JP7175061B1 - プログラム、情報処理装置、及び方法 - Google Patents
プログラム、情報処理装置、及び方法 Download PDFInfo
- Publication number
- JP7175061B1 JP7175061B1 JP2022104244A JP2022104244A JP7175061B1 JP 7175061 B1 JP7175061 B1 JP 7175061B1 JP 2022104244 A JP2022104244 A JP 2022104244A JP 2022104244 A JP2022104244 A JP 2022104244A JP 7175061 B1 JP7175061 B1 JP 7175061B1
- Authority
- JP
- Japan
- Prior art keywords
- image
- subject
- storage unit
- images
- input
- 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
- 230000010365 information processing Effects 0.000 title claims description 49
- 238000000034 method Methods 0.000 title description 28
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004891 communication Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 14
- 238000004458 analytical method Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
Abstract
Description
CNNモデルにおいて検出される対象は、入力される画像によっては適切な推論が行えない。例えば、顔の表情、肌の状態などについて推論する場合、CNNモデルではオブジェクト化して光源を変更することが難しい。このため、対象の微小な変化を推論するCNNモデルを学習するためには、光源を変更した学習データが多数必要となる。
図1は、第1実施形態の情報処理システム1の構成を示すブロック図である。図1に示すように、情報処理システム1は、情報処理装置10、ユーザ端末20、及びネットワーク30を含む。情報処理装置10と、ユーザ端末20とは、有線又は無線の通信規格を用いて、ネットワーク30を介して相互に通信可能に接続されている。
情報処理装置10は、例えば、ラップトップパソコン又はラックマウント型若しくはタワー型等のコンピュータ、スマートフォン等である。情報処理装置10は、複数の情報処理装置10により、1つのシステムとして構成される、冗長化構成される等されてもよい。情報処理装置10を実現することに要する複数の機能の配分の仕方は、各ハードウェアの処理能力、情報処理装置10に求められる仕様等に鑑みて適宜決定することができる。
図4は、第1データDB121の例である。図4に示すように、第1データDB121のレコードのそれぞれは、項目「ID」、項目「ユーザID」、項目「画像データ」、項目「パラメータ」、項目「日時」などを含む。なお、ここに示す項目はすべてではなく、他の項目があっても構わない。
(条件1)第1画像の画素値の平均が、明るすぎることを判定するための第1閾値以下となること。
(条件2)第1画像の画素値の平均が、暗すぎることを判定するための第2閾値以上となること。
(条件3)第1画像の画素値の標準偏差が、コントラスト又は輝度が弱すぎることを判定するための第3閾値以下となること。
(条件4)及び、前記画像の画素値の標準偏差が、コントラスト又は輝度が強すぎることを判定するための第4閾値以上となること。
次に、図9及び図10を用いて、本開示に係るユーザ端末20について説明する。本開示に係るユーザ端末20は、ユーザに学習済みモデルを用いて分類結果を表示する分類処理等を実行するための装置である。
以下では、情報処理装置10における処理について図面を参照しながら説明する。
図11は、情報処理装置10による学習データ生成処理を行う流れの一例を示すフローチャートである。情報処理装置10は、当該処理を、任意のタイミングにおいて実行する。
図12は、情報処理装置10による学習処理を行う流れの一例を示すフローチャートである。情報処理装置10は、当該処理を、任意のタイミング(例えば、学習処理開始信号の受信など)において実行する。
図13は、ユーザ端末20による分類処理を行う流れの一例を示すフローチャートである。ユーザ端末20は、当該処理を、ユーザの操作により撮影アプリの起動等の所定の信号を受信したこと等により実行する。なお、図11と同様の処理は、同一の符号を付して、説明を省略する。
以上説明したように、本開示の技術は、記憶部に蓄積されている情報に基づき、撮影された画像における、被写体への光の当たり方に関する所定のパラメータが一定の条件を満たす画像を記憶部から取得する。本開示の技術は、取得した当該画像に基づいて、当該パラメータを一定の範囲で変更した画像を複数生成する。本開示の技術は、生成された複数の画像を、撮影画像の入力を受け付けて当該撮影画像に含まれる被写体の状態を分類するための学習済みモデルを生成するための学習データとして出力する。これにより、本開示の技術は、微小な変化を学習するための様々な条件の学習データを、低コストに増やすことができる。
以上、開示に係る実施形態について説明したが、これらはその他の様々な形態で実施することが可能であり、種々の省略、置換及び変更を行なって実施することができる。これらの実施形態及び変形例ならびに省略、置換及び変更を行なったものは、特許請求の範囲の技術的範囲とその均等の範囲に含まれる。
以上の各実施形態で説明した事項を、以下に付記する。
10 情報処理装置
11 プロセッサ
12 メモリ
13 ストレージ
14 通信IF
15 入出力IF
16 カメラ
20 ユーザ端末
21 プロセッサ
22 メモリ
23 ストレージ
24 通信IF
25 入出力IF
26 カメラ
30 ネットワーク
110 通信部
120 記憶部
121 第1データDB
122 第2データDB
130 制御部
131 受信制御部
132 送信制御部
133 表示部
134 取得部
135 解析部
136 生成部
137 学習部
210 通信部
220 記憶部
230 制御部
231 受信制御部
232 送信制御部
233 表示部
234 取得部
235 抽出部
Claims (10)
- プロセッサを備えるコンピュータに処理を行わせるプログラムであって、前記プロセッサに、
記憶部に蓄積されている情報に基づき、撮影された画像における、被写体への光の当たり方に関する所定のパラメータが一定の条件を満たす画像を前記記憶部から取得するステップと、
取得した前記画像に基づいて、前記パラメータを一定の範囲で変更した画像を複数生成するステップと、
生成された複数の画像を、撮影画像の入力を受け付けて前記撮影画像に含まれる被写体の状態を分類するための学習済みモデルを生成するための学習データとして出力するステップと、
を実行させるプログラム。 - 前記取得するステップにおいて、前記被写体を撮影する画面において前記被写体を撮影した場合の画像の明るさに関する情報を解析することにより、撮影する者に対して前記一定の条件を満たすことを表示することにより前記撮影する者により撮影された、前記所定のパラメータが一定の条件を満たす画像を、前記記憶部から取得する、
請求項1に記載のプログラム。 - 前記取得するステップにおいて、前記所定のパラメータが一定の条件を満たす画像として、明るさに関するパラメータが所定の範囲内である画像を、前記記憶部から取得する、
請求項2に記載のプログラム。 - 前記取得するステップにおいて、前記所定のパラメータが一定の条件を満たす画像として、前記画像の画素値の平均が、明るすぎることを判定するための第1閾値以下となること、前記画像の画素値の平均が、暗すぎることを判定するための第2閾値以上となること、前記画像の画素値の標準偏差が、コントラスト又は輝度が弱すぎることを判定するための第3閾値以下となること、及び、前記画像の画素値の標準偏差が、コントラスト又は輝度が強すぎることを判定するための第4閾値以上となることの何れか1以上を満たす画像を、前記記憶部から取得する、
請求項2に記載のプログラム。 - 前記取得するステップにおいて、前記所定のパラメータが一定の条件を満たす画像として、前記画像の画素値の平均が、明るすぎることを判定するための第1閾値以下となること、前記画像の画素値の平均が、暗すぎることを判定するための第2閾値以上となること、前記画像の画素値の標準偏差が、コントラスト又は輝度が弱すぎることを判定するための第3閾値以下となること、及び、前記画像の画素値の標準偏差が、コントラスト又は輝度が強すぎることを判定するための第4閾値以上となることの何れも満たす画像を、前記記憶部から取得する、
請求項2に記載のプログラム。 - 前記被写体の状態は、肌に関する状態である、
請求項2に記載のプログラム。 - 前記学習データを用いて、被写体を含む撮影画像の入力を受け付けて前記撮影画像に含まれる被写体の状態を分類した結果を出力するモデルを学習するステップ、
を実行させ、
前記出力するステップにおいて、学習した前記モデルを出力する、
請求項1~請求項6の何れかに記載のプログラム。 - 前記被写体を含む画像の入力を受け付けるステップと、
前記入力を受け付けた前記画像と、学習した前記モデルとを用いて、前記入力を受け付けた前記画像に含まれる前記被写体の状態を分類した結果を求めるステップと、
を実行させ、
前記出力するステップにおいて、前記分類した結果を出力する、
請求項7に記載のプログラム。 - プロセッサを備える情報処理装置であって、前記プロセッサが、
記憶部に蓄積されている情報に基づき、撮影された画像における、被写体への光の当たり方に関する所定のパラメータが一定の条件を満たす画像を前記記憶部から取得するステップと、
取得した前記画像に基づいて、前記パラメータを一定の範囲で変更した画像を複数生成するステップと、
生成された複数の画像を、撮影画像の入力を受け付けて前記撮影画像に含まれる被写体の状態を分類するための学習済みモデルを生成するための学習データとして出力するステップと、
を実行する情報処理装置。 - プロセッサを備えるコンピュータが、
記憶部に蓄積されている情報に基づき、撮影された画像における、被写体への光の当たり方に関する所定のパラメータが一定の条件を満たす画像を前記記憶部から取得するステップと、
取得した前記画像に基づいて、前記パラメータを一定の範囲で変更した画像を複数生成するステップと、
生成された複数の画像を、撮影画像の入力を受け付けて前記撮影画像に含まれる被写体の状態を分類するための学習済みモデルを生成するための学習データとして出力するステップと、
を実行する方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022104244A JP7175061B1 (ja) | 2022-06-29 | 2022-06-29 | プログラム、情報処理装置、及び方法 |
JP2022173882A JP2024006876A (ja) | 2022-06-29 | 2022-10-31 | プログラム、情報処理装置、及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022104244A JP7175061B1 (ja) | 2022-06-29 | 2022-06-29 | プログラム、情報処理装置、及び方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022173882A Division JP2024006876A (ja) | 2022-06-29 | 2022-10-31 | プログラム、情報処理装置、及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7175061B1 true JP7175061B1 (ja) | 2022-11-18 |
JP2024004581A JP2024004581A (ja) | 2024-01-17 |
Family
ID=84101917
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022104244A Active JP7175061B1 (ja) | 2022-06-29 | 2022-06-29 | プログラム、情報処理装置、及び方法 |
JP2022173882A Pending JP2024006876A (ja) | 2022-06-29 | 2022-10-31 | プログラム、情報処理装置、及び方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022173882A Pending JP2024006876A (ja) | 2022-06-29 | 2022-10-31 | プログラム、情報処理装置、及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7175061B1 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006338103A (ja) | 2005-05-31 | 2006-12-14 | Nec Corp | パラメータ学習装置、パラメータ学習方法、およびプログラム |
JP2016062225A (ja) | 2014-09-17 | 2016-04-25 | 大日本印刷株式会社 | 画像生成装置、画像検出システム及び画像生成方法 |
JP2020166397A (ja) | 2019-03-28 | 2020-10-08 | パナソニックIpマネジメント株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP2022512044A (ja) | 2018-12-04 | 2022-02-01 | ジャン・ルオウェイ | 深層学習を用いた自動的な画像ベースの皮膚診断 |
-
2022
- 2022-06-29 JP JP2022104244A patent/JP7175061B1/ja active Active
- 2022-10-31 JP JP2022173882A patent/JP2024006876A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006338103A (ja) | 2005-05-31 | 2006-12-14 | Nec Corp | パラメータ学習装置、パラメータ学習方法、およびプログラム |
JP2016062225A (ja) | 2014-09-17 | 2016-04-25 | 大日本印刷株式会社 | 画像生成装置、画像検出システム及び画像生成方法 |
JP2022512044A (ja) | 2018-12-04 | 2022-02-01 | ジャン・ルオウェイ | 深層学習を用いた自動的な画像ベースの皮膚診断 |
JP2020166397A (ja) | 2019-03-28 | 2020-10-08 | パナソニックIpマネジメント株式会社 | 画像処理装置、画像処理方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2024004581A (ja) | 2024-01-17 |
JP2024006876A (ja) | 2024-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11222239B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
WO2019120029A1 (zh) | 智能调节屏幕亮度的方法、装置、存储介质及移动终端 | |
CN108805047B (zh) | 一种活体检测方法、装置、电子设备和计算机可读介质 | |
WO2019137167A1 (zh) | 相册管理方法、装置、存储介质及电子设备 | |
US11977981B2 (en) | Device for automatically capturing photo or video about specific moment, and operation method thereof | |
CN112019739A (zh) | 一种拍摄控制方法、装置、电子设备及存储介质 | |
JP2007265125A (ja) | コンテンツ表示装置 | |
CN114641982B (zh) | 用于执行环境光图像校正的系统 | |
JP2020057111A (ja) | 表情判定システム、プログラム及び表情判定方法 | |
WO2021047069A1 (zh) | 人脸识别方法和电子终端设备 | |
CN110858316A (zh) | 对时间序列图像数据进行分类 | |
CN111279684A (zh) | 拍摄控制方法及电子装置 | |
JP2013157984A (ja) | Ui提供方法およびそれを適用した映像受信装置 | |
CN111589138B (zh) | 动作预测方法、装置、设备及存储介质 | |
CN111654622B (zh) | 拍摄对焦方法、装置、电子设备及存储介质 | |
CN113160231A (zh) | 一种样本生成方法、样本生成装置及电子设备 | |
CN109986553B (zh) | 一种主动交互的机器人、系统、方法及存储装置 | |
CN103716536A (zh) | 生成动态图片的方法及系统 | |
JP6707715B2 (ja) | 学習装置、推定装置、学習方法及びプログラム | |
JP7175061B1 (ja) | プログラム、情報処理装置、及び方法 | |
CN110519526B (zh) | 曝光时长控制方法、装置、存储介质及电子设备 | |
CN109218620B (zh) | 基于环境亮度的拍照方法、装置、存储介质及移动终端 | |
CN112333511A (zh) | 智能电视的控制方法、装置、设备及计算机可读存储介质 | |
WO2023001110A1 (zh) | 神经网络训练方法、装置及电子设备 | |
JP6859641B2 (ja) | 評価システム、情報処理装置およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220629 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220629 |
|
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: 20220902 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220928 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221031 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7175061 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |