JP7466165B1

JP7466165B1 - 情報処理装置、情報処理方法及び情報処理プログラム

Info

Publication number: JP7466165B1
Application number: JP2023181437A
Authority: JP
Inventors: 湧畠山; 宏宇卜
Original assignee: Ridge I Inc
Current assignee: Ridge I Inc
Priority date: 2023-10-20
Filing date: 2023-10-20
Publication date: 2024-04-12
Anticipated expiration: 2043-10-20

Abstract

【課題】複数の画像間での差異となる対象物を推定する情報処理装置、情報処理方法及び情報処理プログラムを提供する。【解決手段】情報処理装置は、複数の異なる時期に記録される画像情報を取得する取得部と、複数の異なる時期における同一地点を撮像した対象画像と、その対象画像間で変化のある対象物とを学習した学習済モデルと、取得部により取得された複数の画像情報それぞれの画像とに基づいて、その画像に写る変化のある対象物を推定する推定部と、を備える。【選択図】図１

Description

本開示は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

従来、互いに異なる軌道上を飛翔する複数の飛翔体に搭載された撮像手段により地球表面を撮像し、過去に撮像した過去画像と、新規に撮像した新規画像とを比較して、変化領域を検出する装置が存在する（特許文献１参照）。

特開２０２２－１６７３４３号公報

ところで、学習済モデルを利用して、過去画像と新規画像との間の変化領域を検出する場合、学習済モデルを生成する際の学習において、何をどのように学習するかによって、推定する結果に差異が生じる。

本開示は、複数の画像間での差異となる対象物を推定する情報処理装置、情報処理方法及び情報処理プログラムを提供する。

一態様の情報処理装置は、複数の異なる時期に記録される画像情報を取得する取得部と、複数の異なる時期における同一地点を撮像した対象画像と、その対象画像間で変化のある対象物とを学習した学習済モデルと、取得部により取得された複数の画像情報それぞれの画像とに基づいて、その画像に写る変化のある対象物を推定する推定部と、を備える。

本開示の情報処理装置、情報処理方法及び情報処理プログラムは、複数の画像間での差異となる対象物を推定することができる。

一実施形態に係る情報処理装置について説明するための図である。一実施形態に係る情報処理装置について説明するためのブロック図である。メッシュの一例について説明するための図である。（Ａ）は画像を分割した複数のメッシュの一例を示す図であり、（Ｂ）は画像Ａ１と画像Ｂ１とのそれぞれを分割した複数のメッシュにおいて、位置に関する対応関係のあるメッシュＡ２，Ｂ２を説明する図である。歪み補正の一例について説明するための図である。（Ａ）は比較対象に対するカメラの位置関係を説明し、（Ｂ）は比較対象に対して南側から撮像した画像の歪み補正を説明し、（Ｃ）は比較対象に対して北側から撮像した画像の歪み補正を説明する図である。学習済モデルを生成する際に用いられる対象画像の一例について説明するための図である。（Ａ）はある時刻における対象画像の一例を示し、（Ｂ）は（Ａ）に示す時刻よりも後の時刻における対象画像の一例を示す。一実施形態に係る情報処理方法について説明するためのフローチャートである。

以下、一実施形態について説明する。

［情報処理装置１００の概要］
まず、一実施形態に係る情報処理装置１００の概要について説明する。
図１は、一実施形態に係る情報処理装置１００について説明するための図である。

情報処理装置１００は、例えば、撮像時期の異なる複数の画像間で変化の有る対象物４００を推定する推定装置等として構成されてもよい。情報処理装置１００は、上述した一例の装置に限らず、種々の装置等を構成してもよい。
情報処理装置１００は、例えば、サーバ、デスクトップ、ラップトップ、タブレット及びスマートフォン等のコンピュータであってもよい。

情報処理装置１００は、複数の画像情報を取得する。複数の画像情報それぞれは、互いに異なる時期に記録（例えば、撮像及び生成等）された画像に関する情報であってもよい。また、画像情報は、上空を飛行する飛行体２００から撮像された画像に関する情報であってもよい。飛行体２００は、例えば、人工衛星、ドローン、飛行機、ヘリコプター、飛行船、気球、滑空機等であってもよい。すなわち、飛行体２００は、例えば、人工衛星、航空機及び無人航空機等であってもよい。なお、画像情報は、地図画像に関する地図画像情報であってもよい。互いに異なる時期に記録された画像は、所定期間（第１所定期間）をあけて記録された画像であってもよい。所定期間（第１所定期間）は、１日等の日単位（所定日）の間隔、１月等の月単位（所定月）の間隔、及び、１年等の年単位（所定年）の間隔であってもよい。

ここで図１には、情報処理装置１００が、飛行体２００（人工衛星）に搭載されるカメラ２１０によって地上を撮像することにより生成される画像情報（衛星画像情報）を、サーバ３００を介して取得する一例を示す。複数の画像情報は、時刻ｔ_１で撮像された画像５００と、時刻ｔ_２で撮像された画像５００のそれぞれに関する画像情報（２つの画像情報）であってもよく、撮影の時期（時刻）が異なる３つ以上の画像情報であってもよい。

情報処理装置１００は、複数の異なる時期における同一地点を撮像した対象画像６００（６１０，６２０）（図５参照）（複数の対象画像６００）と、その対象画像６００（６１０，６２０）（複数の対象画像６００）間で変化のある対象物６４０（例えば、変化のある建物６４１ａ及び変化のある道路６４２ａ）（図５参照）とを学習した学習済モデルを取得する。情報処理装置１００は、自機で学習済モデルを生成してもよく、外部で生成された学習済モデルを取得してもよい。

学習済モデルを生成する際に用いられる対象画像６００は、上空を飛行する飛行体２００から撮像された画像であってもよい。なお、対象画像６００は、地図画像であってもよい。また、対象画像６００を撮像する複数の異なる時期は、所定期間（第２所定期間）をあけて記録された画像であってもよい。所定期間（第２所定期間）は、１日等の日単位（所定日）の間隔、１月等の月単位（所定月）の間隔、及び、１年等の年単位（所定年）の間隔であってもよい。第２所定期間は、上述した第１所定期間と同じ期間であってもよく、第１期間とは異なる期間であってもよい。同一地点は、同一領域と言い換えてもよい。同一領域は、完全に同一な領域であってもよく、略同一な領域であってよい。一例として、第１時期に撮像した第１対象画像６１０（６００）と、第１時期とは異なる第２時期に撮像した第２対象画像６２０（６００）とが有る場合、第１対象画像６１０に記録される第１領域と、第２対象画像６２０に記録される第２領域との少なくとも一部に重なる領域（地上の領域）が有れば、「同一地点」を撮像した対象画像６００と言ってもよい。

対象物６４０は、地上にある種々の物体等であってもよい。具体的な一例として、対象物６４０は、道路６４２及び建物６４１等のうち少なくとも一方であってもよい。変化のある対象物６４０は、その対象物６４０の変化前と変化後の状況であってもよい。
具体的な一例として、変化のある対象物６４０は、対象物６４０が道路６４２の場合、道路６４２（６４２ａ）の建設前（変化前）とその道路６４２（６４２ａ）の建設後（変化後）であってもよい。同様に、具体的な一例として、変化のある対象物６４０は、対象物６４０が道路６４２の場合、道路６４２の解体前（又は、ルート修正工事の前）（変化前）とその道路６４２の解体後（又は、ルート修正工事の後）（変化後）であってもよい。
同様に具体的な一例として、変化のある対象物６４０は、対象物６４０が建物６４１の場合、建物６４１（６４１ａ）の建設前（変化前）とその建物６４１（６４１ａ）の建設後（変化後）であってもよい。同様に、具体的な一例として、変化のある対象物６４０は、対象物６４０が建物６４１の場合、建物６４１の解体前（又は、建物６４１の改築前（例えば、増築前））（変化前）とその建物６４１の解体後（又は、建物６４１の改築後（例えば、増築後））（変化後）であってもよい。

情報処理装置１００は、上述した学習済モデルと、上述した複数の画像情報それぞれの画像とに基づいて、その画像に写る変化のある対象物４００を推定する。すなわち、情報処理装置１００は、複数の画像情報を学習済モデルに入力し、その複数の画像情報それぞれに基づく画像の間で変化のある対象物４００（例えば、道路４２１及び建物４１１）を推定する。

図１に例示する場合、時刻ｔ_１に撮像された画像５００に対して、時刻ｔ_２に撮像された画像５００には、道路４２１及び建物４１１等の対象物４００が建設されている。情報処理装置１００は、その建設された道路４２１及び建物４１１等を変化のある対象物４００として推定し、推定した対象物４００が分かるよう種々の態様で示して（図１に一例を示す場合では斜線４０１等を付して）出力してもよい。なお、出力の一例は、図１に例示する場合に限定されず、推定した結果が分かるように種々の態様（例えば、種々のファイル形式、及び、ファイル形式でない種々の出力内容（インターフェース）等）によって出力してもよい。

［情報処理装置１００の詳細］
次に、一実施形態に係る情報処理装置１００について詳細に説明する。
図２は、一実施形態に係る情報処理装置１００について説明するためのブロック図である。

情報処理装置１００は、例えば、通信部１２１、記憶部１２２、表示部１２３及び制御部１１０等を備える。通信部１２１、記憶部１２２及び表示部１２３は、出力部の一実施形態であってもよい。制御部１１０は、例えば、取得部１１１、分割部１１２、調整部１１３、学習部１１４、推定部１１５及び出力制御部１１６等を備える。制御部１１０は、例えば、情報処理装置１００の演算処理装置等によって構成されてもよい。制御部１１０（例えば、演算処理装置等）は、例えば、記憶部１２２等に記憶される各種プログラム等を適宜読み出して実行することにより、各部（例えば、取得部１１１、分割部１１２、調整部１１３、学習部１１４、推定部１１５及び出力制御部１１６等）の機能を実現してもよい。

通信部１２１は、例えば、情報処理装置１００の外部にある装置（外部装置）等との間で種々の情報の送受信が可能な通信インターフェースである。外部装置は、サーバ３００及びユーザ端末（図示せず）等であってもよい。ユーザ端末は、情報処理装置１００のユーザが使用する端末である。一例として、ユーザ端末は、デスクトップ、ラップトップ、タブレット及びスマートフォン等であってもよい。

記憶部１２２は、例えば、種々の情報及びプログラムを記憶してもよい。記憶部１２２の一例は、メモリ、ソリッドステートドライブ及びハードディスクドライブ等であってもよい。なお、記憶部１２２は、例えば、クラウド上にある記憶領域及びサーバ等であってもよい。

表示部１２３は、例えば、種々の文字、記号及び画像等を表示することが可能なディスプレイである。

取得部１１１は、複数の異なる時期に記録される画像情報を取得する。取得部１１１は、例えば、通信部１２１を介して、複数の画像情報を外部装置から取得してもよい。外部装置は、例えば、サーバ３００及びカメラ２１０等であってもよい。サーバ３００は、画像情報を記憶する装置である。カメラ２１０は、画像情報を生成する装置であり、飛行体２００に搭載されてもよい。

複数の画像情報それぞれは、互いに異なる時期に記録（例えば、撮像及び生成等）された画像に関する情報であってもよい。また、画像情報は、上空を飛行する飛行体２００から撮像された画像に関する情報であってもよい。飛行体２００は、例えば、人工衛星、ドローン、飛行機、ヘリコプター、飛行船、気球、滑空機等であってもよい。すなわち、飛行体２００は、例えば、人工衛星、航空機及び無人航空機等であってもよい。なお、画像情報は、地図画像に関する地図画像情報であってもよい。互いに異なる時期に記録された画像は、所定期間（第１所定期間）をあけて記録された画像であってもよい。所定期間（第１所定期間）は、例えば、１日等の日単位（所定日）の間隔、１月等の月単位（所定月）の間隔、及び、１年等の年単位（所定年）の間隔であってもよい。

図３は、メッシュ５１０の一例について説明するための図である。図５（Ａ）は画像５００を分割した複数のメッシュ５１０の一例を示す図であり、図５（Ｂ）は画像Ａ１（５００）と画像Ｂ１（５００）とのそれぞれを分割した複数のメッシュ５１０において、位置に関する対応関係のあるメッシュＡ２，Ｂ２（５１０）を説明する図である。

図３（Ａ）に例示するように、分割部１１２は、取得部１１１によって取得された複数の画像情報に基づく画像５００それぞれを複数のメッシュ５１０に分割する。分割部１１２は、画像５００を複数のメッシュ５１０（領域）に分割する。メッシュ５１０の平面形状は、矩形、三角形、多角形及び円形等を始めする種々の形状であってもよい。分割部１１２は、複数の画像情報それぞれを同一（略同一）の位置範囲となるメッシュ５１０で分割してもよい。すなわち図３（Ｂ）に一例を示すように、分割部１１２は、２つの画像情報（画像Ａ１，Ｂ１（５００））が有る場合、画像Ａ１を複数のメッシュ５１０で分割した際のある位置のメッシュＡ２（複数のメッシュ５１０それぞれ）と、画像Ｂ１を複数のメッシュ５１０で分割した際のある位置のメッシュＢ２（複数のメッシュ５１０それぞれ）とが同一（略同一及び対応関係のある等）の位置範囲（領域）となるように（メッシュＡ２とメッシュＢ２とが位置範囲に関して同一（略同一）の対応関係があるように）、画像Ａ１，Ｂ１（５００）それぞれを複数のメッシュ５１０で分割してもよい。

分割部１１２は、メッシュ５１０の粒度を調整可能であってもよい。すなわち、分割部１１２は、メッシュ５１０の平面サイズを調整可能であってもよい。
分割部１１２は、例えば、画像情報に基づく画像（複数の画像の少なくとも一方）に相対的に多い数の物体（例えば、地上の構造物）（又は、対象物４００）が記録される場合、メッシュ５１０の平面サイズ（粒度）を相対的に小さくしてもよい。また、分割部１１２は、例えば、画像情報に基づく画像（複数の画像の少なくとも一方）に相対的に少ない数の物体（例えば、地上の構造物）（又は、対象物４００）が記録される場合、メッシュ５１０の平面サイズ（粒度）を相対的に大きくしてもよい。
すなわち、分割部１１２は、例えば、画像情報に基づく画像（複数の画像の少なくとも一方）に相対的に多い数の物体（例えば、地上の構造物）（又は、対象物４００）が記録される場合には、画像情報に基づく画像（複数の画像の少なくとも一方）に相対的に少ない数の物体（例えば、地上の構造物）（又は、対象物４００）が記録される場合に比べて、メッシュ５１０の平面サイズ（粒度）を小さくしてもよい。

又は、分割部１１２は、後述するように推定する対象物４００の変化の内容が概要か又は詳細か（ユーザビリティ）に応じて、メッシュ５１０の粒度を調整可能であってもよい。すなわち、分割部１１２は、対象物４００の大まかな変化を推定する場合、メッシュ５１０の粒度（平面サイズ）を相対的に大きくしてもよい。また、分割部１１２は、対象物４００の詳細な変化を推定する場合、メッシュ５１０の粒度（平面サイズ）を相対的に小さくしてもよい。

調整部１１３は、取得部１１１によって取得された複数の画像情報に基づく画像の間での位置合わせ行う、すなわち、画像に記録される対象物４００の位置を合わせるよう調整してもよい。調整部１１３は、例えば、画像情報に記録される位置情報を利用して複数の画像の間での位置を合わせてもよく、複数の画像それぞれに記録される対象物４００が重なるように複数の画像の間での位置を合わせてもよい。

調整部１１３は、取得部１１１によって取得された複数の画像情報に基づく画像それぞれの色調及び傾きが同一になるよう調整する。

調整部１１３は、例えば、複数の画像それぞれの色調（例えば、ＲＧＢ又はＣＭＹＫ等）を比較し、複数の画像それぞれの色調を示す値が同一（又は、略同一）となるように、複数の画像の両方又は一方を調整してもよい。この場合、調整部１１３は、複数の画像それぞれの色調、例えば、ＲＧＢ又はＣＭＹＫ等のうち少なくとも１つの色調成分（例えば、Ｒ、Ｇ及びＢのうち少なくとも１つ、又は、Ｃ，Ｍ，Ｙ及びＫのうち少なくとも１つ）の差が予め設定された範囲内の差に収まるように調整してもよい。
調整部１１３は、上述した一例を用いる場合、すなわち、２つの画像情報（画像Ａ１，Ｂ１）が有る場合に、画像Ａ１の色調成分の少なくとも１つ（一例として、Ｒの値）と、画像Ｂ１の色調成分の少なくとも１つ（一例として、Ｒの値）との差が予め設定された範囲内の差に収まるように、画像Ａ１のＲの値と、画像Ｂ１のＲの値との少なくとも一方を調整してもよい（他の色調成分のＧＢ及びＣＭＹＫについても同様）。

また、調整部１１３は、複数の画像情報に基づく画像のうち少なくとも一方の画像のコントラスト及び明暗を調整することにより、各画像の色調が同一（略同一）となるよう調整してもよい。
なお、調整部１１３は、上述した一例に限定されず、種々の方法により各画像の色調が同一（略同一）となるよう調整してもよい。

また、調整部１１３は、複数の画像情報に基づく画像それぞれを比較し、その複数の画像のうちの少なくとも一方を時計回り又は反時計回りに回転させることにより、各画像の回転に関する平面内の傾きが同一（略同一）となるよう調整してもよい。
この場合、調整部１１３は、複数の画像それぞれに写る、建物、公園、道路及び河川等の比較対象を１又は複数特定し、特定した比較対象それぞれの画像内での位置を比較し、複数の画像それぞれにおいて比較対象の画像内での位置が同一（又は、略同一）の位置となるように画像を回転することにより、各画像の回転に関する傾きが同一（略同一）となるよう調整してもよい。

図４は、歪み補正の一例について説明するための図である。図４（Ａ）は比較対象４４０に対するカメラ２１０の位置関係を説明し、図４（Ｂ）は比較対象４４０に対して南（Ｓ）側から撮像した画像Ａ１の歪み補正を説明し、図４（Ｃ）は比較対象４４０に対して北（Ｎ）側から撮像した画像Ｂ１の歪み補正を説明する図である。

また、調整部１１３は、複数の画像情報に基づく画像５００それぞれにおける地表面とカメラ２１０の撮像方向との角度（撮像角度）を比較し、その複数の画像５００のうちの少なくとも一方を歪み補正することにより、各画像５００の撮像角度に関する傾きが同一（略同一）となるように調整してもよい。
図４（Ａ）に例示するように、２つの画像情報（画像Ａ１，Ｂ１（５００））が有る場合に、比較対象４４０に対して南側にあるカメラ２１０（２１０ａ）から画像Ａ１を撮像し、その比較対象４４０に対して北側にあるカメラ２１０（２１０ｂ）から画像Ｂ１を撮像した場合を考える。
図４（Ａ）に例示する場合において、調整部１１３は、画像Ａ１に写る北側を幅方向（東西（ＥＷ）方向）に対して広げ、画像Ａ１に写る南側を幅方向（東西方向）に対して縮めて、歪み補正後の破線で示す画像Ａ１１（５００）を取得する（図４（Ｂ）参照）。
同様に図４（Ａ）に例示する場合において、調整部１１３は、画像Ｂ１に写る南側を幅方向（東西方向）に対して広げ、画像Ｂ１に写る北側を幅方向（東西方向）に対して縮めて、歪み補正後の破線で示す画像Ｂ１１（５００）を取得する（図４（Ｃ）参照）。
これにより、調整部１１３は、撮像角度に応じた画像の歪みを補正し、各画像５００の撮像角度に関する傾きが同一（略同一）となるように調整する（撮像角度が東西であっても同様）。

図５は、学習済モデルを生成する際に用いられる対象画像６００の一例について説明するための図である。図５（Ａ）はある時刻（第１時点）における対象画像６００（第１対象画像６１０）の一例を示し、図５（Ｂ）は図５（Ａ）に示す時刻（第１時点）よりも後の時刻（第２時点）における対象画像６００（第２対象画像６２０）の一例を示す。

学習部１１４は、複数の異なる時期における同一地点を撮像した対象画像６００と、その対象画像６００間で変化のある対象物６４０（例えば、変化のある建物６４１ａ及び変化のある道路６４２ａ等）とを学習することにより学習済モデルを生成する。

学習済モデルを生成する際に用いられる対象画像６００は、上空を飛行する飛行体２００から撮像された画像であってもよい。飛行体２００は、上述した場合と同様に例えば、人工衛星、ドローン、飛行機、ヘリコプター、飛行船、気球、滑空機等であってもよい。すなわち、飛行体２００は、例えば、人工衛星、航空機及び無人航空機等であってもよい。なお、対象画像６００は、地図画像であってもよい。また、対象画像６００を撮像する複数の異なる時期は、所定期間（第２所定期間）をあけて記録された画像であってもよい。所定期間（第２所定期間）は、１日等の日単位（所定日）の間隔、１月等の月単位（所定月）の間隔、及び、１年等の年単位（所定年）の間隔であってもよい。第２所定期間は、上述した第１所定期間と同じ期間であってもよく、第１期間とは異なる期間であってもよい。同一地点は、同一領域と言い換えてもよい。同一領域は、位置（位置範囲）に関して、完全に同一な領域であってもよく、略同一な領域であってよい。一例として、第１時期に撮像した第１対象画像６１０と、第１時期とは異なる第２時期に撮像した第２対象画像６２０とが有る場合、第１対象画像６１０に記録される第１領域と、第２対象画像６２０に記録される第２領域との少なくとも一部に重なる領域（地上の領域）が有れば、「同一地点」を撮像した対象画像６００と言ってもよい。

対象物６４０は、地上にある種々の物体等であってもよい。具体的な一例として、対象物６４０は、道路６４２及び建物６４１等のうち少なくとも一方であってもよい。変化のある対象物６４０（６４１，６４２ａ）は、その対象物６４０の変化前と変化後の状況であってもよい。
具体的な一例として、変化のある対象物６４０は、対象物６４０が道路６４２の場合、道路６４２（６４２ａ）の建設前（変化前）とその道路６４２（６４２ａ）の建設後（変化後）であってもよい。同様に、具体的な一例として、変化のある対象物６４０は、対象物６４０が道路６４２の場合、道路６４２の解体前（又は、ルート修正工事の前）（変化前）とその道路６４２の解体後（又は、ルート修正工事の後）（変化後）であってもよい。
同様に具体的な一例として、変化のある対象物６４０は、対象物６４０が建物６４１の場合、建物６４１（６４１ａ）の建設前（変化前）とその建物６４１（６４１ａ）の建設後（変化後）であってもよい。同様に、具体的な一例として、変化のある対象物６４０は、対象物６４０が建物６４１の場合、建物６４１の解体前（又は、建物６４１の改築前（例えば、増築前））（変化前）とその建物６４１の解体後（又は、建物６４１の改築後（例えば、増築後））（変化後）であってもよい。

図５（Ａ）に例示する場合では、対象画像６００中の実線で示すものが建設済の対象物６４０（道路６４２及び建物６４１）を示し、破線で示すものが建設前の対象物６４０（道路６４２及び建物６４１）を示す。なお、図５（Ａ）の破線で示す領域は、例えば、地面であってもよい。
図５（Ｂ）に例示する場合では、図５（Ａ）において破線で示す建設前の対象物６４０が、その後において建設されたもの（建設済）を示す。
図５（Ａ）で示す時点において破線で示す建設前の建物６４１及び建設前の道路６４２それぞれが、その後の図５（Ｂ）に示す時点において建設された（建設済）なので、それらが変化のある建物６４１ａ及び変化のある道路６４２ａ、すなわち変化のある対象物６４０となる。

学習部１１４は、複数の対象画像６００と、その対象画像６００における変化前の対象物６４０と変化後のその対象物６４０であって、地面が写る側（地面により近い側）にアノテーション６５０を付した対象物６４０とを学習してもよい。
具体的な一例として、学習部１１４は、対象物６４０が道路６４２（又は、建物６４１等）の場合、道路６４２（又は、建物６４１等）の建設前の地点において地面が対象画像６００に記録され（変化前）、道路６４２（又は、建物６４１等）の建設後において地面が対象画像６００に記録されない（変化後）際には、道路６４２（又は、建物６４１等）の建設前の地面に対してアノテーション６５０を付してもよい。
同様に具体的な一例として、学習部１１４は、対象物６４０が道路６４２（又は、建物６４１等）の場合、道路６４２（又は、建物６４１等）の解体前の地点において地面が対象画像６００に記録されず（道路６４２（又は、建物６４１等）が記録され）（変化前）、道路６４２（又は、建物６４１等）の解体後において地面が対象画像６００に記録される（変化後）際には、道路６４２（又は、建物６４１等）の解体後の地面に対してアノテーション６５０を付してもよい。
図５（Ａ）に例示する場合では、学習部１１４は、破線で示す建設前の対象物６４０（６４１ａ，６４２ａ）の位置、すなわち対象画像６００（６１０）における地面の位置に、斜線で示すアノテーション６５０を付してもよい。
上述した場合では、学習部１１４は、地面に対してアノテーション６５０を付す例について説明したがこの例に限定されず、対象物６４０が有る方、すなわち、建設後の道路６４２及び建物６４１、並びに、解体前の道路６４２及び建物６４１（地面が写らない側（地面からより遠い側）にアノテーション６５０を付してもよい。

なお、図５（Ａ）に例示する場合に限定されず、学習部１１４は、変化のある対象物６４０（変化のある建物６４１ａ及び変化のある道路６４２ａ）があるメッシュ５１０に対してアノテーションを付してもよい。一例として、図３（Ｂ）に例示するメッシュＡ２，Ｂ２（５１０）に変化のある対象物６４０がある場合、メッシュＡ２及びメッシュＢ２のうちの一方にアノテーションを付してもよい。すなわち、学習部１１４は、変化のある対象物６４０を含む複数の対象画像６００（対象画像６００を複数のメッシュに分割した際の複数のメッシュ）、及び、変化のある対象物６４０（アノテーションが付されたメッシュ）を学習することにより学習済モデルを生成してもよい。
なお、学習対象となる（アノテーションを付す対象となる）対象物６４０は、建物６４１及び道路６４２等の構造物に限らず、河川、湖沼及び海岸等の水涯線等であってもよい。

なお一例として、学習部１１４は、建物６４１及び道路６４２等の対象物６４０が記録された地図情報、すなわち、時間的に前後する等の時系列で（発行の版が異なる）、同一又は異なる縮尺の、同一又は異なる目的（例えば、道路地図、細街路地図及び住宅地図（主題図）、並びに、地形図（基本図）の地図情報を利用して、対象物６４０（例えば、建物６４１及び道路６４２等）の変化を取得してもよい。学習部１１４は、その地図情報の具体的な一例として、シェープファイル及びＧｅｏＪＳＯＮ（地理空間データ交換フォーマット）ファイル等の属性を利用して、対象物６４０（例えば、建物６４１及び道路６４２等）の変化を取得してもよい。この場合、学習部１１４は、通信部１２１を介して又は外部メモリ（図示せず）等からシェープファイル及びＧｅｏＪＳＯＮファイル等を取得してもよい。学習部１１４は、そのシェープファイル及びＧｅｏＪＳＯＮファイル等を利用して時系列で比較することにより、対象物６４０（例えば、建物６４１及び道路６４２等）の変化を取得してもよい。これにより、学習部１１４は、自動的に、対象物６４０が無かった地点（建設前の地点、解体後の地点、改築前の地点等）を特定することができる。
さらに、学習部１１４は、その対象物６４０が無かった地点及びその対応する対象物６４０が有るその同一の地点を含む、時系列となる複数の対象画像６００を取得し、その複数の対象画像６００のうち対象物６４０が無かった地点が記録される対象画像において、その地点に対してアノテーション６５０を付す。
学習部１１４は、取得した時系列となる複数の対象画像６００（アノテーション６５０が付された画像に関する対象画像６００を含む）を学習して、学習済モデルを生成する。

すなわち一例として、学習部１１４は、以下の（１）～（５）の処理を行ってもよい。
（１）学習部１１４は、複数の異なる時期における同一地点を含む地図情報（又は、対象物情報（シェープファイル及びＧｅｏＪＳＯＮファイル等））を取得する。
（２）学習部１１４は、当該地図情報に記録される対象物６４０に関する対象物情報（シェープファイル及びＧｅｏＪＳＯＮファイル等）に基づいて、変化のある対象物６４０（６４１ａ，６４２ａ等）を特定する。
（３）学習部１１４は、前記特定した変化のある対象物６４０（６４１ａ，６４２ａ等）がある位置を記録し、当該対象物６４０の変化前と変化後とを記録した対象画像６００（複数の対象画像６００）を取得する。
（４）学習部１１４は、前記特定した対象物６４０（６４１ａ，６４２ａ等）における変化前及び変化後のうち対象物６４０が無い方（図５（Ａ）では破線で示す地面となる領域）を記録した対象画像６００（６１０）において、前記対象物６４０が無い位置（図５（Ａ）では破線で示す地面となる領域）に対してアノテーション６５０を付す。
（５）学習部１１４は、前記アノテーション６５０を付した対象画像６００（６１０）と、前記アノテーション６５０を付してない対象画像６００（６２０）（前記特定した対象物６４０における変化前及び変化後のうち対象物６４０がある方を記録した対象画像６００）とを学習して、学習済モデルを生成する。すなわち、学習部１１４は、複数の異なる時期における同一地点を撮像した対象画像６００（６１０，６２０）と、その対象画像６００（６１０，６２０）間で変化のある対象物６４０（６４１ａ，６４２ａ）とを学習して、学習済モデルを生成する。
これにより、学習部１１４は、自動的に学習を行って学習済モデルを生成することが可能になる。
なお、上述した（４）では、学習部１１４は、前記特定した対象物６４０（６４１ａ，６４２ａ等）における変化前及び変化後のうち対象物６４０が有る方を記録した対象画像６００（６１０）において、前記対象物６４０が有る位置に対してアノテーション６５０を付してもよい。

なお、学習部１１４は、制御部１１０の一機能として実現されてもよく、情報処理装置１００の外部にある装置（外部装置）の一機能（学習装置）（図示せず）として実現されてもよい。情報処理装置１００の外部にある学習装置において学習済モデルが生成される場合、制御部１１０は、通信部１２１を介して、外部装置から学習済モデルを取得してもよい。

推定部１１５は、複数の異なる時期における同一地点を撮像した対象画像６００（６１０，６２０）と、その対象画像６００（６１０，６２０）間で変化のある対象物６４０（６４１ａ，６４２ａ）とを学習した学習済モデルと、取得部１１１により取得された複数の画像情報それぞれの画像５００とに基づいて、その画像５００に写る変化のある対象物４００（４１１，４２１）を推定する。また、推定部１１５は、対象画像６００と、対象画像６００それぞれにおける変化前の対象物６４０と変化後のその対象物６４０であって、地面が写る側及び地面が写らない側のうちの一方にアノテーション６５０を付した対象物６４０（６４１ａ，６４２ａ）とを学習した学習済モデルと、複数の画像情報に基づく画像５００とに基づいて、変化のある対象物４００（４１１，４２１）を推定してもよい。すなわち、推定部１１５は、複数の画像情報を、学習部１１４によって上述したように学習された学習済モデルに入力し、その複数の画像情報それぞれに基づく画像５００の間で変化のある対象物４００（例えば、道路４２１及び建物４１１）を推定する。

推定部１１５は、調整部１１３によって調整された複数の画像と、学習済モデルとに基づいて、変化のある対象物４００を推定してもよい。すなわち、複数の画像の間で色調及び傾きが調整された（同程度になった）その複数の画像を学習済モデルに入力し、その複数の画像に記録された変化のある対象物４００を推定してもよい。

推定部１１５は、複数の画像情報に基づく画像それぞれにおいて位置が対応するメッシュ５１０と、学習済モデルと基づいて、メッシュ５１０毎に変化のある対象物４００を推定してもよい。推定部１１５は、上述した図３（Ｂ）に示す一例を用いる場合、すなわち、２つの画像情報（画像Ａ１，Ｂ１）が有る場合に、画像Ａ１のうちのメッシュＡ２（５１０）と、画像Ｂ１のうちのメッシュＢ２（５１０）とが位置範囲に関して対応関係が有ると、メッシュＡ２，Ｂ２（５１０）と、学習済モデルとに基づいて、そのメッシュＡ２，Ｂ２（５１０）に写る変化のある対象物４００を推定する。

上述した実施形態の一実施例として、情報処理装置１００（例えば、取得部１１１）は、複数の異なる時期に上空から撮像される画像情報を取得する。具体的な一例として、画像情報は、人工衛星で撮像された衛星画像情報等であってもよい。情報処理装置１００は、画像情報（衛星画像情報）に記録される道路４２０、建物４１０及び水涯線（対象物４００）の変化（ある時点ｔ_１の対象物４００（任意の地点）と、その後のある時点ｔ_２の同一の対象物４００（同一の地点）との変化）、一例として、対象物４００の建設前と建設後（又は、解体前と解体後）（又は、変化前と変化後）との変化を、学習済モデルを利用して推定する。すなわち、情報処理装置１００（推定部１１５）は、複数の異なる時期における同一地点を撮像した対象画像６００と、その対象画像６００それぞれの撮像領域に対応する領域（各対象画像６００の撮像範囲が重なる領域）内においてその複数の異なる時期の間で変化のある道路６４２ａ、建物６４１ａ及び水涯線（対象物６４０）とを学習した学習済モデルと、取得部１１１により取得された複数の画像情報それぞれの画像５００とに基づいて、その画像５００に写る変化のある道路４２１、建物４１１及び水涯線（対象物４００）を推定する。すなわち、情報処理装置１００（推定部１１５）は、画像５００に写る、変化前の対象物４００及び変化後の対象物４００のうち少なくとも一方を推定する。

出力制御部１１６は、推定部１１５によって推定した結果、すなわち一例として、画像上において対象物４００を特定する目印を出力するよう出力部を制御する。出力部は、例えば、通信部１２１、記憶部１２２及び表示部１２３等であってもよい。
すなわち、出力制御部１１６は、例えば、推定部１１５によって推定した結果を外部装置に送信するよう通信部１２１を制御する。外部装置は、例えば、サーバ３００及びユーザ端末（図示せず）等であってもよい。
出力制御部１１６は、例えば、推定部１１５によって推定した結果を記憶するよう記憶部１２２を制御する。
出力制御部１１６は、例えば、推定部１１５によって推定した結果を表示するよう表示部１２３を制御する。

［情報処理方法］
次に、一実施形態に係る情報処理方法について説明する。
図６は、一実施形態に係る情報処理方法について説明するためのフローチャートである。

ステップＳＴ１０１において、学習部１１４は、複数の異なる時期における同一地点を含む地図情報を取得する。学習部１１４は、その地図情報に記録される対象物６４０（例えば、道路、建物及び水涯線等）に関する対象物情報に基づいて変化のある対象物６４０を特定する。学習部１１４は、特定した変化のある対象物６４０がある位置を記録し、その対象物６４０の変化前と変化後とを撮像した対象物６４０が対象画像６００を取得する。学習部１１４は、特定した対象物６４０における変化前及び変化後のうち対象物６４０が無い方を記録した対象画像６００において、対象物６４０が無い位置に対してアノテーション６５０を付する。学習部１１４は、そのアノテーション６５０を付した対象画像６００と、アノテーション６５０を付してない対象画像６００とを学習して、学習済モデルを生成する。
すなわち、学習部１１４は、複数の異なる時期における同一地点を撮像した対象画像６００と、その対象画像６００間で変化のある対象物６４０とを学習した学習済モデルを生成する。
また、学習部１１４は、対象画像６００と、対象画像６００それぞれにおける変化前の対象物６４０と変化後のその対象物６４０であって、地面が写る側にアノテーション６５０を付した対象物６４０とを学習した学習済モデルを生成する。

ステップＳＴ１０２において、取得部１１１は、複数の異なる時期に記録される画像情報を取得する。

ステップＳＴ１０３において、調整部１１３は、ステップＳＴ１０２で取得した複数の画像情報に基づく画像それぞれの色調及び傾きが同一になるよう調整する。

ステップＳＴ１０４において、分割部１１２は、ステップＳＴ１０２で取得した複数の画像情報（又は、ステップＳＴ１０３で色調及び傾きが調整された画像情報）に基づく画像それぞれを複数のメッシュ５１０に分割する。分割部１１２は、メッシュ５１０の粒度を調整可能であってもよい。

ステップＳＴ１０５において、推定部１１５は、ステップＳＴ１０１で生成した学習済モデルと、ステップＳＴ１０２取得した複数の画像情報それぞれの画像とに基づいて、その画像に写る変化のある対象物４００を推定する。
推定部１１５は、ステップＳＴ１０３で調整した後の複数の画像と、学習済モデルとに基づいて、変化のある対象物４００を推定してもよい。
推定部１１５は、複数の画像情報に基づく画像それぞれにおいて位置が対応するメッシュ５１０（ステップＳＴ１０４で分割した複数のメッシュ５１０それぞれ）と、学習済モデルと基づいて、メッシュ５１０毎に変化のある対象物４００を推定してもよい。

ステップＳＴ１０５の処理の後、出力制御部１１６は、ステップＳＴ１０５で行った推定の結果を出力するよう出力部を制御してもよい。出力部は、例えば、通信部１２１、記憶部１２２及び表示部１２３等であってもよい。

［機能及び回路について］
次に、上述した情報処理装置１００の機能及び回路について説明する。
情報処理装置１００の各部は、コンピュータの演算処理装置等の機能として実現されてもよい。すなわち、情報処理装置１００の取得部１１１、分割部１１２、調整部１１３、学習部１１４、推定部１１５及び出力制御部１１６（制御部１１０）は、コンピュータの演算処理装置等による取得機能、分割機能、調整機能、学習機能、推定機能及び出力制御機能（制御機能）としてそれぞれ実現されてもよい。
情報処理プログラムは、上述した各機能をコンピュータに実現させることができる。情報処理プログラムは、例えば、メモリ、ソリッドステートドライブ、ハードディスクドライブ又は光ディスク等の、コンピュータで読み取り可能な非一時的な記憶媒体等に記録されてもよい。記憶媒体は、例えば、情報処理プログラムを格納する非一時的なコンピュータ可読媒体と言い換えてもよい。
また、上述したように、情報処理装置１００の各部は、コンピュータの演算処理装置等で実現されてもよい。その演算処理装置等は、例えば、集積回路等によって構成される。このため、情報処理装置１００の各部は、演算処理装置等を構成する回路として実現されてもよい。すなわち、情報処理装置１００の取得部１１１、分割部１１２、調整部１１３、学習部１１４、推定部１１５及び出力制御部１１６（制御部１１０）は、コンピュータの演算処理装置等を構成する取得回路、分割回路、調整回路、学習回路、推定回路及び出力制御回路（制御回路）として実現されてもよい。
また、情報処理装置１００の通信部１２１、記憶部１２２及び表示部１２３（出力部）は、例えば、演算処理装置等の機能を含む通信機能、記憶機能及び表示機能（出力機能）として実現されてもよい。また、情報処理装置１００の通信部１２１、記憶部１２２及び表示部１２３（出力部）は、例えば、集積回路等によって構成されることにより通信回路、記憶回路及び表示回路（出力回路）として実現されてもよい。また、情報処理装置１００の通信部１２１、記憶部１２２及び表示部１２３（出力部）は、例えば、複数のデバイスによって構成されることにより通信装置、記憶装置及び表示装置（出力装置）として構成されてもよい。

情報処理装置１００は、上述した複数の各部のうち１又は任意の複数を組み合わせることが可能である。
本開示では、「情報」の文言を使用しているが、「情報」の文言は「データ」と言い換えることができ、「データ」の文言は「情報」と言い換えることができる。

［本実施形態の態様及び効果］
次に、本実施形態の一態様及び各態様が奏する効果について説明する。なお、以下に記載する各態様は出願時の一例であり、本実施形態は以下に記載する態様に限定されることはない。すなわち、本実施形態は以下に記載する各態様に限定されることはなく、上述した各部を適宜組み合わせて実現されてもよい。また、下位の態様は、それよりも上位の態様のいずれでも引用できる場合がある。
また、以下に記載する効果は一例であり、各態様が奏する効果は以下に記載するものに限定されることはない。また、各態様は、例えば、以下に記載する少なくとも１つの効果を奏してもよい。

（態様１）
一態様の情報処理装置は、複数の異なる時期に記録される画像情報を取得する取得部と、複数の異なる時期における同一地点を撮像した対象画像と、その対象画像間で変化のある対象物とを学習した学習済モデルと、取得部により取得された複数の画像情報それぞれの画像とに基づいて、その画像に写る変化のある対象物を推定する推定部と、を備える。
これにより、情報処理装置は、複数の画像の間での差異となる対象物、すなわち画像に記録される対象物のうち変化のある対象物を推定することができる。情報処理装置は、例えば、対象物の建設、対象物の増築、及び、対象物の解体等があった場合に、変化のある対象物として推定することができる。

（態様２）
一態様の情報処理装置では、推定部は、対象画像と、対象画像それぞれにおける変化前の対象物と変化後のその対象物であって、地面が写る側及び地面が写らない側のうちの一方にアノテーションを付した対象物とを学習した学習済モデルと、複数の画像情報に基づく画像とに基づいて、変化のある対象物を推定することとしてもよい。
情報処理装置は、対象物の変化前及び変化後のうち地面が記録される方（地面により近い方）、又は、対象物が写る方等の地面が写らない方（地面からより遠い方）に学習に用いるアノテーションを付すことにより、そのアノテーションを付して学習した学習済モデルを利用すると、変化のある対象物を推定する際のその推定の精度（推定の正しさ）を向上させることができる。

（態様３）
一態様の情報処理装置は、複数の異なる時期における同一地点を含む地図情報を取得し、その地図情報に記録される対象物に関する対象物情報に基づいて変化のある対象物を特定し、特定した変化のある対象物がある位置を記録し、その対象物の変化前と変化後とを撮像した対象画像を取得し、特定した対象物における変化前及び変化後のうち対象物が無い方又は対象物が有る方を記録した対象画像において、対象物が無い位置又は対象物が有る位置に対してアノテーションを付し、そのアノテーションを付した対象画像と、アノテーションを付してない対象画像とを学習して、学習済モデルを生成する学習部を備え、推定部は、学習部によって生成された学習済モデルと、複数の画像情報に基づく画像とに基づいて、変化のある対象物を推定することとしてもよい。
これにより、情報処理装置は、自動的に学習済モデルを生成することができる。また、情報処理装置は、その学習済モデルを利用して、複数の画像の間での差異となる対象物、すなわち画像に記録される対象物のうち変化のある対象物を推定することができる。

（態様４）
一態様の情報処理装置は、取得部によって取得された複数の画像情報に基づく画像それぞれを複数のメッシュに分割する分割部を備え、推定部は、複数の画像情報に基づく画像それぞれにおいて位置が対応するメッシュと、学習済モデルと基づいて、メッシュ毎に変化のある対象物を推定することとしてもよい。
情報処理装置は、メッシュ毎に対象物の推定を行うことにより、メッシュに分割しない複数の画像間での対象物の推定を行う場合に比べて、処理負担を軽減する、すなわちコストを軽減することができる。

（態様５）
一態様の情報処理装置では、分割部は、メッシュの粒度を調整可能であることとしてもよい。
これにより、情報処理装置は、例えば、画像に記録される地表の状況（例えば、建物及び道路等の対象物の密集度（密度）等）に応じて、メッシュの粒度を調整することができる。一例として、情報処理装置は、画像に記録される地表の状況（例えば、密集度等）が相対的に密の状況であれば、地表の状況（例えば、密集度等）が相対的に疎の状況に比べて、粒度を細かく（メッシュの平面サイズを小さく）してもよい。換言すると一例として、情報処理装置は、画像に記録される地表の状況（例えば、密集度等）が相対的に疎の状況であれば、地表の状況（例えば、密集度等）が相対的に密の状況に比べて、粒度を粗く（メッシュの平面サイズを大きく）してもよい。

（態様６）
一態様の情報処理装置は、取得部によって取得された複数の画像情報に基づく画像それぞれの色調及び傾きが同一になるよう調整する調整部を備え、推定部は、調整部によって調整された複数の画像と、学習済モデルとに基づいて、変化のある対象物を推定することとしてもよい。
これにより、情報処理装置は、学習済モデルを利用した複数の画像間の比較が容易になり、変化のある対象物を推定する際のその推定の精度（推定の正しさ）を向上させることができる。

（態様７）
一態様の情報処理装置は、複数の異なる時期に上空から撮像される画像情報を取得する取得部と、複数の異なる時期における同一地点を撮像した対象画像と、その対象画像それぞれの撮像領域に対応する領域内においてその複数の異なる時期の間で変化のある道路、建物及び水涯線とを学習した学習済モデルと、取得部により取得された複数の画像情報それぞれの画像とに基づいて、その画像に写る変化のある道路、建物及び水涯線を推定する推定部と、を備える。
これにより、情報処理装置は、上述した態様と同様の効果を奏することができる。

（態様８）
一態様の情報処理方法では、コンピュータが、複数の異なる時期に記録される画像情報を取得する取得ステップと、複数の異なる時期における同一地点を撮像した対象画像と、その対象画像間で変化のある対象物とを学習した学習済モデルと、取得ステップにより取得された複数の画像情報それぞれの画像とに基づいて、その画像に写る変化のある対象物を推定する推定ステップと、を実行する。
これにより、情報処理方法は、上述した一態様の情報処理装置と同様の効果を奏することができる。

（態様９）
一態様の情報処理プログラムは、コンピュータに、複数の異なる時期に記録される画像情報を取得する取得機能と、複数の異なる時期における同一地点を撮像した対象画像と、その対象画像間で変化のある対象物とを学習した学習済モデルと、取得機能により取得された複数の画像情報それぞれの画像とに基づいて、その画像に写る変化のある対象物を推定する推定機能と、を実現させる。
これにより、情報処理プログラムは、上述した一態様の情報処理装置と同様の効果を奏することができる。

１００情報処理装置
１１０制御部
１１１取得部
１１２分割部
１１３調整部
１１４学習部
１１５推定部
１１６出力制御部
１２１通信部
１２２記憶部
１２３表示部
２００飛行体
２１０カメラ
３００サーバ
４００対象物（変化の推定対象となる対象物）
４０１変化のある対象物
４１０建物
４１１建設された建物（変化のある建物）
４２０道路
４２１建設された道路（変化のある道路）
４４０比較対象
５００画像
５１０メッシュ
６００対象画像（学習の対象となる画像）
６１０第１時期の対象画像
６２０第２時期の対象画像
６４０対象物（学習の対象となる対象物）
６４１建物
６４２道路
６５０アノテーション

Claims

複数の異なる時期における同一地点を含む地図情報を取得し、当該地図情報に記録される対象物に関する対象物情報に基づいて変化のある対象物を特定し、前記特定した変化のある対象物がある位置を記録し、当該対象物の変化前と変化後とを撮像した対象画像を取得し、前記特定した対象物における変化前及び変化後のうち対象物が無い方又は対象物が有る方を記録した対象画像において、前記対象物が無い位置又は対象物が有る位置に対してアノテーションを付し、当該アノテーションを付した対象画像と、前記アノテーションを付してない対象画像とを学習して、学習済モデルを生成する学習部と、
複数の異なる時期に記録される画像情報を取得する取得部と、
前記学習部によって生成された学習済モデルと、前記取得部により取得された複数の画像情報それぞれの画像とに基づいて、当該画像に写る変化のある対象物を推定する推定部と、
を備える情報処理装置。
前記推定部は、前記対象画像と、前記対象画像それぞれにおける変化前の対象物と変化後の当該対象物であって、地面が写る側及び地面が写らない側のうちの一方にアノテーションを付した前記対象物とを学習した学習済モデルと、前記複数の画像情報に基づく画像とに基づいて、変化のある対象物を推定する
請求項１に記載の情報処理装置。
前記取得部によって取得された複数の画像情報に基づく画像それぞれを複数のメッシュに分割する分割部を備え、
前記推定部は、複数の画像情報に基づく画像それぞれにおいて位置が対応する前記メッシュと、学習済モデルと基づいて、メッシュ毎に変化のある対象物を推定する
請求項１に記載の情報処理装置。
前記分割部は、前記メッシュの粒度を調整可能である
請求項３に記載の情報処理装置。
前記取得部によって取得された複数の画像情報に基づく画像それぞれの色調及び傾きが同一になるよう調整する調整部を備え、
前記推定部は、前記調整部によって調整された複数の画像と、学習済モデルとに基づいて、変化のある対象物を推定する
請求項１に記載の情報処理装置。
対象物を道路、建物及び水涯線とし、複数の異なる時期における同一地点を含む地図情報を取得し、当該地図情報に記録される前記対象物に関する対象物情報に基づいて変化のある対象物を特定し、前記特定した変化のある対象物がある位置を記録し、当該対象物の変化前と変化後とを撮像した対象画像を取得し、前記特定した対象物における変化前及び変化後のうち対象物が無い方又は対象物が有る方を記録した対象画像において、前記対象物が無い位置又は対象物が有る位置に対してアノテーションを付し、当該アノテーションを付した対象画像と、前記アノテーションを付してない対象画像とを学習して、学習済モデルを生成する学習部と、
複数の異なる時期に上空から撮像される画像情報を取得する取得部と、
前記学習部によって生成された学習済モデルと、前記取得部により取得された複数の画像情報それぞれの画像とに基づいて、当該画像に写る変化のある道路、建物及び水涯線を推定する推定部と、
を備える情報処理装置。
コンピュータが、
複数の異なる時期における同一地点を含む地図情報を取得し、当該地図情報に記録される対象物に関する対象物情報に基づいて変化のある対象物を特定し、前記特定した変化のある対象物がある位置を記録し、当該対象物の変化前と変化後とを撮像した対象画像を取得し、前記特定した対象物における変化前及び変化後のうち対象物が無い方又は対象物が有る方を記録した対象画像において、前記対象物が無い位置又は対象物が有る位置に対してアノテーションを付し、当該アノテーションを付した対象画像と、前記アノテーションを付してない対象画像とを学習して、学習済モデルを生成する学習ステップと、
複数の異なる時期に記録される画像情報を取得する取得ステップと、
前記学習ステップによって生成された学習済モデルと、前記取得ステップにより取得された複数の画像情報それぞれの画像とに基づいて、当該画像に写る変化のある対象物を推定する推定ステップと、
を実行する情報処理方法。
コンピュータに、
複数の異なる時期における同一地点を含む地図情報を取得し、当該地図情報に記録される対象物に関する対象物情報に基づいて変化のある対象物を特定し、前記特定した変化のある対象物がある位置を記録し、当該対象物の変化前と変化後とを撮像した対象画像を取得し、前記特定した対象物における変化前及び変化後のうち対象物が無い方又は対象物が有る方を記録した対象画像において、前記対象物が無い位置又は対象物が有る位置に対してアノテーションを付し、当該アノテーションを付した対象画像と、前記アノテーションを付してない対象画像とを学習して、学習済モデルを生成する学習機能と、
複数の異なる時期に記録される画像情報を取得する取得機能と、
前記学習機能によって生成された学習済モデルと、前記取得機能により取得された複数の画像情報それぞれの画像とに基づいて、当該画像に写る変化のある対象物を推定する推定機能と、
を実現させる情報処理プログラム。