JP6721846B2 - 教師データ候補抽出プログラム、教師データ候補抽出装置、及び教師データ候補抽出方法 - Google Patents

Description

本発明は、人工知能の機械学習に用いる教師データの候補を抽出する、教師データ候補抽出プログラム、教師データ候補抽出装置、及び教師データ候補抽出方法に関する。

近年、人工知能のうち、特に深層学習技術を用いた人工知能が広く利用され始めており、様々な分野で具体的な活用を検討している。

例えば、道路や交通に関わる分野では、深層学習技術を用いた人工知能を用いて、道路周辺画像から道路標識や白線などの特定の画像を識別することにより、地図製作や自動運転などへの活用を検討している（例えば、特許文献１参照）。

特開２０１４−２２８３００号公報

道路周辺画像から道路標識の画像を識別するための深層学習では、道路標識の画像が含まれる道路周辺画像である「教師データ」を見本として学習する場合、一つの道路標識の画像を識別するためには１，０００枚程度の教師データが必要となり、短期間で道路標識の画像の識別率を向上させるには更に多くの教師データが必要となる。

しかしながら、１，０００枚程度の教師データを得るために、数万枚単位の道路周辺画像から人間が目視で選定する場合もあるため、多くの教師データを準備することは困難であるという問題がある。

本発明は、教師データの関連情報の特徴に基づき、データ群から教師データ候補を効率的に抽出できる教師データ候補抽出プログラム、教師データ候補抽出装置、及び教師データ候補抽出方法を提供することを目的とする。

一つの態様では、教師データ候補抽出プログラムは、人工知能の機械学習に用いる教師データの候補を抽出するプログラムであって、データ群のデータごとに、前記データと関連する関連情報をそれぞれ対応付けし、必要とする教師データが備える前記関連情報の特徴と、一致又は類似する前記関連情報の特徴を備えるデータを、前記データ群から教師データ候補として抽出する、処理をコンピュータに実行させる。

データ群から教師データ候補を効率的に抽出できる。

図１は、本発明の一実施例に係る教師データ候補抽出装置を含むシステムの構成を示す説明図である。 図２は、分岐案内標識を含む道路周辺画像の一例を示す説明図である。 図３は、移動情報管理サーバの機能構成の一例を示す説明図である。 図４は、移動情報の一例を示す説明図である。 図５は、移動情報管理サーバのハードウェア構成の一例を示す説明図である。 図６は、教師データ候補抽出装置の機能構成の一例を示す説明図である。 図７は、分岐案内標識が設置されている道路区間の一例を示す説明図である。 図８は、「移動情報の特徴」を選定するために用いる表の一例を示す説明図である。 図９は、図８で選定した「移動情報の特徴」に基づき、抽出部が連続区間を抽出するイメージを示す説明図である。 図１０は、図８で選定した「移動情報の特徴」に基づき、対象データを類似判定する方法を示す説明図である。 図１１は、複数の「移動情報の特徴」の一例を示す説明図である。 図１２は、教師データ候補抽出装置のハードウェア構成の一例を示す説明図である。 図１３は、教師データ候補抽出装置が移動情報を収集し、「移動情報の特徴」が選定されるまでの制御を行う流れの一例を示すフローチャートである。 図１４は、選定された「移動情報の特徴」に基づき、教師データ候補を抽出するまでの制御を行う流れの一例を示すフローチャートである。 図１５は、道路情報掲示板が設置されている道路区間の一例を示す説明図である。 図１６は、「移動情報の特徴」を選定するために用いる表の他の一例を示す説明図である。

以下、本発明の一実施例を説明するが、本発明は、この実施例に何ら限定されるものではない。
なお、本発明の教師データ候補抽出装置における制御手段の各部が行う制御は、本発明の教師データ候補抽出方法を実施することと同義であるので、本発明の教師データ候補抽出装置の説明を通して本発明の教師データ候補抽出方法の詳細についても明らかにする。また、本発明の教師データ候補抽出プログラムは、ハードウェア資源として教師データ候補抽出装置などのコンピュータを用いることにより教師データ候補抽出装置として実現させることから、本発明の教師データ候補抽出装置の説明を通して本発明の教師データ候補抽出プログラムの詳細についても明らかにする。
教師データとは、人工知能の機械学習のうち、入力と出力を事前に与えられ、その相関性を人工知能が学習するための「教師あり学習（Ｓｕｐｅｒｖｉｓｅｄ Ｌｅａｒｎｉｎｇ）」に用いるデータである。

図１は、本発明の一実施例に係る教師データ候補抽出装置１００を含むシステムの構成を示す説明図である。なお、教師データ候補抽出装置１００には教師データ候補抽出プログラムが内蔵されており、教師データ候補抽出装置１００を実施すると教師データ候補抽出方法が実施される。
本実施例では、図２に示すような、移動体としての車両に備え付けたカメラにより撮影した無数の道路周辺画像の中から、道路に分岐があることを示す案内標識（以下、「分岐案内標識」と称することもある）の画像を、深層学習技術を用いた人工知能により識別させるための教師データの候補を抽出する例を説明する。
なお、本実施例における教師データとは、分岐案内標識の画像を含む道路周辺画像である。また、教師データ候補とは、教師データ候補抽出装置が抽出する画像の情報であり、ユーザによる確認がなされていない教師データの前段階のものである。

図１に戻り、教師データ候補抽出装置１００を含むシステムは、教師データ候補抽出装置１００と、移動情報管理サーバ２００とを有する。教師データ候補抽出装置１００と移動情報管理サーバ２００は、それぞれネットワーク３００を介して通信可能に接続されている。

教師データ候補抽出装置１００は、まず、移動情報管理サーバ２００が取得した画像情報及び移動情報を、ネットワーク３００を介して収集し、画像情報ごとに、画像情報を取得した際の移動情報をそれぞれ対応付けした画像データ群を生成する。
画像情報とは、道路周辺画像の情報であり、例えば、車両に搭載したカメラが取得した画像の情報である。また、移動情報は、車両における、位置、時刻、及び速度の情報を含む情報であり、いわゆるプローブデータであって、例えば、トラックが搭載するデジタルタコグラフが１秒ごとに取得する情報である。

教師データ候補抽出装置１００は、分岐案内標識が設置されている設置位置の指定を受け付けると、指定を受け付けた設置位置を含む道路区間の移動情報をユーザに示し、「移動情報の特徴」を最も備える道路区間をユーザに選択させ、選択させた「移動情報の特徴」と一致又は類似する「移動情報の特徴」を備える道路区間で撮影した画像を、画像データ群から教師データ候補としてすべて抽出する。

「移動情報の特徴」は、教師データそのものではなく、教師データの存在を推測させる移動情報の変化である。具体的には、教師データが、分岐案内標識を含む道路周辺画像である場合では、分岐案内標識の設置位置近傍の分岐により通行量が変化するため、「移動情報の特徴」を分岐案内標識の設置位置近傍の通行量の変化などとする。また、教師データが、スリップに注意する旨を表示する道路情報掲示板の画像が道路周辺画像に含まれている画像情報である場合では、道路情報掲示板をドライバーが視認した後に車両が速度を落とす傾向にあることから、「移動情報の特徴」を道路情報掲示板の設置位置の前後における速度の変化などとする。

本実施例では、無数にある道路周辺画像から、分岐案内標識を含む道路周辺画像を無作為に得ようとすると時間がかかってしまうことから、「移動情報の特徴」に基づき、分岐により通行量が変化する特徴を備える道路区間を求め、求めた道路区間で撮影した道路周辺画像を教師データ候補として抽出することにより、教師データを得やすくなり、得られた多くの教師データを用いて短期間で道路標識の画像の識別率を向上させることができる。

次に、本実施例の教師データ候補抽出装置１００と、移動情報管理サーバ２００とを含むシステムの構成についての詳細を説明する。

＜＜移動情報管理サーバの機能構成＞＞
図３は、移動情報管理サーバ２００の機能構成の一例を示す説明図である。図３に示すように、移動情報管理サーバ２００は、通信手段２１０と、制御手段２２０と、記憶手段２３０とを有する。
移動情報管理サーバ２００は、移動体としての車両４００ａ、４００ｂ、４００ｃにそれぞれ搭載される移動情報取得端末から画像情報及び移動情報を日々受信する装置である。
制御手段２２０は、通信手段２１０により、受信した各車両の移動情報を教師データ候補抽出装置１００に送信する。
本実施例では、移動体を車両として説明するが、これに限定することなく、自転車などであってもよい。

車両４００ａ、４００ｂ、４００ｃにそれぞれ搭載される移動情報取得端末としてのデジタルタコグラフは、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）ユニットと、車両の車軸に搭載された速度センサと、車両に設置された加速度センサとを有する。移動情報取得端末は、ＧＰＳユニット、速度センサ、及び加速度センサを同期させて取得した位置、速度、及び加速度の情報を、同期させた時刻の情報と対応付けする。
本実施例では、移動情報取得端末をデジタルタコグラフとしたが、これに限定することなく、デジタルタコグラフの機能と同様の機能を有するカーナビゲーションシステムなどでもよい。

図４は、移動情報の一例を示す説明図である。図４に示すように、本実施例では、移動情報として「端末ＩＤ、時刻の情報、位置の情報、速度の情報、加速度の情報」の項目を対応付けて格納する。

「端末ＩＤ」は、移動情報取得端末を識別するために用いられる符号である。
「時刻の情報」は、ＧＰＳユニット及び速度センサを同期させて位置の情報及び速度の情報を取得した時刻の情報である。
「位置の情報」は、ＧＰＳユニットにより測定された経度緯度の情報である。
「速度の情報」は、車軸に設置された速度センサにより測定された速度の測定結果である。
「加速度の情報」は、車両に設置された加速度センサにより測定された速度の測定結果である。
なお、本実施例では、５種の移動情報、即ち、端末ＩＤ、時刻の情報、位置の情報、速度の情報、及び加速度の情報を用いる例で説明したが、これに限定するものではない。

＜＜移動情報管理サーバのハードウェア構成＞＞
図５は、移動情報管理サーバ２００のハードウェア構成の一例を示す説明図である。図５に示すように、移動情報管理サーバ２００は、通信手段２１０と、制御手段２２０と、記憶手段２３０と、入力手段２４０と、出力手段２５０と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）２６０と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）２７０とを有する。なお、移動情報管理サーバ２００の各手段は、バス２８０を介してそれぞれ通信可能に接続されている。

通信手段２１０は、制御手段２２０の指示に基づき、各車両に搭載されている移動情報取得端末から無線などにより移動情報を受信する。また、通信手段２１０は、制御手段２２０の指示に基づき、ネットワーク３００を介して教師データ候補抽出装置１００に移動情報を送信する。

制御手段２２０は、記憶手段２３０に記憶された各種プログラムを実行し、移動情報管理サーバ２００全体を制御する。
制御手段２２０としては、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などが挙げられる。

記憶手段２３０は、制御手段２２０の指示に基づき、移動情報管理サーバ２００にインストールされた各種プログラムや、プログラムを実行することにより生成されるデータ等を記憶する。
記憶手段２３０は、特に制限はなく、目的に応じて適宜選択することができ、例えば、ソリッドステートドライブ、ハードディスクドライブなどのほか、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）ドライブ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）ドライブ、ＢＤ（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）ドライブなどの可搬記憶装置を有してもよい。また、記憶手段２３０は、ネットワーク上のコンピュータ群であるクラウドの一部であってもよい。

入力手段２４０は、例えば、キーボード、マウス、タッチパネルなどであり、制御手段２２０の指示に基づき、移動情報管理サーバ２００に対する各種指示を受け付ける。

出力手段２５０は、例えば、ディスプレイ、スピーカーなどであり、制御手段２２０の指示に基づき、移動情報管理サーバ２００の内部状態の表示を行う。

ＲＯＭ２６０は、記憶手段２３０に記憶された各種プログラムを制御手段２２０が実行するために必要な各種プログラム、データ等を記憶する。具体的には、ＢＩＯＳ（Ｂａｓｉｃ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ Ｓｙｓｔｅｍ）やＥＦＩ（Ｅｘｔｅｎｓｉｂｌｅ Ｆｉｒｍｗａｒｅ Ｉｎｔｅｒｆａｃｅ）等のブートプログラムなどを記憶する。

ＲＡＭ２７０は、主記憶装置であり、記憶手段２３０に記憶された各種プログラムが制御手段２２０によって実行される際に展開される作業領域として機能する。ＲＡＭ２７０としては、例えば、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）などが挙げられる。

（教師データ候補抽出装置）
＜教師データ候補抽出装置の機能構成＞
図６は、教師データ候補抽出装置１００の機能構成の一例を示す説明図である。図６に示すように、教師データ候補抽出装置１００は、通信手段１１０と、記憶手段１２０と、制御手段１３０と、入力手段１４０と、出力手段１５０とを有する。

＜＜通信手段＞＞
通信手段１１０は、制御手段１３０の指示に基づき、移動情報管理サーバ２００の制御手段２２０に移動情報を送信するように指示を出力し、移動情報管理サーバ２００から移動情報を受信する。
移動情報を受信する際に、発生源を特定するため、受信する際に公知の電子署名技術等を用いて、正しい情報作成者であること、及び情報の改ざんが行われていないことの少なくともいずれかを確認することが好ましく、情報の授受期限についても管理し、所定の期限経過後の情報は受け付けないことが更に好ましい。
なお、通信手段１１０は、移動情報を随時受信してもよく、ユーザが手動で移動情報取得端末、及び／又は移動情報管理サーバ２００から収集してもよい。

＜＜記憶手段＞＞
記憶手段１２０は、収集情報データベース１２１（以下、データベースをＤＢと称する）と、算出結果ＤＢ１２２と、教師データ候補ＤＢ１２３とを有する。各ＤＢに格納される情報などについては、制御手段１３０の説明で述べる。
また、記憶手段１２０は、制御手段１３０の指示に基づき、教師データ候補抽出装置１００にインストールされた各種プログラムや、プログラムを実行することにより生成されるデータ等を記憶する。

＜＜制御手段＞＞
制御手段１３０は、収集部１３１と、生成部１３２と、抽出部１３３とを有する。
また、制御手段１３０は、記憶手段１２０に記憶された各種プログラムを実行し、教師データ候補抽出装置１００全体を制御する。

−収集部−
収集部１３１は、移動情報管理サーバ２００の制御手段に指示を送信し、移動情報管理サーバ２００から画像情報及び移動情報を送信させて収集する。収集部１３１は、収集した画像情報及び移動情報を収集情報ＤＢに一旦格納する。
また、収集部１３１は、対象とする道路を１００ｍごとの区間に予め分割しておき、位置の情報に基づいて移動情報を区間ごとに割り振る。次に、収集部１３１は、道路区間ごとに速度及び加速度における平均及び標準偏差、並びに、通行量をそれぞれ算出し、算出した結果を算出結果ＤＢ１２２に格納する。
なお、本実施例では、収集部１３１が移動情報管理サーバ２００の制御手段２２０に指示を出力して、移動情報管理サーバ２００からネットワーク３００を介して移動情報を送信させるようにしたが、これに限定することなく、収集部１３１が指示を出力しなくても移動情報管理サーバ２００が移動情報を送信するようにしてもよく、移動情報管理サーバ２００は、複数存在してもよい。また、収集部１３１は、車両から画像情報、並びに、位置、時刻、及び速度の情報を含む移動情報を直接収集するようにしてもよい。

−生成部−
生成部１３２は、画像情報ごとに、画像情報を取得した際の移動情報をそれぞれ対応付けした画像データ群を生成する。
なお、画像情報ごとに移動情報を対応付ける方法としては、特に制限はなく、目的に応じて適宜選択することができ、例えば、画像情報に撮影した位置の情報を含むようにし、撮影した位置に近い移動情報を画像情報に対応付ける方法などが挙げられる。

−抽出部−
抽出部１３３は、分岐案内標識の設置位置を含む４つの道路区間において、分岐案内標識が示す道路の分岐により通行量が変化する移動情報の特徴と、一致又は類似する移動情報の特徴を備える４つの道路区間の位置に対応付けられた画像情報を、画像データ群から教師データ候補として抽出する。即ち、抽出部１３３は、画像データ群のうち、受け付けた位置を含む所定の範囲の位置を有する移動情報に含まれる時刻又は速度の特徴と、一致又は類似する時刻又は速度の特徴を備える移動情報と対応付けられた１以上の画像情報を、画像データ群から教師データ候補として抽出する。

図７は、分岐案内標識が設置されている道路区間の一例を示す説明図である。図７に示すような分岐案内標識が設置されている道路区間を例として、以下、抽出部１３３の機能について詳細に説明する。
まず、既知の分岐案内標識の設置位置の指定をユーザから受け付けると、制御手段１３０は、算出結果ＤＢ１２２に格納された移動情報の算出結果に基づき、出力手段１５０に指示して、図８に示すような表を表示する。
なお、分岐案内標識の設置位置の指定は、道路標識設置基準に基づいてユーザから受け付けるようにしてもよい。

図８は、「移動情報の特徴」を選定するために用いる表の一例を示す説明図である。出力手段１５０は、図８に示すように、分岐案内標識の設置位置を含む４つの連続した道路区間（以下、「連続区間」と称することがある）の移動情報を示す表をユーザに対して表示する。ユーザは、図８に示す表を参照しながら、道路に分岐があることにより通行量が変化する特徴が最も表れている連続区間を「移動情報の特徴」として選定する。
なお、本実施例では、分岐案内標識より手前側の道路では道路に分岐がなく、通行量は変化しにくいことから、分岐案内標識の設置位置を含む道路区間を先頭にすることが好ましい。
また、「移動情報の特徴」のデータ数としては、特に制限はなく、目的に応じて適宜選択することができるが、５０以上が好ましい。
更に、本実施例では、既知の分岐案内標識の設置位置の指定をユーザから受け付けるようにしたが、これに限定することなく、必要とする教師データが備える「移動情報の特徴」が既知であれば、分岐案内標識の設置位置の指定を受け付けずに、「移動情報の特徴」の指定を受け付けるようにしてもよい。

図９は、図８で選定した「移動情報の特徴」に基づき、抽出部１３３が連続区間を抽出するイメージを示す説明図である。図９に示すように、画面に表示した地図上で矩形状に囲んだ範囲に存在する連続区間の対象データと「移動情報の特徴」とを比較し、「移動情報の特徴」と一致又は類似する移動情報の特徴を備える連続区間に対応付けられた画像情報を、画像データ群から教師データ候補として抽出する。

図１０は、図８で選定した「移動情報の特徴」に基づき、対象データを類似判定する方法を示す説明図である。図１０に示すように、各評価項目において「移動情報の特徴」の各項目の値を基準とした誤差率が±１０％以内であれば類似する項目として判定し、類似する項目数が５個以上であれば、「移動情報の特徴」と対象データとは類似すると判定して、類似すると判定した対象データを教師データ候補として抽出する。抽出部１３３は、抽出した教師データ候補を教師データ候補ＤＢ１２３に格納する。
なお、誤差率は、次式、誤差率＝（（対象データの値）−（「移動情報の特徴」の値））×１００）／「移動情報の特徴」の値、により算出することができる。
また、抽出した対象データのうちＧ’−０の道路区間に対応付けた画像情報、即ち、Ｇ’−０の道路区間で撮影した画像が、分岐案内標識を含む道路周辺画像である可能性が高いことから、Ｇ’−０の道路区間で撮影した画像を教師データ候補として抽出する。その後、抽出した教師データ候補は、ユーザが目視により確認した後、教師データとして用いるようにしてもよい。

また、図１１に示すように、複数の「移動情報の特徴」を選定してもよい。これにより、分岐案内標識を含む道路周辺画像である可能性が高い画像情報を教師データ候補としてより多く、かつ効率的に抽出することができる。

