JP2024070488A - 情報処理装置、プログラム、及び情報処理方法 - Google Patents

Abstract

【課題】視覚野の視覚路の構成に基づく学習を実行することによって生成した視覚路層を有する情報処理装置、プログラム及び情報処理方法を提供する。【解決手段】ニューラルネットワークを生成する学習装置１００は、視覚野の視覚路の構成に基づく学習を実行することによって生成した視覚路層を有する画像を入力とし、前記画像に含まれる対象に関する情報を出力とするニューラルネットワークを生成する学習実行部１３０と、学習実行部１３０において生成されたニューラルネットワークを記憶する記憶部１１０と、を備える。【選択図】図３

Description

本発明は、情報処理装置、プログラム、及び情報処理方法に関する。

特許文献１には、ユーザの顔画像を取得し、顔画像に含まれる特徴点に関する情報を用いてユーザを認証する技術が記載されている。
［先行技術文献］
［特許文献］
［特許文献１］特開２０２１－１７０２０５号公報

本発明の一実施態様によれば、情報処理装置が提供される。前記情報処理装置は、視覚野の視覚路の構成に基づく学習を実行することによって生成した視覚路層を有する、画像を入力とし、前記画像に含まれる対象に関する情報を出力とするニューラルネットワークを生成する学習実行部を備えてよい。前記情報処理装置は、前記学習実行部によって生成された前記ニューラルネットワークを記憶する記憶部を備えてよい。

前記情報処理装置において、前記学習実行部は、１次視覚野における方位選択性を再現するように学習した１次視覚野層を含む前記視覚路層を有する前記ニューラルネットワークを生成してよい。前記学習実行部は、画像に含まれるエッジの角度毎に発火すべきニューロンが対応付けて登録された学習データを用いて、入力された画像に含まれるエッジに対応するニューロンが発火する前記１次視覚野層を生成してよい。前記学習実行部は、動画像に対して、前記エッジの角度毎に異なる前記ニューロンの反応速度に従ってウェイトを変更する強化学習を実行して、前記１次視覚野層を生成してよい。

前記いずれかの情報処理装置において、前記学習実行部は、前記１次視覚野における方位選択性よりも細かい２次視覚野における方位選択性を再現するように学習した２次視覚野層を含む前記視覚路層を有する前記ニューラルネットワークを生成してよい。前記学習実行部は、５次視覚野における方向選択性を再現するように学習した５次視覚野層を含む前記視覚路層を有する前記ニューラルネットワークを生成してよい。

前記いずれかの情報処理装置において、前記学習実行部は、スパイキングニューラルネットワークによって構成された前記視覚路層を有する前記ニューラルネットワークを生成してよい。

前記いずれかの情報処理装置において、前記学習実行部は、前記視覚路層と、アノテーション付きのトレーニングデータを用いた学習によって生成されたトレーニング層とを有する前記ニューラルネットワークを生成してよい。前記情報処理装置は、入力された画像を取得する画像取得部と、前記画像取得部が取得した前記画像を前記記憶部に記憶されているニューラルネットワークに入力することによって、前記画像に含まれる対象に関する情報を出力する処理部とを備えてよい。

本発明の一実施態様によれば、コンピュータを、前記情報処理装置として機能させるためのプログラムが提供される。

本発明の一実施態様によれば、コンピュータによって実行される情報処理方法が提供される。前記情報処理方法は、視覚野の視覚路の構成に基づく学習を実行することによって生成した視覚路層を有する、画像を入力とし、前記画像に含まれる対象に関する情報を出力とするニューラルネットワークを生成する学習実行段階を備えてよい。前記情報処理方法は、前記学習実行段階において生成された前記ニューラルネットワークを記憶する記憶段階を備えてよい。

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。

システム１０の一例を概略的に示す。 学習装置１００によって生成されるニューラルネットワーク３００について説明するための説明図である。 学習装置１００の機能構成の一例を概略的に示す。 ある角度のエッジに対するニューロンの反応についての、反応速度と平均発火率との関係を示す。 学習装置１００又は認証装置２００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。

従来の顔認証システムでは、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を用いた大規模なＤｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋを用いて、大量のトレーニングデータを使用し、特徴量を学習させたものが使用されている。しかし、この手法は、いわば力技であり、人がどのようにして人を認識しているか、ということを考慮していない。本実施形態に係る学習装置１００は、例えば、人間の視覚野の視覚路を模倣したニューラルネットワークを用いることで、トレーニング量を低減可能とし、少量のトレーニングデータによって、人と同等あるいはそれ以上の検知、認識を行い、認証に必要な精度を得ることに貢献し得る。なお、学習装置１００は、顔認証に限らず、画像を用いた任意の対象の検知、認識を実現可能であってよい。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、システム１０の一例を概略的に示す。本実施形態では、システム１０が顔認証システムである場合を主に例に挙げて説明する。

システム１０は、学習装置１００を備える。学習装置１００は、情報処理装置の一例であってよい。システム１０は、認証装置２００を備えてよい。システム１０は、カメラ３０を備えてもよい。

学習装置１００と認証装置２００は、ネットワーク２０を介して通信してよい。学習装置１００とカメラ３０は、ネットワーク２０を介して通信してよい。認証装置２００とカメラ３０は、ネットワーク２０を介して通信してよい。

ネットワーク２０は、インターネットを含んでよい。ネットワーク２０は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）を含んでよい。ネットワーク２０は、移動体通信ネットワークを含んでよい。移動体通信ネットワークは、３Ｇ（３ｒｄ Ｇｅｎｅｒａｔｉｏｎ）通信方式、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）通信方式、５Ｇ（５ｔｈ Ｇｅｎｅｒａｔｉｏｎ）通信方式、及び６Ｇ（６ｔｈ Ｇｅｎｅｒａｔｉｏｎ）通信方式以降の通信方式のいずれに準拠していてもよい。

学習装置１００は、ネットワーク２０に有線接続されてよい。学習装置１００は、ネットワーク２０に無線接続されてよい。学習装置１００は、無線基地局を介してネットワーク２０に接続されてよい。学習装置１００は、Ｗｉ－Ｆｉ（登録商標）アクセスポイントを介してネットワーク２０に接続されてよい。

認証装置２００は、ネットワーク２０に有線接続されてよい。認証装置２００は、ネットワーク２０に無線接続されてよい。認証装置２００は、無線基地局を介してネットワーク２０に接続されてよい。認証装置２００は、Ｗｉ－Ｆｉ（登録商標）アクセスポイントを介してネットワーク２０に接続されてよい。

カメラ３０は、ネットワーク２０に有線接続されてよい。カメラ３０は、ネットワーク２０に無線接続されてよい。カメラ３０は、無線基地局を介してネットワーク２０に接続されてよい。カメラ３０は、Ｗｉ－Ｆｉアクセスポイントを介してネットワーク２０に接続されてよい。

認証装置２００とカメラ３０とは直接接続されてもよい。また、認証装置２００が、カメラ３０を内蔵してもよい。

学習装置１００は、学習を実行することによってニューラルネットワークを生成する。学習装置１００は、画像を入力とし、画像に含まれる対象に関する情報を出力とするニューラルネットワークを生成してよい。学習装置１００は、視覚野の視覚路の構成に基づく学習を実行することによって生成した視覚路層を有するニューラルネットワークを生成してよい。本例において、学習装置１００は、顔認証を行うためのニューラルネットワークを生成する。

認証装置２００は、学習装置１００によって生成されたニューラルネットワークを用いて、顔認証を行う。認証装置２００は、カメラ３０によって撮像された撮像画像を、カメラ３０から受信する。カメラ３０は、顔認証の対象となる人４０を撮像した撮像画像を認証装置２００に送信する。当該撮像画像は、動画像であってよい。

カメラ３０は、人４０の認証を要する任意の場所に設置される。認証装置２００がカメラ３０を内蔵する場合、認証装置２００が、人４０の認証を要する任意の場所に設置されてよい。

なお、学習装置１００と認証装置２００は一体であってもよい。すなわち、学習装置１００が認証装置２００を兼ねてもよい。この場合、学習装置１００は、認証装置２００の機能を備える。

また、本実施形態では、システム１０が顔認証システムである場合を主に例に挙げて説明するが、これに限られない。システム１０は、画像を用いた任意の対象についての、検知、認識、及び認証の少なくともいいずれかを行うシステムであってよい。この場合、学習装置１００は、任意の対象の検知、認識、及び認証の少なくともいずれかを行うためのニューラルネットワークを生成してよい。

図２は、学習装置１００によって生成されるニューラルネットワーク３００について説明するための説明図である。ニューラルネットワーク３００は、入力層３１０、視覚路層３２０、トレーニング層３３０、及びソフトマックス３４０を有する。

外界からの光の情報が眼球網膜の視細胞で受容された後、視覚情報は処理される。視覚情報の流れを視覚路と呼ぶ場合がある。脳が視覚情報をどのように処理して対象を判定しているかについて、様々な研究が行われており、視覚路の構成は解明が進んでいる。本実施形態に係る学習装置１００は、視覚野の視覚路のうち、解明されている部分の構成をニューラルネットワーク３００に反映する。

視覚野は、１次視覚野（Ｖ１）、２次視覚野（Ｖ２）、３次視覚野（Ｖ３）、４次視覚野（Ｖ４）、及び５次視覚野（Ｖ５）を含む。Ｖ５は、ＭＴ野（Ｍｉｄｄｌｅ ｔｅｍｐｏｒａｌ）と呼ばれる場合もある。Ｖ１、Ｖ２、Ｖ３、Ｖ４、Ｖ５は、複雑に連携しており、それぞれの機能を一概に規定することは難しいが、代表的な機能として、Ｖ１は、方位選択性を有する。方位選択性とは、ニューロンが視覚刺激の中で特定の傾きに対して選択的に応答する性質を示す。Ｖ２は、Ｖ１よりも細かい方位選択性と、エッジの太さ、細さに対する反応性と、白黒に対する反応性とを有する。Ｖ５は、方向選択性を有する。方向選択性とは、ニューロンが視覚刺激の中のある運動方向に対して選択的に応答する性質を示す。

例えば、「Ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄｓ ｏｆ ｓｉｎｇｌｅ ｎｅｕｒｏｎｅｓ ｉｎ ｔｈｅ ｃａｔ'ｓ ｓｔｒｉａｔｅ ｃｏｒｔｅｘ． Ｊｏｕｒｎａｌ ｏｆ Ｐｈｙｓｉｏｌｏｇｙ，ｐｐ．５７４－５９１，１９５９」等の研究において、１次視覚野における方位選択性について解明されている。１次視覚野には、視覚刺激の中に含まれるエッジの角度毎に発火するニューロンが存在する。

学習装置１００は、１次視覚野における方位選択性を再現するように学習することによって、１次視覚野層３２２を生成する。学習装置１００は、例えば、画像に含まれるエッジの角度毎に発火すべきニューロンが対応付けて登録された学習データを用いて、入力された画像に含まれるエッジの角度に対応するニューロンが発火する１次視覚野層３２２を生成する。

また、例えば、「Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ ｏｆ ａｎｇｌｅｓ ｅｍｂｅｄｄｅｄ ｗｉｔｈｉｎ ｃｏｎｔｏｕｒ ｓｔｉｍｕｌｉ ｉｎ ａｒｅａ Ｖ２ ｏｆ ｍａｃａｑｕｅ ｍｏｎｋｅｙｓ． Ｔｈｅ ｊｏｕｒｎａｌ ｏｆ ｎｅｕｒｏｓｃｉｅｎｃｅ： ｔｈｅ ｏｆｆｉｃｉａｌ ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｓｏｃｉｅｔｙ ｆｏｒ Ｎｅｕｒｏｓｃｉｅｎｃｅ， ｐｐ．３３１３－２４， ２００４」では、２次視覚野の性質が解明されている。２次視覚野には、１次視覚野の方位選択性よりも細かい方位選択性を有するニューロンが存在する。また、２次視覚野には、エッジの太さ、細さに反応するニューロンと、白黒に反応するニューロン、空間周波数に反応するニューロン、色に反応するニューロン性とが存在する。

学習装置１００は、２次視覚野の性質を再現するように学習することによって、２次視覚野層３２４を生成する。学習装置１００は、例えば、２次視覚野における、１次視覚野における方位選択性よりも細かい方位選択性を再現するように学習することによって、２次視覚野層３２４を生成する。

また、例えば、「Ｆｕｎｃｔｉｏｎａｌ ｐｒｏｐｅｒｔｉｅｓ ｏｆ ｎｅｕｒｏｎｓ ｉｎ ｍｉｄｄｌｅ ｔｅｍｐｏｒａｌ ｖｉｓｕａｌ ａｒｅａ ｏｆ ｔｈｅ ｍａｃａｑｕｅ ｍｏｎｋｅｙ． Ｉ． Ｓｅｌｅｃｔｉｖｉｔｙ Ｆｏｒ ｓｔｉｍｕｌｕｓ ｄｉｒｅｃｔｉｏｎ， ｓｐｅｅｄ， ａｎｄ ｏｒｉｅｎｔａｔｉｏｎ． Ｊｏｕｒｎａｌ ｏｆ Ｎｅｕｒｏｐｈｙｓｉｌｏｌｏｇｙ． ｐｐ．１１２７－１１４７， １９８３」では、５次視覚野について解明されている。５次視覚野には、視覚刺激の中に含まれるエッジの運動方向毎に発火するニューロン、エッジの移動スピードに反応するニューロン、が存在する。

学習装置１００は、５次視覚野における方向選択性を再現するように学習することによって、５次視覚野層３２６を生成する。学習装置１００は、例えば、画像に含まれるエッジの運動方向毎に発火すべきニューロンが対応付けて登録された学習データを用いて、入力された画像に含まれるエッジの運動方向に対応するニューロンが発火する５次視覚野層３２６を生成する。学習装置１００は、例えば、右と左が反応したら、上に反応、というｃｏｍｐｌｅｘを取り扱う層とする。

学習装置１００は、目的に応じたアノテーション付きのトレーニングデータを用いた学習によって、トレーニング層３３０を生成する。例えば、顔認証を目的とする場合、学習装置１００は、アノテーション付きの大量の顔画像をトレーニングデータとして用いた学習を実行する。

本例のように、顔認証のような分類問題を対象とする場合、ニューラルネットワーク３００は、ソフトマックス３４０を有する。ニューラルネットワーク３００は、目的に応じて、ソフトマックス３４０を有さなくてもよい。例えば、回帰問題を対象とする場合、ニューラルネットワーク３００は、ソフトマックス３４０に代えて、恒等関数を有してよい。

大量のトレーニングデータを用いてニューラルネットワーク３００の全体を生成することもできるが、計算に非常に多くの時間を要する。また、トレーニングデータを収集する負荷が非常に大きくなる。それに対して、本実施形態に係る学習装置１００によれば、視覚野の視覚路を模倣したニューラルネットワークを用いることによって、無駄なトレーニングを省き、トレーニングによって全体を生成する場合と比較して少量のトレーニングで、人と同等又はそれ以上の検知、認識を行い、認証に必要な精度を得ることが出来る。

なお、視覚路層３２０は、１次視覚野層３２２及び２次視覚野層３２４のみを含んでもよい。すなわち、学習装置１００は、１次視覚野層３２２及び２次視覚野層３２４を生成し、それ以降の層を、トレーニングデータを用いて生成することによって、ニューラルネットワーク３００を生成してもよい。

また、視覚路層３２０は、１次視覚野層３２２のみを含んでもよい。すなわち、学習装置１００は、１次視覚野層３２２を生成し、それ以降の層を、トレーニングデータを用いて生成することによって、ニューラルネットワーク３００を生成してもよい。

図３は、学習装置１００の機能構成の一例を概略的に示す。図３では、学習装置１００が認証装置２００を兼ねる場合の機能構成を例示する。学習装置１００は、記憶部１１０、学習データ取得部１２２、報酬関連データ取得部１２４、トレーニングデータ取得部１２６、学習実行部１３０、学習結果出力部１３２、画像取得部１３４、及び処理部１３６を備える。なお、学習装置１００がこれらの全てを備えることは必須とは限らない。

記憶部１１０は、各種データを記憶する。記憶部１１０は、学習データ記憶部１１２、報酬関連データ記憶部１１４、トレーニングデータ記憶部１１６、及び学習結果記憶部１１８を有する。

学習データ取得部１２２は、学習データを取得する。学習データ取得部１２２は、学習装置１００において、学習装置１００の利用者等によって生成された学習データを取得してよい。学習データ取得部１２２は、他の装置から学習データを受信してもよい。学習データ取得部１２２は、取得した学習データを学習データ記憶部１１２に記憶させる。

学習データ取得部１２２は、１次視覚野層３２２を生成するために用いる学習データを取得してよい。学習データ取得部１２２は、画像に含まれるエッジの角度毎に発火すべきニューロンが対応付けて登録された学習データを取得してよい。

学習データ取得部１２２は、２次視覚野層３２４を生成するために用いる学習データを取得してよい。学習データ取得部１２２は、画像に含まれるエッジの角度毎に発火すべきニューロンが対応付けて登録された学習データを取得してよい。学習データ取得部１２２は、画像に含まれるエッジの太さ毎に発火すべきニューロンが対応付けて登録された学習データを取得してよい。

学習データ取得部１２２は、５次視覚野層３２６を生成するために用いる学習データを取得してよい。学習データ取得部１２２は、画像に含まれるエッジの運動方向毎に発火すべきニューロンが対応付けて登録された学習データを取得してよい。

報酬関連データ取得部１２４は、視覚路層３２０の学習時における報酬に関連する報酬関連データを取得する。報酬関連データについては後述する。報酬関連データ取得部１２４は、学習装置１００において、学習装置１００の利用者等によって生成された報酬関連データを取得してよい。報酬関連データ取得部１２４は、他の装置から報酬関連データを受信してもよい。報酬関連データ取得部１２４は、取得した報酬関連データを報酬関連データ記憶部１１４に記憶させる。

トレーニングデータ取得部１２６は、トレーニングデータを取得する。トレーニングデータ取得部１２６は、トレーニング層３３０を生成するための用いるトレーニングデータ取得部１２６は、学習装置１００の利用者等によって用意されたトレーニングデータを取得してよい。トレーニングデータ取得部１２６は、他の装置からトレーニングデータを受信してもよい。トレーニングデータ取得部１２６は、取得したトレーニングデータをトレーニングデータ記憶部１１６に記憶させる。

学習実行部１３０は、学習を実行してニューラルネットワークを生成する。学習実行部１３０は、視覚野の視覚路の構成に基づく学習を実行することによって生成した視覚路層を有する、画像を入力とし、画像に含まれる対象に関する情報を出力とするニューラルネットワークを生成する。学習実行部１３０は、視覚路層と、アノテーション付きのトレーニングデータを用いた学習によって生成されたトレーニング層とを有するニューラルネットワークを生成してよい。学習実行部１３０は、生成したニューラルネットワークを学習結果記憶部１１８に記憶させる。

学習実行部１３０は、１次視覚野における方位選択性を再現するように学習した１次視覚野層を含む視覚路層を有するニューラルネットワークを生成してよい。これにより、方位選択性に相当する能力をニューラルネットワークが得るために必要な分のトレーニングデータを不要とすることができ、学習を効率化させることができる。

学習実行部１３０は、学習データ記憶部１１２に記憶されている、画像に含まれるエッジの角度毎に発火すべきニューロンが対応付けて登録された学習データを用いて、入力された画像に含まれるエッジに対応するニューロンが発火する１次視覚野層を生成してよい。

学習実行部１３０は、例えば、当該学習データを用いて、オートエンコーダによって１次視覚野層を学習する。学習データが示すように、どの角度のときにどのニューロンが発火しなければいけないかは解明されており、学習実行部１３０は、それを再現できるようにオートエンコーダによって学習する。

具体的に、学習実行部１３０は、例えば、予め設定した角度（０，９０，１８０， －９０等）に対して、出力ノードを（０，９０，１８０， －９０等）に設定し、０を入れた時に、０のノードのみが反応するように、上限の閾値を超えたものを１、下限の閾値以下のものは０とし、１つ、あるいは設定した個数のニューロンのみが発火するように、ｌｏｓｓ ｆｕｎｃｔｉｏｎを設定し、オートエンコーダにてウエイトの変更を行う。

学習実行部１３０は、オートエンコーダではなく、求める入力と求める出力は同じだが、それに基づくシナプスのウェイトの変更をタイムディレイ報酬付きの強化学習によって、１次視覚野層を学習してもよい。学習実行部１３０は、確率的勾配降下法（ＳＧＤ：ｓｔｏｃｈａｓｔｉｃ ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ）を用いてウェイトを変更してよい。例えば、学習実行部１３０は、エッジの角度毎に異なるニューロンの反応速度に従ってウェイトを変更する強化学習を実行して、１次視覚野層を生成する。

図４は、ある角度のエッジに対するニューロンの反応についての、反応速度と平均発火率との関係を示す。図４が示すように、ニューロンの反応にはタイムディレイが発生する。そのため、ニューロンが正しい反応を示したときに、報酬を与えるべきは、そのタイミングの入力ではなく、それよりも前のタイミングの入力ということになる。学習実行部１３０は、当該角度のエッジに対するニューロンの反応について、図４に示す関係に基づいて、入力に対して報酬を与える。

反応速度と平均発火率との関係は、エッジの角度によって異なる。報酬関連データ取得部１２４は、エッジの角度毎の、反応速度と平均発火率との関係を示す報酬関連データを取得してよい。学習実行部１３０は、報酬関連データ記憶部１１４に記憶されている報酬関連データを用いて、エッジの角度毎のニューロンの反応について、入力に対して報酬を与える。

具体的に、学習実行部１３０は、Ｖ１にて学習済の層（典型的な角度と反応ニューロン）よりも細かい角度（例えば１０度ごと）に対して、反応するようにウエイトを変更する。具体的には、左１０度と左２０度の時には、複数のニューロンがオーバーラップして、発火するようにネットワークのウエイトの更新を行う。左０度と右０度が反応した場合（１８０度）、９０度のニューロンが発火するようにウエイト更新する。これらの細いデータセットは、空間周波数データセットとして、予めトレーニングデータとして用意する。

学習実行部１３０は、１次視覚野における方位選択性よりも細かい２次視覚野における方位選択性を再現するように学習した２次視覚野層を含む視覚路層を有するニューラルネットワークを生成してもよい。すなわち、学習実行部１３０は、１次視覚野層及び２次視覚野層を含む視覚路層を有するニューラルネットワークを生成してもよい。これにより、１次視覚野の方位選択性及び２次視覚野の方位選択性に相当する能力をニューラルネットワークが得るために必要な分のトレーニングデータを不要とすることができ、学習を効率化させることができる。

学習実行部１３０は、学習データ記憶部１１２に記憶されている、２次視覚野層を生成するための、画像に含まれるエッジの角度毎に発火すべきニューロンが対応付けて登録された学習データを用いて、入力された画像に含まれるエッジに対応するニューロンが発火する２次視覚野層を生成してよい。

学習実行部１３０は、１次視覚野層と同様に、オートエンコーダによって２次視覚野層を学習してよい。学習実行部１３０は、１次視覚野層と同様に、オートエンコーダではなく、求める入力と求める出力は同じだが、それに基づくシナプスのウェイトの変更をタイムディレイ報酬付きの強化学習によって、２次視覚野層を学習してもよい。

具体的に、学習実行部１３０は、ニューロンの結合とニューロンの発火を状態行動対とし、オートエンコーダと同じ学習セットに対して、発火すべきニューロンが発火した場合に、報酬を与える。報酬によって、あらかじめ設定している遅れ時間に遡った状態の時の状態行動対の値を強化学習の更新式によって、更新する。強化学習の更新式は、Ｑ学習でもよく、Ｄｅｅｐ Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇによる学習を用いてもよい。

学習実行部１３０は、５次視覚野における方向選択性を再現するように学習した５次視覚野層を含む視覚路層を有するニューラルネットワークを生成してもよい。すなわち、学習実行部１３０は、１次視覚野層、２次視覚野層、及び５次視覚野層を含む視覚路層を有するニューラルネットワークを生成してもよい。これにより、１次視覚野の方位選択性、２次視覚野の方位選択性、及び５次視覚野の方向選択性に相当する能力をニューラルネットワークが得るために必要な分のトレーニングデータを不要とすることができ、学習を効率化させることができる。

学習実行部１３０は、学習データ記憶部１１２に記憶されている、５次視覚野層を生成するための、画像に含まれるエッジの運動方向毎に発火すべきニューロンが対応付けて登録された学習データを用いて、入力された画像に含まれるエッジの運動方向に対応するニューロンが発火する５次視覚野層を生成してよい。

学習実行部１３０は、１次視覚野層と同様に、オートエンコーダによって５次視覚野層を学習してよい。学習実行部１３０は、１次視覚野層と同様に、オートエンコーダではなく、求める入力と求める出力は同じだが、それに基づくシナプスのウェイトの変更をタイムディレイ報酬付きの強化学習によって、５次視覚野層を学習してもよい。

具体的に、学習実行部１３０は、ニューロンの結合とニューロンの発火を状態行動対とし、オートエンコーダと同じ学習セットに対して、発火すべきニューロンが発火した場合に、報酬を与える。報酬によって、あらかじめ設定している遅れ時間に遡った状態の時の状態行動対の値を強化学習の更新式によって、更新する。強化学習の更新式は、Ｑ学習でもよく、Ｄｅｅｐ Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇによる学習を用いてもよい。

学習実行部１３０は、学習モデルとして、ＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を用いてよい。学習実行部１３０は、学習として、スパイキングニューラルネットワークを用いてもよい。学習実行部１３０は、スパイキングニューラルネットワークによって構成された視覚路層を有するニューラルネットワークを生成してよい。学習実行部１３０は、スパイキングニューラルネットワークによって構成された視覚路層及びトレーニング層を有するニューラルネットワークを生成してもよい。スパイキングニューラルネットワークを用いることによって、学習実行部１３０が生成するニューラルネットワークのロバスト性を高めることができる。なお、学習実行部１３０は、他の学習モデルを用いてもよい。

学習結果出力部１３２は、学習結果記憶部１１８に記憶されているニューラルネットワークを出力する。学習結果出力部１３２は、例えば、学習結果記憶部１１８に記憶されているニューラルネットワークを他の装置に対して送信する。

画像取得部１３４は、画像を取得する。画像取得部１３４は、解析対象として入力された動画像を取得する。

処理部１３６は、画像取得部１３４が取得した画像を、学習結果記憶部１１８に記憶されているニューラルネットワークに入力することによって、当該画像に含まれる対象に関する情報を出力する。処理部１３６は、例えば、画像を入力した装置に対して、当該画像に含まれる対象に関する情報を送信する。

図５は、学習装置１００又は認証装置２００として機能するコンピュータ１２００のハードウェア構成の一例を概略的に示す。コンピュータ１２００にインストールされたプログラムは、コンピュータ１２００を、本実施形態に係る装置の１又は複数の「部」として機能させ、又はコンピュータ１２００に、本実施形態に係る装置に関連付けられるオペレーション又は当該１又は複数の「部」を実行させることができ、及び／又はコンピュータ１２００に、本実施形態に係るプロセス又は当該プロセスの段階を実行させることができる。そのようなプログラムは、コンピュータ１２００に、本明細書に記載のフローチャート及びブロック図のブロックのうちのいくつか又はすべてに関連付けられた特定のオペレーションを実行させるべく、ＣＰＵ１２１２によって実行されてよい。

本実施形態によるコンピュータ１２００は、ＣＰＵ１２１２、ＲＡＭ１２１４、及びグラフィックコントローラ１２１６を含み、それらはホストコントローラ１２１０によって相互に接続されている。コンピュータ１２００はまた、通信インタフェース１２２２、記憶装置１２２４、ＤＶＤドライブ、及びＩＣカードドライブのような入出力ユニットを含み、それらは入出力コントローラ１２２０を介してホストコントローラ１２１０に接続されている。ＤＶＤドライブは、ＤＶＤ－ＲＯＭドライブ及びＤＶＤ－ＲＡＭドライブ等であってよい。記憶装置１２２４は、ハードディスクドライブ及びソリッドステートドライブ等であってよい。コンピュータ１２００はまた、ＲＯＭ１２３０及びキーボードのようなレガシの入出力ユニットを含み、それらは入出力チップ１２４０を介して入出力コントローラ１２２０に接続されている。

ＣＰＵ１２１２は、ＲＯＭ１２３０及びＲＡＭ１２１４内に格納されたプログラムに従い動作し、それにより各ユニットを制御する。グラフィックコントローラ１２１６は、ＲＡＭ１２１４内に提供されるフレームバッファ等又はそれ自体の中に、ＣＰＵ１２１２によって生成されるイメージデータを取得し、イメージデータがディスプレイデバイス１２１８上に表示されるようにする。

通信インタフェース１２２２は、ネットワークを介して他の電子デバイスと通信する。記憶装置１２２４は、コンピュータ１２００内のＣＰＵ１２１２によって使用されるプログラム及びデータを格納する。ＤＶＤドライブは、プログラム又はデータをＤＶＤ－ＲＯＭ等から読み取り、記憶装置１２２４に提供する。ＩＣカードドライブは、プログラム及びデータをＩＣカードから読み取り、及び／又はプログラム及びデータをＩＣカードに書き込む。

ＲＯＭ１２３０はその中に、アクティブ化時にコンピュータ１２００によって実行されるブートプログラム等、及び／又はコンピュータ１２００のハードウェアに依存するプログラムを格納する。入出力チップ１２４０はまた、様々な入出力ユニットをＵＳＢポート、パラレルポート、シリアルポート、キーボードポート、マウスポート等を介して、入出力コントローラ１２２０に接続してよい。

プログラムは、ＤＶＤ－ＲＯＭ又はＩＣカードのようなコンピュータ可読記憶媒体によって提供される。プログラムは、コンピュータ可読記憶媒体から読み取られ、コンピュータ可読記憶媒体の例でもある記憶装置１２２４、ＲＡＭ１２１４、又はＲＯＭ１２３０にインストールされ、ＣＰＵ１２１２によって実行される。これらのプログラム内に記述される情報処理は、コンピュータ１２００に読み取られ、プログラムと、上記様々なタイプのハードウェアリソースとの間の連携をもたらす。装置又は方法が、コンピュータ１２００の使用に従い情報のオペレーション又は処理を実現することによって構成されてよい。

例えば、通信がコンピュータ１２００及び外部デバイス間で実行される場合、ＣＰＵ１２１２は、ＲＡＭ１２１４にロードされた通信プログラムを実行し、通信プログラムに記述された処理に基づいて、通信インタフェース１２２２に対し、通信処理を命令してよい。通信インタフェース１２２２は、ＣＰＵ１２１２の制御の下、ＲＡＭ１２１４、記憶装置１２２４、ＤＶＤ－ＲＯＭ、又はＩＣカードのような記録媒体内に提供される送信バッファ領域に格納された送信データを読み取り、読み取られた送信データをネットワークに送信し、又はネットワークから受信した受信データを記録媒体上に提供される受信バッファ領域等に書き込む。

また、ＣＰＵ１２１２は、記憶装置１２２４、ＤＶＤドライブ（ＤＶＤ－ＲＯＭ）、ＩＣカード等のような外部記録媒体に格納されたファイル又はデータベースの全部又は必要な部分がＲＡＭ１２１４に読み取られるようにし、ＲＡＭ１２１４上のデータに対し様々なタイプの処理を実行してよい。ＣＰＵ１２１２は次に、処理されたデータを外部記録媒体にライトバックしてよい。

様々なタイプのプログラム、データ、テーブル、及びデータベースのような様々なタイプの情報が記録媒体に格納され、情報処理を受けてよい。ＣＰＵ１２１２は、ＲＡＭ１２１４から読み取られたデータに対し、本開示の随所に記載され、プログラムの命令シーケンスによって指定される様々なタイプのオペレーション、情報処理、条件判断、条件分岐、無条件分岐、情報の検索／置換等を含む、様々なタイプの処理を実行してよく、結果をＲＡＭ１２１４に対しライトバックする。また、ＣＰＵ１２１２は、記録媒体内のファイル、データベース等における情報を検索してよい。例えば、各々が第２の属性の属性値に関連付けられた第１の属性の属性値を有する複数のエントリが記録媒体内に格納される場合、ＣＰＵ１２１２は、当該複数のエントリの中から、第１の属性の属性値が指定されている条件に一致するエントリを検索し、当該エントリ内に格納された第２の属性の属性値を読み取り、それにより予め定められた条件を満たす第１の属性に関連付けられた第２の属性の属性値を取得してよい。

上で説明したプログラム又はソフトウエアモジュールは、コンピュータ１２００上又はコンピュータ１２００近傍のコンピュータ可読記憶媒体に格納されてよい。また、専用通信ネットワーク又はインターネットに接続されたサーバシステム内に提供されるハードディスク又はＲＡＭのような記録媒体が、コンピュータ可読記憶媒体として使用可能であり、それによりプログラムを、ネットワークを介してコンピュータ１２００に提供する。

本実施形態におけるフローチャート及びブロック図におけるブロックは、オペレーションが実行されるプロセスの段階又はオペレーションを実行する役割を持つ装置の「部」を表わしてよい。特定の段階及び「部」が、専用回路、コンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプログラマブル回路、及び／又はコンピュータ可読記憶媒体上に格納されるコンピュータ可読命令と共に供給されるプロセッサによって実装されてよい。専用回路は、デジタル及び／又はアナログハードウェア回路を含んでよく、集積回路（ＩＣ）及び／又はディスクリート回路を含んでよい。プログラマブル回路は、例えば、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、及びプログラマブルロジックアレイ（ＰＬＡ）等のような、論理積、論理和、排他的論理和、否定論理積、否定論理和、及び他の論理演算、フリップフロップ、レジスタ、並びにメモリエレメントを含む、再構成可能なハードウェア回路を含んでよい。

コンピュータ可読記憶媒体は、適切なデバイスによって実行される命令を格納可能な任意の有形なデバイスを含んでよく、その結果、そこに格納される命令を有するコンピュータ可読記憶媒体は、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を作成すべく実行され得る命令を含む、製品を備えることになる。コンピュータ可読記憶媒体の例としては、電子記憶媒体、磁気記憶媒体、光記憶媒体、電磁記憶媒体、半導体記憶媒体等が含まれてよい。コンピュータ可読記憶媒体のより具体的な例としては、フロッピー（登録商標）ディスク、ディスケット、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、消去可能プログラマブルリードオンリメモリ（ＥＰＲＯＭ又はフラッシュメモリ）、電気的消去可能プログラマブルリードオンリメモリ（ＥＥＰＲＯＭ）、静的ランダムアクセスメモリ（ＳＲＡＭ）、コンパクトディスクリードオンリメモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、ブルーレイ（登録商標）ディスク、メモリスティック、集積回路カード等が含まれてよい。

コンピュータ可読命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ（登録商標）、ＪＡＶＡ（登録商標）、Ｃ＋＋等のようなオブジェクト指向プログラミング言語、及び「Ｃ」プログラミング言語又は同様のプログラミング言語のような従来の手続型プログラミング言語を含む、１又は複数のプログラミング言語の任意の組み合わせで記述されたソースコード又はオブジェクトコードのいずれかを含んでよい。

コンピュータ可読命令は、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路が、フローチャート又はブロック図で指定されたオペレーションを実行するための手段を生成するために当該コンピュータ可読命令を実行すべく、ローカルに又はローカルエリアネットワーク（ＬＡＮ）、インターネット等のようなワイドエリアネットワーク（ＷＡＮ）を介して、汎用コンピュータ、特殊目的のコンピュータ、若しくは他のプログラム可能なデータ処理装置のプロセッサ、又はプログラマブル回路に提供されてよい。プロセッサの例としては、コンピュータプロセッサ、処理ユニット、マイクロプロセッサ、デジタル信号プロセッサ、コントローラ、マイクロコントローラ等を含む。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

特許請求の範囲、明細書、及び図面中において示した装置、システム、プログラム、及び方法における動作、手順、ステップ、及び段階などの各処理の実行順序は、特段「より前に」、「先立って」などと明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、及び図面中の動作フローに関して、便宜上「まず、」、「次に、」などを用いて説明したとしても、この順で実施することが必須であることを意味するものではない。

１０ システム、２０ ネットワーク、３０ カメラ、４０ 人、１００ 学習装置、１１０ 記憶部、１１２ 学習データ記憶部、１１４ 報酬関連データ記憶部、１１６ トレーニングデータ記憶部、１１８ 学習結果記憶部、１２２ 学習データ取得部、１２４ 報酬関連データ取得部、１２６ トレーニングデータ取得部、１３０ 学習実行部、１３２ 学習結果出力部、１３４ 画像取得部、１３６ 処理部、２００ 認証装置、３００ ニューラルネットワーク、３１０ 入力層、３２０ 視覚路層、３２２ １次視覚野層、３２４ ２次視覚野層、３２６ ５次視覚野層、３３０ トレーニング層、３４０ ソフトマックス、１２００ コンピュータ、１２１０ ホストコントローラ、１２１２ ＣＰＵ、１２１４ ＲＡＭ、１２１６ グラフィックコントローラ、１２１８ ディスプレイデバイス、１２２０ 入出力コントローラ、１２２２ 通信インタフェース、１２２４ 記憶装置、１２３０ ＲＯＭ、１２４０ 入出力チップ

Claims (11)

1. 視覚野の視覚路の構成に基づく学習を実行することによって生成した視覚路層を有する、画像を入力とし、前記画像に含まれる対象に関する情報を出力とするニューラルネットワークを生成する学習実行部と、
   前記学習実行部によって生成された前記ニューラルネットワークを記憶する記憶部と
   を備える情報処理装置。
2. 前記学習実行部は、１次視覚野における方位選択性を再現するように学習した１次視覚野層を含む前記視覚路層を有する前記ニューラルネットワークを生成する、請求項１に記載の情報処理装置。
3. 前記学習実行部は、画像に含まれるエッジの角度毎に発火すべきニューロンが対応付けて登録された学習データを用いて、入力された画像に含まれるエッジに対応するニューロンが発火する前記１次視覚野層を生成する、請求項２に記載の情報処理装置。
4. 前記学習実行部は、動画像に対して、前記エッジの角度毎に異なる前記ニューロンの反応速度に従ってウェイトを変更する強化学習を実行して、前記１次視覚野層を生成する、請求項３に記載の情報処理装置。
5. 前記学習実行部は、前記１次視覚野における方位選択性よりも細かい２次視覚野における方位選択性を再現するように学習した２次視覚野層を含む前記視覚路層を有する前記ニューラルネットワークを生成する、請求項２に記載の情報処理装置。
6. 前記学習実行部は、５次視覚野における方向選択性を再現するように学習した５次視覚野層を含む前記視覚路層を有する前記ニューラルネットワークを生成する、請求項５に記載の情報処理装置。
7. 前記学習実行部は、スパイキングニューラルネットワークによって構成された前記視覚路層を有する前記ニューラルネットワークを生成する、請求項１に記載の情報処理装置。
8. 前記学習実行部は、前記視覚路層と、アノテーション付きのトレーニングデータを用いた学習によって生成されたトレーニング層とを有する前記ニューラルネットワークを生成する、請求項１に記載の情報処理装置。
9. 入力された画像を取得する画像取得部と、
   前記画像取得部が取得した前記画像を前記記憶部に記憶されているニューラルネットワークに入力することによって、前記画像に含まれる対象に関する情報を出力する処理部と
   を備える、請求項８に記載の情報処理装置。
10. コンピュータを、請求項１から９のいずれか一項に記載の情報処理装置として機能させるためのプログラム。
11. コンピュータによって実行される情報処理方法であって、
    視覚野の視覚路の構成に基づく学習を実行することによって生成した視覚路層を有する、画像を入力とし、前記画像に含まれる対象に関する情報を出力とするニューラルネットワークを生成する学習実行段階と、
    前記学習実行段階において生成された前記ニューラルネットワークを記憶する記憶段階と
    を備える情報処理方法。

Images