JP6936958B2 - データ生成装置、データ生成方法及びデータ生成プログラム - Google Patents

Description

データ生成装置、データ生成方法及びデータ生成プログラムに関する。

近年、ニューラルネットワーク等の識別器を用いて画像の識別を行う技術が研究されている。識別器は、画像と、その画像のラベルとを含むデータ（教師データ）を用いて学習されることがある。

質の高い学習用データを生成することに関して、下記特許文献１には、第１のデータセットを教師データとした教師あり学習により学習された分類器により、第２のデータセットを評価データとして分類を行う分類部と、分類部による分類結果に応じた第２のデータセットのラベルの修正を受け付ける入力部と、入力部により受け付けられた修正を反映して第２のデータセットを更新する更新部と、を備える情報処理装置が記載されている。

特開２０１５−０８７９０３号公報

例えば検査対象物の画像に欠陥が含まれているか否かを識別器によって判定する場合、識別器の学習用データとして、欠陥を含む画像とその欠陥が含まれている領域とを関連付けた学習用データを用意することがある。このような学習用データを用いて学習された識別器は、入力された画像に対して、欠陥が含まれていると判定される領域を出力することができるようになる。ここで、欠陥が含まれている領域を、人が手作業で入力することがある。

しかしながら、欠陥が含まれている領域の指定は、必ずしも欠陥の周囲を適切に含むように行われるとは限らない。例えば、領域がほとんど欠陥のみを含むように指定されると、欠陥とその他の部分の対比が難しくなり、識別器によって欠陥の特徴が適切に識別できなくなることがあることを発明者は見出した。

そこで、本発明は、画像に基づいて検査対象物に含まれる欠陥の特徴を適切に識別するように識別器を学習させることが可能な学習用データを生成するデータ生成装置、データ生成方法及びデータ生成プログラムを提供する。

本開示の一態様に係るデータ生成装置は、欠陥を有する検査対象物の画像及び画像の欠陥が含まれている領域を取得する取得部と、取得部により取得された領域を、領域の内部に含まれる画素が所定量多くなるように、領域の外縁を広げるように補正する補正部と、補正部により補正された領域を画像に関連付けて、学習用データを生成する生成部と、を備える。ここで、学習用データは、少なくとも、識別器に入力される画像データと、当該画像データに関連付けられた、当該画像の欠陥が含まれている領域に関するデータと、を含むが、一般には、欠陥を有さない検査対象物の画像データと、当該画像データに欠陥が含まれていない旨を示すデータと、を含むものであってもよい。

この態様によれば、欠陥が含まれている領域を、ほとんど欠陥のみ含むように指定した場合であっても、領域の外縁の少なくとも一部が広がるように補正され、画像に基づいて検査対象物に含まれる欠陥の特徴を適切に識別するように識別器を学習させることが可能な学習用データを生成することができる。その結果、学習用データを用いた学習により、識別器による欠陥の識別性能を向上させることができる。

上記態様において、補正部は、取得部により取得された領域に対して複数の異なる補正を行い、生成部は、補正部により複数の異なる補正が行われた、複数の補正された領域を画像に関連付けて、補正部により行われた複数の異なる補正に対応する複数の学習用データの候補を生成してもよい。

この態様によれば、複数の異なる補正が行われた領域を画像に関連付けて、複数の学習用データの候補を生成することで、欠陥とその他の部分の対比の行い易さがそれぞれ異なる学習用データの候補を生成することができる。ここで、異なる補正とは、例えば、外縁の広がり度合いが異なることをいい、外縁の広がり度合いが異なる複数の学習用データの候補を生成することで、欠陥とその他の部分の対比の行い易さがそれぞれ異なり、これにより、学習の結果として識別器が獲得する欠陥を示す画像部分の特徴が異なる学習用データを生成することができる。なお、複数の学習用データの候補は、そのすべてが実際的に学習用データとして採用されなくてもよい。また、外縁の広がり度合いが異なる複数の学習用データの候補の一部又は全部が、選択的に実際の学習用データとして採用されればよい。

上記態様において、補正部は、取得部により取得された領域に含まれる欠陥以外の背景模様に基づいて、領域の補正の方法を決定してもよい。

この態様によれば、領域に含まれる欠陥以外の背景模様が、補正前後で大きく異なることが無いように補正の方法を決定することができ、画像に基づいて検査対象物に含まれる欠陥とその他の部分の対比が適切に行える学習用データを生成することができる。例えば、欠陥が含まれる領域の補正により、補正前には含まれなかった特殊な模様が、補正後の領域に含まれることを防止して、識別器によって画像に含まれる欠陥とその他の部分の対比が適切に行える学習用データを生成することができる。

上記態様において、複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、入力された画像に基づいて検査対象物に欠陥が含まれているか否かを識別する複数の識別器を学習させる学習部と、学習部により学習された、複数の学習済みの識別器の識別性能に基づいて、複数の学習用データの候補から１又は複数の学習用データを選択する選択部と、をさらに備えてもよい。

この態様によれば、生成された複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、複数の学習済みの識別器の識別性能に基づいて１又は複数の学習用データを選択することで、画像に基づいて検査対象物に含まれる欠陥とその他の部分の対比がより適切に行える学習用データを選別することができる。ここで、異なる補正とは、例えば、外縁の広がり度合いが異なることをいい、外縁の広がり度合いが異なる複数の学習用データに基づいて生成された複数の識別器の識別性能に基づいて、複数の学習用データの採否を選別することができるので、識別器が、欠陥部位を判別する特徴を適切に獲得でき、欠陥の識別性能を向上させることができる。

上記態様において、選択部は、補正部により補正を行う前の領域と、補正部により補正を行った後の領域との類似度に基づいて、複数の学習用データの候補から１又は複数の学習用データを選択してもよい。なお、補正前後の領域の類似度としては、例えば、白黒の濃淡度、エッジの個数及び強度を使用することができる。

この態様によれば、欠陥を示す領域の補正によって、意図しない画像部位が領域に含まれることを防止できる。すなわち、欠陥と誤判定される可能性のある画像部位が学習用データに混入しないように、学習用データの採否を選択することができ、識別器によって画像に含まれる欠陥とその他の部分の対比がより適切に行える学習用データを選別することができる。

上記態様において、選択部は、補正部により補正を行う前の領域の外縁の画素値と、補正部により補正を行った後の領域の外縁の画素値との相関に基づいて、類似度を算出してもよい。

この態様によれば、領域の外縁を広げることで、例えば、補正後の領域の外縁に補正前の領域には含まれていなかった欠陥と誤判定される可能性のある画像部位が含まれてしまう場合に、そのような補正後の領域を学習用データから除外することができる。

上記態様において、取得部は、複数の欠陥を有する検査対象物の画像と、画像の複数の欠陥のうち１つがそれぞれ含まれる複数の領域とを取得し、補正部は、取得部により取得された複数の領域それぞれについて、領域の外縁を広げるように補正し、生成部は、補正部により補正された複数の領域を画像に関連付けて、学習用データを生成してもよい。

この態様によれば、画像が複数の欠陥を含み、欠陥が含まれている複数の領域を、ほとんど欠陥のみ含むように指定した場合であっても、識別器によって画像に含まれる欠陥とその他の部分の対比が適切に行える学習用データを生成することができる。なお、欠陥のうちの１つが含まれる領域とは、識別器が１つの欠陥であると識別した領域であればよい。

上記態様において、画像の欠陥が含まれている領域を指定する情報の入力を受け付ける入力部をさらに備え、取得部は、入力部により入力された情報に基づいて、画像の欠陥が含まれている領域を取得してもよい。

この態様によれば、検査対象物の画像を確認した作業者から、欠陥が含まれている領域を指定する情報の入力を受け付けることができ、検査工程の現場で欠陥が含まれている領域を取得することができる。

上記態様において、入力部は、画像の欠陥が含まれている領域の内点を指定する、画像の１又は複数の点の入力を受け付けてもよい。

この態様によれば、領域の内側の点を指定させることで、欠陥がどのような形状であっても、検査対象物の画像を確認する作業者が、簡易な操作で欠陥が含まれている領域の指定を行うことができる。

上記態様において、内点は、画像の欠陥の端点を含んでもよい。

この態様によれば、欠陥の端点が指定され、欠陥の位置をより明確に設定できるので、内点の指定に応じて定まる領域の設定を適切に行うことができ、画像に基づいて検査対象物に含まれる欠陥とその他の部分の対比がより適切に行える学習用データが得られる。

上記態様において、入力部は、画像の欠陥が含まれている領域の外形を指定する、画像の１又は複数の点の入力を受け付けてもよい。

この態様によれば、領域の外形を指定させることで、欠陥がどのような形状であっても、検査対象物の画像を確認する作業者が、簡易な操作で欠陥が含まれている領域の指定を行うことができる。

上記態様において、補正部は、所定の条件を満たす場合に、領域の外縁が狭まるように、領域を補正してもよい。なお、所定の条件は、領域において欠陥以外の部分が占める割合に関する条件とすることができる。

この態様によれば、欠陥が含まれている領域を、欠陥以外の部分が領域の大半を占めるように指定した場合であっても、領域の外縁の少なくとも一部が狭まるように補正され、画像に基づいて検査対象物に含まれる欠陥とその他の部分の対比が適切に行える学習用データを生成することができる。

上記態様において、補正部は、取得部により取得された領域に含まれる欠陥とその他の部分との割合に基づいて、領域の外縁の拡縮率を決定してもよい。領域の外縁の拡縮は、予め記憶された適正割合と、領域に含まれる欠陥とその他の部分との割合とを比較して、領域に含まれる欠陥とその他の部分との割合が適正割合となるように行われてよい。

この態様によれば、欠陥が含まれている領域が、ほとんど欠陥のみ含むように指定されている場合には、領域の外縁を相対的に大きく広げるように補正し、領域が欠陥以外の部分を十分に含むように指定されている場合には、領域の外縁を相対的に小さく広げるように補正することができる。ここで、欠陥とその他の部分との割合は、例えば、欠陥を示す画素の個数と、その他の部分を示す画素の個数との比で表現することができる。

本開示の他の態様に係るデータ生成方法は、欠陥を有する検査対象物の画像及び画像の欠陥が含まれている領域を取得することと、取得された領域を、領域の内部に含まれる画素が所定量多くなるように、領域の外縁を広げるように補正することと、補正された領域を画像に関連付けて、学習用データを生成することと、を含む。

この態様によれば、欠陥が含まれている領域を、ほとんど欠陥のみ含むように指定した場合であっても、領域の外縁が広がるように補正され、画像に基づいて検査対象物に含まれる欠陥の特徴を適切に識別するように識別器を学習させることが可能な学習用データを生成することができる。

本開示の他の態様に係るデータ生成プログラムは、データ生成装置に備えられた演算装置を、欠陥を有する検査対象物の画像及び画像の欠陥が含まれている領域を取得する取得部、取得部により取得された領域を、領域の内部に含まれる画素が所定量多くなるように、領域の外縁を広げるように補正する補正部、及び補正部により補正された領域を画像に関連付けて、学習用データを生成する生成部、として動作させる。

この態様によれば、欠陥が含まれている領域を、ほとんど欠陥のみ含むように指定した場合であっても、領域の外縁が広がるように補正され、画像に基づいて検査対象物に含まれる欠陥の特徴を適切に識別するように識別器を学習させることが可能な学習用データを生成することができる。

画像に基づいて検査対象物に含まれる欠陥の特徴を適切に識別するように識別器を学習させることが可能な学習用データを生成するデータ生成装置、データ生成方法及びデータ生成プログラムを提供する。

本発明の実施形態に係るデータ生成装置の機能ブロック図である。 本実施形態に係るデータ生成装置の第１学習部及び第２学習部における処理の内容を示す概念図である。 本実施形態に係るデータ生成装置の計測部における処理の内容を示す概念図である。 本実施形態に係るデータ生成装置のハードウェア構成を示すブロック図である。 本実施形態に係るデータ生成装置による画像の領域の補正の例を示す図である。 本実施形態に係るデータ生成装置により実行される第１処理の内容を示すフローチャートである。 本実施形態に係るデータ生成装置による画像の領域の指定の例を示す図である。 本実施形態に係るデータ生成装置により実行される第２処理の内容を示すフローチャートである。

以下、本発明の一側面に係る実施の形態（以下、「本実施形態」と表記する。）を、図面に基づいて説明する。なお、各図において、同一の符号を付したものは、同一又は同様の構成を有する。

§１ 適用例
まず、図１を用いて、本発明が適用される場面の一例について説明する。図１は、本実施形態に係るデータ生成装置１００の適用場面の一例を模式的に例示した機能ブロック図である。本実施形態に係るデータ生成装置１００は、撮像装置１５３によって撮像された検査対象物の画像に欠陥が含まれている場合に、ユーザインタフェース１７０によって欠陥が含まれる領域の指定を受け付けて、その領域の外縁を広げるように補正して、補正された領域を画像に関連付けて新たな学習用データを生成する装置である。

図１に示すように、データ生成装置１００は、欠陥を有する検査対象物の画像を取得する撮像装置１５３と、当該画像の欠陥が含まれている領域を取得するユーザインタフェース１７０と、取得された領域を、領域の外縁を広げることで、領域の中の正常部位を示す画素が多くなるように補正する補正部１２３と、補正部１２３により補正された領域を画像に関連付けて、学習用データを生成する生成部１２１と、を備える。ここで、撮像装置１５３及びユーザインタフェース１７０は、本発明の「取得部」の一例である。本明細書では、撮像装置１５３により新たに撮像される検査対象物の画像を「計測画像」と呼び、識別器（ａ、ｂ、ｃ、Ａ、Ｂ、…）を学習するため予め収集される検査対象物の画像を「サンプル画像」と呼ぶ。なお、データ生成装置１００は、必ずしも撮像装置１５３を備えていなくてもよく、別体で設けられた撮像装置から計測画像を取得するものであってもよい。

撮像装置１５３により撮像された検査対象物の計測画像は、第２作業者のユーザインタフェース１７０に表示される。第２作業者は、計測画像のうち欠陥が含まれている領域をユーザインタフェース１７０によって指定する。ここで、欠陥が含まれている領域の指定は、必ずしも欠陥の周囲を適切に含むように行われるとは限らない。例えば、領域がほとんど欠陥のみを含むように指定されることがある。従来、画像に含まれる人物の顔を認識する場合等、認識する対象それ自体に特徴がある場合、認識対象のみを含むように領域を指定して、識別器を学習させることが行われている。しかしながら、欠陥は、それ自体が特徴を有するとは限らず、欠陥とその周囲の部分の差異が特徴となる場合がある。そのため、領域がほとんど欠陥のみを含むように指定されると、欠陥とその周囲の部分の対比が難しくなり、識別器によって欠陥の特徴が適切に識別できなくなることがある。そこで、本実施形態に係るデータ生成装置１００は、取得された領域をそのまま計測画像に関連付けず、補正部１２３によって補正した領域を計測画像に関連付けて、新たな学習用データを生成する。

補正部１２３は、第２作業者によって指定された領域を、領域の外縁を広げるように補正する。そして、生成部１２１は、補正部１２３により補正された領域を画像に関連付けて、学習用データを生成する。生成された新たな学習用データは、修正画像ＤＢ１２２に記憶され、第１学習部１３０や第２学習部１４０によって識別器（ａ、ｂ、ｃ、Ａ、Ｂ、…）を学習するために用いられる。

発明者らは、鋭意検討の結果、学習用データに基づいて生成された識別器を用いて、取得された検査対象物の画像に基づいて検査対象物に欠陥が含まれているか否かを判定する場合、学習用データには、欠陥を示す画素に加え、正常部位を示す画素が含まれるようにすると、生成された学習用データを用いた識別器による欠陥の識別精度が向上することを見出した。これは、識別器が、画像中の欠陥部位の判別に対して、欠陥部位に対応する画素と正常部位に対応する画素との差分情報を利用できるためであると考えられる。したがって、本実施形態に係るデータ生成装置１００によれば、欠陥が含まれている領域を、ほとんど欠陥のみ含むように指定した場合であっても、画像に基づいて検査対象物に含まれる欠陥の特徴を適切に識別するように識別器を学習させることが可能な学習用データを生成することができる。そのため、識別器の学習処理を行う場合に、比較的少ない演算量でより判定精度の高い識別器を生成することができるようになる。また、識別器の学習のためにどのような領域の指定の方法が適切であるかを作業者が必ずしも認識していない場合であっても、画像に含まれる欠陥とその他の部分の対比が適切に行える学習用データを生成することができる。

§２ 構成例
［機能構成］
次に、図１を用いて、本実施形態に係るデータ生成装置１００の機能構成の一例を説明する。データ生成装置１００は、学習用データを用いて、検査対象物の欠陥の有無と、検査対象物に欠陥が含まれる場合には、その欠陥の位置と、その欠陥の種類と、を含む属性情報（ラベル）を出力する識別器を生成する機能を備える。ここで、検査対象物に複数の欠陥が含まれる場合には、属性情報は、欠陥の有無と、複数の欠陥の位置と、それらの欠陥の種類と、を含んでよい。また、データ生成装置１００は、検査対象物を計測した計測画像を取得し、生成された識別器を用いて、検査対象物の属性情報を出力する機能を備える。したがって、データ生成装置１００は、検査対象物の計測画像を取得し、計測画像に基づいて検査対象物の欠陥の有無に関する情報を含む計測結果を出力する検査装置又は検査システムとして機能する。

図１に示すように、データ生成装置１００は、学習用データを生成及び格納する画像収集部１１０と、識別器により出力された属性情報の正誤に関する情報に基づいて、計測した画像（計測画像）の修正を行う画像修正部１２０と、画像収集部１１０及び画像修正部１２０の少なくともいずれかにより生成された学習用データを用い、検査対象物の欠陥の有無と、検査対象物に欠陥が含まれる場合には、その欠陥の位置と、その欠陥の種類と、を含む属性情報を出力する識別器を生成する、第１学習部１３０及び第２学習部１４０と、検査対象物を計測した計測画像を取得し、第１学習部１３０及び第２学習部１４０の少なくともいずれかにより生成された識別器を用いて、検査対象物の属性情報を出力する計測部１５０と、計測画像とその属性情報とを関連付けて、計測結果として記憶する計測結果管理部１６０と、を備える。ここで、計測結果は、計測画像と、識別器により出力された検査対象物の属性情報とを含む。なお、学習用データとは、単一の学習用データのみならず、複数の学習用データを有するデータセットであってよい。

ここで、欠陥とは、検査対象物が有する異常であって、例えば、キズ、色等のムラ、汚れ、欠け、バリ、異物、印字のかすれ、印字等の位置ずれ等を含む。

また、属性情報とは、各画像に含まれる欠陥の有無に関する情報、画像に欠陥が含まれる場合には、当該欠陥の位置を示す情報及び当該欠陥の種類を示す情報を少なくとも含むものである。なお、属性情報は、欠陥の有無、欠陥の位置に関する情報及び欠陥の種類に関する情報に限られず、例えば、識別器により出力される欠陥の有無、欠陥の位置に関する情報及び欠陥の種類に関する情報の信頼度に関する情報を含んでいてもよい。

データ生成装置１００は、ソフトウェアプログラム及び当該ソフトウェアプログラムの実行に用いられるデータを記憶する記憶部（例えば、図４に示す補助記憶部１０２、１０３）と、ソフトウェアプログラムを呼び出し、実行する演算部（例えば、図４に示すプロセッサ１０４）と、を有する１又は複数の情報処理装置により構成される。すなわち、画像収集部１１０、画像修正部１２０、第１学習部１３０、第２学習部１４０、計測部１５０及び計測結果管理部１６０の各機能ブロックのそれぞれは、補助記憶部１０２、１０３等の記憶部に記憶された所定のソフトウェアプログラムがプロセッサ１０４等のハードウェアプロセッサによって実行されることで実現される。すなわち、画像収集部１１０、画像修正部１２０、第１学習部１３０、第２学習部１４０、計測部１５０及び計測結果管理部１６０の各機能のそれぞれは、ソフトウェアプログラムがハードウェアプロセッサによって実行されることにより実現される所定の処理を示す。また、画像収集部１１０、画像修正部１２０、第１学習部１３０、第２学習部１４０、計測部１５０及び計測結果管理部１６０のそれぞれは、単独で、又は、複数が組み合わされて、情報処理装置として構成される。なお、データ生成装置１００を、単一の情報処理装置により構成してもよい。本実施形態における情報処理装置のハードウェア構成については後述する。

＜画像収集部の構成＞
画像収集部１１０は、学習用データを生成するためのサンプル画像を取得する。サンプル画像は、検査対象物を撮像した画像でもよく、また、公知の画像合成技術により生成されたＣＧ画像であってもよい。画像収集部１１０が取得したサンプル画像は、属性付与部１１１にて、各画像に対して、又は、複数の画像に対して、属性情報の付与が行われる。すなわち、属性付与部１１１は、サンプル画像に対して属性情報を付与することで、サンプル画像を学習用データにする。

本実施形態において、属性情報の付与（ラベル付け）は、任意のユーザインタフェース１８０を介して、第１作業者により行われる。例えば、サンプル画像に欠陥が含まれる場合には、第１作業者は、ユーザインタフェース１８０としての、表示装置（液晶表示装置等）及び入力装置（タッチパネル、キーボード、マウス等）とを用いて、所定の形状の枠により当該欠陥を囲うことで、欠陥の有無及び欠陥の位置を含む属性情報を付与することができる。また、ユーザインタフェース１８０を用いて、当該欠陥の種類を含む属性情報をサンプル画像に付与することもできる。なお、属性情報の付与の方法は、特に限定されない。例えば、画像と、その画像に付与すべき属性情報との関係性を学習済みの識別器を用いて、画像に対して属性情報を自動的に付与するようにしてもよいし、公知の統計的手法により、複数の画像をクラスタリングして、クラスタに対して属性情報の付与を行うこととしてもよい。

属性付与部１１１において属性情報が付与された画像（学習用データ）は、画像データベース（以下、「画像ＤＢ」と称す。）１１２に格納され、記憶される。

画像収集部１１０は、例えば、取得するサンプル画像の多少や、画像ＤＢ１１２に格納されている学習用データの多少に応じて、学習用データの拡張を行う画像補正部１１３を備えている。画像補正部１１３は、ユーザインタフェース１８０を介して行われる第１作業者の補正操作に基づいて、サンプル画像の拡張を行ってよい。なお、画像補正部１１３は、画像収集部１１０に必ずしも必須の要素ではない。また、学習用データの拡張とは、学習に用いるデータセットを増やすデータオーグメンテーション（Data Augmentation）の処理を示す。

学習用データの拡張（オーグメンテーション）は、例えば、サンプル画像を平行移動させたり、回転させたり、色を変えたり、拡大させたり、縮小させたりすることで行ってよい。なお、画像補正部１１３は、画像収集部１１０に必須の構成要素ではなく、データ生成装置１００を用いて実現する画像計測処理に必要な学習用データの必要量に応じて、適宜設けてよい。また、上記オーグメンテーションは、任意のユーザインタフェース１８０を介して、作業者自らが、部分画像の抽出、背景画像との合成等の各処理の指示を行うことで実現されてもよい。画像補正部１１３により拡張された学習用データは、画像ＤＢ１１２に格納され、記憶される。

ここで、背景画像は、部分画像に合成される画像であって、部分画像が抽出された計測画像とは異なる画像を含む。なお、背景画像は、計測画像であってもよいが、計測画像を背景画像として用いる場合には、計測画像から抽出された部分画像以外の領域に部分画像が合成されるように、合成箇所を制限して用いることができる。また、背景画像は、計測画像以外の画像に基づいて生成されてよく、計測画像の欠陥以外の領域の画像と同一の模様を有していてもよいし、有していなくてもよい。また、背景画像は一様な背景模様の画像の場合もあれば、ヘアラインのような背景模様を有する画像であったり、文字等が印字されている画像であったりしてよく、多種多様な画像であってよい。

画像ＤＢ１１２は、属性付与部１１１及び画像補正部１１３から、学習用データを取得する。画像ＤＢ１１２は、学習用データを、付与された属性情報に基づいて分類した状態で記憶してよい。また、画像ＤＢ１１２は、画像収集部１１０が取得したサンプル画像にすでに属性情報が付与されている場合には、当該サンプル画像を、属性付与部１１１及び画像補正部１１３を介さずに取得して、記憶してよい。なお、画像ＤＢ１１２は、学習用データを、後述する識別器を生成するための学習処理に使用する学習処理用の学習用データと、生成された識別器が、所望の属性情報を出力するか否かを評価するための評価処理用のテスト用データと、に区別して記憶してもよい。もっとも、学習用データとテスト用データを区別せずに画像ＤＢ１１２に記憶しておき、学習処理を行う際に、画像ＤＢ１１２に記憶されたデータセットを任意の手法で学習用とテスト用等に分けることとしてもよい。

＜第１学習部の構成＞
図２は、本実施形態に係るデータ生成装置の第１学習部１３０及び第２学習部１４０における処理の内容を示す概念図である。第１学習部１３０は、画像収集部１１０から、学習用データを取得する。なお、第１学習部１３０は、後述する画像修正部１２０から、学習用データを取得してもよい。第１学習部１３０は、取得した学習用データを用いた機械学習を実行し、識別器（ａ、ｂ、ｃ、・・・）を生成する第１学習処理部１３１を有する。識別器（ａ、ｂ、ｃ、・・・）は、画像データを入力とし、当該画像に含まれる欠陥の有無と、１又は複数の欠陥が含まれる場合にはその位置及びその種類と、を含む属性情報を出力するものである。なお、識別器（ａ、ｂ、ｃ、・・・）には、画像データ以外のデータが入力されてもよい。例えば、識別器（ａ、ｂ、ｃ、・・・）には、検査対象物の画像を撮像した条件（光量や撮像装置の露光時間等）が入力されたり、検査対象物の識別情報が入力されたりしてもよい。

識別器（ａ、ｂ、ｃ、・・・）は、任意の機械学習モデルに対して学習処理と評価処理とを行うことにより生成される。機械学習モデルは、所定のモデル構造と、学習処理によって変動する処理パラメータと、を有し、学習用データから得られる経験に基づいてその処理パラメータが最適化されることで、識別性能が向上するモデルである。すなわち、機械学習モデルは、学習処理によって、最適な処理パラメータを学習するモデルである。機械学習モデルのアルゴリズムは、例えば、サポートベクターマシン、ロジスティック回帰、ニューラルネットワーク等を用いることができるが、その種類は特に限定されない。本実施形態では、ニューラルネットワークであって、特に階層が３層以上であるディープニューラルネットワークのうち、画像認識に適したコンボリューショナルニューラルネットワーク（Convolutional Neural Network）を用いた例について説明する。なお、第１学習部１３０は、機械学習モデルを生成するためのモデル生成部（図示せず）を備えていてもよい。また、第１学習部１３０は、予め生成された機械学習モデルを、外部から取得してもよい。

第１学習処理部１３１は、学習用データを用いて画像のデータを入力すると、属性情報で表現される計測画像の属性に対応する出力値を出力するように、機械学習モデルを学習させる学習処理を行う。第１学習処理部１３１は、さらに、学習処理によって生成された識別器（ａ、ｂ、ｃ、・・・）に対し、テスト用データを用いて、識別器（ａ、ｂ、ｃ、・・・）の出力と、テスト用データに対して付与された属性情報とを比較する評価処理を行う。識別器（ａ、ｂ、ｃ、・・・）の出力と、テスト用データに付与された属性情報とが一致している場合には、識別器（ａ、ｂ、ｃ、・・・）の生成条件を満たしたと判断し、識別器（ａ、ｂ、ｃ、・・・）の生成処理を完了させる。

第１学習部１３０は、生成した識別器（ａ、ｂ、ｃ、・・・）のモデル構造及び処理パラメータを含む情報を、学習結果データとして、後述する計測部１５０及び第２学習部１４０に出力する。

＜第２学習部の構成＞
引き続き、図２を用いて、第２学習部１４０における処理の内容を説明する。第２学習部１４０は、所定の生成処理によって生成された識別器に対する追加学習（再学習）を行う。なお、第２学習部１４０について、第１学習部１３０と共通する要素については、その記載を省略する。

第２学習部１４０は、第１学習部１３０で生成された学習済みの識別器（ａ、ｂ、ｃ、・・・）の学習結果データを取得する。なお、第２学習部１４０は、所定の生成処理によって生成された識別器に関する学習結果データを、外部から取得してもよい。第２学習部１４０は、画像収集部１１０から、学習用データを取得する。なお、第２学習部１４０は、後述する画像修正部１２０から、学習用データを取得してもよい。

第２学習部１４０は、学習用データを用いた機械学習による追加学習（再学習）を実行し、識別器（Ａ、Ｂ、Ｃ、・・・）を生成する第２学習処理部１４１を有する。識別器（Ａ、Ｂ、Ｃ、・・・）は、所定の学習処理により生成された識別器（ａ、ｂ、ｃ、・・・）に対して学習処理と評価処理とを行うことにより生成される。換言すれば、第２学習処理部１４１は、学習用データを用いて、識別器（ａ、ｂ、ｃ、・・・）のモデル構造及び処理パラメータを含む学習結果データに対する学習処理と評価処理とを実行することで、識別器（Ａ、Ｂ、Ｃ、・・・）を生成する。識別器（Ａ、Ｂ、Ｃ、・・・）は、画像データを入力とし、当該画像に含まれる欠陥の有無と、１又は複数の欠陥が含まれる場合には、その位置及びその種類と、を含む属性情報を出力するものである。

第２学習処理部１４１は、学習用データを用いて、画像のデータを入力すると、属性情報で表現される計測画像の属性に対応する出力値を出力するように、識別器（ａ、ｂ、ｃ、・・・）の学習結果データによって表現される機械学習モデルを学習させる学習処理（追加学習の学習処理）を行う。ここで、第２学習処理部１４１が行う追加学習の学習処理は、後述する画像修正部１２０から取得した学習用データを用いて行われてよい。これにより、検査対象物を撮像した画像に基づいて新たに生成された学習用データを用いることができ、識別器の識別精度を向上させることができるからである。

第２学習処理部１４１は、さらに、学習処理によって生成された識別器（Ａ、Ｂ、Ｃ、・・・）に対し、テスト用データを用いて、識別器（Ａ、Ｂ、Ｃ、・・・）の出力と、テスト用データに対して付与された属性情報とを比較する評価処理を行う。識別器（Ａ、Ｂ、Ｃ、・・・）の出力と、テスト用データに付与された属性情報とが一致している場合には、識別器（Ａ、Ｂ、Ｃ、・・・）の生成条件を満たしたと判断し、識別器（Ａ、Ｂ、Ｃ、・・・）の生成処理を完了させる。ここで、第２学習処理部１４１が行う評価処理は、後述する画像修正部１２０から取得したテスト用データを用いて行われてよい。これにより、検査対象物を撮像した画像に基づいて新たに生成された学習用データを用いて評価を行うことができ、識別器の認識精度を向上させることができるからである。

第２学習部１４０は、生成した識別器（Ａ、Ｂ、Ｃ、・・・）のモデル構造及び処理パラメータを含む情報を、学習結果データとして、後述する計測部１５０に出力する。

なお、第１学習部１３０と第２学習部１４０とを一体に構成し、第１学習処理部１３１が、追加学習の学習処理と評価処理とを実行するようにしてもよい。

＜計測部の構成＞
図３は、本実施形態に係るデータ生成装置１００の計測部１５０における処理の内容を示す概念図である。計測部１５０は、学習用データを用いた学習処理及び評価処理によって生成された識別器を用いて、撮像装置１５３により撮像された検査対象物の計測画像の属性情報を出力させ、計測画像及び属性情報を含む計測結果を出力する。属性情報は、欠陥の有無、１又は複数の欠陥が含まれる場合にはその欠陥の位置及び種類、を含む。

計測部１５０は、第１学習部１３０及び第２学習部１４０から、識別器のモデル構造及び処理パラメータを含む情報を、学習結果データとして取得する。計測部１５０は、取得した学習結果データを格納する学習結果ＤＢ１５１を有する。また、計測部１５０は、検査対象物を撮像する撮像装置１５３を有する。撮像装置１５３は、例えば、工場の製造ラインを撮像するように設置され、製造ラインの一部を構成する。撮像装置１５３は、製造ラインを流れる検査対象物としての部品及び製品（以下、部品と製品とを合わせて「ワーク」と称することがある。）の画像を計測画像として撮像する。

計測部１５０は、学習結果ＤＢ１５１に格納された学習結果データに基づき構成される識別器を用いて、計測画像の属性情報を出力する判定部１５２を有する。判定部１５２は、計測画像に基づいて検査対象物に１又は複数の欠陥が含まれているか否かを判定し、欠陥が含まれている場合には、計測画像上での欠陥の位置に関する情報を含む属性情報を出力してよい。ここで、計測画像上での欠陥の位置に関する情報としては、計測画像上での欠陥に相当する領域を示す枠形状が挙げられる。

計測部１５０は、計測画像と、識別器により出力された計測画像の属性情報と、を含む検査対象物の計測結果を、計測結果管理部１６０に出力する。なお、計測部１５０は、個々の検査対象物を識別するための識別情報を、計測結果とともに、計測結果管理部１６０に出力してもよい。このとき、検査対象物の識別情報は、計測画像から取得してもよく、所定のインタフェースを介して外部より取得してもよい。識別情報としては、例えば、製造番号や、製造番号を符号化した図形を用いることができる。よって、識別情報とは、検査対象物の個体を識別することができる情報であることが好ましい。なお、計測部１５０は、検査対象物の計測結果を、計測結果管理部１６０以外に出力してもよい。例えば、後述するユーザインタフェース１７０に対し、計測結果及び識別情報を出力するようにしてもよい。また、例えば、計測結果を仕分け装置（図示せず）に対して直接的または間接的に出力してもよい。仕分け装置は、取得した計測結果に基づいて、検査対象物の仕分けを行う。

＜計測結果管理部の構成＞
計測結果管理部１６０は、計測結果に含まれる計測画像と、識別器により出力された計測画像の属性情報とを関連付けて記憶する計測結果ＤＢ１６１を有する。なお、計測結果管理部１６０は、検査対象物を識別するための識別情報を、計測結果とともに取得してもよい。このとき、検査対象物の識別情報は、計測部１５０から取得してもよく、所定のインタフェースを介して外部より取得してもよい。また、計測結果ＤＢ１６１は、属性情報に含まれる属性の種別に応じて、例えば、欠陥の種別の属性に関連付けて、計測画像を分類して記憶してもよい。

計測結果管理部１６０は、計測結果を、ユーザインタフェース１７０に対して出力する。このとき、計測結果管理部１６０は、あわせて、検査対象物の識別情報をユーザインタフェース１７０に対して出力してよい。また、計測結果管理部１６０は、計測結果を、後述する画像修正部１２０に対して出力する。このとき、計測結果管理部１６０は、あわせて検査対象物の識別情報を、画像修正部１２０に対して出力してもよい。

＜ユーザインタフェース＞
本実施形態において、ユーザインタフェース１７０は、第２作業者が、計測部１５０による計測結果を確認するために用いられたり、計測画像に含まれる欠陥を囲むように領域を指定する操作（領域指定）を実行するために用いられたりする。ユーザインタフェース１７０は、少なくとも計測部１５０による計測結果を表示するための表示部（液晶表示装置等）、及び、第２作業者による領域指定を行うための入力部（タッチパネル、キーボード、マウス等）を有する。第２作業者は、表示部に表示された計測結果に基づいて、識別器により出力された検査対象物の属性情報の正誤を判断し、入力部を用いて欠陥を囲む領域を入力してよい。この際、入力部は、欠陥が含まれている領域の内点を指定する、画像の１又は複数の点の入力を受け付けてもよいし、領域の外形を指定する、画像の１又は複数の点の入力を受け付けてもよい。第２作業者により行われた領域指定の内容は、画像修正部１２０に対して出力される。なお、領域指定の入力操作を行える者は、後述する画像修正部１２０によって所定の実行権限を有すると認定された者に制限されてよい。これによれば、入力操作の信頼性が向上するとともに、生成される新たな学習用データの品質、ひいては、新たな学習用データを用いて生成される識別器の識別精度を向上させることができる。また、第１作業者と第２作業者とは同一であってもよい。

＜画像修正部の構成＞
画像修正部１２０は、取得された領域を補正して、学習用データの生成を行う。画像修正部１２０は、生成部１２１、修正画像データベース（以下、「修正画像ＤＢ」と称す。）１２２、補正部１２３及び選択部１２４を有し、ユーザインタフェース１７０によって受け付けた領域を補正して、学習用データを生成する。なお、以下では、画像修正部１２０は、ユーザインタフェース１７０によって受け付けた領域を補正して、補正した領域を計測画像に関連付けることで新たな学習用データを生成する例について説明するが、ユーザインタフェース１８０によって受け付けた領域を補正して、補正した領域をサンプル画像に関連付けることで新たな学習用データを生成してもよい。

補正部１２３は、ユーザインタフェース１７０（取得部）により取得された領域を、領域の内部に含まれる画素が所定量多くなるように、領域の外縁を広げるように補正する。補正部１２３は、領域の外縁を広げるように補正することで、領域の中の正常部位を示す画素の個数が多くなるように補正する。補正部１２３は、ユーザインタフェース１７０から計測画像の複数の領域を取得して、複数の領域それぞれについて、領域の外縁を広げるように補正してもよい。領域の補正は、例えば、欠陥を囲むように指定された領域を、当該領域を囲むように１画素ないし所定画素分ずつ一回り大きくすることにより行ってよい。

また、補正部１２３は、ユーザインタフェース１７０により取得された領域に対して複数の異なる補正を行ってもよい。例えば、補正部１２３は、欠陥を囲むように指定された領域を、当該領域を囲むように一回り大きくした第１補正を行い、第１補正を行った領域を囲むようにさらに一回り大きくした第２補正を行ってもよい。このように、補正部１２３は、段階的に領域が大きくなるように、複数の異なる補正を行ってよい。また、例えば、補正部１２３は、欠陥を囲むように指定された領域を、その一部の外縁を広げるように大きくした第３補正を行い、第３補正とは異なる一部の外縁を広げるように大きくした第４補正を行ってもよい。このように、補正部１２３は、指向性の異なる複数の補正を行ってよい。

また、補正部１２３は、所定の条件を満たす場合に、領域の外縁が狭まるように、領域を補正してもよい。ここで、補正部１２３は、所定の条件を満たす場合に、ユーザインタフェース１７０により取得された領域の外縁を広げるように補正する代わりに、領域の外縁が狭まるように、領域を補正してもよいし、取得された領域の外縁の一部が狭まるように、領域を補正してもよい。例えば、第２作業者によって指定された欠陥を含む領域が、第１の部分について、欠陥ではない模様を含む場合に、第１の部分について、取得された領域の外縁の一部が狭まるように、領域を補正してもよい。このとき、第１の部分以外のその他の部分について、取得された領域の外縁の一部が広がるように、領域を補正してもよい。また、例えば、第２作業者によって、欠陥以外の部分が大半を占めるように、欠陥を含む領域が指定された場合、補正部１２３は、指定された領域の外縁を狭めるように、領域を補正してもよい。この場合、所定の条件は、領域において欠陥以外の部分が占める割合に関する条件であってよい。所定の条件は、例えば、領域において欠陥以外の部分が占める割合が、閾値より大きいという条件であってよい。これにより、欠陥が含まれている領域を、欠陥以外の部分が領域の大半を占めるように指定された場合であっても、識別器によって画像に含まれる欠陥とその他の部分の対比が適切に行える学習用データを生成することができる。よって、識別器の学習処理を行う場合に、比較的少ない演算量でより判定精度の高い識別器を生成することができるようになる。なお、所定の条件は、ユーザインタフェース１７０により取得された領域の画素数に関する条件であったり、計測画像全体の画素数とユーザインタフェース１７０により取得された領域の画素数の比に関する条件であったりしてもよい。

補正部１２３は、ユーザインタフェース１７０により取得された領域に含まれる欠陥とその他の部分との割合に基づいて、領域の外縁の拡縮率を決定してもよい。ここで、欠陥とその他の部分との割合は、指定された領域のうち欠陥に相当する画素の個数と、欠陥以外に相当する画素の個数との比によって求めてよいが、その他の方法によって求めてもよい。これにより、欠陥が含まれている領域が、ほとんど欠陥のみ含むように指定されている場合には、領域の外縁を比較的大きく広げるように補正し、領域が欠陥以外の部分を十分に含むように指定されている場合には、領域の外縁を比較的小さく広げるように補正することができる。

また、補正部１２３は、ユーザインタフェース１７０により取得された領域に含まれる欠陥以外の背景模様に基づいて、領域の補正の方法を決定してもよい。ここで、背景模様は、検査対象物の表面の模様であったり、検査対象物に付されたロゴ及び文字の他、検査対象物のエッジ等を含む。例えば、検査対象物に対してヘアライン加工等が施されて、検査対象物の表面に一定の均一性のあるテクスチャパターンが表れている場合、当該テクスチャパターンに沿った方向に領域を広げるように補正の方法を決定してよい。また、検査対象物にロゴが付されていたり、検査対象物にエッジが存在したりする場合、ロゴやエッジが領域内に含まれないように、領域を広げる方向や領域を広げる拡大率を決定してよい。これにより、領域に含まれる欠陥以外の背景模様が、補正前後で大きく異なることが無いように補正の方法を決定することができ、識別器によって画像に含まれる欠陥とその他の部分の対比が適切に行える学習用データを生成することができる。

生成部１２１は、補正部１２３により補正された領域を画像に関連付けて、学習用データを生成する。生成部１２１は、補正部１２３により複数の領域が補正された場合、補正後の複数の領域を画像に関連付けて、複数の学習用データを生成してもよい。これにより、画像が複数の欠陥を含み、欠陥が含まれている複数の領域を、ほとんど欠陥のみ含むように指定した場合であっても、識別器によって画像に含まれる欠陥とその他の部分の対比が適切に行える学習用データを生成することができる。

生成部１２１は、補正部１２３により複数の異なる補正が行われた、複数の補正された領域を画像に関連付けて、補正部１２３により行われた複数の異なる補正に対応する複数の学習用データの候補を生成してもよい。ここで、生成された複数の学習用データの候補は、そのすべてが実際的に学習用データとして使用されなくてもよい。すなわち、生成された複数の学習用データの候補は、その一部又は全部が学習用データとして選択されるものであってよい。

修正画像ＤＢ１２２は、生成部１２１により生成された新たな学習用データを格納し、記憶する。修正画像ＤＢ１２２は、計測画像及びユーザインタフェース１７０から受け付けた領域を一時的に記憶してもよいし、サンプル画像及びユーザインタフェース１８０から受け付けた領域を一時的に記憶してもよい。

画像修正部１２０は、生成部１２１により生成した複数の学習用データの候補を、異なる識別器（ａ、ｂ、ｃ、Ａ、Ｂ、・・・）の学習に適用して、入力された画像に基づいて検査対象物に欠陥が含まれているか否かを識別する複数の識別器（ａ、ｂ、ｃ、Ａ、Ｂ、・・・）を第１学習部１３０又は第２学習部１４０によって学習させてよい。画像修正部１２０は、例えば、補正部１２３により領域の拡大率を３段階に変化させて補正を行った場合に、第１段階の拡大率で補正を行った複数の領域を含む複数の第１学習用データの候補を用いて識別器（ａ、ｂ、ｃ、Ａ、Ｂ、・・・）を第１学習部１３０又は第２学習部１４０によって学習させ、第２段階の拡大率で補正を行った複数の領域を含む複数の第２学習用データの候補を用いて識別器（ａ、ｂ、ｃ、Ａ、Ｂ、・・・）を第１学習部１３０又は第２学習部１４０によって学習させ、３段階の拡大率で補正を行った複数の領域を含む複数の第３学習用データの候補を用いて識別器（ａ、ｂ、ｃ、Ａ、Ｂ、・・・）を第１学習部１３０又は第２学習部１４０によって学習させてよい。これにより、いずれの補正方法が識別器（ａ、ｂ、ｃ、Ａ、Ｂ、・・・）の識別性能を向上させるのに最適であるかを試行することができる。

選択部１２４は、第１学習部１３０又は第２学習部１４０により学習された複数の学習済みの識別器の識別性能に基づいて、複数の学習用データの候補から１又は複数の学習用データを選択する。生成された複数の学習用データをそれぞれ独立に用いて識別器を学習させ、その識別性能に基づいて１又は複数の学習用データを選択することで、識別器によって画像に含まれる欠陥とその他の部分の対比がより適切に行える学習用データを選別することができる。特に、新たな学習用データを生成する場面においては、機械学習に関する知見の少ない作業者の操作によって、学習用データを生成する場合がある。このような場合でも、本態様によれば、各工程で生じる検査対象物の欠陥に対応した新たな学習用データを容易に生成することができ、ひいては、新たな学習用データを使用した識別器を生成することで、各工程に適した識別器を生成することができ、識別精度を向上させることができる。

また、選択部１２４は、補正部１２３により補正を行う前の領域と、補正部１２３により補正を行った後の領域との類似度に基づいて、複数の学習用データの候補から１又は複数の学習用データを選択してもよい。なお、補正前後の領域の類似度は、例えば、白黒の濃淡度、エッジの個数及び強度を使用することができる。例えば、濃淡度は、領域に含まれる画素の明度で表される。したがって、濃淡度を使用する場合、領域内の画素の濃淡度の平均値を算出し、補正前の領域内の平均値Ｎ１と、補正後の領域内の平均値Ｎ２とを比較し、両者の差が予め定められた閾値Ｍ未満の場合には、類似であると判断して学習用データとして採用してよい。また、例えば、エッジの個数を使用する場合、補正前後での領域に含まれるエッジの個数を算出し、補正前のエッジの個数Ｅ１と補正後のエッジの個数Ｅ２とを比較し、両者の差が予め定めたエッジの個数の差Ｄ未満の場合には、類似であると判断して、学習用データとして採用してよい。このとき、領域のエッジの算出は、Ｓｏｂｅｌフィルタ、ラプラシアンフィルタ等の既知の手法を用いることができる。なお、補正前後の領域の類似度は、濃淡度、エッジの個数、その他の指標を、複数組み合わせて算出するようにしてもよい。

類似度が所定の値を上回る場合、補正後の領域が関連付けられた画像を学習用データとして採用して、類似度が所定の値を下回る場合、補正後の領域が関連付けられた画像を学習用データとして採用しないこととしてよい。補正前後の領域について類似度を算出することで、例えば、検査対象物に対してヘアライン加工等が施されて一定の均一性のあるテクスチャパターンが表れている場合に、当該テクスチャパターンの態様が類似するように領域が補正されているか否かを判定することができる。また、検査対象物にロゴが付されていたり、検査対象物にエッジが存在したりする場合、類似度を算出することで、ロゴやエッジが領域内に含まれないように領域が補正されているか否かを判定することができる。これにより、補正した後に領域に含まれる画像部位が欠陥と誤判定される要因にならないように、学習用データの採否を選択することができ、識別器によって画像に含まれる欠陥とその他の部分の対比がより適切に行える学習用データを選別することができる。

選択部１２４は、補正部１２３により補正を行う前の領域の外縁の画素値と、補正部１２３により補正を行った後の領域の外縁の画素値との相関に基づいて、類似度を算出してよい。領域の外縁を広げることで、補正後の領域の外縁に補正前の領域には含まれていなかった画像部位が含まれることになる。例えば、この画像部位にロゴ等の特徴的な模様が含まれる場合、この画像部位が欠陥と誤判定される要因となり得る。しかしながら、補正前後における外縁の画素値の相関に基づいて類似度を算出することで、誤判定の要因となり得る補正後の領域を学習用データから除外することができる。

なお、選択部１２４は、補正部１２３によって、指定された領域の外縁が狭まるように領域を補正する場合に、補正を行う前の領域の外縁の画素値と、補正を行った後の領域の外縁の画素値との相関に基づいて、類似度を算出してもよい。例えば、領域の外縁を狭めることで、欠陥の一部が補正後の領域からはみ出して、欠陥が補正後の領域の外縁を横切ってしまう場合に、そのような補正後の領域を学習用データから除外することができる。

［ハードウェア構成］
次に、図４を用いて、本実施形態に係るデータ生成装置１００のハードウェア構成の一例を説明する。本実施形態に係るデータ生成装置１００は、演算装置１０１、出力装置１９１、入力装置１９２及び撮像装置１５３を備える情報処理装置であってよい。ここで、出力装置１９１及び入力装置１９２は、ユーザインタフェース１７０及びユーザインタフェース１８０を構成する。

演算装置１０１は、補助記憶部１０２、１０３、プロセッサ１０４、主記憶部１０５及び外部インタフェース（以下、「外部Ｉ／Ｆ」と称す。）を含むものであってよい。

演算装置１０１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を含み、情報処理に応じて各構成要素の制御を行う。プロセッサ１０４は、ＣＰＵを含んでよく、補助記憶部１０２、１０３及び主記憶部１０５は、ＲＡＭ及びＲＯＭを含んでよい。補助記憶部１０２は、例えば、ハードディスクドライブ、ソリッドステートドライブ等であってもよく、プロセッサ１０４で実行されるデータ生成プログラム１０２ａ、撮像装置１５３により撮像された計測画像１０２ｂ及び学習用データ１０２ｃ等を記憶してよい。また、補助記憶部１０２、１０３は、画像上の欠陥を含む領域を拡縮する目標値である、領域内の欠陥を示す画素と正常部位を示す画素との適正割合を記憶していてもよい。例えば、領域に含まれる欠陥を示す画素と正常部位を示す画素との比が、１．０より大きい、すなわち、欠陥を示す画素が相対的に多い場合には、正常部位を示す画素が多くなるように領域の外縁を拡縮する。このとき、適正割合は、例えば、正常部位を示す画素が相対的に多くなるように、１．０未満、好ましくは０．５未満とすることができる。補助記憶部１０３及び主記憶部１０５は、補助記憶部１０２と同様に、例えば、ハードディスクドライブやソリッドステートドライブ等であってもよい。データ生成プログラム１０２ａは、前述の、画像収集部１１０、画像修正部１２０、第１学習部１３０、第２学習部１４０、計測部１５０及び計測結果管理部１６０の機能を実現するための処理を行うためのプログラムであり、当該プログラムがプロセッサ１０４によって実行されることにより、各機能が実現される。なお、データ生成プログラム１０２ａは、画像収集部１１０、画像修正部１２０、第１学習部１３０、第２学習部１４０、計測部１５０及び計測結果管理部１６０のうち一部の機能を実現するための処理を行うためのプログラムであってもよいし、これら以外の機能を実現するための処理を行うためのプログラムを含んでもよい。

外部Ｉ／Ｆ１０６は、ＵＳＢ（Universal Serial Bus）ポート等であり、出力装置１９１、入力装置１９２及び撮像装置１５３等の外部装置と接続するためのインタフェースである。なお、データ生成装置は、有線ＬＡＮ（Local Area Network）モジュールや無線ＬＡＮモジュール等、ネットワークを介した有線又は無線通信を行うためのインタフェースを備えてもよい。

記憶媒体は、コンピュータ等の装置によって、記憶されたプログラム等の情報を読み取り可能なように、当該プログラム等の情報を、電気的、磁気的、光学的、機械的又は化学的作用によって蓄積する媒体である。記憶媒体は、例えば、ＣＤ（Compact Disk）やＤＶＤ（Digital Versatile Disk）等であり、データ生成プログラム１０２ａを記憶したものであってよい。記憶媒体に記憶されたデータ生成プログラム１０２ａは、補助記憶部１０３にコピーされ、補助記憶部１０２や主記憶部１０５にコピーされてよい。図４では、記憶媒体の一例として、ＣＤ、ＤＶＤ等のディスク型の記憶媒体を例示している。しかしながら、記憶媒体の種類は、ディスク型に限定される訳ではなく、ディスク型以外であってもよい。ディスク型以外の記憶媒体として、例えば、フラッシュメモリ等の半導体メモリを挙げることができる。また、データ生成装置１００は、データ生成プログラム１０２ａ等のデータを、有線又は無線通信によってネットワークを介して取得してもよい。

なお、データ生成装置１００の具体的なハードウェア構成は、実施形態に応じて、適宜、構成要素を省略、置換及び追加されてもよい。例えば、演算装置１０１は、複数のプロセッサを含んでもよいし、ＧＰＵ（Graphical Processing Unit）やＦＰＧＡ（Field Programmable Gate Array）を含んでもよい。また、データ生成装置１００は、複数台の情報処理装置で構成されてもよい。データ生成装置１００は、提供されるサービス専用に設計された情報処理装置の他、汎用のデスクトップＰＣ（Personal Computer）、タブレットＰＣ等で構成されてもよい。

§３ 動作例
図５は、本実施形態に係るデータ生成装置１００による画像の領域の補正の例を示す図である。同図の左上には、スマートフォンの背面を撮像した計測画像と、その計測画像に含まれる３つの欠陥を囲む領域Ｒ１、Ｒ２及びＲ３を破線で指定した例を示している。ここで、領域Ｒ１、Ｒ２及びＲ３は、第２作業者によって指定されたものとする。領域Ｒ１及び領域Ｒ２は、横長の欠陥を囲むように、長辺と短辺の差が比較的大きい矩形で指定されている。また、領域Ｒ３は、折れ線状の欠陥を囲むように、長辺と短辺の差が比較的小さい矩形で指定されている。ここで、領域Ｒ１、Ｒ２及びＲ３を指定する破線が、領域Ｒ１、Ｒ２及びＲ３の外縁にあたる。すなわち、領域の外縁とは、領域の外周部分であり、実質的に領域の境界と同義である。本例のスマートフォンの背面には、「ｏｍ」の文字（ロゴ）が付されており、左上にはカメラのための開口が設けられている。

図５の右上には、領域の補正の第１例を示し、右下には領域の補正の第２例を示し、左下には領域の補正の第３例を示している。領域の補正の第１例では、第２作業者によって指定された領域Ｒ１、Ｒ２及びＲ３それぞれを、領域の外縁を第１拡大率で広げるように補正して、領域Ｒ１ａ、Ｒ２ａ及びＲ３ａとしている。また、領域の補正の第２例では、第２作業者によって指定された領域Ｒ１、Ｒ２及びＲ３それぞれを、領域の外縁を第２拡大率で広げるように補正して、領域Ｒ１ｂ、Ｒ２ｂ及びＲ３ｂとしている。ここで、第２拡大率は、第１拡大率よりも大きい。このように、補正部１２３は、領域に対して複数の異なる補正を行ってよい。複数の異なる補正が行われた領域を画像に関連付けて、複数の学習用データを生成することで、欠陥とその他の部分の対比の行い易さがそれぞれ異なる学習用データを生成することができる。

領域の補正の第３例では、第２作業者によって指定された領域Ｒ１、Ｒ２及びＲ３それぞれを、拡大と変形を組み合わせて補正して、領域Ｒ１ｃ、Ｒ２ｃ及びＲ３ｃとしている。このうち領域Ｒ１ｃは、補正前の領域Ｒ１と比較して、長辺よりも短辺の拡大率が大きくなるように補正されている。また、短辺の拡大は、「ｏｍ」の文字と重ならない範囲で行われている。このように、補正部１２３は、領域に含まれる欠陥以外の背景模様に基づいて、領域の補正の方法を決定してよい。すなわち、補正前に領域内に文字や部品のエッジが含まれていない場合には、補正後の領域内に文字や部品のエッジが含まれないように、補正の方法を決定してよい。

また、領域Ｒ２ｃは、補正前の領域Ｒ２が矩形であるのに対して、楕円形状となるように補正されている。このように、補正部１２３は、領域の外形を変化させてもよい。さらに、領域Ｒ３ｃは、補正前の領域Ｒ３と同様に矩形であるが、補正前の領域Ｒ３に対して回転して配置された矩形であり、補正前の領域Ｒ３よりも面積が大きくなるように補正されている。このように、補正部１２３は、領域を回転させてもよい。

図６は、本実施形態に係るデータ生成装置１００により実行される第１処理の内容を示すフローチャートである。第１処理は、画像のうち欠陥が含まれている領域の入力を受け付け、当該領域を補正した上で画像に関連付けて、新たな学習用データを生成する処理である。データ生成装置１００は、はじめに検査対象物の画像を取得する（Ｓ１０）。ここで、画像は、予め画像ＤＢ１１２に記憶されたサンプル画像であってもよいし、撮像装置１５３によって新たに撮像された計測画像であってもよい。

データ生成装置１００は、ユーザインタフェース１７０、１８０によって、画像のうち欠陥が含まれている領域の入力を受け付ける（Ｓ１１）。なお、領域の入力方法については、次図を用いて詳細に説明する。

データ生成装置１００の補正部１２３は、入力された領域について、複数の異なる補正を行う（Ｓ１２）。補正部１２３は、例えば、入力された領域を複数の異なる拡大率で拡大したり、複数の異なる角度で回転させたり、複数の異なる形状に変形したりしてよい。

データ生成装置１００の生成部１２１は、複数の異なる補正が行われた領域を画像に関連付けて、複数の学習用データの候補を生成する（Ｓ１３）。選択部１２４は、補正前の領域の外縁と、補正後の領域の外縁との相関に基づいて、類似度を算出し（Ｓ１４）、類似度に基づいて学習用データの候補を絞り込む（Ｓ１５）。選択部１２４は、補正前の領域との類似度が所定値より小さい補正後の領域が関連付けられた画像を学習用データとして採用せず、補正前の領域との類似度が所定値以上である補正後の領域が関連付けられた画像を学習用データとして採用することとしてよい。

第１学習部１３０又は第２学習部１４０は、絞り込まれた複数の学習用データの候補をそれぞれ独立に用いて、識別器（ａ、ｂ、ｃ、Ａ、Ｂ、…）を学習させる（Ｓ１６）。そして、選択部１２４は、複数の学習済みの識別器（ａ、ｂ、ｃ、Ａ、Ｂ、…）の識別性能に基づいて、複数の学習用データの候補から１又は複数の学習用データを選択する。選択部１２４は、複数の学習用データの候補をそれぞれ独立に用いて学習された識別器（ａ、ｂ、ｃ、Ａ、Ｂ、…）のうち、識別性能が所定値以上となった学習用データの候補を１又は複数の学習用データとして選択してよく、識別性能が所定値に達しなかった学習用データの候補を学習用データとして選択しないこととしてよい。以上により、第１処理が終了する。

本実施形態に係るデータ生成装置１００によれば、欠陥が含まれている領域を、ほとんど欠陥のみ含むように指定した場合であっても、欠陥とその他の部分が適切に含まれるように領域を補正するため、識別器によって画像に含まれる欠陥とその他の部分の対比が適切に行える学習用データを生成することができる。よって、識別器の学習処理を行う場合に、比較的少ない演算量でより判定精度の高い識別器を生成することができるようになる。

図７は、本実施形態に係るデータ生成装置１００による画像の領域の指定の例を示す図である。データ生成装置１００は、ユーザインタフェース１７０、１８０（入力部）によって、画像の欠陥が含まれている領域を指定する情報の入力を受け付け、入力部により入力された情報に基づいて、画像の欠陥が含まれている領域を取得する。ここで、領域を指定する情報は、領域を指定する１又は複数の点であったり、線であったり、面であったりしてよい。入力部は、例えばタッチパネルであったり、マウス等のポインティングデバイスであったりしてよく、画像の点の入力を受け付けたり、線の入力や矩形等の多角形の入力を受け付けたり、楕円の入力を受け付けたりしてよい。このような入力部を備えることで、検査対象物の画像を確認した作業者から、欠陥が含まれている領域の指定を受け付けることができる。

本例において、入力部は、画像の欠陥が含まれている領域Ｒ１の内点を指定する、画像の複数の点ｐ１及びｐ２の入力を受け付ける。点ｐ１及びｐ２は、欠陥の両端に位置するように入力され、データ生成装置１００は、入力された点ｐ１及びｐ２に基づいて、点ｐ１及びｐ２を内包するような矩形領域によって領域Ｒ１を生成する。このように、設定される領域の内側の点を指定させることで、欠陥がどのような形状であっても、検査対象物の画像を確認する作業者が、簡易な操作で欠陥が含まれている領域の指定を行うことができる。

また、本例において、入力部は、画像の欠陥が含まれている領域Ｒ４の外形を指定する、画像の複数の点ｐ３、ｐ４及びｐ５の入力を受け付ける。点ｐ３、ｐ４及びｐ５は、欠陥の端点及び屈曲点に位置するように入力され、データ生成装置１００は、入力された点ｐ３、ｐ４及びｐ５に基づいて、点ｐ３、ｐ４及びｐ５を包絡するような三角形領域によって領域Ｒ４を生成する。このように、領域の外形を指定させることで、欠陥がどのような形状であっても、検査対象物の画像を確認する作業者が、簡易な操作で欠陥が含まれている領域の指定を行うことができる。

図８は、本実施形態に係るデータ生成装置１００により実行される第２処理の内容を示すフローチャートである。第２処理は、画像について欠陥が含まれる領域の入力が行われた後に実行される処理であり、領域の補正を行う処理である。なお、第２処理は、画像について欠陥が含まれる領域の入力が行われた後に実行される処理であって、第１処理とは別個に行われてよい。また、第２処理は、第１処理のＳ１１とＳ１２との間に行われ、Ｓ１２の補正の方法を決定するための処理として実行されてよい。

データ生成装置１００は、取得した画像に対して入力された領域のうち、欠陥以外の背景模様がヘアラインであるか否かを判定する（Ｓ２０）。欠陥以外の背景模様がヘアラインでない場合（Ｓ２０：ＮＯ）、補正部１２３は、領域に含まれる欠陥と、欠陥以外との割合に基づいて、複数の拡大率を決定する（Ｓ２１）。補正部１２３は、領域全体に対する欠陥が占める割合が大きいほど、拡大率が大きくなるように決定してよい。

一方、欠陥以外の背景模様がヘアラインである場合（Ｓ２０：ＹＥＳ）、補正部１２３は、領域に含まれる欠陥と、欠陥以外との割合の変化が比較的小さくなるように、複数の拡大率を決定する（Ｓ２２）。検査対象物にヘアライン加工が施されている場合、指定された領域を大きく変化させると、様々なヘアラインのパターンが領域に含まれることとなり、それらのパターンが欠陥と誤認識されることがある。そのため、指定された領域をあまり変化させないように領域を補正した方が、識別器の識別性能をより向上させるような学習用データを生成することができる。なお、図８では、欠陥以外の背景模様がヘアラインであるか否かに応じて、補正の方式を変更するようにしたが、この例に限られない。例えば、取得した画像の欠陥以外の背景模様が、一様であるか否かに応じて、補正の方式を変更するようにしてよい。また、図８では、変更する補正の方式として複数の拡大率を設定する方式を採用しているが、この例に限られない。例えば、補正によって広げる外縁の方向を、変更するようにしてもよい。

補正部１２３は、決定された拡大率に従うことを前提として、ロゴやエッジに重ならないように領域を補正する（Ｓ２３）。すなわち、仮に、決定された拡大率で指定された領域を拡大した場合に、領域内にロゴやエッジが含まれることとなる場合、少なくともロゴやエッジに接近する方向に関する領域の拡大を行わないこととして、領域内にロゴやエッジが含まれないように領域を補正する。これにより、ロゴやエッジが欠陥として誤認識されることが防止され、誤認識の要因を排除した学習用データを生成することができる。以上により、第２処理が終了する。このように、取得した画像の欠陥以外の背景模様が、所定のパターンを有するか否か等の、背景模様の種別に応じて、補正の方式を変更するようにすることで、補正後の領域に含まれる欠陥以外の画像部位が欠陥であると誤認識される可能性を低減することができる。

以上説明した実施形態は、本発明の理解を容易にするためのものであり、本発明を限定して解釈するためのものではない。実施形態が備える各要素並びにその配置、材料、条件、形状及びサイズ等は、例示したものに限定されるわけではなく適宜変更することができる。また、異なる実施形態で示した構成同士を部分的に置換し又は組み合わせることが可能である。

［付記１］
欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得する取得部（１５３、１７０、１８０）と、
前記取得部（１５３、１７０、１８０）により取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正する補正部（１２３）と、
前記補正部により補正された領域を前記画像に関連付けて、学習用データを生成する生成部（１２１）と、
を備えるデータ生成装置（１００）。

［付記２］
前記補正部（１２３）は、前記取得部（１５３、１７０、１８０）により取得された領域に対して複数の異なる補正を行い、
前記生成部（１２１）は、前記補正部（１２３）により複数の異なる補正が行われた前記領域を前記画像に関連付けて、前記補正部（１２３）により行われた複数の異なる補正に対応する複数の学習用データの候補を生成する、
付記１に記載のデータ生成装置。

［付記３］
前記補正部（１２３）は、前記取得部（１５３、１７０、１８０）により取得された領域に含まれる前記欠陥以外の背景模様に基づいて、前記領域の補正の方法を決定する、
付記１又は２に記載のデータ生成装置。

［付記４］
前記複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、入力された画像に基づいて前記検査対象物に欠陥が含まれているか否かを識別する複数の識別器を学習させる学習部（１３０、１４０）と、
前記学習部（１３０、１４０）により学習された、複数の学習済みの識別器（ａ、ｂ、ｃ、Ａ、Ｂ）の識別性能に基づいて、前記複数の学習用データの候補から１又は複数の学習用データを選択する選択部（１２４）と、をさらに備える、
付記２に記載のデータ生成装置。

［付記５］
前記選択部（１２４）は、前記補正部（１２３）により補正を行う前の領域と、前記補正部（１２３）により補正を行った後の領域との類似度に基づいて、前記複数の学習用データの候補から前記１又は複数の学習用データを選択する、
付記４に記載のデータ生成装置。

［付記６］
前記選択部（１２４）は、前記補正部（１２３）により補正を行う前の領域の外縁の画素値と、前記補正部（１２３）により補正を行った後の領域の外縁の画素値との相関に基づいて、前記類似度を算出する、
付記５に記載のデータ生成装置。

［付記７］
前記取得部（１５３、１７０、１８０）は、複数の欠陥を有する検査対象物の画像と、前記画像の前記複数の欠陥のうち１つがそれぞれ含まれる複数の領域とを取得し、
前記補正部（１２３）は、前記取得部（１５３、１７０、１８０）により取得された複数の領域それぞれについて、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正し、
前記生成部（１２１）は、前記補正部により補正された前記複数の領域を前記画像に関連付けて、学習用データを生成する、
付記１から６のいずれか一項に記載のデータ生成装置。

［付記８］
前記画像の前記欠陥が含まれている領域を指定する情報の入力を受け付ける入力部（１７０、１８０）をさらに備え、
前記取得部（１５３、１７０、１８０）は、前記入力部（１７０、１８０）により入力された情報に基づいて、前記画像の前記欠陥が含まれている領域を取得する、
付記１から７のいずれか一項に記載のデータ生成装置。

［付記９］
前記入力部（１７０、１８０）は、前記画像の前記欠陥が含まれている領域の内点を指定する、前記画像の１又は複数の点の入力を受け付ける、
付記８に記載のデータ生成装置。

［付記１０］
前記内点は、前記画像の前記欠陥の端点を含む、
付記９に記載のデータ生成装置。

［付記１１］
前記入力部（１７０、１８０）は、前記画像の前記欠陥が含まれている領域の外形を指定する、前記画像の１又は複数の点の入力を受け付ける、
付記８から１０のいずれか一項に記載のデータ生成装置。

［付記１２］
前記補正部（１２３）は、所定の条件を満たす場合に、前記領域の外縁が狭まるように、前記領域を補正する、
付記１から１１のいずれか一項に記載のデータ生成装置。

［付記１３］
前記補正部（１２３）は、前記取得部（１５３、１７０、１８０）により取得された領域に含まれる前記欠陥とその他の部分との割合に基づいて、前記領域の外縁の拡縮率を決定する、
付記１から１２のいずれか一項に記載のデータ生成装置。

［付記１４］
欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得することと、
取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正することと、
補正された領域を前記画像に関連付けて、学習用データを生成することと、
を含むデータ生成方法。

［付記１５］
データ生成装置（１００）に備えられた演算装置を、
欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得する取得部（１５３、１７０、１８０）、
前記取得部（１５３、１７０、１８０）により取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正する補正部（１２３）、及び
前記補正部により補正された領域を前記画像に関連付けて、学習用データを生成する生成部（１２１）、
として動作させるデータ生成プログラム。

１００…データ生成装置、１０１…演算装置、１０２…補助記憶部、１０２ａ…データ生成プログラム、１０２ｂ…計測画像、１０２ｃ…学習用データ、１０３…補助記憶部、１０４…プロセッサ、１０５…主記憶部、１０６…外部Ｉ／Ｆ、１１０…画像収集部、１１１…属性付与部、１１２…画像ＤＢ、１１３…画像補正部、１２０…画像修正部、１２１…生成部、１２２…修正画像ＤＢ、１２３…補正部、１２４…選択部、１３０…第１学習部、１３１…第１学習処理部、１４０…第２学習部、１４１…第２学習処理部、１５０…計測部、１５１…学習結果ＤＢ、１５２…判定部、１５３…撮像装置、１６０…計測結果管理部、１６１…計測結果ＤＢ、１７０…ユーザインタフェース、１８０…ユーザインタフェース、１９１…出力装置、１９２…入力装置

Claims (11)

1. 欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得する取得部と、
   前記取得部により取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正する補正部であって、前記取得部により取得された領域に対して複数の異なる補正を行う、補正部と、
   前記補正部により複数の異なる補正が行われた、複数の補正された領域と前記画像とを関連付けて、前記補正部により行われた複数の異なる補正に対応する複数の学習用データの候補を生成する生成部と、
   前記複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、入力された画像に基づいて前記検査対象物に欠陥が含まれているか否かを識別する複数の識別器を学習させる学習部と、
   前記学習部により学習された、複数の学習済みの識別器の識別性能に基づいて、前記複数の学習用データの候補から１又は複数の学習用データを選択する選択部であって、前記補正部により補正を行う前の領域の外縁の画素値と、前記補正部により補正を行った後の領域の外縁の画素値との相関に基づいて算出した類似度に基づいて、前記複数の学習用データの候補から前記１又は複数の学習用データを選択する、選択部と、
   を備えるデータ生成装置。
2. 前記補正部は、前記取得部により取得された領域に含まれる前記欠陥以外の背景模様に基づいて、前記領域の補正の方法を決定する、
   請求項１に記載のデータ生成装置。
3. 前記取得部は、複数の欠陥を有する検査対象物の画像と、前記画像の前記複数の欠陥のうち１つがそれぞれ含まれる複数の領域とを取得し、
   前記補正部は、前記取得部により取得された複数の領域それぞれについて、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正し、
   前記生成部は、前記補正部により補正された複数の領域を前記画像に関連付けて、学習用データを生成する、
   請求項１又は２に記載のデータ生成装置。
4. 前記画像の前記欠陥が含まれている領域を指定する情報の入力を受け付ける入力部をさらに備え、
   前記取得部は、前記入力部により入力された情報に基づいて、前記画像の前記欠陥が含まれている領域を取得する、
   請求項１から３のいずれか一項に記載のデータ生成装置。
5. 前記入力部は、前記画像の前記欠陥が含まれている領域の内点を指定する、前記画像の１又は複数の点の入力を受け付ける、
   請求項４に記載のデータ生成装置。
6. 前記内点は、前記画像の前記欠陥の端点を含む、
   請求項５に記載のデータ生成装置。
7. 前記入力部は、前記画像の前記欠陥が含まれている領域の外形を指定する、前記画像の１又は複数の点の入力を受け付ける、
   請求項４から６のいずれか一項に記載のデータ生成装置。
8. 前記補正部は、所定の条件を満たす場合に、前記領域の外縁が狭まるように、前記領域を補正する、
   請求項１から７のいずれか一項に記載のデータ生成装置。
9. 前記補正部は、前記取得部により取得された領域に含まれる前記欠陥とその他の部分との割合に基づいて、前記領域の外縁の拡縮率を決定する、
   請求項１から８のいずれか一項に記載のデータ生成装置。
10. 欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得することと、
    取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正することであって、取得された領域に対して複数の異なる補正を行う、ことと、
    複数の異なる補正が行われた、複数の補正された領域と前記画像とを関連付けて、複数の異なる補正に対応する複数の学習用データの候補を生成することと、
    前記複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、入力された画像に基づいて前記検査対象物に欠陥が含まれているか否かを識別する複数の識別器を学習させることと、
    学習された、複数の学習済みの識別器の識別性能に基づいて、前記複数の学習用データの候補から１又は複数の学習用データを選択することであって、補正を行う前の領域の外縁の画素値と、補正を行った後の領域の外縁の画素値との相関に基づいて算出した類似度に基づいて、前記複数の学習用データの候補から前記１又は複数の学習用データを選択する、ことと、
    を含むデータ生成方法。
11. データ生成装置に備えられた演算装置を、
    欠陥を有する検査対象物の画像及び前記画像の前記欠陥が含まれている領域を取得する取得部、
    前記取得部により取得された領域を、前記領域の内部に含まれる画素が所定量多くなるように、前記領域の外縁を広げるように補正する補正部であって、前記取得部により取得された領域に対して複数の異なる補正を行う、補正部、
    前記補正部により複数の異なる補正が行われた、複数の補正された領域と前記画像とを関連付けて、前記補正部により行われた複数の異なる補正に対応する複数の学習用データの候補を生成する生成部、
    前記複数の学習用データの候補それぞれを、異なる識別器の学習に適用して、入力された画像に基づいて前記検査対象物に欠陥が含まれているか否かを識別する複数の識別器を学習させる学習部、及び
    前記学習部により学習された、複数の学習済みの識別器の識別性能に基づいて、前記複数の学習用データの候補から１又は複数の学習用データを選択する選択部であって、前記補正部により補正を行う前の領域の外縁の画素値と、前記補正部により補正を行った後の領域の外縁の画素値との相関に基づいて算出した類似度に基づいて、前記複数の学習用データの候補から前記１又は複数の学習用データを選択する、選択部、
    として動作させるデータ生成プログラム。
    

Images