここでその概要について簡単に説明する。圧縮率設定部２１１は、モデル生成装置４が生成する検出確率推定モデル２２１を用いて、画像データを圧縮する圧縮率を設定する。データ圧縮部２１２は、カメラ１から取得した画像データに対して、圧縮率設定部２１１が設定した圧縮率で当該画像データを圧縮するための圧縮処理を行う。送信制御部２１３は、通信装置２４を用いて、データ圧縮部２１２によって圧縮処理が行われた画像データをデータ処理装置３に送信する。

記憶装置２２は、所望のデータを記憶可能である。例えば、記憶装置２２は、演算装置２１が実行するコンピュータプログラムを一時的に記憶していてもよい。記憶装置２２は、演算装置２１がコンピュータプログラムを実行している際に演算装置２１が一時的に使用するデータを一時的に記憶してもよい。記憶装置２２は、データ圧縮装置２が長期的に保存するデータを記憶してもよい。本実施形態では特に、記憶装置２２は、圧縮率設定部２１１が圧縮率を設定する際に用いる検出確率推定モデル２２１を記憶する。尚、記憶装置２２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ハードディスク装置、光磁気ディスク装置、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）及びディスクアレイ装置のうちの少なくとも一つを含んでいてもよい。

入出力ＩＦ２３は、データ圧縮装置２とカメラ１との間でのデータの送受信を行う装置である。従って、データ圧縮装置２は、入出力ＩＦ２３を介して、カメラ１から動画データ（つまり、画像データ）を取得する。

通信装置２４は、通信ネットワーク網５を介して、データ処理装置３及びモデル生成装置４と通信可能である。本実施形態では、通信装置２４は、通信ネットワーク網５を介して、モデル生成装置４が生成した検出確率推定モデル２２１を、モデル生成装置４から受信可能である。更に、通信装置２４は、通信ネットワーク網５を介して、データ圧縮部２１２が圧縮した画像データ（つまり、動画データ）を、データ処理装置３に送信可能である。

尚、通信装置２４は、通信ネットワーク網５又は不図示の他の通信ネットワーク網を介して、カメラ１と通信可能であってもよい。この場合、データ圧縮装置２は、入出力ＩＦ２３に加えて又は代えて、通信装置２４を介して、カメラ１から動画データ（つまり、画像データ）を取得してもよい。通信装置２４を介してカメラ１から動画データが取得される場合には、データ圧縮装置２は、入出力ＩＦ２３を備えていなくてもよい。

＜１−３＞データ処理装置３の構成
続いて、図４を参照しながら、データ処理装置３の構成について説明する。図４は、データ処理装置３の構成を例示するブロック図である。

図４に示すように、データ処理装置３は、演算装置３１と、記憶装置３２と、通信装置３３とを備えている。演算装置３１と、記憶装置３２と、通信装置３３とは、データバス３４を介して接続されていてもよい。

演算装置３１は、ＣＰＵ及びＧＰＵの少なくとも一方を含む。演算装置３１は、コンピュータプログラムを読み込む。例えば、演算装置３１は、記憶装置３２が記憶しているコンピュータプログラムを読み込んでもよい。例えば、演算装置３１は、コンピュータで読み取り可能な記録媒体が記憶しているコンピュータプログラムを、図示しない記録媒体読み取り装置を用いて読み込んでもよい。演算装置３１は、通信装置３３を介して、データ処理装置３の外部に配置される不図示の装置からコンピュータプログラムを取得してもよい（つまり、ダウンロードしてもよい又は読み込んでもよい）。演算装置３１は、読み込んだコンピュータプログラムを実行する。その結果、演算装置３１内には、データ処理装置３が行うべき動作（例えば、上述した物体検出処理を含む動作）を実行するための論理的な機能ブロックが実現される。つまり、演算装置３１は、データ処理装置３が行うべき動作を実行するための論理的な機能ブロックを実現するためのコントローラとして機能可能である。

図４には、演算装置３１内に実現される論理的な機能ブロックの一例が示されている。図４に示すように、ＣＰＵ３１内には、検出処理部３１１が実現される。検出処理部３１１は、データ圧縮装置２から送信された動画データを構成する各画像データに対して物体検出処理を行う。検出処理部３１１は、ニューラルネットワーク（例えば、ＣＮＮ：Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を用いた演算モデルを用いて、物体検出処理を行ってもよい。この際、検出処理部３１１は、任意の物体検出方法に準拠した物体検出処理を行ってもよい。物体検出方法の一例として、「Ｏｂｊｅｃｔｎｅｓｓ」と称される物体検出アルゴリズムを用いた物体検出方法及び「ＣｅｎｔｅｒＮｅｔ」と称される物体検出アルゴリズムを用いた物体検出方法の少なくとも一方が挙げられる。

物体検出処理は、画像データが示す画像に表現されている物体を検出する処理を含む。画像に表現されている物体を検出する処理は、画像内で物体が検出された領域の座標を特定する処理を含んでいてもよい。画像内で物体が検出された領域の座標は、例えば、画像内で物体を包含する矩形上の領域（いわゆるボックス）の最小座標及び最大座標を含んでいてもよい。また、物体検出処理は、画像に表現されている物体を検出する処理に加えて、検出した物体のクラスを識別する（言い換えれば、認識する）処理を含んでいてもよい。つまり、物体検出処理は、検出した物体の種類を分類する処理を含んでいてもよい。

尚、上述したように物体検出処理の結果が所望の用途で用いられる場合には、演算装置３１内には、所望の用途に関する処理を行うための機能ブロックが実現されてもよい。例えば、上述したように物体検出処理の結果が車両を遠隔で運転する用途で用いられる場合には、演算装置３１内には、物体検出処理の結果に基づいて車両を遠隔で運転するための機能ブロックが実現されてもよい。

記憶装置３２は、所望のデータを記憶可能である。例えば、記憶装置３２は、演算装置３１が実行するコンピュータプログラムを一時的に記憶していてもよい。記憶装置３２は、演算装置３１がコンピュータプログラムを実行している際に演算装置３１が一時的に使用するデータを一時的に記憶してもよい。記憶装置３２は、データ処理装置３が長期的に保存するデータを記憶してもよい。尚、記憶装置３２は、ＲＡＭ、ＲＯＭ、ハードディスク装置、光磁気ディスク装置、ＳＳＤ及びディスクアレイ装置のうちの少なくとも一つを含んでいてもよい。

通信装置３３は、通信ネットワーク網５を介して、データ圧縮装置２と通信可能である。本実施形態では、通信装置３３は、通信ネットワーク網５を介して、データ圧縮装置２が圧縮した画像データ（つまり、動画データ）を、データ圧縮装置２から受信可能である
＜１−４＞モデル生成装置４の構成
続いて、図５を参照しながら、モデル生成装置４の構成について説明する。図５は、データ処理装置３の構成を例示するブロック図である。

図５に示すように、モデル生成装置４は、演算装置４１と、記憶装置４２と、通信装置４３とを備えている。演算装置４１と、記憶装置４２と、通信装置４３とは、データバス４４を介して接続されていてもよい。

演算装置４１は、ＣＰＵ及びＧＰＵの少なくとも一方を含む。演算装置４１は、コンピュータプログラムを読み込む。例えば、演算装置４１は、記憶装置４２が記憶しているコンピュータプログラムを読み込んでもよい。例えば、演算装置４１は、コンピュータで読み取り可能な記録媒体が記憶しているコンピュータプログラムを、図示しない記録媒体読み取り装置を用いて読み込んでもよい。演算装置４１は、通信装置４３を介して、モデル生成装置４の外部に配置される不図示の装置からコンピュータプログラムを取得してもよい（つまり、ダウンロードしてもよい又は読み込んでもよい）。演算装置４１は、読み込んだコンピュータプログラムを実行する。その結果、演算装置４１内には、モデル生成装置４が行うべき動作（例えば、上述したモデル生成動作）を実行するための論理的な機能ブロックが実現される。つまり、演算装置４１は、モデル生成装置４が行うべき動作を実行するための論理的な機能ブロックを実現するためのコントローラとして機能可能である。

図５には、モデル生成動作を実行するために演算装置４１内に実現される論理的な機能ブロックの一例が示されている。図５に示すように、ＣＰＵ４１内には、データ圧縮部４１１と、検出処理部４１２と、モデル生成部４１３と、送信制御部４１４とが実現される。尚、データ圧縮部４１１、検出処理部４１２、モデル生成部４１３及び送信制御部４１４の夫々の動作の詳細については、後に図６から図１２等を参照しながら詳述するが、ここでその概要について簡単に説明する。データ圧縮部４１１は、記憶装置４２が記憶している学習用データセット４２１に含まれる少なくとも一つの画像データに対して、記憶装置４２が記憶している圧縮率リスト４２２に含まれる複数の異なる圧縮率の夫々で当該画像データを圧縮するための圧縮処理を行う。検出処理部４１２は、データ圧縮部４１１によって圧縮処理が行われた画像データに対して、物体検出処理を行う。モデル生成部４１３は、データ圧縮部４１１が画像データを圧縮するために用いた複数の圧縮率と、検出処理部４１２が行った物体検出処理の結果とを用いて、検出確率推定モデル２２１を生成する。尚、検出確率推定モデル２２１の生成方法については、後に詳述する。送信制御部４１４は、通信装置４３を用いて、モデル生成部４１３が生成した検出確率推定モデル２２１をデータ処理装置３に送信する。

記憶装置４２は、所望のデータを記憶可能である。例えば、記憶装置４２は、演算装置４１が実行するコンピュータプログラムを一時的に記憶していてもよい。記憶装置４２は、演算装置４１がコンピュータプログラムを実行している際に演算装置４１が一時的に使用するデータを一時的に記憶してもよい。記憶装置４２は、モデル生成装置４が長期的に保存するデータを記憶してもよい。本実施形態では特に、記憶装置４２は、検出確率推定モデル２２１を生成するためにデータ圧縮部４１１が圧縮処理を行う画像データを含む学習用データセット４２１を記憶する。更に、記憶装置４２は、データ圧縮部４１１が画像データを圧縮するために用いる複数の異なる圧縮率を指定する圧縮率リスト４２２を記憶する。尚、記憶装置４２は、ＲＡＭ、ＲＯＭ、ハードディスク装置、光磁気ディスク装置、ＳＳＤ及びディスクアレイ装置のうちの少なくとも一つを含んでいてもよい。

通信装置４３は、通信ネットワーク網５を介して、データ圧縮装置２と通信可能である。本実施形態では、通信装置４３は、通信ネットワーク網５を介して、モデル生成部４１３が生成した検出確率推定モデル２２１を、データ圧縮装置２に送信可能である
＜２＞データ圧縮システムＳＹＳの動作
続いて、データ圧縮システムＳＹＳの動作について説明する。以下では、データ圧縮システムＳＹＳが行う動作の少なくとも一部として、モデル生成装置４が行うモデル生成動作と、データ圧縮装置２が行うデータ圧縮動作とについて順に説明する。

＜２−１＞モデル生成動作
初めに、図６を参照しながら、モデル生成装置４が行うモデル生成動作の流れについて説明する。図６は、モデル生成装置４が行うモデル生成動作の流れを例示するフローチャートである。

図６に示すように、データ圧縮部４１１は、記憶装置４２が記憶している学習用データセット４２１から、検出確率推定モデル２２１を生成するために用いられる画像データを取得する（ステップＳ４１）。学習用データセット４２１は、カメラ１から取得した画像データが含まれていてもよい。或いは、学習用データセット４２１は、カメラ１から取得した画像データとは異なる画像データが含まれていてもよい。つまり、学習用データセット４２１は、カメラ１から取得した画像データではないものの、カメラ１から取得した画像データとデータ種類が同じ画像データが含まれていてもよい。データ圧縮部４１１は、複数の画像データを取得することが好ましい。データ圧縮部４１１は、一連の動画データを構成する複数の画像データを取得してもよい。データ圧縮部４１１は、一の動画データを構成する画像データと、一の動画データとは異なる他の動画データを構成する画像データとを含む複数の画像データを取得してもよい。データ圧縮部４１１は、動画データとは無関係に任意の複数の画像データを取得してもよい。但し、データ圧縮部４１１は、単一の画像データを取得してもよい。以下では、説明の便宜上、データ圧縮部４１１が複数の画像データを取得する例について説明する。

その後、データ圧縮部４１１は、ステップＳ４１で取得した複数の画像データの夫々に対して圧縮処理を行う（ステップＳ４２）。以下、図７を参照しながら、ステップＳ４２で行われる圧縮処理の流れについて説明する。図７は、図６のステップＳ４２で行われる圧縮処理の流れを例示するフローチャートである。

図７に示すように、データ圧縮部４１１は、記憶装置４２が記憶している圧縮率リスト４２２から一つの圧縮率を抽出する（ステップＳ４２１）。その後、データ圧縮部４１１は、図６のステップＳ４１で取得された複数の画像データの夫々に対して、ステップＳ４２１で抽出した圧縮率で各画像データを圧縮する圧縮処理を行う（ステップＳ４２２）。このようなステップＳ４２１からステップＳ４２２までの処理が、圧縮率リスト４２２に含まれる複数の圧縮率の全てがステップＳ４２１で抽出されるまで繰り返される（ステップＳ４２３）。圧縮された画像データは、画像データを圧縮する際に用いた圧縮率と関連付けられた状態で記憶装置４２に一時的に格納されてもよい。

例えば、圧縮率リスト４２２に複数の圧縮率として「１０％」、「３０％」、「５０％」及び「８０％」という４種類の圧縮率が含まれている場合には、データ圧縮部４１１は、画像データを１０％の圧縮率で圧縮する圧縮処理、画像データを３０％の圧縮率で圧縮する圧縮処理、画像データを５０％の圧縮率で圧縮する圧縮処理及び画像データを８０％の圧縮率で圧縮する圧縮処理を行う。

尚、圧縮率リスト４２２には、「０％」という圧縮率が含まれていてもよい。この場合、データ圧縮部４１１は、画像データを圧縮しなくてもよい。なぜならば、０％の圧縮率で圧縮された画像データは、圧縮されていない画像データと同一であるからである。この場合、学習用データセット４２１から取得された画像データがそのまま、０％の圧縮率で圧縮された画像データとして用いられてもよい。

再び図６において、複数の画像データの夫々に対して複数の異なる圧縮率で圧縮処理が行われた後には、検出処理部４１２は、圧縮処理が行われた各画像データに対して、物体検出処理を行う（ステップＳ４３）。以下、図８を参照しながら、ステップＳ４３で行われる物体検出処理の流れについて説明する。図８は、図６のステップＳ４３で行われる物体検出処理の流れを例示するフローチャートである。

図８に示すように、検出処理部４１２は、記憶装置４２が記憶している圧縮率リスト４２２から一つの圧縮率を抽出する（ステップＳ４３１）。その後、検出処理部４１２は、ステップＳ４３１で抽出した圧縮率を用いて圧縮された複数の画像データの夫々に対して、物体検出処理を行う（ステップＳ４３２）。このようなステップＳ４３１からステップＳ４３２までの処理が、圧縮率リスト４２２に含まれる複数の圧縮率の全てがステップＳ４３１で抽出されるまで繰り返される（ステップＳ４３３）。

例えば、圧縮率リスト４２２に複数の圧縮率として「１０％」、「３０％」、「５０％」及び「８０％」という４種類の圧縮率が含まれている場合には、検出処理部４１２は、１０％の圧縮率で圧縮された画像データに対する物体検出処理、３０％の圧縮率で圧縮された画像データに対する物体検出処理、５０％の圧縮率で圧縮された画像データに対する物体検出処理及び８０％の圧縮率で圧縮された画像データに対する物体検出処理を行う。

検出処理部４１２は、データ処理装置３の検出処理部３１１が行う物体検出処理と同一の物体検出処理を行うことが好ましい。検出処理部４１２は、検出処理部３１１が行う物体検出処理が準拠している物体検出方法と同一の物体検出方法に準拠した物体検出処理を行うことが好ましい。検出処理部３１１が所定の演算モデル（例えば、ニューラルネットワークを採用した演算モデル）を用いて物体検出処理を行う場合には、検出処理部４１２は、検出処理部３１１が用いる演算モデルと同一の演算モデルを用いて物体検出処理を行うことが好ましい。

物体検出処理の結果は、画像データが示す画像に表現されている物体が画像内において検出された位置（以降、“物体検出位置”と称する）を含んでいてもよい。以下、説明の便宜上、本実施形態では、物体検出処理の結果が物体検出位置である例を用いて説明を進める。物体検出位置は、例えば、画像内で物体が検出された領域（例えば、いわゆるボックスと称される、物体を包含する矩形状の領域）の座標（２次元座標系の座標値）を含んでいてもよい。例えば、図９は、画像データが示す画像に、人間に相当する物体＃１と、人間に相当する物体＃２と、信号機に相当する物体＃３とが表現されている様子を例示している。この場合、物体検出処理の結果は、物体＃１を包含する矩形状の領域の最小座標（例えば、図９における左下の頂点の座標であり、（ｘｍｉｎ＃１、ｙｍｉｎ＃１））及び最大座標（例えば、図９における右上の頂点の座標であり、（ｘｍａｘ＃１、ｙｍａｘ＃１））と、物体＃２を包含する矩形状の領域の最小座標（ｘｍｉｎ＃２、ｙｍｉｎ＃２）及び最大座標（ｘｍａｘ＃２、ｙｍａｘ＃２）と、物体＃３を包含する矩形状の領域の最小座標（ｘｍｉｎ＃３、ｙｍｉｎ＃３）及び最大座標（ｘｍａｘ＃３、ｙｍａｘ＃３）とを含んでいてもよい。このような物体検出処理の結果は、物体検出処理が行われた画像データを圧縮する際に用いた圧縮率と関連付けられた状態で記憶装置４２に一時的に格納されてもよい。

