[發明專利]小批量學習裝置及其工作程序和工作方法

在審

• 申請號: 201980081719.3
• 申請日: 2019-10-31
• 公開（公告）號: CN113168698A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 涌井隆史
• 申請（專利權）人: 富士膠片株式會社
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06N20/00;G06N3/08
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 徐殿軍

1.一種小批量學習裝置，其對用于實施以像素單元來判別圖像內的多個類別的語義分割的機器學習模型賦予小批量數據來進行訓練，所述小批量學習裝置具備：

計算部，計算所述小批量數據中的所述多個類別中每個類別的面積比例；

確定部，根據所述面積比例來確定校正對象類別；及

評價部，通過使用損失函數針對所述多個類別的每個類別計算損失值來評價所述機器學習模型的所述類別的判別精度，所述評價部包括根據所述校正對象類別的第1損失值及除了所述校正對象類別以外的類別的第2損失值的比較結果來執行校正所述第1損失值的校正處理的校正處理部。

2.根據權利要求1所述的小批量學習裝置，其中，

所述確定部將所述面積比例低于預先設定的設定值的稀有類別確定為所述校正對象類別，

所述校正處理部執行使對所述第1損失值的權重大于對所述第2損失值的權重的處理來作為所述校正處理。

3.根據權利要求1或2所述的小批量學習裝置，其中，

所述確定部將所述面積比例高于預先設定的設定值的非稀有類別確定為所述校正對象類別，

所述校正處理部執行使對所述第1損失值的權重小于對所述第2損失值的權重的處理來作為所述校正處理。

4.根據權利要求1所述的小批量學習裝置，其中，

所述確定部將所述面積比例低于設定值的稀有類別確定為所述校正對象類別，

所述校正處理部執行使計算所述第1損失值時的正解值及預測值大于計算所述第2損失值時的正解值及預測值的放大處理來作為所述校正處理。

5.根據權利要求4所述的小批量學習裝置，其中，

所述校正處理部將所述放大處理中的放大率設為所述小批量數據中的所述稀有類別的所述面積比例與為所述小批量數據的來源的學習用輸入圖像及注釋圖像中的所述稀有類別的面積比例成為相同的值。

6.根據權利要求1、4、5中任一項所述的小批量學習裝置，其中，

所述確定部將所述面積比例高于設定值的非稀有類別確定為所述校正對象類別，

所述校正處理部執行使計算所述第1損失值時的正解值及預測值小于計算所述第2損失值時的正解值及預測值的縮小處理來作為所述校正處理。

7.根據權利要求6所述的小批量學習裝置，其中，

所述校正處理部將所述縮小處理中的縮小率設為所述小批量數據中的所述非稀有類別的所述面積比例與為所述小批量數據來源的學習用輸入圖像及注釋圖像中的所述非稀有類別的面積比例成為相同的值。

8.根據權利要求1至7中任一項所述的小批量學習裝置，其具備：

接收部，所述接收部接收是否使所述校正處理部執行所述校正處理的選擇指示。

9.一種小批量學習裝置的工作程序，所述小批量學習裝置對用于實施以像素單元來判別圖像內的多個類別的語義分割的機器學習模型賦予小批量數據來進行訓練，所述小批量學習裝置的工作程序使計算機發揮如下作用：

計算部，計算所述小批量數據中的所述多個類別中每個類別的面積比例；

確定部，根據所述面積比例來確定校正對象類別；及

評價部，其通過使用損失函數針對所述多個類別的每個類別計算損失值來評價所述機器學習模型的所述類別的判別精度，評價部包括根據所述校正對象類別的第1損失值及除了所述校正對象類別以外的類別的第2損失值的比較結果來執行校正所述第1損失值的校正處理的校正處理部。

10.一種小批量學習裝置的工作方法，所述小批量學習裝置對用于實施以像素單元來判別圖像內的多個類別的語義分割的機器學習模型賦予小批量數據來進行訓練，所述小批量學習裝置的工作方法具備：

計算步驟，計算所述小批量數據中的所述多個類別中每個類別的面積比例；

確定步驟，根據所述面積比例來確定校正對象類別；及

評價步驟，其通過使用損失函數針對所述多個類別的每個類別計算損失值來評價所述機器學習模型的所述類別的判別精度，所述評價步驟包括根據所述校正對象類別的第1損失值及除了所述校正對象類別以外的類別的第2損失值的比較結果來執行校正所述第1損失值的校正處理的校正處理步驟。