JP7176285B2 - 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
- JP7176285B2 JP7176285B2 JP2018149618A JP2018149618A JP7176285B2 JP 7176285 B2 JP7176285 B2 JP 7176285B2 JP 2018149618 A JP2018149618 A JP 2018149618A JP 2018149618 A JP2018149618 A JP 2018149618A JP 7176285 B2 JP7176285 B2 JP 7176285B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- training
- batch
- training data
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (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6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と同様に訓練データの評価を行うが、基準モデルを変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データ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、バッチデータを単位として、評価の高い訓練データを選定していたのに対し、第2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。
13 評価部,14 出力部,15 訓練データ選定部,20 訓練データ記憶部,
21 バッチデータ記憶部,22 基準モデル記憶部,23 テストデータ記憶部,
24 選定バッチデータ記憶部,25 選定訓練データ記憶部,30 繰返処理部
Claims (9)
- 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(11)と、
前記訓練データの一部を適用して基準モデルを生成する基準モデル生成部(10)と、
前記バッチデータを用いて前記基準モデルの訓練を行い、前記バッチデータのそれぞれに対応する複数の訓練後モデルを生成する訓練処理部(12)と、
前記複数の訓練後モデルにテストデータを適用して、前記それぞれの訓練後モデルを評価することによって、当該訓練後モデルを生成したバッチデータを評価する評価部(13)と、
前記バッチデータの評価結果を出力する出力部(14)と、
を備える訓練データ評価装置(1)。 - 前記評価部(13)は、
(i)前記基準モデルよりも精度が高い前記訓練後モデルに対応するバッチデータ、
(ii)前記基準モデルよりも所定の閾値以上、精度が高くなった前記訓練後モデルに対応するバッチデータ、
(iii)精度が高い方から所定個数の前記訓練後モデルに対応するバッチデータ、
の少なくともいずれかのバッチデータを選択する請求項1に記載の訓練データ評価装置(1)。 - 前記評価部(13)は、
(i)前記基準モデルよりも精度が低い前記訓練後モデルに対応するバッチデータ、
(ii)前記基準モデルよりも所定の閾値以上、精度が低くなった前記訓練後モデルに対応するバッチデータ、
(iii)精度が低い方から所定個数の前記訓練後モデルに対応するバッチデータ、
の少なくもいずれかのバッチデータを選択する請求項1に記載の訓練データ評価装置(1)。 - 前記基準モデル生成部(10)は、前記訓練データのうちの一部のデータを用いてモデルを訓練することによって生成する請求項1乃至3のいずれかに記載の訓練データ評価装置(1)。
- 前記基準モデル生成部(10)は、ノード間にランダムな重み付けを有するモデルを基準モデルとして生成する請求項1乃至3のいずれかに記載の訓練データ評価装置(1)。
- 前記基準モデル生成部(10)、前記バッチデータ生成部(11)、前記訓練処理部(12)および前記評価部(13)による処理を繰り返し行い、所定の条件を満たす訓練後モデルを生成した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(15)と、
を備える請求項1乃至5のいずれかに記載の訓練データ評価装置(2)。 - 前記基準モデル生成部(10)、前記バッチデータ生成部(11)、前記訓練処理部(12)および前記評価部(13)による処理を繰り返し行い、所定の条件を満たす訓練後モデルを生成したバッチデータを選定する繰返処理部(30)と、
(i)前記繰返処理部(30)にて選定された全てのバッチデータ、または、(ii)全てのバッチデータの中から精度の高い方から、または精度の低い方から所定の個数の訓練データ、のいずれかを選定する訓練データ選定部(15)と、
を備える請求項1乃至5のいずれかに記載の訓練データ評価装置(2)。 - 訓練データを複数のバッチデータに分けるステップと、
前記訓練データの一部を適用して基準モデルを生成するステップと、
前記バッチデータを用いて前記基準モデルの訓練を行い、前記バッチデータのそれぞれに対応する複数の訓練後モデルを生成するステップと、
前記複数の訓練後モデルにテストデータを適用して、前記それぞれの訓練後モデルを評価することによって、当該訓練後モデルを生成したバッチデータを評価するステップと、
前記バッチデータの評価結果を出力するステップと、
を備える訓練データ評価方法。 - 訓練データの評価を行う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、
前記訓練データの一部を適用して基準モデルを生成するステップと、
前記バッチデータを用いて前記基準モデルの訓練を行い、前記バッチデータのそれぞれに対応する複数の訓練後モデルを生成するステップと、
前記複数の訓練後モデルにテストデータを適用して、前記それぞれの訓練後モデルを評価することによって、当該訓練後モデルを生成したバッチデータを評価するステップと、
前記バッチデータの評価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 |
---|---|---|---|
JP2018149618A JP7176285B2 (ja) | 2018-08-08 | 2018-08-08 | 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 |
---|---|---|---|
JP2018149618A JP7176285B2 (ja) | 2018-08-08 | 2018-08-08 | 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 |
---|---|
JP2020024633A JP2020024633A (ja) | 2020-02-13 |
JP7176285B2 true JP7176285B2 (ja) | 2022-11-22 |
Family
ID=69619454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018149618A Active JP7176285B2 (ja) | 2018-08-08 | 2018-08-08 | 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) | JP7176285B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6927343B1 (ja) | 2020-02-17 | 2021-08-25 | ダイキン工業株式会社 | 圧縮機 |
JP2021157654A (ja) * | 2020-03-27 | 2021-10-07 | Kyb株式会社 | 機械学習装置、学習モデルの生成方法及びプログラム |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007249051A (ja) | 2006-03-17 | 2007-09-27 | Nippon Telegr & Teleph Corp <Ntt> | 音響モデル作成装置、音響モデル作成方法、そのプログラムおよびその記録媒体 |
JP2009128490A (ja) | 2007-11-21 | 2009-06-11 | Nippon Telegr & Teleph Corp <Ntt> | 学習データ選択装置、学習データ選択方法、プログラムおよび記録媒体、音響モデル作成装置、音響モデル作成方法、プログラムおよび記録媒体 |
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 |
JP2016522459A (ja) | 2013-08-13 | 2016-07-28 | 三菱電機株式会社 | パターン認識装置およびパターン認識方法 |
WO2018062265A1 (ja) | 2016-09-30 | 2018-04-05 | 日本電信電話株式会社 | 音響モデル学習装置、その方法、及びプログラム |
-
2018
- 2018-08-08 JP JP2018149618A patent/JP7176285B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007249051A (ja) | 2006-03-17 | 2007-09-27 | Nippon Telegr & Teleph Corp <Ntt> | 音響モデル作成装置、音響モデル作成方法、そのプログラムおよびその記録媒体 |
JP2009128490A (ja) | 2007-11-21 | 2009-06-11 | Nippon Telegr & Teleph Corp <Ntt> | 学習データ選択装置、学習データ選択方法、プログラムおよび記録媒体、音響モデル作成装置、音響モデル作成方法、プログラムおよび記録媒体 |
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 |
JP2016522459A (ja) | 2013-08-13 | 2016-07-28 | 三菱電機株式会社 | パターン認識装置およびパターン認識方法 |
WO2018062265A1 (ja) | 2016-09-30 | 2018-04-05 | 日本電信電話株式会社 | 音響モデル学習装置、その方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2020024633A (ja) | 2020-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11651259B2 (en) | Neural architecture search for convolutional neural networks | |
US11003995B2 (en) | Semi-supervised regression with generative adversarial networks | |
Jenkins et al. | Accident scenario generation with recurrent neural networks | |
JP6849932B2 (ja) | 高精密度のイメージを分析するためのディープラーニングネットワークを使用するためにトレーニングイメージをオートラベリングするオートラベルリング装置のハイパーパラメータを最適化する方法、及びこれを利用した最適化装置 | |
EP3385909B1 (en) | Optical flow determination system | |
KR20170052344A (ko) | 신규 물질 탐색 방법 및 장치 | |
US20210012183A1 (en) | Method and device for ascertaining a network configuration of a neural network | |
CN109657077A (zh) | 模型训练方法、车道线生成方法、设备及存储介质 | |
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 | |
CN104866868A (zh) | 基于深度神经网络的金属币识别方法和装置 | |
US20200384989A1 (en) | Method for the improved detection of objects by a driver assistance system | |
CN114175068A (zh) | 一种通过使用自适应超参数集的多阶段学习对自动驾驶汽车的机器学习网络进行设备上学习的方法及使用其的设备上学习装置 | |
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 | |
US20230236088A1 (en) | Computer-aided method and device for predicting speeds for vehicles on the basis of probability | |
US20220197227A1 (en) | Method and device for activating a technical unit | |
Zubair et al. | Performance enhancement of adaptive neural networks based on learning rate | |
KR20230096901A (ko) | 자율 주행 차량의 학습을 위한 데이터 증식 방법 및 그를 위한 장치 | |
Arbabi et al. | Planning for autonomous driving via interaction-aware probabilistic action policies | |
CN111142026B (zh) | 一种数据处理方法、装置及电子设备 | |
US20220207401A1 (en) | Optimization device, optimization method, and program | |
Toubeh et al. | Risk-aware planning by confidence estimation using deep learning-based perception | |
CN116168062B (zh) | 一种3d目标跟踪方法及装置 | |
US20240078437A1 (en) | Method for training a generative adversarial network | |
US20240177471A1 (en) | Automatically ascertaining an optimal architecture for a neural network | |
CN114418203B (zh) | 基于碰撞关键特征数据的乘员损伤预测方法及装置 |
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: 20220531 |
|
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: 20221011 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221024 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7176285 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |