[发明专利]学习用数据生成装置及方法、模型生成系统以及程序

说明书

本发明提供一种学习用数据生成装置、学习用模型生成系统、学习用数据生成方法以及程序，适当地收集适合于今后想要分类的对象的学习用数据。学习用数据生成装置(10)具有：分类评价部(36)，基于学习完毕模型评价对象图像，计算可靠度；分类判定部(38)，在可靠度小于第一阈值且为第二阈值以上的情况下，将不同于候选标签的临时标签与对象图像建立关联，所述第二阈值小于所述第一阈值；以及学习用数据生成部(42)，基于与临时标签建立了关联的对象图像，生成学习用数据。

技术领域

本发明涉及学习用数据生成装置、学习用模型生成系统、学习用数据生成方法以及程序。

背景技术

近年来，由于GPU(Graphics Processing Unit：图形处理单元)等的实用化，基于深度学习的机器学习受到关注。深度学习是机器学习多层化的神经网络的方法，通过监督学习大量的学习用数据，能够提高精度。例如，如果使用该学习用数据，则能够向图像等对象赋予标签而将对象进行分类。这里，为了高精度地进行监督学习，需要大量准备被赋予了标签的学习用数据。例如，在专利文献1中，公开了一种系统，其在错误检测到验证用图像的情况下，利用无监督图像分类器从未学习图像数据中提取相似图像并添加该相似图像作为学习用数据。另外，在专利文献2中，公开了通过追踪动态图像中的面部区域来增加学习用数据的方法。

现有技术文献

专利文献

专利文献1：日本特开2017－111731号公报

专利文献2：日本特开2006－343791号公报

发明内容

发明所要解决的课题

但是，在专利文献1中，虽然能够提高验证用图像的分类精度，但从收集适合于今后想要分类的对象的学习用数据的观点出发，存在改善的余地。另外，在专利文献2中，虽然能够增加针对已知标签的学习用数据，但是为了增加适合于未被分类为已知标签的对象的学习用数据，存在改善的余地。因此，要求适当地收集适合于今后想要分类的对象的学习用数据。

鉴于上述课题，本发明的目的在于，提供一种能够适当地收集适合于今后想要分类的对象的学习用数据的学习用数据生成装置、学习用模型生成系统、学习用数据生成方法以及程序。

用于解决课题的技术方案

本发明的一个方式所涉及的学习用数据生成装置具备：对象提取部，从图像中提取对象图像；分类评价部，基于学习完毕模型评价所述对象图像，计算可靠度，所述可靠度表示所述对象图像被分类为候选标签的可能性的高低；分类判定部，在所述可靠度小于第一阈值且为第二阈值以上的情况下，将不同于所述候选标签的临时标签与所述对象图像建立关联，所述第二阈值小于所述第一阈值；以及学习用数据生成部，基于与所述临时标签建立了关联的所述对象图像，生成学习用数据。

本发明的一个方式所涉及的学习用数据生成方法包括：对象提取步骤，从图像中提取对象图像；分类评价步骤，基于学习完毕模型评价所述对象图像，计算可靠度，所述可靠度表示所述对象图像被分类为候选标签的可能性的高低；分类判定步骤，在所述可靠度小于第一阈值且为第二阈值以上的情况下，将不同于所述候选标签的临时标签与所述对象图像建立关联，所述第二阈值小于所述第一阈值；以及学习用数据生成步骤，基于与所述临时标签建立了关联的所述对象图像，生成学习用数据。

本发明的一个方式所涉及的程序使计算机执行如下步骤：对象提取步骤，从图像中提取对象图像；分类评价步骤，基于学习完毕模型评价所述对象图像，计算可靠度，所述可靠度表示所述对象图像被分类为候选标签的可能性的高低；分类判定步骤，在所述可靠度小于第一阈值且为第二阈值以上的情况下，将不同于所述候选标签的临时标签与所述对象图像建立关联，所述第二阈值小于所述第一阈值；以及学习用数据生成步骤，基于与所述临时标签建立了关联的所述对象图像，生成学习用数据。

发明效果