JPWO2021130888A5 - 学習装置、学習方法および学習プログラム - Google Patents

Claims (10)

1. 第１の学習用データを基に機械学習を実行し、第１の学習用データのカテゴリを分類する学習モデルを生成する学習手段と、
   前記学習モデルを用いて前記第１の学習用データのカテゴリを分類する際に、前記学習モデルが前記第１の学習用データ上で注目した部分を検出する注目部分検出手段と、
   前記注目した部分が、予め決定された注目すべき注目決定部分に対し一致する割合に基づいて、前記注目した部分を加工した第２の学習用データを生成するデータ生成手段と
   を備える学習装置。
2. 前記データ生成手段は、前記注目した部分が前記注目決定部分に対し一致する割合が所定値よりも低い場合に、前記注目した部分の前記分類に対する寄与が小さくなるように前記注目した部分を加工して前記第２の学習用データを生成する請求項１に記載の学習装置。
3. 前記データ生成手段は、
   前記注目決定部分が、前記学習モデルを用いてカテゴリを分類するときに前記注目した部分に対し一致する割合を検出する一致検出手段と、
   前記一致の割合が所定値より低い場合、前記注目した部分に対して、前記学習モデルがカテゴリを分類しないよう加工し、加工によって前記第２の学習用データを生成するデータ加工手段と
   を含む請求項１または２に記載の学習装置。
4. 前記学習手段は、前記第２の学習用データを用いた再学習によって前記学習モデルを更新する請求項１から３いずれかに記載の学習装置。
5. 前記学習手段は、前記学習モデルの推定精度が所定の基準を満たすとき、前記学習モデルの生成が終了したと判断する請求項１から４いずれかに記載の学習装置。
6. 前記第１の学習用データ上においてカテゴリを分類する対象が存在する部分の情報を注目部分の情報として前記第１の学習用データに関連付けて保存する学習用データ保存手段をさらに備える請求項１から５いずれかに記載の学習装置。
7. 前記学習手段は、前記注目決定部分の情報としてカテゴリを分類する対象が存在する画像上の領域を示す情報を関連付けた前記第１の学習用データを用いて機械学習を実行して、前記画像上の物体の分類を推定する学習モデルを生成し、
   前記データ生成手段は、前記画像上において前記学習モデルを用いて前記カテゴリを分類するときに前記注目した部分が、前記注目決定部分に対し一致する割合が所定値より低い場合、前記画像上の前記注目した部分がカテゴリの分類に寄与しないように加工し前記第２の学習用データを生成する請求項１から６いずれかに記載の学習装置。
8. 前記データ生成手段は、前記注目した部分と前記注目決定部分が重なっている部分である第１のピクセル数の前記学習モデルが前記注目した部分である第２のピクセル数に対する比を前記一致する割合として算出する請求項７に記載の学習装置。
9. 第１の学習用データを基に機械学習を実行し、第１の学習用データのカテゴリを分類する学習モデルを生成し、
   前記学習モデルを用いて前記第１の学習用データのカテゴリを分類する際に、前記学習モデルが前記第１の学習用データ上で注目した部分を検出し、
   前記注目した部分が、予め決定された注目すべき注目決定部分に対し一致する割合に基づいて、前記注目した部分を加工した第２の学習用データを生成する
   学習方法。
10. 第１の学習用データを基に機械学習を実行し、第１の学習用データのカテゴリを分類する学習モデルを生成する処理と、
    前記学習モデルを用いて前記第１の学習用データのカテゴリを分類する際に、前記学習モデルが前記第１の学習用データ上で注目した部分を検出する処理と、
    前記注目した部分が、予め決定された注目すべき注目決定部分に対し一致する割合に基づいて、前記注目した部分を加工した第２の学習用データを生成する処理と
    をコンピュータに実行させる学習プログラム。