JP7171478B2 - 情報処理方法、及び情報処理システム - Google Patents
情報処理方法、及び情報処理システム Download PDFInfo
- Publication number
- JP7171478B2 JP7171478B2 JP2019048768A JP2019048768A JP7171478B2 JP 7171478 B2 JP7171478 B2 JP 7171478B2 JP 2019048768 A JP2019048768 A JP 2019048768A JP 2019048768 A JP2019048768 A JP 2019048768A JP 7171478 B2 JP7171478 B2 JP 7171478B2
- Authority
- JP
- Japan
- Prior art keywords
- learning model
- data
- difference
- learning
- information processing
- 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
- Image Analysis (AREA)
Description
近年、ADAS(Advanced Driver-Assistance System)、自動運転システム等の車載
組込みシステムにおいて、機械学習を用いた認識システムには、学習モデルを用いて推論することが求められている。
まず、第1実施の形態に係る情報処理システムについて説明する。この情報処理システムは、浮動小数点演算処理を行う第1学習モデルを、整数演算処理を行う第2学習モデルに変換するシステムであって、第1学習モデルと第2学習モデルとに対して同じデータを入力した場合において生じる、第1学習モデルの出力データと第2学習モデルの出力データとの差を低減させるように、第1学習モデルに再学習させるシステムである。
図1は、第1実施の形態に係る情報処理システム1の構成を示すブロック図である。
以下、上記構成の情報処理システム1の行う処理について説明する。
上述したように、情報処理システム1によると、第1学習モデル50は、第1差分データに加えて、第2学習モデル60による第2差分データをも用いて再学習する。また、第1学習モデル50の再学習において、第1学習モデル50から第2学習モデル60への変換処理内容を反映させる必要がない。これらのことから、情報処理システム1によると、第1学習モデル50から第2学習モデル60への変換処理内容が不明であったとしても、第1学習モデル50と第2学習モデル60とに対して同じデータを入力した場合において生じる、第1学習モデル50の出力データと第2学習モデル60の出力データとの差を低減することができる。
次に、第2実施の形態に係る情報処理システムについて説明する。なお、第1実施の形態と同じ構成については説明を省略する。
図5は、第2実施の形態に係る情報処理システム1Aの構成を示すブロック図である。
以下、上記構成の情報処理システム1Aの行う処理について説明する。図7は、学習モデルの第2更新処理のフローチャートである。
このように、第2実施の形態に係る情報処理システム1Aによると、第1学習モデル50は、第1差分データに加えて、第1出力データと第2出力データとを近づけるための第3差分データをも用いて再学習する。第2出力データが第1出力データに近づくように第1学習モデル50の学習を実行することにより、第1学習モデル50に第2学習モデル60の認識性能を近づけることができる。したがって、第1学習モデル50から第2学習モデル60への変換処理内容が不明であったとしても、第1学習モデル50と第2学習モデル60とに対して同じデータを入力した場合において生じる、第1学習モデル50の出力データと第2学習モデル60の出力データとの差を低減することができる。
以上、本開示の1つまたは複数の態様に係る情報処理システムについて、第1実施の形態及び第2実施の形態に基づいて説明したが、本開示は、これら実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、異なる実施の形態における構成要素を組み合わせて構築される形態も、本開示の1つまたは複数の態様の範囲内に含まれてもよい。
10 取得部
20 算出部
30 学習部
40 変換部
50 第1学習モデル
60 第2学習モデル
Claims (7)
- コンピュータを用いて、
第1学習モデルの入力データに対する第1出力データ、前記入力データに対する正解データ、及び、前記第1学習モデルの変換により得られる第2学習モデルの前記入力データに対する第2出力データ、を取得し、
前記第1出力データと前記正解データとの差分に対応する第1差分データ、及び、前記第2出力データと前記正解データとの差分に対応する第2差分データ、を算出し、
前記第1差分データ、及び前記第2差分データを用いて、前記第1学習モデルの学習を行う
情報処理方法。 - 前記学習では、前記第1差分データ、及び前記第2差分データに重み付けをする
請求項1に記載の情報処理方法。 - 前記重み付けでは、前記第1差分データの重みの方を、前記第2差分データの重みよりも大きくする
請求項2に記載の情報処理方法。 - 前記学習では、さらに、前記第1差分データと前記第2差分データとの差分を用いる
請求項1に記載の情報処理方法。 - 前記学習では、前記第1差分データ、前記第2差分データ、及び、前記第1差分データと前記第2差分データとの差分、に重み付けをする
請求項4に記載の情報処理方法。 - 前記第1学習モデル、及び前記第2学習モデルは、ニューラルネットワーク型の学習モデルである
請求項1から請求項5のいずれか1項に記載の情報処理方法。 - 第1学習モデルの入力データに対する第1出力データ、前記入力データに対する正解データ、及び、前記第1学習モデルの変換により得られる第2学習モデルの前記入力データに対する第2出力データ、を取得する取得部と、
前記第1出力データと前記正解データとの差分に対応する第1差分データ、及び、前記第2出力データと前記正解データとの差分に対応する第2差分データ、を算出する算出部と、
前記第1差分データ、及び前記第2差分データを用いて、前記第1学習モデルの学習を行う学習部と、を備える
情報処理システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910671225.2A CN110826721A (zh) | 2018-08-09 | 2019-07-24 | 信息处理方法及信息处理系统 |
US16/529,102 US11715031B2 (en) | 2018-08-09 | 2019-08-01 | Information processing method and information processing system for reducing a difference between output data of a first learning model and output data of a second learning model |
EP19189952.5A EP3611671A1 (en) | 2018-08-09 | 2019-08-05 | Information processing method and information processing system |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018150393 | 2018-08-09 | ||
JP2018150393 | 2018-08-09 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020027604A JP2020027604A (ja) | 2020-02-20 |
JP7171478B2 true JP7171478B2 (ja) | 2022-11-15 |
Family
ID=69620221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019048768A Active JP7171478B2 (ja) | 2018-08-09 | 2019-03-15 | 情報処理方法、及び情報処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7171478B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017189576A (ja) * | 2016-04-12 | 2017-10-19 | 株式会社三洋物産 | 遊技機 |
JP2017189575A (ja) * | 2016-04-12 | 2017-10-19 | 株式会社三洋物産 | 遊技機 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017074966A1 (en) | 2015-10-26 | 2017-05-04 | Netradyne Inc. | Joint processing for embedded data inference |
JP2017531255A (ja) | 2014-09-12 | 2017-10-19 | マイクロソフト コーポレーションMicrosoft Corporation | 出力分布による生徒dnnの学習 |
JP2019133626A (ja) | 2018-01-29 | 2019-08-08 | 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Panasonic Intellectual Property Corporation of America | 情報処理方法及び情報処理システム |
-
2019
- 2019-03-15 JP JP2019048768A patent/JP7171478B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017531255A (ja) | 2014-09-12 | 2017-10-19 | マイクロソフト コーポレーションMicrosoft Corporation | 出力分布による生徒dnnの学習 |
WO2017074966A1 (en) | 2015-10-26 | 2017-05-04 | Netradyne Inc. | Joint processing for embedded data inference |
JP2019133626A (ja) | 2018-01-29 | 2019-08-08 | 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Panasonic Intellectual Property Corporation of America | 情報処理方法及び情報処理システム |
Also Published As
Publication number | Publication date |
---|---|
JP2020027604A (ja) | 2020-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109754066B (zh) | 用于生成定点型神经网络的方法和装置 | |
WO2019100724A1 (zh) | 训练多标签分类模型的方法和装置 | |
WO2019100723A1 (zh) | 训练多标签分类模型的方法和装置 | |
US11715031B2 (en) | Information processing method and information processing system for reducing a difference between output data of a first learning model and output data of a second learning model | |
CN111352656B (zh) | 使用按位运算的神经网络设备和方法 | |
WO2018011842A1 (ja) | 階層ネットワークを用いた演算処理システム | |
CN109816009A (zh) | 基于图卷积的多标签图像分类方法、装置及设备 | |
CN111695415A (zh) | 图像识别模型的构建方法、识别方法及相关设备 | |
EP3836029A1 (en) | Apparatus and method with neural network implementation of domain adaptation | |
US11790234B2 (en) | Resource-aware training for neural networks | |
CN110781686B (zh) | 一种语句相似度计算方法、装置及计算机设备 | |
TWI751668B (zh) | 影像歸一化處理方法、電腦可讀取記錄媒體和電子設備 | |
JP7171478B2 (ja) | 情報処理方法、及び情報処理システム | |
WO2020190526A1 (en) | Mixed precision training of an artificial neural network | |
JP2019133628A (ja) | 情報処理方法及び情報処理システム | |
JP6673226B2 (ja) | 特徴変換装置、認識装置、特徴変換方法及びコンピュータ読み取り可能記録媒体 | |
CN114037882A (zh) | 边缘人工智能装置、电子装置及其方法 | |
KR20220065209A (ko) | 다양한 품질의 영상을 인식하는 방법 및 장치 | |
CN114071141A (zh) | 一种图像处理方法及其设备 | |
WO2020026475A1 (ja) | ニューラルネットワーク用プロセッサ、ニューラルネットワーク用処理方法、および、プログラム | |
WO2022246986A1 (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
CN110503152A (zh) | 用于目标检测的双路神经网络训练方法及图像处理方法 | |
WO2021037174A1 (zh) | 一种神经网络模型训练方法及装置 | |
JP2019028484A (ja) | 属性識別装置、属性識別モデル学習装置、方法、及びプログラム | |
JP7031686B2 (ja) | 画像認識システム、方法およびプログラム、並びにパラメータ学習システム、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211013 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221017 |
|
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: 20221025 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221102 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7171478 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |