特許ウォッチ

公開番号2025097152
公報種別公開特許公報(A)
公開日2025-06-30
出願番号2023213275
出願日2023-12-18
発明の名称AIモデルの学習用データ生成装置、AIモデルの学習用データ生成方法、AIモデルの学習用データ生成システム、プログラムおよびAIモデルの学習用データのデータ構造
出願人株式会社デンソーテン
代理人弁理士法人酒井国際特許事務所
主分類G06T 7/00 20170101AFI20250623BHJP(計算;計数)
要約【課題】不正画像が紛れ込むことによる学習精度の低下を効果的に防ぐこと。
【解決手段】実施形態に係るAIモデルの学習用データ生成装置は、コントローラを備える。上記コントローラは、候補画像、この候補画像が撮影された位置情報および撮影方向を取得し、上記候補画像と撮影位置および撮影方向が近似する画像を複数の画像から比較画像として取得し、上記候補画像と上記比較画像との類似度を算出し、上記類似度が閾値以上である上記候補画像を学習用データとして選択し、上記類似度が上記閾値未満である上記候補画像を上記学習用データとして非選択する。
【選択図】図4
特許請求の範囲【請求項１】
候補画像、該候補画像が撮影された位置情報および撮影方向を取得し、
前記候補画像と撮影位置および撮影方向が近似する画像を複数の画像から比較画像として取得し、
前記候補画像と前記比較画像との類似度を算出し、
前記類似度が閾値以上である前記候補画像を学習用データとして選択し、
前記類似度が前記閾値未満である前記候補画像を前記学習用データとして非選択するコントローラ、
を備えるＡＩモデルの学習用データ生成装置。
続きを表示（約 1,800 文字）【請求項２】
前記コントローラは、
前記候補画像が撮影された時刻情報をさらに取得し、
前記時刻情報が前記候補画像と近似する画像を前記比較画像として取得する、
請求項１に記載のＡＩモデルの学習用データ生成装置。
【請求項３】
前記コントローラは、
前記選択された学習用データの内、前記類似度が閾値以上である前記学習用データを用いて学習用データのデータ拡張を行う、
請求項１に記載のＡＩモデルの学習用データ生成装置。
【請求項４】
前記コントローラは、
前記比較画像が取得できない場合に、予め設けられた代表的なシーンの画像である複数の代表画像を前記比較画像として取得する、
請求項１に記載のＡＩモデルの学習用データ生成装置。
【請求項５】
前記コントローラは、
前記類似度が前記閾値以上である前記代表画像が存在する場合、前記候補画像を前記学習用データとして選択する、
請求項４に記載のＡＩモデルの学習用データ生成装置。
【請求項６】
コントローラが実行するＡＩモデルの学習用データ生成方法であって、
候補画像、該候補画像が撮影された位置情報および撮影方向を取得することと、
前記候補画像と撮影位置および撮影方向が近似する画像を複数の画像から比較画像として取得することと、
前記候補画像と前記比較画像との類似度を算出することと、
前記類似度が閾値以上である前記候補画像を学習用データとして選択することと、
前記類似度が前記閾値未満である前記候補画像を前記学習用データとして非選択することと、
を含むＡＩモデルの学習用データ生成方法。
【請求項７】
ＡＩモデルの学習用データ生成装置と、該学習用データ生成装置と通信可能に設けられた車載装置と、を備え、
前記車載装置は、
候補画像を撮影し、
前記候補画像、該候補画像が撮影された位置情報および撮影方向を前記学習用データ生成装置へ送信し、
前記学習用データ生成装置は、
前記車載装置から送信された前記候補画像、前記位置情報および前記撮影方向を受信し、
前記候補画像と撮影位置および撮影方向が近似する画像を複数の画像から比較画像として取得し、
前記候補画像と前記比較画像との類似度を算出し、
前記類似度が閾値以上である前記候補画像を学習用データとして選択し、
前記類似度が前記閾値未満である前記候補画像を前記学習用データとして非選択する、
ＡＩモデルの学習用データ生成システム。
【請求項８】
候補画像、該候補画像が撮影された位置情報および撮影方向を取得することと、
前記候補画像と撮影位置および撮影方向が近似する画像を複数の画像から比較画像として取得することと、
前記候補画像と前記比較画像との類似度を算出することと、
前記類似度が閾値以上である前記候補画像を学習用データとして選択することと、
前記類似度が前記閾値未満である前記候補画像を前記学習用データとして非選択することと、
をコンピュータに実行させるプログラム。
【請求項９】
コントローラを備えたＡＩモデルの学習用データ生成装置によって生成される学習用データのデータ構造であって、
前記コントローラが、
候補画像、該候補画像が撮影された位置情報および撮影方向を取得し、
前記候補画像と撮影位置および撮影方向が近似する画像を複数の画像から比較画像として取得し、
前記候補画像と前記比較画像との類似度を算出し、
前記類似度が閾値以上である前記候補画像を前記学習用データとして選択し、
前記類似度が前記閾値未満である前記候補画像を前記学習用データとして非選択し、
前記学習用データのデータ構造は、
前記コントローラによって選択された前記学習用データと、当該学習用データに対し前記コントローラによって紐付けられる前記類似度とを少なくとも有するレコードを備える、
ＡＩモデルの学習用データのデータ構造。

発明の詳細な説明【技術分野】
【０００１】
開示の実施形態は、ＡＩモデルの学習用データ生成装置、ＡＩモデルの学習用データ生成方法、ＡＩモデルの学習用データ生成システム、プログラムおよびＡＩモデルの学習用データのデータ構造に関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
従来、複数のカメラによって撮影された撮影画像を収集し、画像認識ＡＩ（Artificial Intelligence）等のＡＩモデルの学習用データとして利用する技術が知られている。また、このような技術には、学習に適さない不適切な画像の収集を抑制するため、学習用データとして登録される前に予め決められた判定基準に沿って画像の適否判定を行うものがある（例えば、特許文献１参照）。
【０００３】
この適否判定では、例えば人の手等、学習対象となる物体以外の他の物体が写り込んだ画像や、照度の不足する画像等が不適切な画像として判定される。
【０００４】
こうした学習用データの収集は、例えば車載機器向けのＡＩモデルの学習に際しても必要となる。ただし、近年、車載機器向けの学習用データは、実際に走行している車両のカメラ画像を利用する場合が多い。この場合、車両のカメラ画像は、車両からネットワーク経由で学習用データを収集するサーバ装置へアップロードされる。
【０００５】
なお、このように車両からネットワーク経由でデータを収集する場合、悪意の攻撃者からの不正なアクセスが行われることが懸念される。こうした車載機器向けの不正なアクセスに対しては、例えばＣＡＮ（Controller Area Network）等の車載ネットワークにおいて攻撃フレームを検知する技術が提案されている（例えば、特許文献２参照）。
【先行技術文献】
【特許文献】
【０００６】
特開２０２０－００８９０４号公報
特開２０１７－１１１７９６号公報
【発明の概要】
【発明が解決しようとする課題】
【０００７】
しかしながら、上述した従来技術を用いた場合、攻撃者に狙われ、アップロード画像を不正に改ざん等が行われた不正画像に差し替えられることで、学習用データに意図しないデータが紛れ込み、学習精度が低下してしまうおそれがある。
【０００８】
実施形態の一態様は、上記に鑑みてなされたものであって、不正画像が紛れ込むことによる学習精度の低下を効果的に防ぐことができるＡＩモデルの学習用データ生成装置、ＡＩモデルの学習用データ生成方法、ＡＩモデルの学習用データ生成システム、プログラムおよびＡＩモデルの学習用データのデータ構造を提供することを目的とする。
【課題を解決するための手段】
【０００９】
実施形態の一態様に係るＡＩモデルの学習用データ生成装置は、コントローラを備える。前記コントローラは、候補画像、該候補画像が撮影された位置情報および撮影方向を取得し、前記候補画像と撮影位置および撮影方向が近似する画像を複数の画像から比較画像として取得し、前記候補画像と前記比較画像との類似度を算出し、前記類似度が閾値以上である前記候補画像を学習用データとして選択し、前記類似度が前記閾値未満である前記候補画像を前記学習用データとして非選択する。
【発明の効果】
【００１０】
実施形態の一態様によれば、正規と考えられる正規画像との比較により、不正に差し替えられた不正画像を高精度で検出することができ、不正画像が紛れ込むことによる学習精度の低下を効果的に防ぐことができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許