再び図６において、圧縮された複数の画像データの夫々に対して物体検出処理が行われた後には、モデル生成部４１３は、データ圧縮部４１１が画像データを圧縮するために用いた複数の圧縮率と、検出処理部４１２が行った物体検出処理の結果とを用いて、検出確率推定モデル２２１を生成する（ステップＳ４４）。以下、図１０を参照しながら、ステップＳ４３で行われる物体検出処理の流れについて説明する。図１０は、図６のステップＳ４４で行われる検出確率推定モデル２２１を生成する処理の流れを示すフローチャートである。

図１０に示すように、モデル生成部４１３は、記憶装置４２が記憶している圧縮率リスト４２２から一つの圧縮率を抽出する（ステップＳ４４１）。但し、ステップＳ４４１では、モデル生成部４１３は、圧縮率リスト４２２に含まれている複数の圧縮率のうちの最小の（つまり、最小の）圧縮率は抽出しなくてもよい。

その後、モデル生成部４１３は、ステップＳ４４１で抽出された圧縮率で圧縮された画像データに対して行われた物体検出処理の結果の少なくとも一部を選択する（ステップＳ４４２）。つまり、モデル生成部４１３は、ステップＳ４４１で抽出された圧縮率で圧縮された画像データから検出された複数の物体検出位置の少なくとも一部を選択する（ステップＳ４４２）。ステップＳ４４２で選択された物体検出位置は、検出確率推定モデル２２１を生成するために実際に用いられる。一方で、ステップＳ４４２で選択されなかった物体検出位置は、検出確率推定モデル２２１を生成するために実際に用いられないことが好ましい。

ステップＳ４４１で抽出された圧縮率で圧縮された画像データに対して行われた物体検出処理の結果の少なくとも一部を選択するために、モデル生成部４１３は、最小の圧縮率で圧縮された画像データに対して行われた物体検出処理の結果と、ステップＳ４４１で抽出された圧縮率で圧縮された画像データに対して行われた物体検出処理の結果とを比較してもよい。つまり、モデル生成部４１３は、最小の圧縮率で圧縮された画像データから検出された複数の物体検出位置（以降、説明の便宜上、“物体検出位置（基準）”と称する）と、ステップＳ４４１で抽出された圧縮率で圧縮された画像データから検出された複数の物体検出位置（以降、説明の便宜上、“物体検出位置（選択候補）”と称する）とを比較してもよい。

具体的には、モデル生成部４１３は、複数の物体検出位置（基準）の少なくとも一つと一致する物体検出位置（選択候補）を選択する。ここで、少なくとも一つの物体検出位置（基準）と一致する物体検出位置（選択候補）が存在する場合には、最小の圧縮率で圧縮された画像データから検出された物体と同じ物体が、ステップＳ４４１で抽出された圧縮率で圧縮された画像データからも検出されていると想定される。従って、少なくとも一つの物体検出位置（基準）と一致する物体検出位置（選択候補）の信頼性は相対的に高いと想定される。なぜならば、最小の圧縮率で圧縮された画像データに対する物体検出処理の結果は、最も信頼性が高いからである。従って、複数の物体検出位置（基準）の少なくとも一つと一致する物体検出位置（選択候補）を選択する動作は、相対的に信頼性の高い物体検出位置（選択候補）を選択する動作と実質的に等価であるとみなしてもよい。

一方で、モデル生成部４１３は、複数の物体検出位置（基準）いずれとも一致しない物体検出位置（選択候補）を選択しない。ここで、複数の物体検出位置（基準）のいずれとも一致しない物体検出位置（選択候補）が存在する場合には、最小の圧縮率で圧縮された画像データからは検出されていない物体が、ステップＳ４４１で抽出された圧縮率で圧縮された画像データから検出されていると想定される。この場合、最小の圧縮率で圧縮された画像データに対する物体検出処理の結果が最も信頼性が高いことを考慮すれば、複数の物体検出位置（基準）のいずれとも一致しない物体検出位置（選択候補）の信頼性は相対的に低いと想定される。典型的には、複数の物体検出位置（基準）のいずれとも一致しない物体検出位置（選択候補）は、誤って検出された物体検出位置（選択候補）である可能性があると想定される。従って、複数の物体検出位置（基準）のいずれとも一致しない物体検出位置（選択候補）を選択しない動作は、相対的に信頼性の低い物体検出位置（選択候補）を排除する動作と実質的に等価であるとみなしてもよい。

このように、モデル生成部４１３は、ステップＳ４４２において、相対的に信頼性の高い物体検出位置（選択候補）を、検出確率推定モデル２２１を生成するために実際に用いられる物体検出位置として選択する。一方で、モデル生成部４１３は、相対的に信頼性の低い物体検出位置（選択候補）を、検出確率推定モデル２２１を生成するために実際に用いられる物体検出位置として選択しない。その結果、相対的に信頼性の高い物体検出位置に基づいて検出確率推定モデル２２１が生成されるがゆえに、検出確率推定モデル２２１の信頼性もまた相対的に高くなる。つまり、検出確率推定モデル２２１の推定精度が相対的に高くなる。

以上説明したステップＳ４４１からステップＳ４４２までの処理が、圧縮率リスト４２２に含まれる複数の圧縮率の全て（但し、最小圧縮率を除く）がステップＳ４４１で抽出されるまで繰り返される（ステップＳ４４３）。例えば、圧縮率リスト４２２に複数の圧縮率として「１０％」、「３０％」、「５０％」及び「８０％」という４種類の圧縮率が含まれている場合には、モデル生成部４１３は、３０％の圧縮率で圧縮された画像データから検出された複数の物体検出位置（選択候補）と１０％の圧縮率で圧縮された画像データから検出された複数の物体検出位置（基準）とを比較することで、３０％の圧縮率で圧縮された画像データから検出された複数の物体検出位置（選択候補）の少なくとも一部を選択する。同様に、モデル生成部４１３は、５０％の圧縮率で圧縮された画像データから検出された複数の物体検出位置（選択候補）と１０％の圧縮率で圧縮された画像データから検出された複数の物体検出位置（基準）とを比較することで、５０％の圧縮率で圧縮された画像データから検出された複数の物体検出位置（選択候補）の少なくとも一部を選択する。同様に、モデル生成部４１３は、８０％の圧縮率で圧縮された画像データから検出された複数の物体検出位置（選択候補）と１０％の圧縮率で圧縮された画像データから検出された複数の物体検出位置（基準）とを比較することで、８０％の圧縮率で圧縮された画像データから検出された複数の物体検出位置（選択候補）の少なくとも一部を選択する。

その後、モデル生成部４１３は、最小の圧縮率で圧縮された画像データから検出された複数の物体検出位置（基準）の夫々を、検出確率推定モデル２２１を生成するために実際に用いられる物体検出位置として選択する（ステップＳ４４４）。なぜならば、上述したように、最小の圧縮率で圧縮された画像データに対する物体検出処理の結果は、最も信頼性が高いからである。

ステップＳ４４２及びＳ４４４の夫々で選択された物体検出位置は、図１１に例示するように、物体検出位置の検出元となる画像データの圧縮率と関連付けられた状態で、記憶装置４２に一時的に格納されてもよい。具体的には、ステップＳ４４２及びＳ４４４の夫々で選択された物体検出位置と物体検出位置の検出元となる画像データの圧縮率とを含むラベルデータ４２３が、選択された物体検出位置の数だけ記憶装置４２に格納されてもよい。例えば、図１１に示す例では、記憶装置４２には、図９に示す物体＃１の物体検出位置（ｘｍｉｎ＃１、ｙｍｉｎ＃１、ｘｍａｘ＃１、ｙｍａｘ＃１）と１０％という圧縮率とを含むラベルデータ４２３、物体＃１の物体検出位置（ｘｍｉｎ＃１、ｙｍｉｎ＃１、ｘｍａｘ＃１、ｙｍａｘ＃１）と３０％という圧縮率とを含むラベルデータ４２３、及び、物体＃１の物体検出位置（ｘｍｉｎ＃１、ｙｍｉｎ＃１、ｘｍａｘ＃１、ｙｍａｘ＃１）と５０％という圧縮率とを含むラベルデータ４２３が格納されている。この場合、物体＃１は、１０％、３０％及び５０％の夫々の圧縮率で圧縮された画像データからは検出されたものの、８０％の圧縮率で圧縮された画像データからは検出されなかったことが分かる。同様に、例えば、図１１に示す例では、記憶装置４２には、図９に示す物体＃２の物体検出位置（ｘｍｉｎ＃２、ｙｍｉｎ＃２、ｘｍａｘ＃２、ｙｍａｘ＃２）と１０％という圧縮率とを含むラベルデータ４２３及び物体＃２の物体検出位置（ｘｍｉｎ＃２、ｙｍｉｎ＃２、ｘｍａｘ＃２、ｙｍａｘ＃２）と３０％という圧縮率とを含むラベルデータ４２３が格納されている。この場合、物体＃２は、１０％及び３０％の夫々の圧縮率で圧縮された画像データからは検出されたものの、５０％及び８０％の夫々の圧縮率で圧縮された画像データからは検出されなかったことが分かる。

その後、モデル生成部４１３は、図６のステップＳ４１で学習用データセット４２１から取得された複数の画像データと、記憶装置４２が記憶している物体検出位置と圧縮率とを含むラベルデータ４２３の全てとに基づいて、検出確率推定モデル２２１を生成する（ステップＳ４４５）。

検出確率推定モデル２２１は、一の画像データが検出確率推定モデル２２１に入力された場合に、当該一の画像データが示す画像のある位置に表現されていると推定される物体が物体検出処理によって検出される確率を、圧縮率毎に出力する演算モデルであってもよい。

つまり、検出確率推定モデル２２１は、Ｎ種類（尚、Ｎは２以上の整数）の圧縮率に関して、以下の（１）乃至（Ｎ）に示す各確率を出力する演算モデルであってもよい。

（１）第１の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、当該一の画像データが示す画像のある位置に表現されていると推定される物体が検出される確率と、
（２）第１の圧縮率とは異なる第２の圧縮率で圧縮された同じ一の画像データに対して物体検出処理が行われた場合に、当該一の画像データが示す画像のある位置に表現されていると推定される物体が検出される確率と、・・・、
（Ｎ−１）第１から第Ｎ−２の圧縮率とは異なる第Ｎ−２の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、当該一の画像データが示す画像のある位置に表現されていると推定される物体が検出される確率と、
（Ｎ）第１から第Ｎ−１の圧縮率とは異なる第Ｎの圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、当該一の画像データが示す画像のある位置に表現されていると推定される物体が検出される確率。

より具体的に、例えば図１２に示す例において、ある画像データが入力された検出確率推定モデル２２１の出力は、以下の通りであることを示している。

（１−１）１０％の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体＃１１が検出される確率が、１００％であり、
（１−２）３０％の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体＃１１が検出される確率が、９０％であり、
（１−３）５０％の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体＃１１が検出される確率が、５０％であり、
（１−４）８０％の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体＃１１が検出される確率が、２０％であり、
（２−１）１０％の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１２、ｙｍｉｎ＃１２、ｘｍａｘ＃１２、ｙｍａｘ＃１２）に表現されていると推定される物体＃１２が検出される確率が、１００％であり、
（２−２）３０％の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１２、ｙｍｉｎ＃１２、ｘｍａｘ＃１２、ｙｍａｘ＃１２）に表現されていると推定される物体＃１２が検出される確率が、９５％であり、
（２−３）５０％の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１２、ｙｍｉｎ＃１２、ｘｍａｘ＃１２、ｙｍａｘ＃１２）に表現されていると推定される物体＃１２が検出される確率が、９０％であり、
（２−４）８０％の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１２、ｙｍｉｎ＃１２、ｘｍａｘ＃１２、ｙｍａｘ＃１２）に表現されていると推定される物体＃１２が検出される確率が、９０％であり、
（３−１）１０％の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１３、ｙｍｉｎ＃１３、ｘｍａｘ＃１３、ｙｍａｘ＃１３）に表現されていると推定される物体＃１３が検出される確率が、９０％である。

このような検出確率推定モデル２２１は、例えば、ニューラルネットワークを用いた演算モデルであってもよい。この場合、モデル生成部４１３は、複数の画像データと物体検出位置と圧縮率とを用いて検出確率推定モデル２２１を学習させることで、検出確率推定モデル２２１を生成してもよい。

ここで、上述したように、モデル生成装置４が行う物体検出処理とデータ処理装置３が行う物体検出処理とが同一である。このため、モデル生成装置４が行った物体検出処理の結果に基づいて生成される検出確率推定モデル２２１は、実質的には、一の画像データがデータ処理装置３に入力された場合に、当該一の画像データが示す画像のある位置に表現されていると推定される物体（本段落では、物体Ｉと表記する）がデータ処理装置３によって検出される確率を、圧縮率毎に出力する演算モデルであるとも言える。また、物体Ｉを検出する確率は、実質的には、物体Ｉを検出する精度と等価であるとも言える。なぜならば、物体Ｉを検出する確率が高ければ高いほど、物体Ｉを検出する精度が高いと言えるからである。従って、検出確率推定モデル２２１は、一の画像データがデータ処理装置３に入力された場合に、当該一の画像データが示す画像のある位置に表現されていると推定される物体がデータ処理装置３によって検出される精度を、圧縮率毎に出力する演算モデルであるとも言える。このため、検出確率推定モデル２２１は、画像データを圧縮する圧縮率と、圧縮された画像データを用いて行われる物体検出処理による物体の検出精度との間の関係に関する精度情報を出力する演算モデルであるとも言える。

再び図６において、検出確率推定モデル２２１が生成された後には、送信制御部４１４は、通信装置４３を用いて、ステップＳ４４で生成された検出確率推定モデル２２１をデータ処理装置３に送信する（ステップＳ４５）。

＜２−２＞データ圧縮動作
続いて、図１３を参照しながら、データ圧縮装置２が行うデータ圧縮動作の流れについて説明する。図１３は、データ圧縮装置２が行うデータ圧縮動作の流れを例示するフローチャートである。

図１３に示すように、まず、圧縮率設定部２１１は、通信装置２４を用いて、モデル生成装置４から検出確率推定モデル２２１を取得する（ステップＳ２１）。取得された検出確率推定モデル２２１は、記憶装置２２に記憶される。尚、最新の検出確率推定モデル２２１が既に取得済みである場合には、圧縮率設定部２１１は、検出確率推定モデル２２１を取得しなくてもよい。

その後、入出力ＩＦ２３を介してカメラ１からデータ圧縮装置２に動画データ（画像データ）が入力された場合には（ステップＳ２２）、データ圧縮装置２は、データ圧縮装置２に入力された動画データを圧縮する（ステップＳ２３からステップＳ２５）。つまり、データ圧縮装置２は、データ圧縮装置２に入力された動画データを構成する画像データを圧縮する。

具体的には、まず、圧縮率設定部２１１は、ステップＳ２２で取得した画像データを、ステップＳ２１で取得した検出確率推定モデル２２１に入力する（ステップＳ２３）。その結果、圧縮率設定部２１１は、ステップＳ２２で取得した画像データがデータ処理装置３に入力された場合に、画像データが示す画像に表現されていると推定される各物体がデータ処理装置３によって検出される確率を、画像データの圧縮率毎に取得する（ステップＳ２３）。

その後、圧縮率設定部２１１は、ステップＳ２３で取得した圧縮率毎の検出確率に基づいて、画像データの圧縮率を設定する（ステップＳ２４）。具体的には、検出確率推定モデル２２１は、圧縮率設定部２１１がステップＳ２３で取得した圧縮率毎の検出確率に加えて、上述したように画像データが示す画像に表現されている物体の位置（物体推定位置）も併せて出力している。このため、圧縮率設定部２１１は、検出確率推定モデル２２１が出力する物体推定位置に基づいて、画像データが示す画像内で物体が表現されていると推定される領域と、画像データが示す画像内で物体が表現されていないと推定される領域とを区別することができる。

ここで、画像データが示す画像内で物体が表現されていないと推定される領域は、データ処理装置３が行う物体検出処理にとって相対的に重要度が低い領域であると言える。このため、画像データのうちの物体が表現されていないと推定される領域に関するデータ部分は、相対的に高い圧縮率で圧縮したとしても、データ処理装置３における物体検出処理に影響が生ずる可能性は相対的に低い。そこで、圧縮率設定部２１１は、画像データのうちの物体が表現されていないと推定される領域に関するデータ部分を圧縮するために用いる圧縮率を、相対的に高い圧縮率に設定する。例えば、圧縮率設定部２１１は、画像データのうちの物体が表現されていないと推定される領域に関するデータ部分を圧縮するために用いる圧縮率を、設定可能な最も大きい（つまり、最も高い）圧縮率に設定してもよい。例えば、圧縮率設定部２１１は、画像データのうちの物体が表現されていないと推定される領域に関するデータ部分を圧縮するために用いる圧縮率を、画像データのうちの物体が表現されていると推定される領域に関するデータ部分を圧縮するために用いる圧縮率よりも低い圧縮率に設定してもよい。

一方で、画像データが示す画像内で物体が表現されていると推定される領域は、データ処理装置３が行う物体検出処理にとって相対的に重要度が高い領域であると言える。そこで、圧縮率設定部２１１は、ステップＳ２３で取得した圧縮率毎の検出確率に基づいて、画像データのうちの物体が表現されていると推定される領域に関するデータ部分を圧縮するために用いる圧縮率を設定する。以下、圧縮率を設定するための動作の一例について、図１４を参照しながら説明する。

