JP7371375B2 - 学習モデルの出力結果を2次元で表示するシステム、方法、プログラム、及び記録媒体 - Google Patents
学習モデルの出力結果を2次元で表示するシステム、方法、プログラム、及び記録媒体 Download PDFInfo
- Publication number
- JP7371375B2 JP7371375B2 JP2019133921A JP2019133921A JP7371375B2 JP 7371375 B2 JP7371375 B2 JP 7371375B2 JP 2019133921 A JP2019133921 A JP 2019133921A JP 2019133921 A JP2019133921 A JP 2019133921A JP 7371375 B2 JP7371375 B2 JP 7371375B2
- Authority
- JP
- Japan
- Prior art keywords
- circle
- class
- ratio
- center
- classes
- 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
- 238000000034 method Methods 0.000 title claims description 67
- 230000006870 function Effects 0.000 claims description 40
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000010801 machine learning Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 3
- 241000220225 Malus Species 0.000 description 16
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 241000234295 Musa Species 0.000 description 9
- 235000013399 edible fruits Nutrition 0.000 description 7
- 235000018290 Musa x paradisiaca Nutrition 0.000 description 5
- 241000219094 Vitaceae Species 0.000 description 5
- 235000021021 grapes Nutrition 0.000 description 5
- 235000009754 Vitis X bourquina Nutrition 0.000 description 4
- 235000012333 Vitis X labruscana Nutrition 0.000 description 4
- 240000006365 Vitis vinifera Species 0.000 description 4
- 235000014787 Vitis vinifera Nutrition 0.000 description 4
- 235000021015 bananas Nutrition 0.000 description 4
- 235000021016 apples Nutrition 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 235000011430 Malus pumila Nutrition 0.000 description 1
- 235000015103 Malus silvestris Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本発明の目的は、このような上記従来技術における欠点を解消することにあり、データを入力した際に、複数のクラス(カテゴリー)の各々にその入力データが属する確からしさを、クラス毎に、複数のクラス間における割合(「識別スコア」とも呼ばれる)として出力することができる学習モデルについて、その学習モデルの出力結果を2次元で表示することができるシステム、方法、プログラム、及び記録媒体を提供することにある。
この態様のシステムによれば、学習モデルの出力結果の正当性を直観的に把握することができ、また、その判定基準を容易に把握することができる。
この態様のシステムによれば、学習モデルの出力結果の正当性を直観的に把握することができ、また、その判定基準を容易に把握することができる。
更に、上記態様のシステムの前記表示する手段において、前記第nの円と前記第n+1の円は、それらの円周において互いに実質的に一点で接した状態で表示されてもよい(nは2以上のいずれかの整数)。
更に、上記態様のシステムにおいて、前記表示変更手段によって、前記識別マークを、表示対象として選択された複数の前記クラスにおいて時間を異にして表示してもよい。。
上記態様のシステムにおいて、前記表示変更手段によって、前記識別マークを、前記割合の大きさに対応した大きさで表示してもよい。
上記態様のシステムにおいて、前記表示変更手段によって、前記識別マークを、前記割合の大きさに対応した速度で点滅表示してもよい。
この態様の方法によれば、学習モデルの出力結果の正当性を直観的に把握することができ、また、その判定基準を容易に把握することができる。
この態様の方法によれば、学習モデルの出力結果の正当性を直観的に把握することができ、また、その判定基準を容易に把握することができる。
この態様のプログラムによれば、学習モデルの出力結果の正当性を直観的に把握することができ、また、その判定基準を容易に把握することができる。
この態様のプログラムによれば、学習モデルの出力結果の正当性を直観的に把握することができ、また、その判定基準を容易に把握することができる。
1)「確認すべきクラス」、即ち、複数のクラスの中で、表示装置5に表示させるべきクラス、言い換えれば、表示装置5に表示させることにより、学習モデル1の出力結果の正当性を確認すべきものとユーザによって判断されたクラス、
2)「確認すべきクラス」のうち、割合の値が低く、表示装置5における表示を省略してもよいとユーザが判断したクラスを選別するための割合の値である「閾値」、
3)表示装置5における表示方法、例えば、各クラスを表す円の色や模様、円の半径の大きさ、割合が最も大きなクラス以外のクラスの円の表示の要否、識別マークの色、形状、及び大きさ、識別マークの表示方法等、
4)その他の有用な表示、例えば、図3に示した判定基準。
図5に、図4のS208において「表示クラス」が2つであると判断され、又は、図4のS208において「表示クラス」が3つ以上であると判断され且つS209において「直線表示」が指示されていると判断されて、処理「A」に進んだ場合に、解析部200によって実行される動作のフローチャートを示す。ここで「直線表示」とは、クラス間における割合に応じて「直線」を分割して示す表示方法を意味する。図6に、図4のS208において「表示クラス」が2つであると判断された場合の直線表示の一例を、また、図7乃至図10に、図4のS208において「表示クラス」が3つ以上であると判断され且つS209において「直線表示」が指示されていると判断された場合の直線表示の一例を、それぞれ示す。図6は、直線表示の一例を、この直線表示の基になった学習モデルの出力結果と共に示したもの、図7は、直線表示の一例を、この直線表示の基になった学習モデルの出力結果及び計算方法と共に示したものであって、(a)は、直線表示の全体像を、(b)は、その部分拡大図を示している。
図5及び図6を参照して、図4のS208において「表示クラス」が2つであると判断された場合の処理を説明する。先ず、入力部3を通じてユーザ等から表示方法が指示されているか否かを確認する(S210)。ユーザは、識別マーク15a、即ち、表示クラスに未知のデータが属する確からしさを第1のクラスと第2のクラスとの関係において示すマークをどのように表示するか、例えば、クラスに関連するりんごで表示するか単なる点とするか、その表示速度、表示の大きさ等を、入力部3を通じて指示することができる。表示方法が指示されている場合、その情報を、表示変更部400へ送信する。
図5及び図7乃至図10を参照して、図4のS208において「表示クラス」が3つ以上であると判断され且つS209において「直線表示」が指示されていると判断された場合の処理を説明する。尚、図7の例では、第1の円14及び第2の円15に加え、4個の付加的な円16乃至20を、図8の例では、2個の付加的な円16、17を、更に、図9の例では、8個の付加的な円16乃至24を含むものとなっている。尚、図8、図9では、便宜上、図面が簡略化されている。
図5のフローチャートにおいて、S212に至るまでの処理は、図5及び図6を参照して説明した<表示クラスが2つでの直線表示>と同じである。従って、ここでは説明を省略する。S212において、ここでは表示クラスの数は3つ以上であるから、S213に進み、nに3が設定される。次いで、S214において、表示クラスの中で割合が3番目に大きな第3のクラスに対応する第3の円16の中心を決定し、且つ、半径を設定するとともに、識別マーク16a、即ち、表示クラスに未知のデータが属する確からしさを第1のクラスと第3のクラスとの関係において示すマークを表示すべき位置を計算する(S214)。
また、第3の円16の中心16Aは、第1の円14と第2の円15の中心間距離、即ち、第1の直線30の長さ分だけ第1の円14の中心14Aから離れた位置とし、このとき、第3の円16が第2の円15と互いに重なり合わないように表示できる位置とする。表示された第3の円16の円周と、第2の円15の円周は、図7、図9、図10に示すように、実質的に一点で接していてもよいし、図8に示すように、接していなくてもよい。
以上の解析部200の処理によって得られた情報は、その後、画像形成部300へ送信される。
図11に、図4のS209において「直線表示」が指示されていないと判断された場合、言い換えれば、「円弧表示」が選択されたと判断されて、処理「B」に進んだ場合に、解析部200によって実行される動作のフローチャートを示す。ここで「円弧表示」とは、クラス間における割合に応じて「円弧」を分割して示す表示方法を意味する。図12、図13は共に、図11に示したフローチャートの動作を通じて得られる円弧表示の一例である。図12は、円弧表示の一例を、この円弧表示の基になった学習モデルの出力結果と共に示したものであって、(a)は、円弧表示の全体像を、(b)は、その部分拡大図を示している。図13は、図12と同様の方法で円弧表示を示す図であるが、ここでは、図4のS204、S205を通じて、閾値以下の第4のクラス乃至第7のクラスが削除されている例を示している。
図11、図12を参照して、図4のS209において「円弧表示」が選択されたと判断された場合であって、表示クラスが3つである場合の解析部200における処理を説明する。先ず、入力部3を通じてユーザ等から表示方法が指示されているか否かを確認する(S220)。ユーザは、識別マーク156aをどのように表示するか、例えば、クラスに関連するりんごで表示するか単なる点とするか、その表示速度、表示の大きさ等を、入力部3を通じて指示することができる。表示方法が指示されている場合、その情報を、表示変更部400へ送信する。
また、第3の円の中心16Aは、第1の円14と第2の円15の中心間距離、即ち、第1の直線30の長さ分だけ第1の円14の中心14Aから離れた位置とし、更にこのとき、第3の円16と第2の円15が、互いに重なり合わないように表示できる位置とする。表示された第3の円16の円周と、第2の円15の円周は、図12に示すように、実質的に一点で接していてもよいし、接していなくてもよい。
以上の解析部200の処理によって得られた情報は、その後、画像形成部300へ送信される。
図11を更に参照しつつ、図4のS209において「円弧表示」が選択されたと判断された場合であって、表示クラスが4つ以上である場合の解析部200における処理を説明する。尚、この処理を通じて得られる円弧表示の例は、特に示していない。表示クラスが4つ以上の場合、S223において、nに4が設定される。次いで、表示クラスの中で割合が4番目に大きな第4のクラスに対応する第4の円の中心を決定し、且つ、半径を設定するとともに、識別マーク、即ち、表示クラスに未知のデータが属する確からしさを、第1のクラス、第3のクラス、及び第4のクラスとの関係において示すマークを表示すべき位置を計算する(S224)。
また、第4の円の中心は、第1の円14と第2の円15の中心間距離、即ち、第1の直線30の長さ分だけ第1の円14の中心14Aから離れた位置とし、更にこのとき、第4の円が第3の円16と互いに重なり合わないように表示できる位置とする。表示された第4の円の円周と、第3の円の円周は、実質的に一点で接していなくてもよいし、接していてもよい。
例えば、上述した実施形態では、割合が大きい順に円を表示することとしているが、必ずしもそのような順番で表示する必要はない。互いに重ならなければ、どのような順番で表示してもよい。
また、第1のクラス以外のクラスについては、必ずしも第1のクラスのように円で表示する必要はない。更に言えば、それら第1のクラス以外のクラスに対応する円については、各円の中心付近に円以外の方法で表示してもよいし、又は、何も表示しなくてもよい。円以外の表示として、例えば、図6等に示した、クラスを表す文字による表示とすることもできる。
また、入力部3を通じて指示されるユーザからの指示内容を、システム2が指示するものとしてもよい。
更に、上述した実施形態では、学習モデル1はシステム2とは別個のものとして、一方、表示装置5はシステム2に含むものとして説明しているが、学習モデル1をシステム2に含めてもよいし、逆に、表示装置5をシステム2に含めなくてもよい。後者の場合、本体4における出力部44が、実質的に表示手段として機能することになる。
2 システム
3 入力部
4 本体
5 表示装置(表示手段)
44 出力部(表示手段)
200 解析部(解析手段)
300 画像形成部(画像データ形成手段)
400 表示変更部
Claims (25)
- 複数のクラスの各々について用意された学習データを利用して機械学習を行った学習済みの学習モデルにデータを入力した際に得られる出力結果を2次元で表示する2次元表示システムであって、前記学習モデルは、データを入力した際に、複数の前記クラスの各々に前記データが属する確からしさを前記クラス毎に前記複数のクラス間における割合として出力するものであり、前記システムは、
前記学習モデルに前記学習データ以外の未知のデータを入力することによって得られる出力結果を解析する手段であって、確認すべき複数の前記クラスを前記割合の大きさに従って順序付けし、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円の中心を決定し、且つ、前記第1の円の中心と前記第2の円の中心を結ぶ第1の直線を分割することにより半径を設定し、更に、前記第1のクラスの割合と前記第2のクラスの割合の比を求める、前記手段、
前記解析することによって得られた情報に基づいて画像データを形成する手段、及び
前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円を、前記第1の円の中心と前記第2の円の中心を結ぶ第1の直線を分割することによって得られた半径を有する円として、それぞれ表示するとともに、前記クラスに前記未知のデータが属する確からしさを前記第1のクラスと前記第2のクラスとの関係において示す識別マークを、前記第1の直線上であって、前記第1の円の中心までの長さと前記第2の円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比に対応するように前記第1の直線を按分した位置に表示する手段、
を備えることを特徴とする2次元表示システム。 - 前記解析する手段は、更に、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円の中心を決定し、前記第1のクラスの割合と前記第nのクラスの割合の比を求め、
前記表示する手段は、更に、前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円を、前記第1の円と前記第2の円の中心間距離だけ前記第1の円の中心から離れた位置を中心とし前記第2の円と同じ半径を有する円として、第n-1の円と互いに重なり合わないように表示するとともに、前記クラスに前記未知のデータが属する確からしさを前記第1のクラスと前記第nのクラスとの関係において示す識別マークを、前記第1の円の中心と前記第nの円の中心を結ぶ第n-1の直線上であって、前記第1の円の中心までの長さと前記第nの円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比又は前記第nのクラスの割合と前記第1のクラスの割合との比に対応するように前記第n-1の直線を按分した位置に表示する(nは、3≦n≦(確認すべきクラスの数)の整数)、
請求項1に記載の2次元表示システム。 - 前記解析する手段において、前記第1の円の半径と前記第2の円の半径は、前記第1の直線を2分割することによって得られ、前記第2の円の半径は、前記第1の円の半径と同じか又は前記第1の円の半径より小さい、請求項1又は2に記載の2次元表示システム。
- 複数のクラスの各々について用意された学習データを利用して機械学習を行った学習済みの学習モデルにデータを入力した際に得られる出力結果を2次元で表示する2次元表示システムであって、前記学習モデルは、データを入力した際に、複数の前記クラスの各々に前記データが属する確からしさを前記クラス毎に前記複数のクラス間における割合として出力するものであり、前記システムは、
前記学習モデルに前記学習データ以外の未知のデータを入力することによって得られる出力結果を解析する手段であって、確認すべき複数の前記クラスを前記割合の大きさに従って順序付けし、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円と3番目に大きな第3のクラスに対応する第3の円の中心を決定し、且つ、前記第1の円の中心と前記第2の円の中心を結ぶ直線を分割することにより半径を設定し、更に、前記第1のクラスの割合と前記第2のクラスの割合の比及び前記第2のクラスの割合と前記第3のクラスの割合の比を求める、前記手段、
前記解析することによって得られた情報に基づいて画像データを形成する手段、及び
前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円と3番目に大きな第3のクラスに対応する第3の円を、前記第1の円と前記第2の円については前記第1の円の中心と前記第2の円の中心を結ぶ直線を分割することによって得られた半径を有する円として、また、前記第3の円については前記第1の円と前記第2の円の中心間距離だけ前記第1の円の中心から離れた位置を中心とし前記第2の円と同じ半径を有する円として、前記第2の円と前記第3の円が互いに重なり合わないように、それぞれ表示するとともに、前記第1のクラスと前記第2のクラスと前記第3のクラスとの関係において前記クラスに前記未知のデータが属する確からしさを示す識別マークを、前記第1の円の中心までの長さと前記第2の円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比に対応するように前記直線を按分した位置と前記第1の円の中心との間の距離に相当する長さの半径を有する前記第1の円と同心の円弧上であって、前記第2の円の中心と前記第3の円の中心との間に形成され得る前記第1の円と同心の円弧を前記第2の円の中心までの円弧の長さと前記第3の円の中心までの円弧の長さの比が前記第3のクラスの割合と前記第2のクラスの割合との比に対応するように按分した位置に対応する位置に表示する手段、
を備えることを特徴とする2次元表示システム。 - 前記解析する手段は、更に、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円の中心を決定し、前記第nのクラスの割合と前記第n-1のクラスの割合の比を求め、
前記表示する手段は、更に、前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円を、前記第1の円と前記第2の円の中心間距離だけ前記第1の円の中心から離れた位置を中心とし前記第2の円と同じ半径を有する円として、前記第n-1の円と互いに重なり合わないように表示するとともに、前記第1のクラスと前記第n-1のクラスと前記第nのクラスとの関係において前記クラスに前記未知のデータが属する確からしさを示す識別マークを、前記第1の円の中心までの長さと前記第2の円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比に対応するように前記直線を按分した位置と前記第1の円の中心との間の距離に相当する長さの半径を有する前記第1の円と同心の円弧上であって、前記第n-1の円の中心と前記第nの円の中心との間に形成され得る前記第1の円と同心の円弧を前記第n-1の円の中心までの円弧の長さと前記第nの円の中心までの円弧の長さの比が前記第nのクラスの割合と前記第n-1のクラスの割合との比に対応するように按分した位置に対応する位置に表示する(nは、4≦n≦(確認すべきクラスの数)の整数)、請求項4に記載の2次元表示システム。 - 前記表示する手段において、前記第1の円と前記第nの円は、それらの円周において互いに実質的に一点で接した状態で表示される(nは2以上のいずれかの整数)、請求項1乃至5のいずれかに記載の2次元表示システム。
- 前記表示する手段において、前記第nの円と前記第n+1の円は、それらの円周において互いに実質的に一点で接した状態で表示される(nは2以上のいずれかの整数)、請求項1乃至6のいずれかに記載の2次元表示システム。
- 前記第n-1のクラスの割合が前記nのクラスの割合と同じである(nは、2≦n≦(確認すべきクラスの数)のいずれかの整数)、請求項1乃至7のいずれかに記載の2次元表示システム。
- 前記識別マークの表示方法を前記割合の大きさに応じて変更する表示変更手段を更に備える、請求項1乃至8のいずれかに記載の2次元表示システム。
- 前記表示変更手段によって、前記識別マークを、表示対象として選択された複数の前記クラスにおいて時間を異にして表示する、請求項9に記載の2次元表示システム。
- 前記表示変更手段によって、前記識別マークを、前記割合の大きさに対応した大きさで表示する、請求項9又は10に記載の2次元表示システム。
- 前記表示変更手段によって、前記識別マークを、前記割合の大きさに対応した速度で点滅表示する、請求項9乃至11のいずれかに記載の2次元表示システム。
- 前記表示変更手段によって、前記識別マークを評価する評価基準を示す円を前記第1の円と同心状に表示する、請求項9乃至12のいずれかに記載の2次元表示システム。
- 前記表示変更手段によって、前記第1の円以外の円を、各円の中心付近に円以外の方法で表示する、又は、何も表示しない、請求項9乃至13のいずれかに記載の2次元表示システム。
- 前記解析する手段は、前記割合が所定の閾値以下の前記クラスを表示対象から除外する、請求項1乃至14のいずれかに記載の2次元表示システム。
- 前記学習データには、前記学習モデルの作製用データと前記学習モデルの検証用データが含まれる、請求項1乃至15のいずれかに記載の2次元表示システム。
- 複数のクラスの各々について用意された学習データを利用して機械学習を行った学習済みの学習モデルにデータを入力した際に得られる出力結果を2次元で表示する2次元表示方法であって、前記学習モデルは、データを入力した際に、複数の前記クラスの各々に前記データが属する確からしさを前記クラス毎に前記複数のクラス間における割合として出力するものであり、前記方法は、
前記学習モデルに前記学習データ以外の未知のデータを入力することによって得られる出力結果を解析する段階であって、確認すべき複数の前記クラスを前記割合の大きさに従って順序付けし、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円の中心を決定し、且つ、前記第1の円の中心と前記第2の円の中心を結ぶ第1の直線を分割することにより半径を設定し、更に、前記第1のクラスの割合と前記第2のクラスの割合の比を求める、前記段階、
前記解析することによって得られた情報に基づいて画像データを形成する段階、及び
前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円を、前記第1の円の中心と前記第2の円の中心を結ぶ第1の直線を分割することによって得られた半径を有する円として、それぞれ表示するとともに、前記クラスに前記未知のデータが属する確からしさを前記第1のクラスと前記第2のクラスとの関係において示す識別マークを、前記第1の直線上であって、前記第1の円の中心までの長さと前記第2の円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比に対応するように前記第1の直線を按分した位置に表示する段階、
を備えることを特徴とする2次元表示方法。 - 前記解析する段階において、更に、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円の中心を決定し、前記第1のクラスの割合と前記第nのクラスの割合の比を求め、
前記表示する段階において、更に、前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円を、前記第1の円と前記第2の円の中心間距離だけ前記第1の円の中心から離れた位置を中心とし前記第2の円と同じ半径を有する円として、第n-1の円と互いに重なり合わないように表示するとともに、前記クラスに前記未知のデータが属する確からしさを前記第1のクラスと前記第nのクラスとの関係において示す識別マークを、前記第1の円の中心と前記第nの円の中心を結ぶ第n-1の直線上であって、前記第1の円の中心までの長さと前記第nの円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比又は前記第nのクラスの割合と前記第1のクラスの割合との比に対応するように前記第n-1の直線を按分した位置に表示する(nは、3≦n≦(確認すべきクラスの数)の整数)、
請求項17に記載の2次元表示方法。 - 複数のクラスの各々について用意された学習データを利用して機械学習を行った学習済みの学習モデルにデータを入力した際に得られる出力結果を2次元で表示する2次元表示方法であって、前記学習モデルは、データを入力した際に、複数の前記クラスの各々に前記データが属する確からしさを前記クラス毎に前記複数のクラス間における割合として出力するものであり、前記方法は、
前記学習モデルに前記学習データ以外の未知のデータを入力することによって得られる出力結果を解析する段階であって、確認すべき複数の前記クラスを前記割合の大きさに従って順序付けし、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円と3番目に大きな第3のクラスに対応する第3の円の中心を決定し、且つ、前記第1の円の中心と前記第2の円の中心を結ぶ直線を分割することにより半径を設定し、更に、前記第1のクラスの割合と前記第2のクラスの割合の比及び前記第2のクラスの割合と前記第3のクラスの割合の比を求める、前記段階、
前記解析することによって得られた情報に基づいて画像データを形成する段階、及び
前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円と3番目に大きな第3のクラスに対応する第3の円を、前記第1の円と前記第2の円については前記第1の円の中心と前記第2の円の中心を結ぶ直線を分割することによって得られた半径を有する円として、また、前記第3の円については前記第1の円と前記第2の円の中心間距離だけ前記第1の円の中心から離れた位置を中心とし前記第2の円と同じ半径を有する円として、前記第2の円と前記第3の円が互いに重なり合わないように、それぞれ表示するとともに、前記第1のクラスと前記第2のクラスと前記第3のクラスとの関係において前記クラスに前記未知のデータが属する確からしさを示す識別マークを、前記第1の円の中心までの長さと前記第2の円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比に対応するように前記直線を按分した位置と前記第1の円の中心との間の距離に相当する長さの半径を有する前記第1の円と同心の円弧上であって、前記第2の円の中心と前記第3の円の中心との間に形成され得る前記第1の円と同心の円弧を前記第2の円の中心までの円弧の長さと前記第3の円の中心までの円弧の長さの比が前記第3のクラスの割合と前記第2のクラスの割合との比に対応するように按分した位置に対応する位置に表示する段階、
を備えることを特徴とする2次元表示方法。 - 前記解析する段階において、更に、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円の中心を決定し、前記第nのクラスの割合と前記第n-1のクラスの割合の比を求め、
前記表示する段階において、更に、前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円を、前記第1の円と前記第2の円の中心間距離だけ前記第1の円の中心から離れた位置を中心とし前記第2の円と同じ半径を有する円として、前記第n-1の円と互いに重なり合わないように表示するとともに、前記第1のクラスと前記第n-1のクラスと前記第nのクラスとの関係において前記クラスに前記未知のデータが属する確からしさを示す識別マークを、前記第1の円の中心までの長さと前記第2の円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比に対応するように前記直線を按分した位置と前記第1の円の中心との間の距離に相当する長さの半径を有する前記第1の円と同心の円弧上であって、前記第n-1の円の中心と前記第nの円の中心との間に形成され得る前記第1の円と同心の円弧を前記第n-1の円の中心までの円弧の長さと前記第nの円の中心までの円弧の長さの比が前記第nのクラスの割合と前記第n-1のクラスの割合との比に対応するように按分した位置に対応する位置に表示する(nは、4≦n≦(確認すべきクラスの数)の整数)、
請求項19に記載の2次元表示方法。 - 複数のクラスの各々について用意された学習データを利用して機械学習を行った学習済みの学習モデルにデータを入力した際に得られる出力結果を2次元で表示する2次元表示プログラムであって、前記学習モデルは、データを入力した際に、複数の前記クラスの各々に前記データが属する確からしさを前記クラス毎に前記複数のクラス間における割合として出力するものであり、前記プログラムは、
コンピュータに、
前記学習モデルに前記学習データ以外の未知のデータを入力することによって得られる出力結果を解析する機能であって、確認すべき複数の前記クラスを前記割合の大きさに従って順序付けし、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円の中心を決定し、且つ、前記第1の円の中心と前記第2の円の中心を結ぶ第1の直線を分割することにより半径を設定し、更に、前記第1のクラスの割合と前記第2のクラスの割合の比を求める、前記機能、
前記解析することによって得られた情報に基づいて画像データを形成する機能、及び
前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円を、前記第1の円の中心と前記第2の円の中心を結ぶ第1の直線を分割することによって得られた半径を有する円として、それぞれ表示するとともに、前記クラスに前記未知のデータが属する確からしさを前記第1のクラスと前記第2のクラスとの関係において示す識別マークを、前記第1の直線上であって、前記第1の円の中心までの長さと前記第2の円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比に対応するように前記第1の直線を按分した位置に表示する機能、
を実現させるための2次元表示プログラム。 - コンピュータに、
前記解析する機能において、更に、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円の中心を決定し、前記第1のクラスの割合と前記第nのクラスの割合の比を求める機能、
前記表示する機能において、更に、前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円を、前記第1の円と前記第2の円の中心間距離だけ前記第1の円の中心から離れた位置を中心とし前記第2の円と同じ半径を有する円として、第n-1の円と互いに重なり合わないように表示するとともに、前記クラスに前記未知のデータが属する確からしさを前記第1のクラスと前記第nのクラスとの関係において示す識別マークを、前記第1の円の中心と前記第nの円の中心を結ぶ第n-1の直線上であって、前記第1の円の中心までの長さと前記第nの円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比又は前記第nのクラスの割合と前記第1のクラスの割合との比に対応するように前記第n-1の直線を按分した位置に表示する機能(nは、3≦n≦(確認すべきクラスの数)の整数)、
を実現させるための請求項21に記載の2次元表示プログラム。 - 複数のクラスの各々について用意された学習データを利用して機械学習を行った学習済みの学習モデルにデータを入力した際に得られる出力結果を2次元で表示する2次元表示プログラムであって、前記学習モデルは、データを入力した際に、複数の前記クラスの各々に前記データが属する確からしさを前記クラス毎に前記複数のクラス間における割合として出力するものであり、前記プログラムは、
コンピュータに、
前記学習モデルに前記学習データ以外の未知のデータを入力することによって得られる出力結果を解析する機能であって、確認すべき複数の前記クラスを前記割合の大きさに従って順序付けし、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円と3番目に大きな第3のクラスに対応する第3の円の中心を決定し、且つ、前記第1の円の中心と前記第2の円の中心を結ぶ直線を分割することにより半径を設定し、更に、前記第1のクラスの割合と前記第2のクラスの割合の比及び前記第2のクラスの割合と前記第3のクラスの割合の比を求める、前記機能、
前記解析することによって得られた情報に基づいて画像データを形成する機能、及び
前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合が最も大きな第1のクラスに対応する第1の円と2番目に大きな第2のクラスに対応する第2の円と3番目に大きな第3のクラスに対応する第3の円を、前記第1の円と前記第2の円については前記第1の円の中心と前記第2の円の中心を結ぶ直線を分割することによって得られた半径を有する円として、また、前記第3の円については前記第1の円と前記第2の円の中心間距離だけ前記第1の円の中心から離れた位置を中心とし前記第2の円と同じ半径を有する円として、前記第2の円と前記第3の円が互いに重なり合わないように、それぞれ表示するとともに、前記第1のクラスと前記第2のクラスと前記第3のクラスとの関係において前記クラスに前記未知のデータが属する確からしさを示す識別マークを、前記第1の円の中心までの長さと前記第2の円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比に対応するように前記直線を按分した位置と前記第1の円の中心との間の距離に相当する長さの半径を有する前記第1の円と同心の円弧上であって、前記第2の円の中心と前記第3の円の中心との間に形成され得る前記第1の円と同心の円弧を前記第2の円の中心までの円弧の長さと前記第3の円の中心までの円弧の長さの比が前記第3のクラスの割合と前記第2のクラスの割合との比に対応するように按分した位置に対応する位置に表示する機能、
を実現させるための2次元表示プログラム。 - コンピュータに、
前記解析する機能において、更に、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円の中心を決定し、前記第nのクラスの割合と前記第n-1のクラスの割合の比を求める機能、
前記表示する機能において、更に、前記画像データに基づいて、確認すべき複数の前記クラスの中で前記割合がn番目に大きな第nのクラスに対応する第nの円を、前記第1の円と前記第2の円の中心間距離だけ前記第1の円の中心から離れた位置を中心とし前記第2の円と同じ半径を有する円として、前記第n-1の円と互いに重なり合わないように表示するとともに、前記第1のクラスと前記第n-1のクラスと前記第nのクラスとの関係において前記クラスに前記未知のデータが属する確からしさを示す識別マークを、前記第1の円の中心までの長さと前記第2の円の中心までの長さの比が前記第2のクラスの割合と前記第1のクラスの割合との比に対応するように前記直線を按分した位置と前記第1の円の中心との間の距離に相当する長さの半径を有する前記第1の円と同心の円弧上であって、前記第n-1の円の中心と前記第nの円の中心との間に形成され得る前記第1の円と同心の円弧を前記第n-1の円の中心までの円弧の長さと前記第nの円の中心までの円弧の長さの比が前記第nのクラスの割合と前記第n-1のクラスの割合との比に対応するように按分した位置に対応する位置に表示する機能(nは、4≦n≦(確認すべきクラスの数)の整数)、
を実現させるための請求項23に記載の2次元表示プログラム。 - 請求項21乃至24のいずれかに記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133921A JP7371375B2 (ja) | 2019-07-19 | 2019-07-19 | 学習モデルの出力結果を2次元で表示するシステム、方法、プログラム、及び記録媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133921A JP7371375B2 (ja) | 2019-07-19 | 2019-07-19 | 学習モデルの出力結果を2次元で表示するシステム、方法、プログラム、及び記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021018607A JP2021018607A (ja) | 2021-02-15 |
JP7371375B2 true JP7371375B2 (ja) | 2023-10-31 |
Family
ID=74566043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019133921A Active JP7371375B2 (ja) | 2019-07-19 | 2019-07-19 | 学習モデルの出力結果を2次元で表示するシステム、方法、プログラム、及び記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7371375B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859324A (zh) | 2010-06-03 | 2010-10-13 | 大连理工大学 | 对聚类分析结果进行可视化的方法 |
JP2011118784A (ja) | 2009-12-04 | 2011-06-16 | Sony Corp | 情報処理装置、情報処理方法およびプログラム |
US20150370876A1 (en) | 2014-06-20 | 2015-12-24 | Vmware, Inc. | Method for visualizing degree of similarity and difference between a large group of objects and a reference object |
JP2018142097A (ja) | 2017-02-27 | 2018-09-13 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
-
2019
- 2019-07-19 JP JP2019133921A patent/JP7371375B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011118784A (ja) | 2009-12-04 | 2011-06-16 | Sony Corp | 情報処理装置、情報処理方法およびプログラム |
CN101859324A (zh) | 2010-06-03 | 2010-10-13 | 大连理工大学 | 对聚类分析结果进行可视化的方法 |
US20150370876A1 (en) | 2014-06-20 | 2015-12-24 | Vmware, Inc. | Method for visualizing degree of similarity and difference between a large group of objects and a reference object |
JP2018142097A (ja) | 2017-02-27 | 2018-09-13 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
Non-Patent Citations (1)
Title |
---|
瀬川 修 外3名,文書分類結果の解釈を支援する可視化手法,電子情報通信学会技術研究報告,日本,社団法人電子情報通信学会 ,2011年06月30日,第111巻 第119号,pp.21-24 |
Also Published As
Publication number | Publication date |
---|---|
JP2021018607A (ja) | 2021-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
De Winter et al. | Segmentation of object outlines into parts: A large-scale integrative study | |
US10460256B2 (en) | Interactive performance visualization of multi-class classifier | |
Rodgers | A survey of Euler diagrams | |
US11468664B2 (en) | Machine learning to predict cognitive image composition | |
Quadri et al. | A survey of perception-based visualization studies by task | |
Polatsek et al. | Exploring visual attention and saliency modeling for task-based visual analysis | |
CN112016546A (zh) | 一种文本区域的定位方法及装置 | |
Mrva et al. | Decision support in medical data using 3D decision tree visualisation | |
Brzinsky-Fay | Graphical representation of transitions and sequences | |
Görg et al. | Visual representations | |
JP7371375B2 (ja) | 学習モデルの出力結果を2次元で表示するシステム、方法、プログラム、及び記録媒体 | |
Walther et al. | The mid-level vision toolbox for computing structural properties of real-world images | |
Burch et al. | Dashboard Design | |
Lespinats et al. | ClassiMap: A new dimension reduction technique for exploratory data analysis of labeled data | |
Alnjar | Data visualization metrics between theoretic view and real implementations: A review | |
Quadri | Constructing Frameworks for Task-Optimized Visualizations | |
Xu et al. | A force-directed algorithm for drawing directed graphs symmetrically | |
Cybulski et al. | Motion velocity as a preattentive feature in cartographic symbolization | |
CN111783832A (zh) | 一种时空数据预测模型的交互式选择方法 | |
Barros et al. | Use of reorderable matrices and heatmaps to support data analysis of students transcripts | |
Cruz et al. | Interactive network visualization of gene expression time-series data | |
Raees et al. | RUN: rational ubiquitous navigation, a model for automated navigation and searching in virtual environments | |
Raman | Mastering Python Data Visualization | |
US11600028B1 (en) | Semantic resizing of line charts | |
Samuel | Conceptual Frameworks for Big-Data Visualization: Discussion on Models, Methods and Artificial Intelligence for Graphical Representations of Data-Call for Extension. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220527 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230615 |
|
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: 20230919 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231002 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7371375 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |