特許ウォッチ

公開番号2025094231
公報種別公開特許公報(A)
公開日2025-06-24
出願番号2025051207,2023183772
出願日2025-03-26,2020-06-24
発明の名称情報処理システム、情報処理方法及びプログラム
出願人日本電気株式会社
代理人個人
主分類G06N 3/0895 20230101AFI20250617BHJP(計算;計数)
要約【課題】異常を検出する推定モデルに関する技術を発展させる。
【解決手段】本発明は、記憶手段と、学習手段と、取得手段と、受信手段とを有する。記憶手段は、異常状態である物体が映る第1画像と正常状態である物体が映る第2画像とを記憶する。学習手段は、第1画像と第2画像とを用いた機械学習により複数の第1推定モデルを生成する。取得手段は、複数の第1推定モデルのうち少なくとも1つの第1推定モデルを用いて判定され、正常状態と異常状態を含む複数の分類のうち物体が映る撮像画像に対して判定された分類を取得する。受信手段は、撮像画像ごとに判定された分類に対するユーザの正誤入力の結果を受信する。学習手段は、さらに、正誤入力により正常状態又は異常状態であると分類された撮像画像を第1画像及び第2画像とともに用いた機械学習により、画像に対して正常状態及び異常状態を判定する。
【選択図】図2
特許請求の範囲【請求項１】
異常状態である物体が映る第１画像と正常状態である物体が映る第２画像とを記憶する記憶手段と、
前記第１画像と前記第２画像とを用いた機械学習により複数の第１推定モデルを生成する学習手段と、
前記複数の第１推定モデルのうち少なくとも１つの第１推定モデルを用いて判定され、正常状態と異常状態を含む複数の分類のうち物体が映る撮像画像に対して判定された分類を取得する取得手段と、
前記撮像画像ごとに前記判定された分類に対するユーザの正誤入力の結果を受信する受信手段と、
を有し、
前記学習手段は、さらに、前記正誤入力により正常状態又は異常状態であると分類された前記撮像画像を前記第１画像及び前記第２画像とともに用いた機械学習により、画像に対して正常状態及び異常状態を判定する第２推定モデルを生成する、
情報処理システム。
続きを表示（約 1,400 文字）【請求項２】
前記受信手段は、前記第１推定モデルが所定レベル以上の信頼度とともに異常状態を示すと判定した前記撮像画像に対して、ユーザが前記正誤入力を行った結果を受信する、
請求項１に記載の情報処理システム。
【請求項３】
前記取得手段は、前記第２推定モデルを用いて判定され、前記複数の分類のうち物体が映る撮像画像に対して判定された分類を取得する、
請求項１又は２に記載の情報処理システム。
【請求項４】
前記異常状態とは、前記物体の故障又は不良を示す、請求項１から３のいずれか一項に記載の情報処理システム。
【請求項５】
前記第１画像は予め記憶された画像であり、前記第２画像は前記第１画像との類似度が基準値以下であり正常状態を示すと定められた画像である、請求項１から４のいずれか一項に記載の情報処理システム。
【請求項６】
複数の前記第１推定モデルは、互いに異なるアルゴリズムに基づき生成された推定モデルを含む、請求項１から５のいずれか１項に記載の情報処理システム。
【請求項７】
前記学習手段は、前記正誤入力により正常状態又は異常状態であると分類された前記撮像画像を前記第１画像及び前記第２画像とともに用いた機械学習により、複数の前記第２推定モデルを生成する、請求項１から６のいずれか１項に記載の情報処理システム。
【請求項８】
前記正常状態及び前記異常状態は、同一の種別の物体に対する分類である、請求項１から７のいずれか１項に記載の情報処理システム。
【請求項９】
１つ以上のコンピュータが、
異常状態である物体が映る第１画像と正常状態である物体が映る第２画像とを記憶し、
前記第１画像と前記第２画像とを用いた機械学習により複数の第１推定モデルを生成し、
前記複数の第１推定モデルのうち少なくとも１つの第１推定モデルを用いて判定され、正常状態と異常状態を含む複数の分類のうち物体が映る撮像画像に対して判定された分類を取得し、
前記撮像画像ごとに前記判定された分類に対するユーザの正誤入力の結果を受信し、
前記正誤入力により正常状態又は異常状態であると分類された前記撮像画像を前記第１画像及び前記第２画像とともに用いた機械学習により、画像に対して正常状態及び異常状態を判定する第２推定モデルを生成する、
情報処理方法。
【請求項１０】
コンピュータを、
異常状態である物体が映る第１画像と正常状態である物体が映る第２画像とを記憶する記憶手段、
前記第１画像と前記第２画像とを用いた機械学習により複数の第１推定モデルを生成する学習手段、
前記複数の第１推定モデルのうち少なくとも１つの第１推定モデルを用いて判定され、正常状態と異常状態を含む複数の分類のうち物体が映る撮像画像に対して判定された分類を取得する取得手段、
前記撮像画像ごとに前記判定された分類に対するユーザの正誤入力の結果を受信する受信手段、
として機能させ、
前記学習手段は、さらに、前記正誤入力により正常状態又は異常状態であると分類された前記撮像画像を前記第１画像及び前記第２画像とともに用いた機械学習により、画像に対して正常状態及び異常状態を判定する第２推定モデルを生成する、
プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、学習装置、推定装置、学習方法及びプログラムに関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
特許文献１は、正解及び不正解の教師画像に基づいた学習により、入力画像を、良画像又は不良画像に分類する推定モデルを生成する技術を開示している。良画像は、正解の教師画像との類似度合が高い画像であり、不良画像は正解の教師画像との類似度合が低い画像である。特許文献２は、異常行動を示す教師画像により異常行動を定義し、定義した異常行動を検出する推定モデルを生成する技術を開示している。
【先行技術文献】
【特許文献】
【０００３】
特開２０２０－３５０９７号公報
特開２０１９－０５３３８４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
異常を検出する推定モデルを生成する技術において、教師画像を効率的に収集する技術が望まれている。特許文献１は、当該課題及び解決手段を開示していない。特許文献２に記載の技術の場合、異常行動を示す教師画像を大量に収集する必要がある。しかし、「異常」を示す教師画像を収集することは容易でない。本発明は、異常を検出する推定モデルを生成するための教師画像を効率的に収集する技術を提供することを課題とする。
【課題を解決するための手段】
【０００５】
本発明によれば、
画像を取得する取得手段と、
前記取得された画像と、予め蓄積された異常状態を示す第１の画像との類似度を算出する類似度算出手段と、
前記類似度が第１の基準値以下の前記取得された画像を、正常状態を示す第２の画像として登録する登録手段と、
前記第１の画像及び前記第２の画像を用いた機械学習により、正常／異常を判別する推定モデルを生成する学習手段と、
を有する学習装置が提供される。
【０００６】
また、本発明によれば、
コンピュータが、
画像を取得し、
前記取得された画像と、予め蓄積された異常状態を示す第１の画像との類似度を算出し、
前記類似度が第１の基準値以下の前記取得された画像を、正常状態を示す第２の画像として登録し、
前記第１の画像及び前記第２の画像を用いた機械学習により、正常／異常を判別する推定モデルを生成する学習方法が提供される。
【０００７】
また、本発明によれば、
コンピュータを、
画像を取得する取得手段、
前記取得された画像と、予め蓄積された異常状態を示す第１の画像との類似度を算出する類似度算出手段、
前記類似度が第１の基準値以下の前記取得された画像を、正常状態を示す第２の画像として登録する登録手段、
前記第１の画像及び前記第２の画像を用いた機械学習により、正常／異常を判別する推定モデルを生成する学習手段、
として機能させるプログラムが提供される。
【０００８】
また、本発明によれば、前記学習装置により生成された推定モデルを用いて正常／異常を判別する推定装置が提供される。
【発明の効果】
【０００９】
本発明によれば、異常を検出する推定モデルを生成するための教師画像を効率的に収集することが可能となる。
【図面の簡単な説明】
【００１０】
本実施形態の学習装置の処理の流れの一例を示すフローチャートである。
本実施形態の学習装置の機能ブロック図の一例である。
本実施形態の学習装置の処理の流れの一例を詳細に示す図である。
本実施形態の学習装置のハードウエア構成例を示す図である。
本実施形態の学習装置の機能ブロック図の一例である。
本実施形態の学習装置の処理の流れの一例を詳細に示す図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許