JP7200713B2 - 機械学習用教師データ作成支援方法、及び機械学習用教師データ作成支援プログラム - Google Patents
機械学習用教師データ作成支援方法、及び機械学習用教師データ作成支援プログラム Download PDFInfo
- Publication number
- JP7200713B2 JP7200713B2 JP2019017973A JP2019017973A JP7200713B2 JP 7200713 B2 JP7200713 B2 JP 7200713B2 JP 2019017973 A JP2019017973 A JP 2019017973A JP 2019017973 A JP2019017973 A JP 2019017973A JP 7200713 B2 JP7200713 B2 JP 7200713B2
- Authority
- JP
- Japan
- Prior art keywords
- label information
- machine learning
- image
- teacher data
- recognition
- 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
Description
(1)実際に複数個の電子部品を平面上にランダムに置き、その状態をカメラで撮影して画像を取得する。
(2)作業者が、(1)で取得された画像上で観察される各部品について、その位置(位置座標)と向きの情報(正解データ)を手作業で入力する。こうした作業は一般にアノテーションと呼ばれ、入力作業を支援するアノテーションツールも市販されている。例えば、こうした正解データは画像に対応するxmlファイルで表現される。
(3)上記(1)及び(2)の作業を多数回(通常、数十回~数百回)繰り返す。
複数の認識対象物が配置された状態を撮影した画像と、該画像中の各認識対象物について、位置、向き、認識対象物自体の形態又は態様、の少なくとも一つの項目に関して正解であるラベル情報を取得する基本情報取得ステップと、
前記複数の認識対象物のそれぞれについて、前記ラベル情報として与えられている、画像中での位置、向き、それ自体の形態又は態様、の少なくとも一つの項目に関し、それぞれ異なる複数のバリエーションを加えた複数のラベル情報を生成する事前ラベル情報生成ステップと、
前記事前ラベル情報生成ステップにおいて生成された複数のラベル情報にそれぞれ合わせて、前記基本情報取得ステップで取得された画像中の認識対象物の位置、向き、それ自体の形態又は態様、の少なくとも一つを変更した複数の画像を画像加工処理により作成する画像加工処理ステップと、
前記事前ラベル情報生成ステップにおいて生成されたラベル情報と、それに対応して前記画像加工処理ステップで作成された画像と、を組として所定形式の教師データを出力する教師データ出力ステップと、
を有し、前記事前ラベル情報生成ステップでは、実験計画法の一つであるラテン方格法を用いて、認識対象物に対する異なる複数のバリエーションを加えたラベル情報の割り当てを決定することを特徴としている。
複数の認識対象物が配置された画像に対し機械学習を用いた画像処理を行うための学習モデルを構築する際に使用される教師データを、コンピュータにより作成するための教師データ作成支援プログラムであって、
複数の認識対象物が配置された状態を撮影した画像と、該画像中の各認識対象物について、位置、向き、認識対象物自体の形態又は態様、の少なくとも一つの項目に関して正解であるラベル情報を取得する基本情報取得ステップと、
前記複数の認識対象物のそれぞれについて、前記ラベル情報として与えられている、画像中での位置、向き、それ自体の形態又は態様、の少なくとも一つの項目に関し、それぞれ異なる複数のバリエーションを加えた複数のラベル情報を生成するものであって、実験計画法の一つであるラテン方格法を用いて、認識対象物に対する異なる複数のバリエーションを加えたラベル情報の割り当てを決定する事前ラベル情報生成ステップと、
前記事前ラベル情報生成ステップにおいて生成された複数のラベル情報にそれぞれ合わせて、前記基本情報取得ステップで取得された画像中の認識対象物の位置、向き、それ自体の形態又は態様、の少なくとも一つを変更した複数の画像を画像加工処理により作成する画像加工処理ステップと、
前記事前ラベル情報生成ステップにおいて生成されたラベル情報と、それに対応して前記画像加工処理ステップで作成された画像と、を組として所定形式の教師データを出力する教師データ出力ステップと、
をコンピュータに実行させることを特徴としている。
複数の認識対象物を撮影して画像を取得する基本画像取得ステップと、
前記基本画像取得ステップで取得された画像中の各認識対象物について、位置、向き、認識対象物自体の形態又は態様、の少なくとも一つの項目に関するラベル情報を作業者が入力するラベル情報入力ステップと、
を含むものとすることができる。
前記基本情報取得ステップで得られるラベル情報は、位置、向き、認識対象物自体の形態又は態様、のうちの二つの項目を含み、
前記事前ラベル情報生成ステップでは、前記二つの項目に関し、それぞれ異なる複数のバリエーションを加えた複数のラベル情報を生成するために、その各項目に関してそれぞれラテン方格法による割り当てを行うようにするとよい。
概略的に説明すると、教師データ作成部1は、学習材料である教師データを多数作成する。教師データは、同種の電子部品が多数写っている画像と、この画像中の各電子部品の位置と向き(角度)とを示すラベル情報とが組となったものである。学習実行部2はその多数の教師データを用いて、所定の機械学習アルゴリズムによる学習を実行し、学習済みモデル3を作成する。学習の際には例えば確率的勾配降下法などの既知の手法を用いることができる。作成された学習済みモデル3は画像認識部4に組み込まれ、画像認識部4はこの学習済みモデル3を利用し、入力された処理対象画像において電子部品を検出してその位置を認識するとともに向きなどを認識し、その結果を出力する。
なお、仮に外観上で全く個体差がない場合又は個体差が無視できる程度である場合には、この例のように、同種の複数個の電子部品を撮影する必要はなく、1個のみの撮影を行えば十分である。
2…学習実行部
3…学習済みモデル
4…画像認識部
10…コンピュータ
11…基本ラベル情報入力支援部
12…ラベル情報自動生成部
13…画像加工処理部
14…教師データファイル作成部
15…データ保存部
16…カメラ
17…入力部
18…表示部
Claims (10)
- 複数の認識対象物が配置された画像に対し機械学習を用いた画像処理を行うための学習モデルを構築する際に使用される教師データを作成する教師データ作成支援方法であって、
複数の認識対象物が配置された状態を撮影した画像と、該画像中の各認識対象物について、位置、向き、認識対象物自体の形態又は態様、の少なくとも一つの項目に関して正解であるラベル情報を取得する基本情報取得ステップと、
前記複数の認識対象物のそれぞれについて、前記ラベル情報として与えられている、画像中での位置、向き、それ自体の形態又は態様、の少なくとも一つの項目に関し、それぞれ異なる複数のバリエーションを加えた複数のラベル情報を生成する事前ラベル情報生成ステップと、
前記事前ラベル情報生成ステップにおいて生成された複数のラベル情報にそれぞれ合わせて、前記基本情報取得ステップで取得された画像中の認識対象物の位置、向き、それ自体の形態又は態様、の少なくとも一つを変更した複数の画像を画像加工処理により作成する画像加工処理ステップと、
前記事前ラベル情報生成ステップにおいて生成されたラベル情報と、それに対応して前記画像加工処理ステップで作成された画像と、を組として所定形式の教師データを出力する教師データ出力ステップと、
を有し、前記事前ラベル情報生成ステップでは、実験計画法の一つであるラテン方格法を用いて、認識対象物に対する異なる複数のバリエーションを加えたラベル情報の割り当てを決定することを特徴とする機械学習用教師データ作成支援方法。 - 請求項1に記載の機械学習用教師データ作成支援方法であって、
前記基本情報取得ステップは、
複数の認識対象物を撮影して画像を取得する基本画像取得ステップと、
前記基本画像取得ステップで取得された画像中の各認識対象物について、位置、向き、認識対象物自体の形態又は態様、の少なくとも一つの項目に関するラベル情報を作業者が入力するラベル情報入力ステップと、
を含むことを特徴とする機械学習用教師データ作成支援方法。 - 請求項1又は2に記載の機械学習用教師データ作成支援方法であって、
前記認識対象物自体の形態又は態様は、認識対象物の形状、色、又は大きさのいずれかであることを特徴とする機械学習用教師データ作成支援方法。 - 請求項1に記載の機械学習用教師データ作成支援方法であって、
前記基本情報取得ステップで得られるラベル情報は、位置、向き、認識対象物自体の形態又は態様、のうちの二つの項目を含み、
前記事前ラベル情報生成ステップでは、前記二つの項目に関し、それぞれ異なる複数のバリエーションを加えた複数のラベル情報を生成するために、その各項目に関してそれぞれラテン方格法による割り当てを行うことを特徴とする機械学習用教師データ作成支援方法。 - 請求項1~4のいずれか1項に記載の機械学習用教師データ作成支援方法であって、
前記機械学習は畳み込みニューラルネットワークを利用したディープラーニングであることを特徴とする機械学習用教師データ作成支援方法。 - 複数の認識対象物が配置された画像に対し機械学習を用いた画像処理を行うための学習モデルを構築する際に使用される教師データを、コンピュータにより作成するための教師データ作成支援プログラムであって、
複数の認識対象物が配置された状態を撮影した画像と、該画像中の各認識対象物について、位置、向き、認識対象物自体の形態又は態様、の少なくとも一つの項目に関して正解であるラベル情報を取得する基本情報取得ステップと、
前記複数の認識対象物のそれぞれについて、前記ラベル情報として与えられている、画像中での位置、向き、それ自体の形態又は態様、の少なくとも一つの項目に関し、それぞれ異なる複数のバリエーションを加えた複数のラベル情報を生成するものであって、実験計画法の一つであるラテン方格法を用いて、認識対象物に対する異なる複数のバリエーションを加えたラベル情報の割り当てを決定する事前ラベル情報生成ステップと、
前記事前ラベル情報生成ステップにおいて生成された複数のラベル情報にそれぞれ合わせて、前記基本情報取得ステップで取得された画像中の認識対象物の位置、向き、それ自体の形態又は態様、の少なくとも一つを変更した複数の画像を画像加工処理により作成する画像加工処理ステップと、
前記事前ラベル情報生成ステップにおいて生成されたラベル情報と、それに対応して前記画像加工処理ステップで作成された画像と、を組として所定形式の教師データを出力する教師データ出力ステップと、
をコンピュータに実行させることを特徴とする機械学習用教師データ作成支援プログラム。 - 請求項6に記載の機械学習用教師データ作成支援プログラムであって、
前記基本情報取得ステップは、
複数の認識対象物に対する撮影画像の入力を受け付けて記憶する基本画像取得ステップと、
前記基本画像取得ステップにおいて記憶した画像中の各認識対象物について、位置、向き、認識対象物自体の形態又は態様、の少なくとも一つの項目に関するラベル情報を作業者に入力させるラベル情報入力ステップと、
を含むことを特徴とする機械学習用教師データ作成支援プログラム。 - 請求項6又は7に記載の機械学習用教師データ作成支援プログラムであって、
前記認識対象物自体の形態又は態様は、認識対象物の形状、色、又は大きさのいずれかであることを特徴とする機械学習用教師データ作成支援プログラム。 - 請求項6に記載の機械学習用教師データ作成支援プログラムであって、
前記基本情報取得ステップで得られるラベル情報は、位置、向き、認識対象物自体の形態又は態様、のうちの二つの項目を含み、
前記事前ラベル情報生成ステップでは、前記二つの項目に関し、それぞれ異なる複数のバリエーションを加えた複数のラベル情報を生成するために、その各項目に関してそれぞれラテン方格法による割り当てを行うことを特徴とする機械学習用教師データ作成支援プログラム。 - 請求項6~9のいずれか1項に記載の機械学習用教師データ作成支援プログラムであって、
前記機械学習は畳み込みニューラルネットワークを利用したディープラーニングであることを特徴とする機械学習用教師データ作成支援プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019017973A JP7200713B2 (ja) | 2019-02-04 | 2019-02-04 | 機械学習用教師データ作成支援方法、及び機械学習用教師データ作成支援プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019017973A JP7200713B2 (ja) | 2019-02-04 | 2019-02-04 | 機械学習用教師データ作成支援方法、及び機械学習用教師データ作成支援プログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2020126414A JP2020126414A (ja) | 2020-08-20 |
JP2020126414A5 JP2020126414A5 (ja) | 2021-07-29 |
JP7200713B2 true JP7200713B2 (ja) | 2023-01-10 |
Family
ID=72084030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019017973A Active JP7200713B2 (ja) | 2019-02-04 | 2019-02-04 | 機械学習用教師データ作成支援方法、及び機械学習用教師データ作成支援プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7200713B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117063061A (zh) | 2021-03-29 | 2023-11-14 | 雅马哈发动机株式会社 | 对象物个数检查用学习模型生成方法及程序 |
US11409951B1 (en) | 2021-09-24 | 2022-08-09 | International Business Machines Corporation | Facilitating annotation of document elements |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014006804A (ja) | 2012-06-26 | 2014-01-16 | Honda Motor Co Ltd | サンプリング装置、サンプリング方法、近似モデル生成装置、近似モデル生成方法及びプログラム |
JP2014199584A (ja) | 2013-03-29 | 2014-10-23 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP2018116599A (ja) | 2017-01-20 | 2018-07-26 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2018163554A (ja) | 2017-03-27 | 2018-10-18 | 富士通株式会社 | 画像処理装置、画像処理方法、画像処理プログラム、及び教師データ生成方法 |
-
2019
- 2019-02-04 JP JP2019017973A patent/JP7200713B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014006804A (ja) | 2012-06-26 | 2014-01-16 | Honda Motor Co Ltd | サンプリング装置、サンプリング方法、近似モデル生成装置、近似モデル生成方法及びプログラム |
