JP7095467B2 - 訓練データ評価装置、訓練データ評価方法、およびプログラム - Google Patents
訓練データ評価装置、訓練データ評価方法、およびプログラム Download PDFInfo
- Publication number
- JP7095467B2 JP7095467B2 JP2018144881A JP2018144881A JP7095467B2 JP 7095467 B2 JP7095467 B2 JP 7095467B2 JP 2018144881 A JP2018144881 A JP 2018144881A JP 2018144881 A JP2018144881 A JP 2018144881A JP 7095467 B2 JP7095467 B2 JP 7095467B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- training
- model
- batch
- batch data
- 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
Landscapes
- Debugging And Monitoring (AREA)
Description
図1は、第1の実施の形態の訓練データ評価装置1の構成を示す図である。訓練データ評価装置1は、評価の対象となる訓練データを記憶した訓練データ記憶部20を有している。訓練データによって生成するモデルの要件は、例えば、「自車線上の自動車を認識すること」であり、このための訓練データは、フロントガラスから撮影した画像に自動車を示す境界ボックスを付した大量の画像である。
図5は、第2の実施の形態の訓練データ評価装置2の構成を示す図である。第2の実施の形態の訓練データ評価装置2の基本的な構成は、第1の実施の形態の訓練データ評価装置1と同じであるが、第2の実施の形態の訓練データ評価装置2は、訓練過程のモデルを記憶する訓練経過記憶部22を備えていない。第2の実施の形態の訓練データ評価装置2は、モデルの訓練を行いながら、モデルの評価を行う点が異なる。
図7は、第3の実施の形態の訓練データ評価装置3の構成を示す図である。第3の実施の形態の訓練データ評価装置3は、上記した第1の実施の形態の訓練データ評価装置1と同様にバッチデータの評価を行うが、バッチを組み替えてバッチデータの評価を繰り返し行う。そして、異なる試行で選定されたバッチに共通して含まれる訓練データを選定する。すなわち、第1の実施の形態では、バッチを単位として、評価の高い訓練データを選定していたのに対し、第3の実施の形態では各訓練データの単位で評価の高い訓練データを選定する。
図10は、第4の実施の形態の訓練データ評価装置4の構成を示す図である。第4の実施の形態の訓練データ評価装置4の基本的な構成は第1の実施の形態の訓練データ評価装置1と同じであるが、第4の実施の形態の訓練データ評価装置4は、選定されたバッチデータの検証を行う検証部15をさらに備えている。検証部15は、選定されたバッチデータを除く訓練データを用いてモデルを生成し、生成したモデルにテストデータを適用して評価を行う。
12 追跡処理部,13 出力部,14 訓練データ選定部,15 検証部,
20 訓練データ記憶部,21 バッチデータ記憶部,22 訓練経過記憶部,
23 テストデータ記憶部,24 追跡結果記憶部,25 選定バッチデータ記憶部,
26 選定訓練データ記憶部,30 繰返処理部,31 データ評価部
Claims (11)
- 訓練データを複数のバッチデータに分けるバッチデータ生成部(10)と、
複数のバッチデータを順次用いてモデルの訓練を行う訓練処理部(11)と、
前記バッチデータを順次適用した訓練によって変化していく過程のモデルと、それぞれのモデルを生成したバッチデータの情報とを記憶した訓練経過記憶部(22)と、
前記訓練経過記憶部(22)に記憶された複数のモデルにテストデータを適用して、前記各モデルを評価し、各モデルの評価結果に基づいてバッチデータを選定する追跡処理部(12)と、
前記バッチデータの選定結果を出力する出力部(13)と、
を備える訓練データ評価装置(1)。 - 前記追跡処理部(12)は、テストデータに対する正解率が最も良いモデルに対応するバッチデータを選定する請求項1に記載の訓練データ評価装置(1)。
- 前記モデルは、ニューラルネットワークのモデルであり、
前記追跡処理部(12)は、ニューラルネットワークのモデルから出力される判定の確信度に基づいて、バッチデータを選定する請求項1に記載の訓練データ評価装置(1)。 - 前記追跡処理部(12)は、前記モデルの評価結果を最後に良い方向へ変化させたバッチデータを選定する請求項1に記載の訓練データ評価装置(1)。
- 前記追跡処理部(12)は、前記モデルの評価結果を所定の閾値より大きく良い方向へ変化させたバッチデータを選定する請求項1に記載の訓練データ評価装置(1)。
- 前記追跡処理部(12)は、複数の異なる手法でバッチデータを選定し、選定されたバッチデータの和をとる請求項1に記載の訓練データ評価装置(1)。
- 前記バッチデータ生成部(10)にて、異なるバッチデータを生成して、前記訓練処理部(11)および前記追跡処理部(12)による処理を繰り返し行い、バッチデータを選定する繰返処理部(30)と、
前記繰返処理部(30)にて選定されたバッチデータに共通に含まれる訓練データを選定する訓練データ選定部(14)と、
を備える請求項1に記載の訓練データ評価装置(3)。 - 前記追跡処理部(12)は、前記訓練経過記憶部(22)に記憶されている複数のモデルのうち、初期に生成されたモデルについては、評価を行わない請求項1に記載の訓練データ評価装置(1)。
- 前記追跡処理部(12)にて選定されたバッチデータを除く訓練データを使ってモデルを生成し、当該モデルにテストデータを適用してモデルを評価することによって、前記追跡処理部(12)にて選定されたバッチデータの検証を行う検証部(15)を備える請求項1に記載の訓練データ評価装置(4)。
- 訓練データを複数のバッチデータに分けるステップ(S10)と、
複数のバッチデータを順次用いてモデルの訓練を行うステップ(S12)と、
前記バッチデータを順次適用した訓練によって変化していく過程のモデルと、それぞれのモデルを生成したバッチデータの情報とを訓練経過記憶部(22)に記憶するステップ(S13)と、
前記訓練経過記憶部(22)に記憶された複数のモデルにテストデータを適用して、前記各モデルを評価し、各モデルの評価結果に基づいてバッチデータを選定するステップ(S17)と、
前記バッチデータの選定結果を出力するステップ(S18)と、
を備える訓練データ評価方法。 - 訓練データを評価するためのプログラムであって、コンピュータに、
訓練データを複数のバッチデータに分けるステップと、
複数のバッチデータを順次用いてモデルの訓練を行うステップと、
前記バッチデータを順次適用した訓練によって変化していく過程のモデルと、それぞれのモデルを生成したバッチデータの情報とを訓練経過記憶部に記憶したステップと、
前記訓練経過記憶部に記憶された複数のモデルにテストデータを適用して、前記各モデルを評価し、各モデルの評価結果に基づいてバッチデータを選定するステップと、
前記バッチデータの選定結果を出力するステップと、
を実行させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018144881A JP7095467B2 (ja) | 2018-08-01 | 2018-08-01 | 訓練データ評価装置、訓練データ評価方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018144881A JP7095467B2 (ja) | 2018-08-01 | 2018-08-01 | 訓練データ評価装置、訓練データ評価方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020021301A JP2020021301A (ja) | 2020-02-06 |
JP7095467B2 true JP7095467B2 (ja) | 2022-07-05 |
Family
ID=69587607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018144881A Active JP7095467B2 (ja) | 2018-08-01 | 2018-08-01 | 訓練データ評価装置、訓練データ評価方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7095467B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7468088B2 (ja) | 2020-02-18 | 2024-04-16 | 東洋製罐グループホールディングス株式会社 | 画像処理システム、及び画像処理プログラム |
GB2618265A (en) * | 2021-02-25 | 2023-11-01 | Mitsubishi Electric Corp | Loss contribution detecting method and loss contribution detecting system |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010152751A (ja) | 2008-12-25 | 2010-07-08 | Nec Corp | 統計モデル学習装置、統計モデル学習方法、およびプログラム |
JP2015232847A (ja) | 2014-06-10 | 2015-12-24 | 株式会社東芝 | 検出装置、修正システム、検出方法およびプログラム |
JP2018045559A (ja) | 2016-09-16 | 2018-03-22 | 富士通株式会社 | 情報処理装置、情報処理方法およびプログラム |
-
2018
- 2018-08-01 JP JP2018144881A patent/JP7095467B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010152751A (ja) | 2008-12-25 | 2010-07-08 | Nec Corp | 統計モデル学習装置、統計モデル学習方法、およびプログラム |
JP2015232847A (ja) | 2014-06-10 | 2015-12-24 | 株式会社東芝 | 検出装置、修正システム、検出方法およびプログラム |
JP2018045559A (ja) | 2016-09-16 | 2018-03-22 | 富士通株式会社 | 情報処理装置、情報処理方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020021301A (ja) | 2020-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11853072B2 (en) | System and method for real world autonomous vehicle trajectory simulation | |
Bhattacharyya et al. | Multi-agent imitation learning for driving simulation | |
US20220363259A1 (en) | Method for generating lane changing decision-making model, method for lane changing decision-making of unmanned vehicle and electronic device | |
KR102457974B1 (ko) | 신규 물질 탐색 방법 및 장치 | |
CN110520868B (zh) | 用于分布式强化学习的方法、程序产品和存储介质 | |
CN110574046A (zh) | 各种行为的数据有效模仿 | |
CN111406267A (zh) | 使用性能预测神经网络的神经架构搜索 | |
US10677686B2 (en) | Method and apparatus for autonomous system performance and grading | |
US20230359780A1 (en) | Computer-implemented method for providing a test process for traffic scenarios to be tested | |
CN108665072A (zh) | 一种基于云架构的机器学习算法全过程训练方法及系统 | |
CN109657077A (zh) | 模型训练方法、车道线生成方法、设备及存储介质 | |
JP7095467B2 (ja) | 訓練データ評価装置、訓練データ評価方法、およびプログラム | |
JP7176285B2 (ja) | 訓練データ評価装置、訓練データ評価方法、およびプログラム | |
CN114162144A (zh) | 自动驾驶决策方法、装置以及电子设备 | |
KR102271736B1 (ko) | 자동화된 기계 학습 방법 및 그 장치 | |
Wu et al. | Experimentally determining passivity indices: Theory and simulation | |
CN113379654A (zh) | 动态路由的块鉴别器 | |
Arbabi et al. | Planning for autonomous driving via interaction-aware probabilistic action policies | |
KR20230096901A (ko) | 자율 주행 차량의 학습을 위한 데이터 증식 방법 및 그를 위한 장치 | |
JP2019091177A (ja) | 学習支援システム、学習支援方法、および学習支援処理プログラム | |
US11669773B2 (en) | Electronic devices generating verification vector for verifying semiconductor circuit and methods of operating the same | |
CN111077769A (zh) | 用于控制或调节技术系统的方法 | |
JP7093527B2 (ja) | 情報処理装置、方法、プログラム及びシステム | |
EP4078299B1 (en) | Manufacturing or controlling a technical system using an optimized parameter set | |
US20240177471A1 (en) | Automatically ascertaining an optimal architecture for a neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210318 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220322 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220405 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220511 |
|
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: 20220524 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220606 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7095467 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |