[發明專利]學習數據制作支援方法

在審

• 申請號: 201710820768.7
• 申請日: 2017-09-13
• 公開（公告）號: CN107958197A
• 公開（公告）日: 2018-04-24
• 發明（設計）人: 谷川徹;莊田幸惠;渕上哲司
• 申請（專利權）人: 松下電器（美國）知識產權公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/66
• 代理公司: 北京市中咨律師事務所11247
• 代理人: 李智,段承恩

技術領域

本公開涉及支援學習數據的制作的方法、裝置以及記錄有程序的記錄介質。

背景技術

現在，通過深度學習(Deep learning)等技術，正在提高映在圖像中的以人物為代表的對象物的識別或檢測的精度。對于深度學習的識別，需要大量的學習數據。作為學習數據，需要圖像和針對圖像所映出的識別對象物的正解標簽。專利文獻1中記載了標注正解標簽的技術。另外，已知有活用CG數據作為學習數據的圖像(例如，參照專利文獻2)。

現有技術文獻

專利文獻

專利文獻1：日本特開2013-161295號公報

專利文獻2：日本特開2010-211732號公報

發明內容

發明所要解決的課題

但是，在上述專利文獻1所記載的方法中，存在無法制作合適的學習數據這一問題。

于是，本公開提供能夠制作合適的學習數據的學習數據制作支援方法等。

用于解決課題的技術方案

本公開的一個技術方案的學習數據制作支援方法，對學習數據的制作進行支援，基于通過拍攝對象物而取得的拍攝圖像，識別所述對象物的屬性的內容以及行動的類別，將所識別出的所述對象物的屬性的內容以及行動的類別保存于數據庫，參照所述數據庫，判定所識別出的所述類別的行動的發生頻度是否小于預先確定的閾值，在判定為小于所述閾值時，輸出基于所述拍攝圖像制作如下CG(Computer Graphics；計算機圖形)數據作為所述學習數據的指示，該CG數據表示具有與所識別出的所述屬性的內容不同的內容的屬性的所述對象物正在進行所識別出的所述類別的行動的狀態。

此外，這些總括或具體的技術方案，既可以用系統、方法、集成電路、計算機程序或計算機可讀取的CD-ROM等記錄介質來實現，也可以通過系統、方法、集成電路、計算機程序以及記錄介質的任意組合來實現。

發明的效果

本公開的學習數據制作支援方法能夠制作合適的學習數據。

附圖說明

圖1是示出實施方式中的學習數據制作系統的構成的構成圖。

圖2是示出由實施方式中的提示部顯示的畫面的一例的圖。

圖3是示出實施方式中的識別結果保存部所保存的識別結果的一例的圖。

圖4是示出實施方式中的識別結果保存部所保存的行動的發生頻度的一例的圖。

圖5是用于說明實施方式中的CG制作裝置的處理的圖。

圖6是示出實施方式中的學習數據制作系統的處理工作的流程圖。

圖7A是示出本公開的一個技術方案的學習數據制作支援方法的流程圖。

圖7B是示出本公開的一個技術方案的學習數據制作支援裝置的功能結構的框圖。

標號的說明

10學習數據制作系統；20、100學習數據制作支援裝置；21、101拍攝部；22、102識別部；23、104歷史記錄制作部；24、103a判定部；25、103b CG制作指示部；105提示部；106輸入部；200CG制作裝置；301識別結果保存部；302CG數據保存部

具體實施方式

(成為本公開的基礎的見解)

本發明人發現，關于在“背景技術”一欄中記載的專利文獻1的方法，存在以下的問題。

如上所述，基于深度學習的學習需要大量的圖像作為學習數據。另外，在使用了該學習結果的、在圖像中映出的人物的識別、檢測或預測中，不僅要求該人物的屬性，還要求該人物的行動的識別等。但是，將表示人物的步行等日常頻繁地進行的行動的圖像作為學習數據大量地收集是簡單的，但是，將異常(特異)行動的圖像作為學習數據來收集是困難的。異常行動例如是“飛奔出”、“跌倒”或“偷盜”等。在上述專利文獻1中，對所收集的圖像的識別對象物標注正解標簽，但是，終究無法針對沒有作為圖像收集到的異常行動生成學習數據。因此，如上述專利文獻2的方法那樣，考慮使用CG數據生成異常行動的圖像。在專利文獻2中，通過活用CG數據，能夠增加學習數據的變化(variation)。

但是，盡管已經通過實拍存在了大量的學習數據，無需通過CG追加該學習數據的實拍的圖像，但應通過CG制作實拍中的發生頻度不足的圖像，但是，在專利文獻2中，關于進行是否應通過該CG來制作的判斷的方法，沒有提及。也就是說，即便使用上述專利文獻2的方法，也存在難以判斷怎樣的行動是異常行動的情況，結果，存在無法收集合適的學習數據這一問題。