JP2014199584A (ja) | 2013-03-29 | 2014-10-23 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP2018116599A (ja) | 2017-01-20 | 2018-07-26 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2018163554A (ja) | 2017-03-27 | 2018-10-18 | 富士通株式会社 | 画像処理装置、画像処理方法、画像処理プログラム、及び教師データ生成方法 |
Non-Patent Citations (1)
Title |
---|
冨安 寛 外2名,パラメータ設計を用いた錠剤識別系の構築,情報処理学会論文誌 第35巻 第12号,社団法人情報処理学会,1994年12月15日,pp. 2694-2702 |
Also Published As
Publication number | Publication date |
---|---|
JP2020126414A (ja) | 2020-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11120254B2 (en) | Methods and apparatuses for determining hand three-dimensional data | |
JP5879725B2 (ja) | 板金工程作業支援システム | |
KR102347623B1 (ko) | 컴퓨터 프로그램 생성 장치 및 컴퓨터 프로그램 생성 방법 | |
KR101397522B1 (ko) | 증강 현실 기반의 정맥 주사 훈련 시뮬레이터 시스템 및 방법 | |
JP7200713B2 (ja) | 機械学習用教師データ作成支援方法、及び機械学習用教師データ作成支援プログラム | |
JP2019525365A5 (ja) | ||
JP2019046095A (ja) | 情報処理装置、情報処理装置の制御方法及びプログラム | |
CN106446888B (zh) | 摄像模组多标识符识别方法及设备 | |
CN113744394B (zh) | 鞋楦三维建模方法、装置、设备及存储介质 | |
WO2015001967A1 (ja) | 画像処理フィルタの作成装置及びその方法 | |
US11461921B2 (en) | Program, system, electronic device, and method for recognizing three-dimensional object | |
JP2013145525A (ja) | 物品取り出し判定装置、物品取り出し判定システム、物品取り出しシステム、物品取り出し判定プログラムおよび物品取り出し判定方法 | |
JP6471835B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN104995591A (zh) | 图像处理设备及程序 | |
CN112950528A (zh) | 证件姿态确定方法、模型训练方法、装置、服务器及介质 | |
JP6425405B2 (ja) | 情報処理装置、方法、プログラム | |
Widiaty et al. | Implementation of markerless augmented reality method to visualise philosophy of batik based on Android | |
JP7386007B2 (ja) | 画像処理方法、画像処理装置及び画像処理機器 | |
JP2009216480A (ja) | 三次元位置姿勢計測方法および装置 | |
JP2017174228A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
CN106354516B (zh) | 追踪设备的方法及装置 | |
CN115250616A (zh) | 校正系统、信息处理系统、机器人控制系统、校正方法、信息处理方法、机器人控制方法、校正程序、信息处理程序、校正装置、信息处理装置以及机器人控制装置 | |
JP4815592B2 (ja) | 物体検出方法 | |
JP2017064844A (ja) | プログラム自動生成装置 | |
JP2016053751A (ja) | 情報処理装置、情報処理方法及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210617 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210617 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220523 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220818 |
|
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: 20221122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221205 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7200713 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |