[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

本發明提供一種可以抑制用于實施語義分割的機器學習模型的類別的判別精度降低的小批量學習裝置及其工作程序和工作方法。若啟動工作程序，則小批量學習裝置的CPU作為計算部、確定部、評價部發揮作用。計算部計算小批量數據中的多個類別中每個類別的面積比例。確定部將面積比例低于設定值的稀有類別確定為校正對象類別。評價部使用損失函數來評價機器學習模型類別的判別精度。評價部使對稀有類別的損失值的權重大于對除了稀有類別以外的類別的損失值的權重來作為校正處理。

技術領域

本發明技術涉及一種小批量學習裝置及其工作程序和工作方法。

背景技術

已知有以像素單元來判別圖像內的多個類別的語義分割。語義分割通過U形卷積神經網絡(U-Net；U-Shaped Neural Network)等機器學習模型(以下，簡稱為模型)來實現。

為了提高模型的判別精度，需要對模型賦予學習數據來進行訓練，從而更新模型。學習數據由學習用輸入圖像和手動指定學習用輸入圖像內的類別的注釋圖像構成。在專利文獻1中，從多個學習用輸入圖像中提取了成為注釋圖像來源的一個學習用輸入圖像。

以往技術文獻

專利文獻

專利文獻1：日本專利公開2017-107386號公報

發明內容

發明要解決的技術課題

在學習中有稱為小批量學習的方法。在小批量學習中，將小批量數據作為學習數據賦予到模型。小批量數據由將學習用輸入圖像和注釋圖像進行分割的多個分割圖像(例如以原始圖像的1/100尺寸的框來分割的1萬張分割圖像)中的一部分(例如100張)構成。小批量數據生成多組(例如100組)，各組依次被賦予到模型。

在此，考慮在學習用輸入圖像及注釋圖像中存在類別偏差的情況。例如，學習用輸入圖像是顯現出細胞培養狀態的相差顯微鏡的圖像，并且是類別1分類為分化細胞，類別2分類為未分化細胞，類別3分類為培養基、類別4分類為死細胞的圖像。而且，是如下情況：在整個學習用輸入圖像及注釋圖像中的各類別的面積比例是分化細胞為38％、未分化細胞為2％、培養基為40％、死細胞為20％，未分化細胞的面積比例相對低。

若如此在學習用輸入圖像及注釋圖像中存在類別偏差，則在由學習用輸入圖像及注釋圖像構成的小批量數據中產生類別偏差的可能性也變高。在小批量數據中產生了類別偏差的情況下，不考慮面積比例相對低的稀有類別而進行訓練。其結果，導致創建稀有類別的判別精度低的模型。

在專利文獻1中，如上所述，從多個學習用輸入圖像中提取了成為注釋圖像來源的一個學習用輸入圖像。然而，在該方法中，在多個學習用輸入圖像的所有圖像中存在類別偏差的情況下，最終導致創建稀有類別的判別精度低的模型。從而，在專利文獻1中記載的方法中，無法解決導致創建稀有類別的判別精度低的模型的問題。

本發明技術的目的在于提供一種可以抑制用于實施語義分割的機器學習模型的類別的判別精度降低的小批量學習裝置及其工作程序和工作方法。

用于解決技術課題的手段

為了實現上述目的，本發明的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具備：計算部，計算小批量數據中的多個類別中每個類別的面積比例；確定部，根據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多個類別中每個類別計算損失值來評價機器學習模型的類別的判別精度，所述評價部包括根據校正對象類別的第1損失值及除了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第1損失值的校正處理的校正處理部。

優選確定部將面積比例低于預先設定的設定值的稀有類別確定為校正對象類別，校正處理部執行使對第1損失值的權重大于對第2損失值的權重的處理來作為校正處理。