入力手段１４０は、分岐案内標識が設置されている設置位置の指定をユーザから受け付ける。また、入力手段１４０は、画像情報を抽出したい地域及び期間を指定する入力を受け付ける。
なお、分岐案内標識が設置されている設置位置、画像情報を抽出したい地域及び期間の指定は、緯度経度などの数値による入力であってもよく、ディスプレイなどの画面上に表示された道路地図上において、分岐案内標識が設置されている設置位置を指定したり、画像情報を抽出したい地域を指定したりしてもよい。
また、入力手段１４０は、分岐案内標識が設置されている設置位置、画像情報を抽出したい地域及び期間の指定を受け付けるほか、その他の各種情報を入力することができる。

出力手段１５０は、本実施例ではディスプレイなどであり、道路周辺画像などを表示することができる。また、出力手段１５０は、教師データ候補抽出装置１００の内部状態の表示を行う。

＜教師データ候補抽出装置のハードウェア構成＞
図１２は、教師データ候補抽出装置１００のハードウェア構成の一例を示す説明図である。図１２に示すように、教師データ候補抽出装置１００は、通信手段１１０と、記憶手段１２０と、制御手段１３０と、入力手段１４０と、出力手段１５０と、ＲＯＭ１６０と、ＲＡＭ１７０とを有する。なお、教師データ候補抽出装置１００の各手段は、バス１８０を介してそれぞれ通信可能に接続されている。

通信手段１１０は、制御手段１３０の指示に基づき、図１に示した移動情報管理サーバ２００から移動情報を受信する。
なお、本実施例では、通信手段１１０は制御手段１３０の指示に基づき移動情報を受信するとしたが、ネットワーク３００を介して移動情報管理サーバ２００から移動情報を送信する指示を出力してもよい。

記憶手段１２０は、特に制限はなく、目的に応じて適宜選択することができ、例えば、ソリッドステートドライブ、ハードディスクドライブなどのほか、ＣＤドライブ、ＤＶＤドライブ、ＢＤドライブなどの可搬記憶装置を含んでもよい。また、記憶手段１２０は、ネットワーク上のコンピュータ群であるクラウドの一部であってもよい。

制御手段１３０としては、例えば、ＣＰＵなどのプロセッサが挙げられ、教師データ候補抽出装置１００全体の処理を実行する。ソフトウェアを実行するプロセッサはハードウェアである。

入力手段１４０は、特に制限はなく、目的に応じて適宜選択することができ、例えば、キーボード、マウス、タッチパネルなどが挙げられる。

出力手段１５０は、特に制限はなく、目的に応じて適宜選択することができ、例えば、ディスプレイ、スピーカーなどが挙げられる。

ＲＯＭ１６０は、記憶手段１２０に記憶された各種プログラムを制御手段１３０が実行するために必要な各種プログラム、データ等を記憶する。

ＲＡＭ１７０は、主記憶装置であり、記憶手段１２０に記憶された各種プログラムが制御手段１３０によって実行される際に展開される作業領域として機能する。ＲＡＭ１７０としては、例えば、ＤＲＡＭ、ＳＲＡＭなどが挙げられる。

図１３は、教師データ候補抽出装置１００が移動情報を収集し、「移動情報の特徴」が選定されるまでの制御を行う流れの一例を示すフローチャートである。
教師データ候補抽出装置１００が移動情報を収集し、「移動情報の特徴」が選定されるまでの制御について、図１３に示すフローチャートにしたがい、図６を参照しながら説明する。

ステップＳ１０１では、収集部１３１は、画像情報及び移動情報を収集すると処理をＳ１０２に移行させる。

ステップＳ１０２では、収集部１３１は、予め分割した道路区間ごとに画像情報及び移動情報を割り振ると処理をＳ１０３に移行させる。

ステップＳ１０３では、収集部１３１は、道路区間ごとに、移動情報に基づき通行量などを算出すると処理をＳ１０４に移行させる。

ステップＳ１０４では、制御手段１３０は、入力手段１４０により、既知の分岐案内標識の設置位置の指定をユーザから受け付けると処理をＳ１０５に移行させる。

ステップＳ１０５では、制御手段１３０は、出力手段１５０により、指定された設置位置の道路区間を含む連続区間の通行量などを表示すると処理をＳ１０６に移行させる。

ステップＳ１０６では、ステップＳ１０５の表示に基づき、道路の分岐で通行量が変化する特徴が最も表れている連続区間を「移動情報の特徴」としてユーザが選定すると本処理を終了させる。

図１４は、図１３で示したフローチャートの続きであって、教師データ候補抽出装置１００がユーザから指定された地域及び期間における連続区間のうち、選定された「移動情報の特徴」に基づき、連続区間における移動情報の特徴から、教師データ候補を抽出するまでの制御を行う流れの一例を示すフローチャートである。
教師データ候補抽出装置１００が教師データ候補を抽出するまでの制御について、図１４に示すフローチャートにしたがい、図６を参照しながら説明する。

ステップＳ２０１では、制御手段１３０は、入力手段１４０により、教師データ候補を抽出したい地域及び期間をユーザから受け付けると処理をＳ２０２に移行させる。

ステップＳ２０２では、制御手段１３０は、指定された地域及び期間における連続区間を設定すると処理をＳ２０３に移行させる。
なお、ステップＳ２０３から移行した場合は、以前設定した連続区間とは異なる新たに連続区間を設定すると処理をＳ２０３に移行させる。

ステップＳ２０３では、抽出部１３３は、Ｓ２０２で設定した連続区間が「移動情報の特徴」と類似しているか否かを判定する。抽出部１３３は、Ｓ２０２で設定した連続区間が「移動情報の特徴」と類似していると判定すると処理をＳ２０４に移行させ、類似していないと判定すると処理をＳ２０２に移行させる。

ステップＳ２０４では、抽出部１３３は、設定した連続区間に対応付けした画像情報を教師データ候補として抽出すると本処理を終了させる。

このように、「移動情報の特徴」に基づき、教師データ候補を効率よく抽出することにより、学習当初から教師データ候補を多く準備することができるため、深層学習による人工知能の識別率を向上させることができる。

なお、本実施例では、分岐案内標識を例として説明したが、他の道路標識、道路標示、及び道路情報掲示板の少なくともいずれかの表示物であってもよい。

そこで、道路周辺画像から分岐案内標識の画像を識別するための教師データ候補を抽出する例を示したが、次に、道路周辺画像から道路情報掲示板の画像を識別するための教師データ候補を抽出する例を示す。

図１５は、道路情報掲示板が設置されている道路区間の一例を示す説明図である。以下では、図１５に示すような道路情報掲示板が設置されている道路区間を例とした場合について詳細に説明する。

まず、既知の道路情報掲示板の設置位置の指定をユーザから受け付けると、制御手段１３０は、算出結果ＤＢ１２２に格納された算出結果に基づき、出力手段１５０に指示して、図１６に示すような表を表示する。

図１６は、「移動情報の特徴」を選定するために用いる表の他の一例を示す説明図である。出力手段１５０は、図１６に示すように、スリップに注意する旨を示す道路情報掲示板の設置位置を含む４つの連続した道路区間（以下、「連続区間」と称することがある）の移動情報を示す表をユーザに対して表示する。ユーザは、図１６に示す表を参照しながら、スリップに対して注意喚起されて速度が変化する特徴が最も表れている連続区間を「移動情報の特徴」として選定する。
なお、本実施例では、道路情報掲示板を視認した前後の速度変化が重要であるため、道路情報掲示板の設置位置より前の道路区間を先頭にし、道路情報掲示板の設置位置より前の道路区間を含むようにすることが好ましい。

このように、分岐案内標識の例と同様に、「移動情報の特徴」に基づき、分岐により通行量が変化する特徴を備える道路区間を求め、求めた道路区間で撮影した道路周辺画像を教師データ候補として抽出することにより、教師データを容易に得やすくなり、短期間で道路標識の画像の識別率を向上させることができる。

１００ 教師データ候補抽出装置
１１０ 通信手段
１２０ 記憶手段
１３０ 制御手段
１３１ 収集部
１３２ 生成部
１３３ 抽出部
１４０ 入力手段
１５０ 出力手段

Claims (7)

1. 人工知能の機械学習に用いる教師データの候補を抽出するプログラムであって、
   移動体が移動して取得した、画像情報、並びに、位置、時刻、及び速度の情報を含む移動情報を収集し、
   前記画像情報ごとに、前記画像情報を取得した際の前記移動情報をそれぞれ対応付けした画像データ群を生成し、
   位置の指定を受け付けると、
   前記画像データ群のうち、受け付けた前記位置を含む所定の範囲の位置を有する移動情報に含まれる時刻又は速度の特徴と、一致又は類似する時刻又は速度の特徴を備える移動情報と対応付けられた１以上の前記画像情報を、前記画像データ群から教師データ候補として抽出する、
   処理をコンピュータに実行させること特徴とする教師データ候補抽出プログラム。
2. 前記移動体が、車両であり、
   受け付けた前記位置が、道路標識、道路標示、及び道路情報掲示板の少なくともいずれかの表示物が設置されている位置であり、
   前記移動情報の特徴が、前記表示物の表示内容に応じた前記移動情報に含まれる速度の変化である請求項１に記載の教師データ候補抽出プログラム。
3. 前記教師データ候補として抽出する前記画像情報が、前記表示物を撮影した画像の情報である請求項２に記載の教師データ候補抽出プログラム。
4. 人工知能の機械学習に用いる教師データの候補を抽出するプログラムであって、
   移動体が移動して取得した、画像情報、並びに、位置、時刻、及び速度の情報を含む移動情報を収集し、
   前記画像情報ごとに、前記画像情報を取得した際の前記移動情報をそれぞれ対応付けした画像データ群を生成し、
   必要とする教師データが備える前記移動情報に含まれる時刻又は速度の特徴と、一致又は類似する時刻又は速度の特徴を備える移動情報と対応付けられた１以上の前記画像情報を、前記画像データ群から教師データ候補として抽出する、
   処理をコンピュータに実行させること特徴とする教師データ候補抽出プログラム。
5. 人工知能の機械学習に用いる教師データの候補を抽出する装置であって、
   移動体が移動して取得した、画像情報、並びに、位置、時刻、及び速度の情報を含む移動情報を収集する収集部と、
   前記画像情報ごとに、前記画像情報を取得した際の前記移動情報をそれぞれ対応付けした画像データ群を生成する生成部と、
   位置の指定を受け付ける入力手段と、
   前記画像データ群のうち、受け付けた前記位置を含む所定の範囲の位置を有する移動情報に含まれる時刻又は速度の特徴と、一致又は類似する時刻又は速度の特徴を備える移動情報と対応付けられた１以上の前記画像情報を、前記画像データ群から教師データ候補として抽出する抽出部と、
   を有すること特徴とする教師データ候補抽出装置。
6. 人工知能の機械学習に用いる教師データの候補を抽出する方法であって、
   移動体が移動して取得した、画像情報、並びに、位置、時刻、及び速度の情報を含む移動情報を収集する収集工程と、
   前記画像情報ごとに、前記画像情報を取得した際の前記移動情報をそれぞれ対応付けした画像データ群を生成する生成工程と、
   位置の指定を受け付ける入力工程と、
   前記画像データ群のうち、受け付けた前記位置を含む所定の範囲の位置を有する移動情報に含まれる時刻又は速度の特徴と、一致又は類似する時刻又は速度の特徴を備える移動情報と対応付けられた１以上の前記画像情報を、前記画像データ群から教師データ候補として抽出する抽出工程と、
   を含むこと特徴とする教師データ候補抽出方法。
7. 人工知能の機械学習に用いる教師データの候補を抽出するプログラムであって、
   データ群のデータごとに、前記データと関連する時刻の情報をそれぞれ対応付けし、
   必要とする教師データが備える前記時刻の情報の特徴と、一致又は類似する前記時刻の情報の特徴を備えるデータを、前記データ群から教師データ候補として抽出する、
   処理をコンピュータに実行させること特徴とする教師データ候補抽出プログラム。

Images