特許ウォッチ

公開番号2025151393
公報種別公開特許公報(A)
公開日2025-10-09
出願番号2024052793
出願日2024-03-28
発明の名称検査装置、目的変数修正方法および目的変数修正プログラム
出願人ニデック株式会社
代理人弁理士法人酒井国際特許事務所
主分類G06N 20/00 20190101AFI20251002BHJP(計算;計数)
要約【課題】学習モデルを用いた検査において、任意のデータを教師データとした場合であっても、ミスラベルを修正しつつ学習モデルの推論精度を向上させる検査装置、目的変数修正方法及び目的変数修正プログラムを提供する。
【解決手段】本開示の一態様による検査装置は、学習部と、推論部、重み付け部及び修正部を有する教師データ推定部と、を備える。学習部は、目的変数としてのラベルを含む教師データのデータセットを用いて学習モデルを学習する。推論部は、上記教師データのデータセットを用いた上記学習モデルによる推論を行う。重み付け部は、上記学習モデルの特徴量空間における上記教師データそれぞれに対応する第1特徴量と上記推論による第2特徴量との差が示す修正量を任意の重み値によって重み付けする。教師データ修正部は、重み付けされた上記修正量に基づいて上記ラベルを修正する。
【選択図】図5
特許請求の範囲【請求項１】
目的変数としてのラベルを含む教師データのデータセットを用いて学習モデルを学習する学習部と、
前記教師データのデータセットを用いた前記学習モデルによる推論を行う推論部と、
前記学習モデルの特徴量空間における前記教師データそれぞれに対応する第１特徴量と前記推論による第２特徴量との差が示す修正量を任意の重み値によって重み付けする重み付け部と、
重み付けされた前記修正量に基づいて前記ラベルを修正する修正部と、
を備える検査装置。
続きを表示（約 990 文字）【請求項２】
前記修正部によって前記ラベルが修正される修正候補となる前記教師データをユーザへ提示する提示部、
をさらに備える請求項１に記載の検査装置。
【請求項３】
前記提示部は、前記重み値を指定可能なインターフェイスを前記ユーザへ提示する、
請求項２に記載の検査装置。
【請求項４】
前記提示部は、前記ユーザによって前記インターフェイスへ新たな前記重み値が指定された場合に、該重み値によって前記重み付け部に前記修正量を新たに重み付けさせる、
請求項３に記載の検査装置。
【請求項５】
前記提示部は、前記重み値によって重み付けされた前記修正量に基づいて前記ラベルが修正される前記修正候補を前記ユーザへ提示する、
請求項２に記載の検査装置。
【請求項６】
前記学習部は、前記修正部によって前記ラベルが修正された前記教師データのデータセットを用いて前記学習モデルを学習し、
前記推論部は、前記修正部によって前記ラベルが修正された前記教師データのデータセットを用いた前記学習モデルによる前記推論を行い、
前記提示部は、前記修正部による修正前後における前記推論部の推論結果を前記ユーザへ提示する、
請求項２に記載の検査装置。
【請求項７】
前記推論結果は、少なくとも前記学習モデルによる正解率を含む、
請求項６に記載の検査装置。
【請求項８】
前記修正部は、前記重み値に応じて前記ラベルの修正の可否を判定する、
請求項１に記載の検査装置。
【請求項９】
前記重み値は、重み付き移動平均における重みである、
請求項１に記載の検査装置。
【請求項１０】
前記推論部は、
前記学習部による前記教師データのデータセットを用いた学習が所定回数行われるごとに前記推論を行い、
前記重み付け部は、前記推論部によって前記推論が行われるごとに前記修正量を重み付けし、
前記修正部は、前記重み付け部によって前記修正量が重み付けされるごとに、重み付けされた前記修正量に基づいて前記ラベルを修正する、
請求項９に記載の検査装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本開示は、検査装置、目的変数修正方法および目的変数修正プログラムに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
従来、製品の検査工程において、機械学習によって学習された学習モデルに対し、検査対象である製品に関してのデータを入力することで、製品が良品であるか不良品であるかを推論する技術が知られている。学習モデルは、説明変数と目的変数とで構成される教師データのデータセットを用いて、説明変数が入力された場合に目的変数を出力するように学習される。
【０００３】
教師データは、しばしば人手によるアノテーション作業によって目的変数としてのラベル付けが行われる。このため、教師データのデータセットには、人為的ミスにより誤ったラベル（以下、適宜「ミスラベル」と言う）付けが行われた教師データが混入することがある。この問題に対し、特許文献１には、事前学習済みの学習モデルを用いてミスラベルを修正する技術が開示されている。
【０００４】
この従来技術では、画像のセグメンテーション処理を行う学習モデルについて、処理対象となる画像を事前学習済みの学習モデルへ入力し、出力された処理結果画像と事前学習に用いた教師データ画像とを比較してラベルが適切であるか否かを評価する。そして、ラベルが適切でないと評価した場合に、ラベルを修正する。
【先行技術文献】
【特許文献】
【０００５】
国際公開第２０２０／０３１２４３号
【発明の概要】
【発明が解決しようとする課題】
【０００６】
しかしながら、上述した従来技術は、画像のセグメンテーション処理を前提とした画像データを教師データとしており、任意のデータを教師データとした場合にそのまま適用することはできない。
【０００７】
本開示は、学習モデルを用いた検査において、任意のデータを教師データとした場合であっても、ミスラベルを修正しつつ学習モデルの推論精度を向上させることができる技術を提供する。
【課題を解決するための手段】
【０００８】
本開示の一態様による検査装置は、学習部と、推論部と、重み付け部と、修正部と、を備える。前記学習部は、目的変数としてのラベルを含む教師データのデータセットを用いて学習モデルを学習する。前記推論部は、前記教師データのデータセットを用いた前記学習モデルによる推論を行う。前記重み付け部は、前記学習モデルの特徴量空間における前記教師データそれぞれに対応する第１特徴量と前記推論による第２特徴量との差が示す修正量を任意の重み値によって重み付けする。前記修正部は、重み付けされた前記修正量に基づいて前記ラベルを修正する。
【発明の効果】
【０００９】
本開示によれば、任意のデータを教師データとした場合であっても、ミスラベルを修正しつつ学習モデルの推論精度を向上させることができる。
【図面の簡単な説明】
【００１０】
図１は、実施形態に係る目的変数修正方法の概要説明図（その１）である。
図２は、実施形態に係る目的変数修正方法の概要説明図（その２）である。
図３は、実施形態に係る目的変数修正方法の概要説明図（その３）である。
図４は、実施形態に係る目的変数修正方法の概要説明図（その４）である。
図５は、実施形態に係る検査装置の構成例を示すブロック図である。
図６は、教師データ修正部の構成例を示すブロック図である。
図７は、実施形態に係る検査装置が実行する処理手順を示すフローチャートである。
図８は、教師データ修正処理の処理手順を示すフローチャートである。
図９は、提示部が提示する提示レイアウトの一例を示す図である。
図１０は、変形例に係る目的変数修正方法の概要説明図である。
図１１は、音を画像化した画像データの一例を示す図である。
図１２は、検査装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。
【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