JP7483405B2 - 学習装置、電子機器、学習方法、電子機器の制御方法およびプログラム - Google Patents
学習装置、電子機器、学習方法、電子機器の制御方法およびプログラム Download PDFInfo
- Publication number
- JP7483405B2 JP7483405B2 JP2020029497A JP2020029497A JP7483405B2 JP 7483405 B2 JP7483405 B2 JP 7483405B2 JP 2020029497 A JP2020029497 A JP 2020029497A JP 2020029497 A JP2020029497 A JP 2020029497A JP 7483405 B2 JP7483405 B2 JP 7483405B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- image
- distribution
- data
- pieces
- 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 68
- 238000009826 distribution Methods 0.000 claims description 114
- 238000010801 machine learning Methods 0.000 claims description 57
- 230000008569 process Effects 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 47
- 238000012549 training Methods 0.000 claims description 38
- 238000013528 artificial neural network Methods 0.000 description 63
- 238000011084 recovery Methods 0.000 description 22
- 230000003247 decreasing effect Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
以下、図面を参照して、第1実施形態について説明する。図1は、本実施形態のシステムの一例を示す図である。コンピュータ10は、CPU11、メモリ12、記憶装置13、通信部14、表示部15、入力制御部16、GPU17(Graphics Processing Unit)および内部バス100を有する。コンピュータ10は、他の構成を有していていてもよい。コンピュータ10は、機械学習を行う学習装置である。コンピュータ10は、例えば、クラウドサーバやエッジコンピュータ等であってもよい。コンピュータ10は、画像処理を行う機能を有していてもよい。
次に、第2実施形態について説明する。第2実施形態では、学習セットの画像特徴量分布の調整において、画像特徴量が小さい復号画像が多く含まれるように調整される。つまり、画像特徴量が小さい復号画像の学習回数を多くした機械学習が行われる。このため、第2実施形態で生成される学習済みモデルによる推論結果は、画質回復の難易度が比較的低い復号画像(画像特徴量の小さな復号画像)の画質回復に適した推論結果となる。以下、第1実施形態と重複する部分の説明については省略する。第2実施形態の構成は、第1実施形態と同様である。
次に、第3実施形態について説明する。第1実施形態および第2実施形態と重複する部分については、説明を省略する。また、第3実施形態の構成は、第1実施形態および第2実施形態と同様である。第2実施形態では、CPU11は、画像特徴量が小さい復号画像が多く含まれるように調整した学習セットを用いて機械学習を行う。この場合、1つのニューラルネットワークで、画像特徴量が小さい復号画像を多く用いて機械学習が行われるため、画像特徴量が小さくない復号画像(例えば、画像特徴量が大きい復号画像)の画質回復性能は低くなる。そこで、第3実施形態では、複数のニューラルネットワークの機械学習が行われて、複数の学習済みモデルが生成される。
11 CPU
17 GPU
19 端末
22 画像特徴量抽出部
23 画像特徴分布調整部
24 学習セット記憶部
25 画像回復部
Claims (17)
- 複数の学習データを含む学習セットについて、前記複数の学習データの特徴量の分布が所定の分布となるように前記学習セットに含まれる学習データの数を調整する調整手段と、
前記学習セットを用いて機械学習を行い、学習済みモデルを生成する学習手段と、
を備えることを特徴とする学習装置。 - 前記調整手段は、前記学習データの特徴量が大きくなるに応じて、該学習データの割合を高くする第1の分布となるように前記学習データの数を調整することを特徴とする請求項1に記載の学習装置。
- 前記調整手段は、前記学習セットに含まれる前記複数の学習データを用いて前記機械学習が行われた後に、前記特徴量が所定量以上の学習データを追加することを特徴とする請求項2に記載の学習装置。
- 前記調整手段は、前記学習セットに含まれる全ての前記学習データを用いた前記機械学習が行われた後に、前記複数の学習データの特徴量の分布を平均化する調整を行うことを特徴とする請求項2に記載の学習装置。
- 前記調整手段は、前記学習データの特徴量が小さくなるに応じて、該学習データの割合を高くする第2の分布となるように前記学習データの数を調整することを特徴とする請求項1に記載の学習装置。
- 前記調整手段は、前記学習セットに含まれる全ての前記学習データを用いた前記機械学習が行われた後に、前記特徴量が所定量未満の学習データを追加することを特徴とする請求項5に記載の学習装置。
- 前記調整手段は、複数の前記学習セットのそれぞれについて、前記複数の学習データの特徴量の分布が所定の分布となるように前記学習セットに含まれる学習データの数を調整し、
複数の前記学習手段は、対応する学習セットを用いて機械学習を行うことを特徴とする請求項1に記載の学習装置。 - 前記学習装置は、複数の前記学習手段がそれぞれ機械学習して得られる複数の前記学習済みモデルを切り替えて推論処理を実行することを特徴とする請求項7に記載の学習装置。
- 前記学習装置は、推論対象となるデータの特徴量に応じて、前記複数の学習済みモデルのうち何れかに切り替えて前記推論処理を実行することを特徴とする請求項8に記載の学習装置。
- 前記学習セットは、前記特徴量が所定の閾値未満の複数の学習データまたは前記特徴量が前記所定の閾値以上の複数の学習データにより構成されることを特徴とする請求項7乃至9のうち何れか1項に記載の学習装置。
- 前記学習データは、非圧縮画像を符号化し、復号した学習用の復号画像であり、
前記学習済みモデルは、復号画像が入力されたときに、前記復号画像を回復した回復画像を出力することを特徴とする請求項1乃至10のうち何れか1項に記載の学習装置。 - 前記特徴量は、前記復号画像の画素差分値、画素平均値または分散値であることを特徴とする請求項11に記載の学習装置。
- 複数の学習データを含む学習セットについて、前記複数の学習データの特徴量の分布が所定の分布となるように前記学習セットに含まれる学習データの数を調整し、該学習データの数が調整された学習セットを用いて機械学習を行い、学習済みモデルを生成する学習装置から前記学習済みモデルを取得する取得手段と、
取得した前記学習済みモデルを用いて推論処理を行う推論手段と、
を備えることを特徴とする電子機器。 - 複数の学習データを含む学習セットについて、前記複数の学習データの特徴量の分布が所定の分布となるように前記学習セットに含まれる学習データの数を調整する工程と、
前記学習セットを用いて機械学習を行い、学習済みモデルを生成する工程と、
を備えることを特徴とする学習方法。 - 複数の学習データを含む学習セットについて、前記複数の学習データの特徴量の分布が所定の分布となるように前記学習セットに含まれる学習データの数を調整し、該学習データの数が調整された学習セットを用いて機械学習を行い、学習済みモデルを生成する学習装置から前記学習済みモデルを取得する工程と、
取得した前記学習済みモデルを用いて推論処理を行う工程と、
を備えることを特徴とする電子機器の制御方法。 - 請求項1乃至12のうち何れか1項に記載の学習装置の各手段をコンピュータに実行させるためのプログラム。
- 請求項13に記載の電子機器の各手段をコンピュータに実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020029497A JP7483405B2 (ja) | 2020-02-25 | 2020-02-25 | 学習装置、電子機器、学習方法、電子機器の制御方法およびプログラム |
US17/179,989 US20210264314A1 (en) | 2020-02-25 | 2021-02-19 | Learning apparatus that adjusts training set used for machine learning, electronic apparatus, learning method, control method for electronic apparatus, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020029497A JP7483405B2 (ja) | 2020-02-25 | 2020-02-25 | 学習装置、電子機器、学習方法、電子機器の制御方法およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021135583A JP2021135583A (ja) | 2021-09-13 |
JP7483405B2 true JP7483405B2 (ja) | 2024-05-15 |
Family
ID=77366247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020029497A Active JP7483405B2 (ja) | 2020-02-25 | 2020-02-25 | 学習装置、電子機器、学習方法、電子機器の制御方法およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20210264314A1 (ja) |
JP (1) | JP7483405B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014104151A1 (ja) | 2012-12-28 | 2014-07-03 | 富士通株式会社 | 画像処理装置及び特徴検出方法 |
JP2016103245A (ja) | 2014-11-28 | 2016-06-02 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
JP2020004405A (ja) | 2018-06-25 | 2020-01-09 | 富士通株式会社 | 情報処理方法及び情報処理装置 |
-
2020
- 2020-02-25 JP JP2020029497A patent/JP7483405B2/ja active Active
-
2021
- 2021-02-19 US US17/179,989 patent/US20210264314A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014104151A1 (ja) | 2012-12-28 | 2014-07-03 | 富士通株式会社 | 画像処理装置及び特徴検出方法 |
JP2016103245A (ja) | 2014-11-28 | 2016-06-02 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラム |
JP2020004405A (ja) | 2018-06-25 | 2020-01-09 | 富士通株式会社 | 情報処理方法及び情報処理装置 |
Also Published As
Publication number | Publication date |
---|---|
US20210264314A1 (en) | 2021-08-26 |
JP2021135583A (ja) | 2021-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11853882B2 (en) | Methods, apparatus, and storage medium for classifying graph nodes | |
KR20190127909A (ko) | 심층 신경망을 통한 시각 품질 유지 양자화 파라미터 예측 | |
US11449734B2 (en) | Neural network reduction device, neural network reduction method, and storage medium | |
WO2018235448A1 (ja) | 多層ニューラルネットワークのニューロンの出力レベル調整方法 | |
US11494638B2 (en) | Learning support device and learning support method | |
US20210312239A1 (en) | Information processing apparatus that performs machine learning of learning model, learning method, and storage medium | |
JP2020149156A (ja) | データ圧縮装置、データ処理装置、データ圧縮方法、プログラム、及び学習済みモデル | |
JPWO2019102984A1 (ja) | 学習装置、識別装置及びプログラム | |
CN113962161A (zh) | 基于黑寡妇优化算法的最优QoS服务选择方法及装置 | |
CN110942436A (zh) | 一种基于图像质量评价的图像去模糊方法 | |
CN112101513A (zh) | 机器学习装置 | |
JP7483405B2 (ja) | 学習装置、電子機器、学習方法、電子機器の制御方法およびプログラム | |
Akutsu et al. | End-to-End Learned ROI Image Compression. | |
CN111931698B (zh) | 基于小型训练集的图像深度学习网络构建方法及装置 | |
CN114641792A (zh) | 图像处理方法、图像处理设备和可读存储介质 | |
CN114049539B (zh) | 基于去相关二值网络的协同目标识别方法、系统及装置 | |
US20220076122A1 (en) | Arithmetic apparatus and arithmetic method | |
CN113177627B (zh) | 优化系统、重新训练系统及其方法及处理器和可读介质 | |
TWI732467B (zh) | 訓練稀疏連接神經網路的方法 | |
EP2630801A1 (en) | Method and device for automatic prediction of a value associated with a data tuple | |
CN116630697B (zh) | 一种基于有偏选择池化的图像分类方法 | |
TWI789042B (zh) | 具有平均量化機制的神經網路建構方法及裝置 | |
US12026608B2 (en) | Method for adjusting output level of multilayer neural network neuron | |
JP7376812B2 (ja) | データ生成方法、データ生成装置及びプログラム | |
WO2022190301A1 (ja) | 学習装置、学習方法、及びコンピュータ可読媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230220 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240314 |
|
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: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240501 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7483405 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |