特開 2022-175408 学習データ生成装置、学習データ生成方法、および学習データ生成プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022175408

(43)【公開日】2022-11-25

(54)【発明の名称】学習データ生成装置、学習データ生成方法、および学習データ生成プログラム

(51)【国際特許分類】

   G06V 30/194 20220101AFI20221117BHJP

【ＦＩ】

G06K9/66

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2021081769

(22)【出願日】2021-05-13

(71)【出願人】

【識別番号】000003078

【氏名又は名称】株式会社東芝

(71)【出願人】

【識別番号】301063496

【氏名又は名称】東芝デジタルソリューションズ株式会社

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】近藤 真暉

【テーマコード（参考）】

5B064

【Ｆターム（参考）】

5B064DA10

5B064DA23

5B064DA24

5B064DA27

(57)【要約】

【課題】対象認識用の効果的な学習データを提供する。
【解決手段】学習データ生成装置１０Ａは、複数の認識部２４と、判定部２６と、収集部２８と、を備える。複数の認識部２４は、対象データによって表される対象を認識する。判定部２６は、複数の認識部２４の各々の認識結果５４に基づいて、対象データの対象の認識し難さを判定する。収集部２８は、認識し難さが予め定めた条件を満たす対象データを学習データとして収集する。
【選択図】図１

【特許請求の範囲】

【請求項1】

対象データによって表される対象を認識する複数の認識部と、
複数の前記認識部の各々の認識結果に基づいて、前記対象データの対象の認識し難さを判定する判定部と、
前記認識し難さが予め定めた条件を満たす前記対象データを学習データとして収集する収集部と、
を備える学習データ生成装置。

【請求項2】

複数の前記認識部は、
互いに異なる対象データ群を用いて予め学習されてなる、
請求項１に記載の学習データ生成装置。

【請求項3】

複数の前記認識部は、
互いに種類の異なる前記対象データ群を用いて予め学習されてなる、
請求項２に記載の学習データ生成装置。

【請求項4】

複数の前記認識部は、
文字列である前記対象データによって表される複数の文字を認識する、
請求項１～請求項３の何れか１項に記載の学習データ生成装置。

【請求項5】

正解対象データにパラメータに応じたノイズを与えた前記対象データを生成する生成部と、
複数の前記認識部の各々の前記認識結果に基づいて、複数の前記認識部の一部が誤認識する前記対象データを生成するように前記生成部の前記パラメータを更新する第１更新部と、
を備える、請求項１～請求項４の何れか１項に記載の学習データ生成装置。

【請求項6】

前記第１更新部は、
複数の前記認識部の各々の前記認識結果である認識した対象に対する確からしさを表すスコアに基づいて、より認識し難い前記対象データを生成するように前記生成部の前記パラメータを更新する、
請求項５に記載の学習データ生成装置。

【請求項7】

前記対象データが生成された対象データであるか実データであるかを識別する識別部と、
識別結果に基づいて、前記対象データを前記実データであると誤識別する確率が高くなるように前記生成部の前記パラメータを更新する第２更新部と、
を備える請求項５または請求項６に記載の学習データ生成装置。

【請求項8】

前記生成部は、
ニューラルネットワークで構成されるモデルである、
請求項５～請求項７の何れか１項に記載の学習データ生成装置。

【請求項9】

収集された前記学習データである前記対象データから、前記対象データによって表される対象を出力する学習モデルを学習する学習部、
を備える、請求項１～請求項８の何れか１項に記載の学習データ生成装置。

【請求項10】

前記対象データは、
文字を表す画像または文字列を表す画像である、
請求項１～請求項９の何れか１項に記載の学習データ生成装置。

【請求項11】

複数の認識部を備えた学習データ生成装置で実行される学習データ生成方法であって、
複数の前記認識部の各々によって認識された、対象データによって表される対象の認識結果に基づいて、前記対象データの対象の認識し難さを判定するステップと、
前記認識し難さが予め定めた条件を満たす前記対象データを学習データとして収集するステップと、
を含む学習データ生成方法。

【請求項12】

複数の認識部を備えたコンピュータに、
複数の前記認識部の各々によって認識された、対象データによって表される対象の認識結果に基づいて、前記対象データの対象の認識し難さを判定するステップと、
前記認識し難さが予め定めた条件を満たす前記対象データを学習データとして収集するステップと、
を実行させるための学習データ生成プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明の実施の形態は、学習データ生成装置、学習データ生成方法、および学習データ生成プログラムに関する。

【背景技術】

【0002】

学習モデルを用いて手書き文字や認識し難い画像などの対象を認識する認識技術が知られている。例えば、文字画像などの文字データを用いて学習モデルを学習し、文字認識に用いる事が行われている。文字認識の性能を上げるには、多様なパターンの文字データを用いて学習モデルを学習することが好ましい。特に、認識し難い形状などで描かれた文字の文字データを用いて学習することで、文字認識の性能を上げることができる。

【0003】

しかしながら、認識し難い文字データなどの対象データを効率よく収集することは難しい。このため、従来技術では、対象認識用の効果的な学習データを提供することは困難であった。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特許６７７９４９１号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

本発明は、上記に鑑みてなされたものであって、対象認識用の効果的な学習データを提供することができる、学習データ生成装置、学習データ生成方法、および学習データ生成プログラムを提供することを目的とする。

【課題を解決するための手段】

【0006】

実施の形態の学習データ生成装置は、複数の認識部と、判定部と、収集部と、を備える。複数の認識部は、対象データによって表される対象を認識する。判定部は、複数の前記認識部の各々の認識結果に基づいて、前記対象データの対象の認識し難さを判定する。収集部は、前記認識し難さが予め定めた条件を満たす前記対象データを学習データとして収集する。

【図面の簡単な説明】

【0007】

【図1】学習データ生成装置のブロック図。

【図2】制御部の各部による処理の流れの模式図。

【図3】学習データ生成装置の情報処理の流れを示すフローチャート。

【図4】学習データ生成装置のブロック図。

【図5】制御部の各部による処理の流れの模式図。

【図6】学習データ生成装置の情報処理の流れを示すフローチャート。

【図7】学習データ生成装置の模式図。

【図8】学習データ生成装置のハードウェア構成例を示す図。

【発明を実施するための形態】

【0008】

以下に添付図面を参照して、学習データ生成装置、学習データ生成方法、および学習データ生成プログラムを詳細に説明する。

【0009】

（第１の実施の形態）
図１は、本実施の形態の学習データ生成装置１０Ａの構成の一例を示すブロック図である。

【0010】

学習データ生成装置１０Ａは、学習データ生成装置１０の一例である。学習データ生成装置１０は、学習データを生成する情報処理装置である。

【0011】

学習データは、対象認識に関する学習モデルの学習に用いられるデータである。

【0012】

対象とは、認識する対象である。対象は、例えば、文字、性別や人種等の区別のつき難い顔画像、ブランドの区別のし難いプロダクト画像、などである。プロダクト画像は、例えば、偽物の物体の画像などである。

【0013】

本実施形態および後述する実施形態では、対象が、文字である形態を一例として説明する。しかし、対象は、文字に限定されない。

【0014】

学習データ生成装置１０Ａは、制御部１２と、記憶部１４と、通信部１６と、を備える。制御部１２、記憶部１４、および通信部１６は、通信可能に接続されている。

【0015】

記憶部１４は、各種のデータを記憶する。記憶部１４は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等である。なお、記憶部１４は、学習データ生成装置１０Ａの外部に設けられた記憶装置であってもよい。また、記憶部１４は、プログラムや各種の情報を、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）やインターネットなどを介してダウンロードして記憶または一時記憶した記憶媒体であってもよい。

