JP6874757B2 - 学習装置、学習方法およびプログラム - Google Patents
学習装置、学習方法およびプログラム Download PDFInfo
- Publication number
- JP6874757B2 JP6874757B2 JP2018501652A JP2018501652A JP6874757B2 JP 6874757 B2 JP6874757 B2 JP 6874757B2 JP 2018501652 A JP2018501652 A JP 2018501652A JP 2018501652 A JP2018501652 A JP 2018501652A JP 6874757 B2 JP6874757 B2 JP 6874757B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- learning
- certainty
- classification
- image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
- G06V10/7747—Organisation of the process, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
Description
第1の実施の形態について、図面を参照して説明する。図1は、本実施の形態に係る学習装置100の機能構成の一例を示す機能ブロック図である。図1に示す通り、本実施の形態に係る学習装置100は、画像記憶部110と、画像読込部(画像選択部)120と、画像データ記憶部130と、学習部140と、学習モデル記憶部150と、確信度更新部160と、確信度記憶部170と、閾値更新部180と、を備える。また、図2は、画像読込部120の機能構成の一例を示す機能ブロック図である。図3は、確信度更新部160の機能構成の一例を示す機能ブロック図である。
画像データ数Dは、上述した通り、画像記憶部110に格納された画像データの数である。ここで、学習割合L(e)は以下の式で表される。
これにより、閾値更新部180は、学習の進捗状態に応じて自動的に確信度閾値を更新することができる。
第2の実施の形態について、図12および図13を参照して説明する。本実施の形態は、本開示における課題を解決する最小の構成について説明する。図12は、本実施の形態に係る学習装置10の機能構成の一例を示す機能ブロック図である。図12に示す通り、本実施の形態に係る学習装置10は、画像選択部12と、画像データ記憶部13と、学習部14と、確信度更新部16とを備える。
本開示の各実施の形態において、各学習装置の各構成要素は、機能単位のブロックを示している。各学習装置の各構成要素の一部又は全部は、例えば図14に示すような情報処理装置900とプログラムとの任意の組み合わせにより実現される。情報処理装置900は、一例として、以下のような構成を含む。
・ROM(Read Only Memory)902
・RAM(Random Access Memory)903
・RAM903にロードされるプログラム904
・プログラム904を格納する記憶装置905
・記録媒体906の読み書きを行うドライブ装置907
・通信ネットワーク909と接続する通信インタフェース908
・データの入出力を行う入出力インタフェース910
・各構成要素を接続するバス911
各実施の形態における各学習装置の各構成要素は、これらの機能を実現するプログラム904をCPU901が取得して実行することで実現される。各学習装置の各構成要素の機能を実現するプログラム904は、例えば、予め記憶装置905やRAM903に格納されており、必要に応じてCPU901が読み出す。なお、プログラム904は、通信ネットワーク909を介してCPU901に供給されてもよいし、予め記録媒体906に格納されており、ドライブ装置907が当該プログラムを読み出してCPU901に供給してもよい。
12 画像選択部
13 画像データ記憶部
14 学習部
16 確信度更新部
100 学習装置
110 画像記憶部
120 画像読込部
121 選択部
122 読込部
123 変換部
130 画像データ記憶部
140 学習部
150 学習モデル記憶部
160 確信度更新部
161 分類部
162 減衰部
170 確信度記憶部
180 閾値更新部
Claims (10)
- 複数の画像データの中から、各画像データに関連付けられた、各画像データに対する分類の確からしさを示す分類確信度に基づいて、画像データを学習データとして選択する画像選択手段と、
前記選択された画像データを格納する画像データ記憶手段と、
前記格納された画像データを用いて学習を行い、学習モデルを生成する学習手段と、
前記学習を行う際に用いられた前記画像データを、前記学習モデルを用いて分類し、該画像データに対する前記分類確信度を更新する確信度更新手段と、を備え、
前記確信度更新手段は、前記分類が行われた画像データの数が所定の条件を満たす場合に前記複数の画像データの夫々に関連付けられた前記分類確信度を更新する、ことを特徴とする学習装置。 - 前記確信度更新手段は、前記画像データ記憶手段に、前記画像データ記憶手段の容量に応じて設定された数の画像データが格納されると、前記設定された数の画像データの夫々を分類し、分類後に該設定された数の画像データの夫々を前記画像データ記憶手段から削除する、ことを特徴とする請求項1に記載の学習装置。
- 前記確信度更新手段は、前記画像データ記憶手段から削除された、前記分類が行われた画像データの数が所定の数以上の場合に前記複数の画像データの夫々に関連付けられた前記分類確信度を更新する、ことを特徴とする請求項2に記載の学習装置。
- 前記画像選択手段は、
前記画像データに施す画像変換方法を選択し、該選択された画像変換方法と前記画像データとに関連付けられた前記分類確信度に基づいて、該画像データを学習データとして選択し、
選択した画像データに対して、前記画像変換方法に応じた画像変換を施し、
前記画像データ記憶手段は、前記画像変換が施された画像データを格納する、ことを特徴とする請求項1から3の何れか1項に記載の学習装置。 - 前記分類確信度と比較する確信度閾値を算出する閾値算出手段を更に備え、
前記閾値算出手段は、前記複数の分類確信度のうち、所定の条件を満たす分類確信度を前記確信度閾値として算出し、
前記画像選択手段は、前記分類確信度が前記確信度閾値未満の場合、前記画像データを学習データとして選択する、
ことを特徴とする請求項1から4の何れか1項に記載の学習装置。 - 前記閾値算出手段は、前記複数の分類確信度を昇順に並び変え、並び替えた分類確信度のうち、学習の進捗状況に応じて算出された値の位置に存在する分類確信度を前記確信度閾値とする、ことを特徴とする請求項5に記載の学習装置。
- 前記閾値算出手段は、前記確信度更新手段によって前記分類確信度が更新されると、前記確信度閾値を更新する、ことを特徴とする請求項5または6に記載の学習装置。
- 前記確信度更新手段は、前記複数の画像データの夫々に関連付けられた前記分類確信度を更新した回数をカウントし、
前記画像選択手段は、前記カウントされた回数が所定の閾値を下回る場合、前記画像データの選択を行う、ことを特徴とする、請求項1から7の何れか1項に記載の学習装置。 - 複数の画像データの中から、各画像データに関連付けられた、各画像データに対する分類の確からしさを示す分類確信度に基づいて、画像データを学習データとして選択し、
前記選択された画像データを格納し、
前記格納された画像データを用いて学習を行い、学習モデルを生成し、
前記学習を行う際に用いられた前記画像データを、前記学習モデルを用いて分類し、該画像データに対する前記分類確信度を更新し、
前記分類が行われた画像データの数が所定の条件を満たす場合に前記複数の画像データの夫々に関連付けられた前記分類確信度を更新する、ことを特徴とする学習方法。 - 複数の画像データの中から、各画像データに関連付けられた、各画像データに対する分類の確からしさを示す分類確信度に基づいて、画像データを学習データとして選択する処理と、
選択された画像データを格納する処理と、
格納された画像データを用いて学習を行い、学習モデルを生成する処理と、
前記学習を行う際に用いられた前記画像データを、前記学習モデルを用いて分類し、該画像データに対する前記分類確信度を更新する処理と、
前記分類が行われた画像データの数が所定の条件を満たす場合に前記複数の画像データの夫々に関連付けられた前記分類確信度を更新する処理と、をコンピュータに実行させるプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016033280 | 2016-02-24 | ||
JP2016033280 | 2016-02-24 | ||
PCT/JP2017/006036 WO2017145960A1 (ja) | 2016-02-24 | 2017-02-20 | 学習装置、学習方法および記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2017145960A1 JPWO2017145960A1 (ja) | 2018-12-20 |
JP6874757B2 true JP6874757B2 (ja) | 2021-05-19 |
Family
ID=59685153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018501652A Active JP6874757B2 (ja) | 2016-02-24 | 2017-02-20 | 学習装置、学習方法およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US10878286B2 (ja) |
JP (1) | JP6874757B2 (ja) |
WO (1) | WO2017145960A1 (ja) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3762866A1 (en) * | 2018-03-05 | 2021-01-13 | Omron Corporation | Method, device, system and program for detecting workpiece and storage medium |
JP6933164B2 (ja) * | 2018-03-08 | 2021-09-08 | 株式会社Jvcケンウッド | 学習用データ作成装置、学習用モデル作成システム、学習用データ作成方法、及びプログラム |
JP7139723B2 (ja) * | 2018-06-27 | 2022-09-21 | 富士通株式会社 | 選定プログラム、選定方法および選定装置 |
US10635939B2 (en) | 2018-07-06 | 2020-04-28 | Capital One Services, Llc | System, method, and computer-accessible medium for evaluating multi-dimensional synthetic data using integrated variants analysis |
JP7257227B2 (ja) * | 2018-08-29 | 2023-04-13 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 情報処理方法及び情報処理システム |
CN111090707B (zh) * | 2018-10-24 | 2023-03-31 | 中国移动通信有限公司研究院 | 数据处理方法及装置、电子设备及存储介质 |
JP7135750B2 (ja) * | 2018-11-12 | 2022-09-13 | 富士通株式会社 | 学習プログラム、学習方法、学習装置、検知プログラム、検知方法及び検知装置 |
JP7167668B2 (ja) * | 2018-11-30 | 2022-11-09 | コニカミノルタ株式会社 | 学習方法、学習装置、プログラムおよび記録媒体 |
US12039758B2 (en) * | 2019-03-27 | 2024-07-16 | Nec Corporation | Image processing apparatus, image processing method, and non-transitory computer readable medium storing program |
US11580321B2 (en) * | 2019-04-08 | 2023-02-14 | Ares Technologies, Inc. | Systems, devices, and methods for machine learning using a distributed framework |
US11450084B2 (en) * | 2019-05-13 | 2022-09-20 | Goodrich Corporation | Data fusion on target taxonomies |
KR102357729B1 (ko) * | 2019-09-10 | 2022-02-03 | 라온피플 주식회사 | 복수의 이미지들에 대해 기계학습 및 테스트를 수행하기 위한 방법 및 장치 |
JP7396040B2 (ja) * | 2019-12-27 | 2023-12-12 | 日本電気株式会社 | 画像分析装置、画像分析方法及びコンピュータプログラム |
US20230142100A1 (en) * | 2020-02-20 | 2023-05-11 | Nec Corporation | Inspection assistance apparatus, inspection assistance method, and computer readable recording medium |
US20230260270A1 (en) | 2020-07-28 | 2023-08-17 | Mitsubishi Electric Corporation | Learning utilization system, utilizing device, learning device, non-transitory computer-readable medium, and learning utilization method |
CN117099098A (zh) * | 2021-03-26 | 2023-11-21 | 三菱电机株式会社 | 重新学习系统和重新学习方法 |
JP2024046407A (ja) * | 2022-09-22 | 2024-04-03 | 株式会社日立製作所 | 計算機システム及びモデルの学習方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5555317A (en) * | 1992-08-18 | 1996-09-10 | Eastman Kodak Company | Supervised training augmented polynomial method and apparatus for character recognition |
JP4827285B2 (ja) | 2000-09-04 | 2011-11-30 | 東京エレクトロン株式会社 | パターン認識方法、パターン認識装置及び記録媒体 |
US7299215B2 (en) * | 2002-05-10 | 2007-11-20 | Oracle International Corporation | Cross-validation for naive bayes data mining model |
JP2005181928A (ja) | 2003-12-24 | 2005-07-07 | Fuji Xerox Co Ltd | 機械学習システム及び機械学習方法、並びにコンピュータ・プログラム |
WO2010016109A1 (ja) * | 2008-08-05 | 2010-02-11 | 富士通株式会社 | サンプルの帰属クラス予測方法、帰属クラス予測プログラムおよび帰属クラス予測装置 |
JP5224280B2 (ja) | 2008-08-27 | 2013-07-03 | 株式会社デンソーアイティーラボラトリ | 学習データ管理装置、学習データ管理方法及び車両用空調装置ならびに機器の制御装置 |
US8370282B1 (en) * | 2009-07-22 | 2013-02-05 | Google Inc. | Image quality measures |
JP2011192032A (ja) | 2010-03-15 | 2011-09-29 | Nippon Steel Corp | 疵学習装置、疵学習方法、及びコンピュータプログラム |
US8379994B2 (en) * | 2010-10-13 | 2013-02-19 | Sony Corporation | Digital image analysis utilizing multiple human labels |
US8903167B2 (en) * | 2011-05-12 | 2014-12-02 | Microsoft Corporation | Synthesizing training samples for object recognition |
US9152700B2 (en) * | 2011-09-30 | 2015-10-06 | Google Inc. | Applying query based image relevance models |
US9483741B2 (en) * | 2013-03-28 | 2016-11-01 | Wal-Mart Stores, Inc. | Rule-based item classification |
US9195910B2 (en) * | 2013-04-23 | 2015-11-24 | Wal-Mart Stores, Inc. | System and method for classification with effective use of manual data input and crowdsourcing |
US10169686B2 (en) * | 2013-08-05 | 2019-01-01 | Facebook, Inc. | Systems and methods for image classification by correlating contextual cues with images |
US10235629B2 (en) * | 2015-06-05 | 2019-03-19 | Southwest Research Institute | Sensor data confidence estimation based on statistical analysis |
US9613296B1 (en) * | 2015-10-07 | 2017-04-04 | GumGum, Inc. | Selecting a set of exemplar images for use in an automated image object recognition system |
-
2017
- 2017-02-20 US US16/078,682 patent/US10878286B2/en active Active
- 2017-02-20 JP JP2018501652A patent/JP6874757B2/ja active Active
- 2017-02-20 WO PCT/JP2017/006036 patent/WO2017145960A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2017145960A1 (ja) | 2017-08-31 |
US20190057285A1 (en) | 2019-02-21 |
US10878286B2 (en) | 2020-12-29 |
JPWO2017145960A1 (ja) | 2018-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6874757B2 (ja) | 学習装置、学習方法およびプログラム | |
CN111868780B (zh) | 学习用数据生成装置及方法、模型生成系统以及程序 | |
JP2019518273A (ja) | 深層ニューラルネットワークベースのq学習の経験メモリをプルーニングする方法及び装置 | |
JP2018055259A (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP2021533474A (ja) | ノード分類方法、モデル訓練方法並びに、その装置、機器及びコンピュータプログラム | |
WO2019200735A1 (zh) | 牲畜特征向量的提取方法、装置、计算机设备和存储介质 | |
CN111027605A (zh) | 基于深度学习的细粒度图像识别方法和装置 | |
JPWO2012032788A1 (ja) | 排他的分類器による一般物体の画像認識装置及び方法 | |
US10860892B1 (en) | Systems and methods of synthetic data generation for data stream | |
CN109800260A (zh) | 高并发数据存储方法、装置、计算机设备和存储介质 | |
US20220383157A1 (en) | Interpretable machine learning for data at scale | |
JP2018195231A (ja) | 学習モデル作成装置、該方法および該プログラム | |
WO2021027157A1 (zh) | 基于图片识别的车险理赔识别方法、装置、计算机设备及存储介质 | |
JP2020042797A (ja) | サンプル処理方法、装置、機器および記憶媒体 | |
CN113762519A (zh) | 一种数据清洗方法、装置及设备 | |
CN112149754B (zh) | 一种信息的分类方法、装置、设备及存储介质 | |
CN110163206B (zh) | 车牌识别方法、系统、存储介质和装置 | |
EP3651024A1 (en) | Method of operating storage device, storage device performing the same and storage system including the same | |
CN116229180A (zh) | 一种基于对称kld的处理多类型标签噪声的自适应动态阈值方法、系统、设备及介质 | |
CN107506735A (zh) | 照片归类方法以及归类系统 | |
CN113535939A (zh) | 文本处理方法和装置、电子设备以及计算机可读存储介质 | |
CN112884158A (zh) | 一种机器学习程序的训练方法、装置及设备 | |
JP2020107185A (ja) | 画像認識装置、画像認識方法及びプログラム | |
US9378466B2 (en) | Data reduction in nearest neighbor classification | |
JP2018005552A (ja) | データベース管理装置、データベース管理方法、およびデータベース管理プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180808 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200116 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201208 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210129 |
|
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: 20210323 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210405 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6874757 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |