JPWO2021079459A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2021079459A5 JPWO2021079459A5 JP2021553229A JP2021553229A JPWO2021079459A5 JP WO2021079459 A5 JPWO2021079459 A5 JP WO2021079459A5 JP 2021553229 A JP2021553229 A JP 2021553229A JP 2021553229 A JP2021553229 A JP 2021553229A JP WO2021079459 A5 JPWO2021079459 A5 JP WO2021079459A5
- Authority
- JP
- Japan
- Prior art keywords
- model
- ratio
- inspector
- data
- boundary
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 claims 6
- 238000000034 method Methods 0.000 claims 6
- 230000010365 information processing Effects 0.000 claims 1
Claims (6)
- コンピュータが実行する検出方法であって、
少なくとも3種類以上の正解ラベルのうち、いずれかの正解ラベルに対応する複数の訓練データを用いて、監視対象となる運用モデルを訓練し、
前記運用モデルの出力結果を基にして、データの特徴空間を複数の適用領域に分類する決定境界から運用データまでの距離を算出するインスペクターモデルを訓練することで、前記インスペクターモデルに、前記決定境界を学習させ、
前記複数の訓練データが前記決定境界の付近に位置するか否かを前記インスペクターモデルにより算出し、全訓練データのうち、前記決定境界の付近に位置する訓練データの第一割合を取得し、
少なくとも3種類以上の正解ラベルのうち、いずれかの正解ラベルに対応する複数の運用データが前記決定境界から距離が閾値以下となる領域に位置するか否かを前記インスペクターモデルにより算出し、全運用データのうち、前記決定境界から距離が閾値以下となる領域に位置する運用データの第二割合を取得し、
前記第一割合と前記第二割合とを基にして、前記運用データの傾向の時間変化に起因する前記運用モデルの出力結果の変化を検出する
処理を実行することを特徴とする検出方法。 - 前記作成する処理は、前記データの特徴空間を、1つの適用領域と、他の複数の適用領域とに分類する決定境界を学習させた複数のインスペクターモデルを作成することを特徴とする請求項1に記載の検出方法。
- 前記第一割合を取得する処理は、前記複数のインスペクターモデルの決定境界毎に、前記第一割合を取得し、前記第二割合を取得する処理は、前記複数のインスペクターモデルの決定境界毎に、前記第二割合を取得することを特徴とする請求項2に記載の検出方法。
- 前記検出する処理は、前記複数のインスペクターモデルの決定境界毎の第一割合と、前記複数のインスペクターモデルの決定境界毎の第二割合とを基にして、前記運用モデルの出力結果の変化の要因となるデータを検出することを特徴とする請求項3に記載の検出方法。
- コンピュータに、
少なくとも3種類以上の正解ラベルのうち、いずれかの正解ラベルに対応する複数の訓練データを用いて、監視対象となる運用モデルを学習し、
前記運用モデルの出力結果を基にして、データの特徴空間を複数の適用領域に分類する決定境界から運用データまでの距離を算出するインスペクターモデルを訓練することで、前記インスペクターモデルに、前記決定境界を学習させ、
前記複数の訓練データが前記決定境界の付近に位置するか否かを前記インスペクターモデルにより算出し、全訓練データのうち、前記決定境界の付近に位置する訓練データの第一割合を取得し、
少なくとも3種類以上の正解ラベルのうち、いずれかの正解ラベルに対応する複数の運用データが前記決定境界から距離が閾値以下となる領域に位置するか否かを前記インスペクターモデルにより算出し、全運用データのうち、前記決定境界から距離が閾値以下となる領域に位置する運用データの第二割合を取得し、
前記第一割合と前記第二割合とを基にして、前記運用データの傾向の時間変化に起因する前記運用モデルの出力結果の変化を検出する
処理を実行させることを特徴とする検出プログラム。 - 少なくとも3種類以上の正解ラベルのうち、いずれかの正解ラベルに対応する複数の訓練データを用いて、監視対象となる運用モデルを学習する学習部と、
前記運用モデルの出力結果を基にして、データの特徴空間を複数の適用領域に分類する決定境界から運用データまでの距離を算出するインスペクターモデルを訓練することで、前記インスペクターモデルに、前記決定境界を学習させる作成部と、
前記複数の訓練データが前記決定境界の付近に位置するか否かを前記インスペクターモデルにより算出し、全訓練データのうち、前記決定境界の付近に位置する訓練データの第一割合を取得し、少なくとも3種類以上の正解ラベルのうち、いずれかの正解ラベルに対応する複数の運用データが前記決定境界から距離が閾値以下となる領域に位置するか否かを前記インスペクターモデルにより算出し、全運用データのうち、前記決定境界から距離が閾値以下となる領域に位置する運用データの第二割合を取得し、前記第一割合と前記第二割合とを基にして、前記運用データの傾向の時間変化に起因する前記運用モデルの出力結果の変化を検出する検出部と
を有することを特徴とする情報処理装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/041690 WO2021079459A1 (ja) | 2019-10-24 | 2019-10-24 | 検出方法、検出プログラムおよび情報処理装置 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021079459A1 JPWO2021079459A1 (ja) | 2021-04-29 |
JPWO2021079459A5 true JPWO2021079459A5 (ja) | 2022-06-03 |
JP7400827B2 JP7400827B2 (ja) | 2023-12-19 |
Family
ID=75620436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021553229A Active JP7400827B2 (ja) | 2019-10-24 | 2019-10-24 | 検出方法、検出プログラムおよび情報処理装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220207307A1 (ja) |
JP (1) | JP7400827B2 (ja) |
WO (1) | WO2021079459A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023275971A1 (ja) * | 2021-06-29 | 2023-01-05 | 日本電気株式会社 | 情報処理装置、情報処理方法及び非一時的なコンピュータ可読媒体 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180075360A1 (en) | 2015-03-23 | 2018-03-15 | Nec Corporation | Accuracy-estimating-model generating system and accuracy estimating system |
JP7238470B2 (ja) | 2018-03-15 | 2023-03-14 | 富士通株式会社 | 学習装置、検査装置、学習検査方法、学習プログラムおよび検査プログラム |
-
2019
- 2019-10-24 WO PCT/JP2019/041690 patent/WO2021079459A1/ja active Application Filing
- 2019-10-24 JP JP2021553229A patent/JP7400827B2/ja active Active
-
2022
- 2022-03-15 US US17/694,716 patent/US20220207307A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108399386B (zh) | 饼图中的信息提取方法及装置 | |
CN109241997B (zh) | 一种生成训练集的方法及装置 | |
FI3452959T3 (fi) | Mallin rakentaminen neuroverkossa objektin havaitsemista varten | |
JP2018026122A5 (ja) | ||
US20200116522A1 (en) | Anomaly detection apparatus and anomaly detection method | |
KR102340998B1 (ko) | 오토 레이블링 방법 및 시스템 | |
JP2008271268A5 (ja) | ||
JP7213701B2 (ja) | 加工装置、加工方法、加工プログラム、及び検査装置 | |
US20200193219A1 (en) | Discrimination device and machine learning method | |
JP2021527256A (ja) | ビジョンシステムで画像内のパターンを検出及び分類するためのシステム及び方法 | |
JPWO2021079440A5 (ja) | ||
JP2018081350A5 (ja) | ||
Dong et al. | Data-centric annotation analysis for plant disease detection: Strategy, consistency, and performance | |
JPWO2021079459A5 (ja) | ||
JPWO2021079460A5 (ja) | ||
JPWO2021111622A5 (ja) | パラメータ決定装置、パラメータ決定方法、及び、プログラム | |
Liang et al. | A supervised figure-ground segmentation method using genetic programming | |
JPWO2021079458A5 (ja) | ||
JPWO2021144938A5 (ja) | ||
Leong | Automatic detection of frustration of novice programmers from contextual and keystroke logs | |
JP2021157550A5 (ja) | ||
KR20230069396A (ko) | 인공신경망을 이용하여 영상으로부터 식물 잎을 검출하는 방법 및 이를 수행하기 위한 컴퓨팅 장치 | |
CN113470073A (zh) | 一种基于深度学习的动物中心追踪方法 | |
JPWO2021106028A5 (ja) | 機械学習装置、機械学習方法、及び、機械学習プログラム | |
Kathirgamanathan et al. | Using Barycenters as Aggregate Representations of Repetition-Based Time-Series Exercise Data |