図１４の上部は、図１３のステップＳ２２で取得された画像データが示す画像に、物体Ａと物体Ｂとが表現されている例を示している。この場合、検出確率推定モデル２２１は、物体Ａに関する物体推定位置と共に、画像データの圧縮率毎に物体Ａが検出される確率を出力する。更に、検出確率推定モデル２２１は、物体Ｂに関する物体推定位置と共に、画像データの圧縮率毎に物体Ｂが検出される確率を出力する。その結果、圧縮率設定部２１１は、図１４の下部に例示するように、画像データの圧縮率と物体の検出確率（つまり、検出精度）との相関関係を、物体毎に把握することができる。圧縮率設定部２１１は、このような画像データの圧縮率と物体の検出確率との相関関係に基づいて、画像データのうちの各物体が表現されていると推定される領域に関するデータ部分を圧縮するために用いる圧縮率を設定する。

例えば、圧縮率設定部２１１は、画像データのうちの物体Ａが表現されていると推定される領域に関するデータ部分ＡＰのデータサイズと画像データのうちの物体Ｂが表現されていると推定される領域に関するデータ部分ＢＰのデータサイズとの総和が許容サイズ以下になるという条件と、物体Ａの検出確率と物体Ｂの検出確率との総和が許容確率以上になるという条件が満たされるように、データ部分ＡＰを圧縮するために用いる圧縮率及びデータ部分ＢＰを圧縮するために用いる圧縮率を設定してもよい。例えば、圧縮率設定部２１１は、データ部分ＡＰのデータサイズとデータ部分ＢＰのデータサイズとの総和が許容サイズ以下になるという制約を満たしながら物体Ａの検出確率と物体Ｂの検出確率との総和が最大になるように、データ部分ＡＰを圧縮するために用いる圧縮率及びデータ部分ＢＰを圧縮するために用いる圧縮率を設定してもよい。図１４に示す例では、圧縮率設定部２１１は、圧縮率が増加するにつれて検出確率が相対的に急激に減少する物体Ａに関するデータ部分ＡＰを圧縮するために用いる圧縮率を、相対的に小さい圧縮率に設定し、圧縮率が増加しても検出確率が相対的に急激に減少することがない物体Ｂに関するデータ部分ＢＰを圧縮するために用いる圧縮率を、相対的に大きい圧縮率に設定している。

つまり、圧縮率設定部２１１は、画像データが示す画像にＭ個（但し、Ｍは１以上の整数）の物体が表現されていると推定される場合には、画像データのうちのＭ個の物体が表現されていると推定されるＭ個の領域に関するデータ部分のデータサイズが許容サイズ以下になるという条件と、Ｍ個の物体の検出確率の総和が許容確率以上になる（つまり、許容精度以上になる）という条件とが満たされるように、Ｍ個の物体が表現されていると推定されるＭ個の領域に関するデータ部分を圧縮するために用いる圧縮率を設定してもよい。典型的には、圧縮率設定部２１１は、画像データのうちのＭ個の物体が表現されていると推定されるＭ個の領域に関するデータ部分のデータサイズが許容サイズ以下になるという制約を満たしながら、Ｍ個の物体の検出確率の総和が最大になるように、Ｍ個の物体が表現されていると推定されるＭ個の領域に関するデータ部分を圧縮するために用いる圧縮率を設定してもよい。

許容サイズは、圧縮された画像データ（つまり、圧縮された画像データから構成される動画データ）を送信するためにデータ圧縮装置２が利用可能な通信ネットワーク網５の帯域（いわゆる、可用帯域）に基づいて設定されてもよい。この場合、許容サイズは、通信ネットワーク網５の可用帯域で送信可能なデータレートに応じたサイズとなる。典型的には、許容サイズは、通信ネットワーク網５の可用帯域で送信可能な画像データのサイズとなる。この場合、圧縮率設定部２１１は、通信ネットワーク網５の可用帯域の制限内で圧縮された画像データ（動画データ）を送信するという条件と、Ｍ個の物体の検出確率の総和が許容確率以上になるという条件とが満たされるように、Ｍ個の物体が表現されていると推定されるＭ個の領域に関するデータ部分を圧縮するために用いる圧縮率を設定してもよい。典型的には、圧縮率設定部２１１は、通信ネットワーク網５の可用帯域の制限内で圧縮された画像データ（動画データ）を送信するという制約を満たしながら、Ｍ個の物体の検出確率の総和が最大になるように、Ｍ個の物体が表現されていると推定されるＭ個の領域に関するデータ部分を圧縮するために用いる圧縮率を設定してもよい。

再び図１３において、その後、データ圧縮部２１２は、ステップＳ２２で取得した画像データを、ステップＳ２４で決定した圧縮率で圧縮する（ステップＳ２５）。この際、データ圧縮部２１２は、必要に応じて、圧縮された画像データから動画データを生成するための符号化処理を行ってもよい。

その後、送信制御部２１３は、通信装置２４を用いて、ステップＳ２５で圧縮された画像データ（つまり、ステップＳ２５で圧縮された画像データから構成される、圧縮された動画データ）をデータ処理装置３に送信する（ステップＳ２６）。

＜３＞データ圧縮システムＳＹＳの技術的効果
以上説明したように、本実施形態のデータ圧縮システムＳＹＳによれば、データ圧縮装置２は、データ処理装置３による物体の検出確率と画像データの圧縮率との相関関係（例えば、図１４に例示する相関関係であり、検出確率推定モデル２２１の出力）に基づいて、画像データの圧縮率を設定することができる。このため、データ圧縮装置２は、圧縮された画像データに対して物体検出処理が行われる場合において、画像データを適切に圧縮することができる。つまり、データ圧縮装置２は、データ処理装置３が行う物体検出処理の特性を考慮した適切な圧縮態様で、画像データを圧縮することができる。

例えば、データ圧縮装置２は、データ処理装置３による物体の検出確率（つまり、検出精度）が相対的に高くなるように、画像データを適切に圧縮することができる。例えば、データ圧縮装置２は、画像データのデータサイズが相対的に小さくなると共にデータ処理装置３による物体の検出確率が相対的に高くなるように、画像データを適切に圧縮することができる。例えば、データ圧縮装置２は、通信ネットワーク網５を介して画像データをデータ圧縮装置２からデータ処理装置３に適切に送信できる程度に画像データのデータサイズが小さくなると共にデータ処理装置３による物体の検出確率が相対的に高くなるように、画像データを適切に圧縮することができる。

更に、データ圧縮装置２は、画像データが示す画像に表現されていると推定される複数の物体の検出確率に基づいて、画像データのうちの複数の物体に夫々対応する複数のデータ部分の圧縮率を設定することができる。このため、データ圧縮装置２は、データ処理装置３による複数の物体の検出確率（つまり、検出精度）が相対的に高くなるように、画像データを適切に圧縮することができる。

更に、データ圧縮装置２は、圧縮率を設定する際に参照される物体の検出確率を、検出確率推定モデル２２１を用いて容易に取得する（つまり、推定する）ことができる。このため、データ圧縮装置２は、データ処理装置３が行う物体検出処理の特性を比較的容易に推定し、当該推定した物体検出処理の特性を考慮した適切な圧縮態様で画像データを圧縮することができる。

＜４＞変形例
続いて、データ圧縮システムＳＹＳの変形例について説明する。尚、以下では、既に説明済みの構成要件については、同一の参照符号を付してその詳細な説明を省略する。同様に、既に説明済みの処理については、同一のステップ番号を付してその詳細な説明を省略する。

＜４−１＞第１変形例
上述した説明では、モデル生成装置４（特に、モデル生成部４１３）は、記憶装置４２が記憶している物体検出位置と圧縮率とを含むラベルデータ４２３の全てを用いて、検出確率推定モデル２２１を生成している。一方で、第１変形例では、モデル生成部４１３は、検出確率推定モデル２２１を生成するために、記憶装置４２が記憶している物体検出位置と圧縮率とを含むラベルデータ４２３の一部を用いなくてもよい。

具体的には、図１５に、物体検出位置と圧縮率とを含む複数のラベルデータ４２３の一例が示されている。第１変形例では、モデル生成部４１３は、同じ物体検出位置を含む少なくとも二つのラベルデータ４２３が存在する場合には、ラベルデータ４２３に含まれる圧縮率が最も大きい単一のラベルデータ４２３を用いて検出確率推定モデル２２１を生成する。一方で、モデル生成部４１３は、ラベルデータ４２３に含まれる圧縮率が最も大きくないラベルデータ４２３を、検出確率推定モデル２２１を生成するために用いなくてもよい。

例えば、図１５に示す例では、図９に示す物体＃１の物体検出位置（ｘｍｉｎ＃１、ｙｍｉｎ＃１、ｘｍａｘ＃１、ｙｍａｘ＃１）を含むラベルデータ４２３が三つ存在する。この場合、三つのラベルデータ４２３が夫々含む三つの圧縮率の中では５０％という圧縮率が最大の圧縮率となる。このため、三つのラベルデータ４２３のうち５０％という圧縮率を含むラベルデータ４２３が検出確率推定モデル２２１を生成するために用いられ、三つのラベルデータ４２３のうち１０％及び３０％という圧縮率を夫々含む二つのラベルデータ４２３が検出確率推定モデル２２１を生成するために用いられなくてもよい。その結果、第１変形例では、モデル生成部４１３は、図１５に示す複数のラベルデータ４２３に代えて、同じ物体検出位置を含むラベルデータ４２３が一つしか存在しないという条件を満たす図１６に例示する複数のラベルデータ４２３を用いて、検出確率推定モデル２２１を生成する。その結果、検出確率推定モデル２２１を生成するための処理負荷が低減される。

第１変形例では、検出確率推定モデル２２１は、一の画像データが検出確率推定モデル２２１に入力された場合に、当該一の画像データが示す画像のある位置に表現されていると推定される物体が物体検出処理によって検出される確率を、当該物体が初めて検出される圧縮率と共に出力する演算モデルであってもよい。

つまり、第１変形例では、検出確率推定モデル２２１は、検出確率推定モデル２２１は、Ｌ種類（尚、Ｌは２以上の整数）の圧縮率に関して、以下の（１）乃至（Ｎ）に示す各確率を出力する演算モデルであってもよい。

（１）第１の範囲内の圧縮率よりも大きい圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に物体が検出されない一方で、第１の範囲内の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に初めて物体が検出される確率と、
（２）第１の範囲とは異なる第２の範囲内の圧縮率よりも大きい圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に物体が検出されない一方で、第２の範囲内の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に初めて物体が検出される確率と、・・・、
（Ｌ−１）第１から第Ｌ−２の範囲内の圧縮率よりも大きい圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に物体が検出されない一方で、第Ｌ−１の範囲内の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に初めて物体が検出される確率と、
（Ｌ）第１の範囲から第Ｌ−１の範囲とは異なる第Ｌの範囲内の圧縮率よりも大きい圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に物体が検出されない一方で、第Ｌの範囲内の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に初めて物体が検出される確率。

より具体的には、例えば図１７に示す例では、ある画像データが入力された検出確率推定モデル２２１の出力は、以下の通りであることを示している。

（１）１０％よりも大きい圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体が検出されない一方で、０％から１０％の間の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体が初めて検出される確率が、１０％であり、
（２）３０％よりも大きい圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体が検出されない一方で、１０％から３０％の間の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体が初めて検出される確率が、３０％であり、
（３）５０％よりも大きい圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体が検出されない一方で、３０％から５０％の間の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体が初めて検出される確率が、４０％であり、
（４）８０％よりも大きい圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体が検出されない一方で、５０％から８０％の間の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体が初めて検出される確率が、１０％であり、
（５）８０％から１００％の間の圧縮率で圧縮された一の画像データに対して物体検出処理が行われた場合に、物体推定位置（ｘｍｉｎ＃１１、ｙｍｉｎ＃１１、ｘｍａｘ＃１１、ｙｍａｘ＃１１）に表現されていると推定される物体が初めて検出される確率が、１０％である。

尚、圧縮率リスト４２２に含まれる最大の圧縮率よりも高い圧縮率が圧縮処理に用いられることは原則としてない。このため、圧縮率リスト４２２に含まれる最大の圧縮率よりも大きい範囲の圧縮率で圧縮された一の画像データから物体が検出される確率は、実質的には、物体が検出されない確率と等価であるとみなしてもよい。例えば、圧縮率リスト４２２に含まれる最大の圧縮率が８０％である場合には、図１７に示す「８０％から１００％の間の圧縮率で圧縮された一の画像データから物体が検出される確率」は、実質的には、「一の画像データから物体が検出されない確率」と等価であるとみなしてもよい。

このような検出確率推定モデル２２１が生成される場合であっても、圧縮率設定部２１１は、図１８に例示するように、画像データの圧縮率と物体の検出確率（つまり、検出精度）との相関関係を、物体毎に把握することができる。例えば、図１８に例示する相関関係は、図１７に例示する検出確率の累積分布関数を算出し、算出した累積分布関数から「物体が検出されない確率」を除外した上で、残った累積分布関数を正規化することで得られる。従って、第１変形例においても、上述した実施形態と同様に、圧縮率が適切に設定され、その結果、画像データが適切に圧縮される。つまり、第１変形例においても、上述した本実施形態のデータ圧縮システムＳＹＳが享受可能な効果と同様の効果が享受可能である。

＜４−２＞第２変形例
上述した説明では、データ圧縮装置２（特に、圧縮率設定部２１１）は、検出確率推定モデル２２１に対して、カメラ１から取得した画像データを入力している。一方で、第２変形例では、図１９に例示するように、圧縮率設定部２１１は、カメラ１から取得した画像データに対して物体検出処理を行い、画像データのうち検出された物体に関するデータ部分を検出確率推定モデル２２１に入力してもよい。或いは、圧縮率設定部２１１は、カメラ１から取得した画像データに対して物体検出処理を行い、物体検出処理によって検出された物体の位置に関する情報を画像データと共に検出確率推定モデル２２１に入力してもよい。

この場合であっても、圧縮率設定部２１１は、画像データの圧縮率と物体の検出確率（つまり、検出精度）との相関関係を、物体毎に把握することができる。従って、第２変形例においても、上述した実施形態と同様に、圧縮率が適切に設定され、その結果、画像データが適切に圧縮される。つまり、第２変形例においても、上述した本実施形態のデータ圧縮システムＳＹＳが享受可能な効果と同様の効果が享受可能である。

＜４−３＞第３変形例
上述した説明では、データ圧縮装置２は、カメラ１から取得した画像データ（動画データ）を圧縮している。ここで、カメラ１は、撮影範囲を撮影することで撮影範囲を監視する監視装置の一例であるとも言える。このため、データ圧縮装置２は、カメラ１から取得した画像データ（動画データ）に加えて又は代えて、所定の監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮してもよい。この場合、監視装置は、監視対象範囲に存在する物体を監視する監視装置であることが好ましい。従って、監視装置が出力する出力データは、監視対象範囲に存在する物体に関する情報を含んでいることが好ましい。尚、カメラ１の撮影範囲は、監視対象範囲の一例である。

このような監視装置の一例として、監視対象範囲を光学的に監視することで、空間的に広がる監視対象範囲に存在する物体に関する情報に相当する点群データを出力する空間監視装置があげられる。空間監視装置の一例として、ＬＩＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ ）等の３次元スキャナがあげられる。この場合、図２０に例示するように、データ圧縮システムＳＹＳは、カメラ１に加えて又は代えて、ＬＩＤＡＲ６を備えていてもよい。

データ圧縮装置２は、ＬＩＤＡＲ６から点群データを取得し、取得した点群データを圧縮してもよい。この際、データ圧縮装置２は、画像データを圧縮する場合と同様に、点群データのうち物体が存在すると推定される空間に関するデータ部分の圧縮率を、当該物体の検出確率と点群データの圧縮率との相関関係に関する情報に基づいて設定してもよい。物体の検出確率と点群データの圧縮率との相関関係に関する情報は、検出確率推定モデル２２１を用いて取得されてもよい。但し、第３変形例では、検出確率推定モデル２２１は、一の点群データが検出確率推定モデル２２１に入力された場合に、当該一の点群データが示す空間のある位置に存在すると推定される物体が物体検出処理によって検出される確率を、点群データの圧縮率毎に出力する演算モデルであってもよい。

データ処理装置３は、点群データに対して物体検出処理を行ってもよい。つまり、データ処理装置３は、点群データが示す空間に存在する物体を検出してもよい。

このような第３変形例では、データ圧縮装置２は、圧縮された点群データに対して物体検出処理が行われる場合において、点群データを適切に圧縮することができる。つまり、データ圧縮装置２は、データ処理装置３が行う物体検出処理の特性を考慮した適切な圧縮態様で、点群データを圧縮することができる。つまり、第３変形例においても、上述した本実施形態のデータ圧縮システムＳＹＳが享受可能な効果と同様の効果が享受可能である。

尚、画像データは、２次元平面上に分布するピクセル（つまり、点）が集合したデータであるとも言える。一方で、点群データは、３次元空間内に分布するピクセル（つまり、点）が集合したデータであるとも言える。従って、画像データ及び点群データは、物体に関する情報を点の集合で示すデータであるという点で共通しているとも言える。

＜４−４＞第４変形例
第４変形例では、データ圧縮システムＳＹＳは、モデル生成装置４に代えて、モデル生成装置４ａを備える。モデル生成装置４ａは、図２１に例示するように、モデル生成装置４と比較して、演算装置４１内に、圧縮率リスト４２２に含まれる圧縮率を決定する機能ブロックとしてのリスト生成部４１５ａが実現されるという点で異なる。モデル生成装置４ａのその他の特徴は、モデル生成装置４のその他の特徴と同一であってもよい。

圧縮率リスト４２２に含まれる圧縮率を決定するために、モデル生成装置４のデータ圧縮部４１１は、学習用データセット４２１に含まれる少なくとも一つの画像データ（或いは、学習用データセット４２１に含まれない少なくとも一つの画像データ）を圧縮する。この際、図２２に例示するように、データ圧縮部４１１は、画像データを、夫々が圧縮率リスト４２２に含めるべき圧縮率の候補である複数の異なる圧縮率候補の夫々で圧縮する。

その後、モデル生成装置４の検出処理部４１２は、複数の異なる圧縮率候補の夫々で圧縮された画像データに対して、物体検出処理を行う。

その後、モデル生成装置４のリスト生成部４１５ａは、複数の異なる圧縮率候補の中に、物体検出処理の結果が同じになる少なくとも二つの圧縮率候補が存在する場合には、少なくとも二つの圧縮率候補のうちの最も大きい一つの圧縮率候補を、圧縮率リスト４２２に含める。一方で、リスト生成部４１５ａは、少なくとも二つの圧縮率候補のうちの最も大きい圧縮率候補以外の圧縮率候補を、圧縮率リスト４２２に含めない。

例えば、図２２は、複数の異なる圧縮率候補が、１０％、２０％、３０％、４０％及び５０％を含む例を示している。更に、図２２は、１０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理によって物体Ａ、物体Ｂ及び物体Ｃが検出され、２０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理によって物体Ａ及び物体Ｂが検出される一方で物体Ｃが検出されず、３０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理によって物体Ａ及び物体Ｂが検出される一方で物体Ｃが検出されず、４０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理によって物体Ａが検出される一方で物体Ｂ及び物体Ｃが検出されず、５０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理によって物体Ａが検出される一方で物体Ｂ及び物体Ｃが検出されなかった例を示している。

図２２に示す例では、２０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理の結果は、３０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理の結果と同じである。この場合、２０％の圧縮率候補よりも３０％の圧縮率候補の方が大きい。従って、リスト生成部４１５ａは、３０％の圧縮率候補を圧縮率リスト４２２に含める一方で、３０％の圧縮率候補を圧縮率リスト４２２に含めない。

同様に、図２２に示す例では、４０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理の結果は、５０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理の結果と同じである。この場合、４０％の圧縮率候補よりも５０％の圧縮率候補の方が大きい。従って、リスト生成部４１５ａは、５０％の圧縮率候補を圧縮率リスト４２２に含める一方で、４０％の圧縮率候補を圧縮率リスト４２２に含めない。

一方で、図２２に示す例では、１０％の圧縮率候補で圧縮された画像データに対して行われた物体検出処理の結果と同じ結果が出力される物体検出処理はない。従って、この場合には、リスト生成部４１５ａは、１０％の圧縮率候補を圧縮率リスト４２２に含める。

以上の動作により、圧縮率リスト４２２が適切に生成される。

＜５＞付記
以上説明した実施形態に関して、更に以下の付記を開示する。
［付記１］
監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮する圧縮手段と、
前記圧縮手段による圧縮が行われた前記出力データを、前記出力データを用いて前記監視対象範囲に存在する物体を検出するデータ処理装置に対して出力する出力手段と、
前記出力データを圧縮する圧縮率と、前記圧縮率で圧縮された前記出力データを用いて前記データ処理装置による物体の検出精度との間の関係を示す精度情報に基づいて、前記圧縮手段で用いられる圧縮率を設定する設定手段と
を備えるデータ圧縮装置。
［付記２］
前記設定手段は、前記圧縮手段による圧縮が行われた前記出力データのデータサイズが許容サイズ以下になることと、前記検出精度が許容精度以上になることとを満足するように、前記圧縮率を設定する
付記１に記載のデータ圧縮装置。
［付記３］
前記精度情報は、
前記出力データのうちの第１の位置に位置する第１の物体に関する第１のデータ部分を圧縮する圧縮率と、前記圧縮率で圧縮された前記第１のデータ部分を用いた前記データ処理装置による前記第１の物体の検出精度との関係を示す第１の情報と、
前記出力データのうちの前記第１の位置とは異なる第２の位置に位置する第２の物体に関する第２のデータ部分を圧縮する圧縮率と、前記圧縮率で圧縮された前記第２のデータ部分を用いた前記データ処理装置による前記第２の物体の検出精度との関係を示す第２の情報と
を含み、
前記設定手段は、前記精度情報に基づいて、前記第１のデータ部分に対して前記圧縮手段によって用いられる圧縮率と、前記第２のデータ部分に対して前記圧縮手段によって用いられる圧縮率とを別々に設定する
付記１又は２に記載のデータ圧縮装置。
［付記４］
前記設定手段は、前記圧縮手段による圧縮が行われた前記第１及び第２のデータ部分のデータサイズの総和が許容サイズ以下になることと、前記第１の物体の検出精度と前記第２の物体の検出精度の総和が最大になることとを満足するように、前記圧縮率を設定する
付記３に記載のデータ圧縮装置。
［付記５］
前記出力手段は、前記圧縮手段による圧縮が行われた前記出力データを、通信ネットワーク網を介して前記データ処理装置に送信し、
前記設定手段は、前記通信ネットワーク網において前記出力手段が利用可能な可用帯域の制限内で前記圧縮手段による圧縮が行われた前記出力データを送信することと、前記検出精度が最大になることとを満足するように、前記圧縮率を設定する
付記１から４のいずれか一項に記載のデータ圧縮装置。
［付記６］
前記設定手段は、前記出力データの少なくとも一部が入力されると前記圧縮率と前記検出精度との関係を出力する演算モデルを用いて前記精度情報を取得し、前記取得した精度情報に基づいて前記圧縮率を設定する
付記１から５のいずれか一項に記載のデータ圧縮装置。
［付記７］
前記監視装置は、カメラ及び３次元スキャナの少なくとも一方を含み、
前記出力データは、動画データを構成する画像データ、及び、点群データの少なくとも一方を含む
付記１から６のいずれか一項に記載のデータ圧縮装置。
［付記８］
監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データ及び前記出力データとデータ種類が同じである同種データの少なくとも一方を含む学習用データを、圧縮率リストに含まれる複数の異なる圧縮率の夫々で圧縮する圧縮手段と、
前記複数の異なる圧縮率の夫々で前記圧縮手段による圧縮が行われた前記学習用データを用いて、前記監視対象範囲に存在する物体を検出する検出手段と、
前記検出手段による検出結果と、前記圧縮手段による圧縮で用いられた前記複数の異なる圧縮率とに基づいて、前記学習用データを圧縮する圧縮率と、前記圧縮率で圧縮された前記学習用データを用いた前記検出手段による物体の検出精度との間の関係に関する精度の推定に用いる演算モデルを生成する生成手段と、
前記生成手段が生成した前記演算モデルを、前記演算モデルを用いて前記出力データを圧縮するための圧縮率を設定し且つ前記設定した圧縮率で前記出力データを圧縮するデータ圧縮装置に対して出力する出力手段と
を備えるモデル生成装置。
［付記９］
前記圧縮率リストに含まれる前記複数の異なる圧縮率を設定する設定手段を更に備え、
前記設定手段は、（ｉ）前記圧縮率リストに含まれる圧縮率の候補となる複数の異なる圧縮率候補の夫々で前記学習用データを圧縮するように前記圧縮手段を制御し、（ｉｉ）前記複数の異なる圧縮率候補の夫々で圧縮された前記学習用データを用いて前記監視対象範囲に存在する物体を検出するように前記検出手段を制御し、（ｉｉｉ）前記複数の異なる圧縮率候補の中に前記検出手段による検出結果が同じになる少なくとも二つの圧縮率候補が存在する場合には、前記少なくとも二つの圧縮率候補のうち最も大きい圧縮率候補を前記圧縮率リストに含める圧縮率として設定する
付記８に記載のモデル生成装置。
［付記１０］
コンピュータによって、
監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮する圧縮処理を行い、
前記圧縮処理が行われた前記出力データを、前記出力データを用いて前記監視対象範囲に存在する物体を検出するための物体検出処理を行うデータ処理装置に出力し、
前記出力データを圧縮する圧縮率と、前記圧縮率で圧縮された前記出力データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係を示す精度情報に基づいて、前記圧縮処理で用いられる圧縮率を設定する
データ圧縮方法。
［付記１１］
コンピュータによって、
監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データ及び前記出力データとデータ種類が同じである同種データの少なくとも一方を含む学習用データを、圧縮率リストに含まれる複数の異なる圧縮率の夫々で圧縮する圧縮処理を行い、
前記複数の異なる圧縮率の夫々で前記圧縮処理が行われた前記学習用データを用いて、前記監視対象範囲に存在する物体を検出するための物体検出処理を行い、
前記物体検出処理の結果と、前記圧縮処理で用いられた前記複数の異なる圧縮率とに基づいて、前記学習用データを圧縮する圧縮率と、前記圧縮率で圧縮された前記学習用データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係に関する精度情報を推定するための演算モデルを生成し、
前記生成手段が生成した前記演算モデルを、前記演算モデルを用いて前記出力データを圧縮するための圧縮率を設定し且つ前記設定した圧縮率で前記出力データを圧縮するデータ圧縮装置に出力する
モデル生成方法。
［付記１２］
コンピュータに、データ圧縮方法を実行させるプログラムであって、
前記データ圧縮方法は、
監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮する圧縮処理を行い、
前記圧縮処理が行われた前記出力データを、前記出力データを用いて前記監視対象範囲に存在する物体を検出するための物体検出処理を行うデータ処理装置に出力し、
前記出力データを圧縮する圧縮率と、前記圧縮率で圧縮された前記出力データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係を示す精度情報に基づいて、前記圧縮処理で用いられる圧縮率を設定する
コンピュータプログラム。
［付記１３］
コンピュータに、モデル生成方法を実行させるプログラムであって、
前記モデル生成方法は、
監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データ及び前記出力データとデータ種類が同じである同種データの少なくとも一方を含む学習用データを、圧縮率リストに含まれる複数の異なる圧縮率の夫々で圧縮する圧縮処理を行い、
前記複数の異なる圧縮率の夫々で前記圧縮処理が行われた前記学習用データを用いて、前記監視対象範囲に存在する物体を検出するための物体検出処理を行い、
前記物体検出処理の結果と、前記圧縮処理で用いられた前記複数の異なる圧縮率とに基づいて、前記学習用データを圧縮する圧縮率と、前記圧縮率で圧縮された前記学習用データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係に関する精度情報を推定するための演算モデルを生成し、
前記生成手段が生成した前記演算モデルを、前記演算モデルを用いて前記出力データを圧縮するための圧縮率を設定し且つ前記設定した圧縮率で前記出力データを圧縮するデータ圧縮装置に出力する
コンピュータプログラム。
［付記１４］
付記１２又は１３に記載のコンピュータプログラムが記録された、コンピュータ読み取り可能な一時的でない記録媒体。

本発明は、請求の範囲及び明細書全体から読み取るこのできる発明の要旨又は思想に反しない範囲で適宜変更可能であり、そのような変更を伴うデータ圧縮装置、モデル生成装置、データ圧縮方法、モデル生成方法、コンピュータプログラム及び記録媒体もまた本発明の技術思想に含まれる。

１ カメラ
２ データ圧縮装置
２１ 演算装置
２１１ 圧縮率設定部
２１２ データ圧縮部
２１３ 送信制御部
２２ 記憶装置
２２１ 検出確率推定モデル
３ データ処理装置
４ モデル生成装置
４１ 演算装置
４１１ データ圧縮部
４１２ 検出処理部
４１３ モデル生成部
４１４ 送信制御部
４２ 記憶装置
４２１ 学習用データセット
４２２ 圧縮率リスト
４２３ ラベルデータ
ＳＹＳ データ圧縮システム

Claims (10)

1. 監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮する圧縮手段と、
   前記圧縮手段による圧縮が行われた前記出力データを、前記出力データを用いて前記監視対象範囲に存在する物体を検出するデータ処理装置に対して出力する出力手段と、
   前記出力データを圧縮する圧縮率と、前記圧縮率で圧縮された前記出力データを用いて前記データ処理装置による物体の検出精度との間の関係を示す精度情報に基づいて、前記圧縮手段で用いられる圧縮率を設定する設定手段と
   を備えるデータ圧縮装置。
2. 前記設定手段は、前記圧縮手段による圧縮が行われた前記出力データのデータサイズが許容サイズ以下になることと、前記検出精度が許容精度以上になることとを満足するように、前記圧縮率を設定する
   請求項１に記載のデータ圧縮装置。
3. 前記精度情報は、
   前記出力データのうちの第１の位置に位置する第１の物体に関する第１のデータ部分を圧縮する圧縮率と、前記圧縮率で圧縮された前記第１のデータ部分を用いた前記データ処理装置による前記第１の物体の検出精度との関係を示す第１の情報と、
   前記出力データのうちの前記第１の位置とは異なる第２の位置に位置する第２の物体に関する第２のデータ部分を圧縮する圧縮率と、前記圧縮率で圧縮された前記第２のデータ部分を用いた前記データ処理装置による前記第２の物体の検出精度との関係を示す第２の情報と
   を含み、
   前記設定手段は、前記精度情報に基づいて、前記第１のデータ部分に対して前記圧縮手段によって用いられる圧縮率と、前記第２のデータ部分に対して前記圧縮手段によって用いられる圧縮率とを別々に設定する
   請求項１又は２に記載のデータ圧縮装置。
4. 前記設定手段は、前記圧縮手段による圧縮が行われた前記第１及び第２のデータ部分のデータサイズの総和が許容サイズ以下になることと、前記第１の物体の検出精度と前記第２の物体の検出精度の総和が最大になることとを満足するように、前記圧縮率を設定する
   請求項３に記載のデータ圧縮装置。
5. 前記出力手段は、前記圧縮手段による圧縮が行われた前記出力データを、通信ネットワーク網を介して前記データ処理装置に送信し、
   前記設定手段は、前記通信ネットワーク網において前記出力手段が利用可能な可用帯域の制限内で前記圧縮手段による圧縮が行われた前記出力データを送信することと、前記検出精度が最大になることとを満足するように、前記圧縮率を設定する
   請求項１から４のいずれか一項に記載のデータ圧縮装置。
6. 監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データ及び前記出力データとデータ種類が同じである同種データの少なくとも一方を含む学習用データを、圧縮率リストに含まれる複数の異なる圧縮率の夫々で圧縮する圧縮手段と、
   前記複数の異なる圧縮率の夫々で前記圧縮手段による圧縮が行われた前記学習用データを用いて、前記監視対象範囲に存在する物体を検出する検出手段と、
   前記検出手段による検出結果と、前記圧縮手段による圧縮で用いられた前記複数の異なる圧縮率とに基づいて、前記学習用データを圧縮する圧縮率と、前記圧縮率で圧縮された前記学習用データを用いた前記検出手段による物体の検出精度との間の関係に関する精度の推定に用いる演算モデルを生成する生成手段と、
   前記生成手段が生成した前記演算モデルを、前記演算モデルを用いて前記出力データを圧縮するための圧縮率を設定し且つ前記設定した圧縮率で前記出力データを圧縮するデータ圧縮装置に対して出力する出力手段と
   を備えるモデル生成装置。
7. コンピュータによって、
   監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮する圧縮処理を行い、
   前記圧縮処理が行われた前記出力データを、前記出力データを用いて前記監視対象範囲に存在する物体を検出するための物体検出処理を行うデータ処理装置に出力し、
   前記出力データを圧縮する圧縮率と、前記圧縮率で圧縮された前記出力データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係を示す精度情報に基づいて、前記圧縮処理で用いられる圧縮率を設定する
   データ圧縮方法。
8. コンピュータによって、
   監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データ及び前記出力データとデータ種類が同じである同種データの少なくとも一方を含む学習用データを、圧縮率リストに含まれる複数の異なる圧縮率の夫々で圧縮する圧縮処理を行い、
   前記複数の異なる圧縮率の夫々で前記圧縮処理が行われた前記学習用データを用いて、前記監視対象範囲に存在する物体を検出するための物体検出処理を行い、
   前記物体検出処理の結果と、前記圧縮処理で用いられた前記複数の異なる圧縮率とに基づいて、前記学習用データを圧縮する圧縮率と、前記圧縮率で圧縮された前記学習用データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係に関する精度情報を推定するための演算モデルを生成し、
   前記生成手段が生成した前記演算モデルを、前記演算モデルを用いて前記出力データを圧縮するための圧縮率を設定し且つ前記設定した圧縮率で前記出力データを圧縮するデータ圧縮装置に出力する
   モデル生成方法。
9. コンピュータに、データ圧縮方法を実行させるプログラムであって、
   前記データ圧縮方法は、
   監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データを圧縮する圧縮処理を行い、
   前記圧縮処理が行われた前記出力データを、前記出力データを用いて前記監視対象範囲に存在する物体を検出するための物体検出処理を行うデータ処理装置に出力し、
   前記出力データを圧縮する圧縮率と、前記圧縮率で圧縮された前記出力データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係を示す精度情報に基づいて、前記圧縮処理で用いられる圧縮率を設定する
   コンピュータプログラム。
10. コンピュータに、モデル生成方法を実行させるプログラムであって、
    前記モデル生成方法は、
    監視対象範囲を監視する監視装置が時系列データとして逐次出力する出力データ及び前記出力データとデータ種類が同じである同種データの少なくとも一方を含む学習用データを、圧縮率リストに含まれる複数の異なる圧縮率の夫々で圧縮する圧縮処理を行い、
    前記複数の異なる圧縮率の夫々で前記圧縮処理が行われた前記学習用データを用いて、前記監視対象範囲に存在する物体を検出するための物体検出処理を行い、
    前記物体検出処理の結果と、前記圧縮処理で用いられた前記複数の異なる圧縮率とに基づいて、前記学習用データを圧縮する圧縮率と、前記圧縮率で圧縮された前記学習用データを用いて行われる前記物体検出処理による前記物体の検出精度との間の関係に関する精度情報を推定するための演算モデルを生成し、
    前記生成手段が生成した前記演算モデルを、前記演算モデルを用いて前記出力データを圧縮するための圧縮率を設定し且つ前記設定した圧縮率で前記出力データを圧縮するデータ圧縮装置に出力する
    コンピュータプログラム。

Images