【0016】

通信部１６は、ネットワーク等を介して外部の情報処理装置と通信する通信インターフェースである。

【0017】

制御部１２は、学習データ生成装置１０Ａにおいて各種の情報処理を実行する。

【0018】

制御部１２は、生成部１８と、識別部２０と、第２更新部２２と、認識部２４と、判定部２６と、収集部２８と、第１更新部３０と、を備える。

【0019】

生成部１８、識別部２０、第２更新部２２、認識部２４、判定部２６、収集部２８、および第１更新部３０は、例えば、１または複数のプロセッサにより実現される。例えば上記各部は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などのプロセッサにプログラムを実行させること、すなわちソフトウェアにより実現してもよい。上記各部は、専用のＩＣなどのプロセッサ、すなわちハードウェアにより実現してもよい。上記各部は、ソフトウェアおよびハードウェアを併用して実現してもよい。複数のプロセッサを用いる場合、各プロセッサは、各部のうち１つを実現してもよいし、各部のうち２以上を実現してもよい。

【0020】

図２は、生成部１８、識別部２０、第２更新部２２、認識部２４、判定部２６、収集部２８、および第１更新部３０による処理の流れの一例を示す模式図である。図２を用いて各部を説明する。

【0021】

生成部１８は、正解文字データ５０にパラメータに応じたノイズを与えた文字データ５２を生成する。例えば、生成部１８は、正解文字データ５０から文字データ５２を出力するモデルである。生成部１８のモデルは、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、ＧＣＮ（Ｇｒａｐｈ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｔｗｏｒｋ）、またはＲＮＮ（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）などのニューラルネットワークで構成される深層学習モデル（ＤＮＮ）である。

【0022】

正解文字データ５０は、正解対象データの一例である。正解文字データ５０とは、正解ラベルの付与された文字データである。文字データは、対象データの一例である。なお、対象データは、文字データだけに限らず、画像データや点群データなども含まれる。点群データは、例えば、３Ｄモデルなどにより表される顔などの深度情報などである。正解ラベルは、文字の正確な認識結果を表す情報である。正解文字データ５０は、言い換えると、付与された正解ラベルによって表される正確な認識結果である文字を表すデータである。本実施形態では、正解文字データ５０が、１文字の文字を表すデータである形態を一例として説明する。

【0023】

図２には、正解文字データ５０が数字の“９”である場合を一例として示す。

【0024】

生成部１８は、例えば、ノイズを表す乱数Ｘを生成する乱数発生器を備える。生成部１８は、乱数発生器で生成された乱数Ｘをノイズとして用い、パラメータによってノイズの重み付け値を変更する。そして、生成部１８は、パラメータによって重み付け値を変更したノイズを正解文字データ５０に付与することで、正解文字データ５０から文字データ５２を生成する。

【0025】

文字データ５２は、正解文字データ５０にノイズを付与した文字データである。すなわち、文字データ５２は、正解ラベルの付与された正解文字データ５０によって表される文字の少なくとも一部を、正解文字データ５０とは異なる形状で表した文字のデータである。本実施形態では、文字データ５２が、１文字の文字を表すデータである形態を一例として説明する。

【0026】

図２には、文字データ５２として、文字を表す画像を一例として示した。文字を表す画像を、以下では、文字画像と称して説明する場合がある。

【0027】

本実施形態では、生成部１８は、文字画像を文字データ５２として生成する形態を一例として説明する。図２に示すように、生成部１８が正解文字データ５０にノイズを与えることで、正解文字データ５０とは異なる形状の文字画像が生成される。すなわち、生成部１８によって、正解文字データ５０の文字とは異なる形態で描かれた文字の文字データ５２が生成される。言い換えると、生成部１８によって、正解文字データ５０の文字とは異なる筆跡で描かれたような文字データ５２が生成される。

【0028】

識別部２０および第２更新部２２については後述する。

【0029】

認識部２４は、文字データ５２によって表される文字を認識する。例えば、認識部２４は、文字データ５２から認識結果５４を出力するモデルである。認識部２４のモデルは、例えば、ＣＮＮ、ＧＣＮ、またはＲＮＮなどのニューラルネットワークで構成される深層学習モデル（ＤＮＮ）である。認識部２４は、予め学習されたモデルである。

【0030】

学習データ生成装置１０Ａは、複数の認識部２４を備える。本実施形態では、一例として、３つの認識部２４（認識部２４Ａ、認識部２４Ｂ、認識部２４Ｃ）を備える形態を一例として説明する。しかし、学習データ生成装置１０Ａは、２以上の認識部２４を備えた構成であればよく、３つの認識部２４を備えた構成に限定されない。

【0031】

複数の認識部２４は、互いに特性の異なるモデルであり、予め学習されて生成される。特性が異なるとは、学習に用いた文字データ群および認識処理に用いるパラメータの少なくとも一方が異なることを意味する。

【0032】

例えば、複数の認識部２４は、互いに異なる文字データ群を用いて予め学習された認識部２４である。文字データ群は、複数の文字データ５２の群である。

【0033】

なお、複数の認識部２４は、互いに異なる種類の対象データ群を用いて予め学習されてなる。上述したように、本実施形態では、対象が文字である場合を一例として説明する。このため、具体的には、複数の認識部２４は、互いに文字種の異なる文字データ群を用いて予め学習されてなることが好ましい。文字種とは、文字の種類である。文字種は、具体的には、表記の種類、言語の種類、書体、などである。表記の種類は、例えば、数字、ひらがな、カタカナ、などである。言語の種類は、例えば、日本語、英語、などである。書式は、明朝体、ゴシック体、などである。また、文字種には、手書きによる筆跡、手書きに用いるペンなどの筆記具の種類、手書きによる文字の線の太さ、なども含まれる。

【0034】

例えば、複数の認識部２４を、以下の構成とすればよい。例えば、認識部２４Ａは、数字を表す文字の文字データ５２を認識する認識部２４である。認識部２４Ｂは、ひらがなを表す文字の文字データ５２を認識する認識部２４である。認識部２４Ｃは、英語を表す文字の文字データ５２を認識する認識部２４である。

【0035】

このため、認識対象が数字を表す文字の文字データ５２である場合、認識部２４Ａは、精度良く文字を認識する可能性が高くなる。認識対象がひらがなを表す文字の文字データ５２である場合、認識部２４Ｂは、精度よく文字を認識する可能性が高くなる。認識対象が英語を表す文字の文字データ５２である場合、認識部２４Ｃは、精度良く文字を認識する可能性が高くなる。

【0036】

互いに文字種の異なる文字データ群を用いて予め学習された複数の認識部２４を用いることで、後述する収集部２８は、文字種間で誤認識しやすい文字データ５２を収集することが可能となる。

【0037】

認識部２４Ａ、認識部２４Ｂ、および認識部２４Ｃは、文字データ５２を認識し、認識結果５４を表す文字を出力する。

【0038】

判定部２６は、複数の認識部２４の各々の認識結果５４に基づいて、文字データ５２の文字の認識し難さを判定する。

【0039】

文字の認識し難さとは、文字データ５２の文字が該文字データ５２の生成元の正解文字データ５０によって表される文字として認識することの困難なレベルを表す。正解文字データ５０によって表される文字は、正解文字データ５０に付与された正解ラベルよって表される正確な認識結果の文字である。

【0040】

本実施形態では、判定部２６は、複数の認識部２４の各々の認識結果５４に基づいて、文字データ５２の文字が認識しやすい文字であるか、認識し難い文字であるか、を判定する。

【0041】

本実施形態では、判定部２６は、複数の認識部２４の全ての認識結果５４が一致する場合、文字データ５２を認識しやすい文字であると判定する。

【0042】

上述したように、複数の認識部２４は、互いに特性の異なるモデルである。互いに特性の異なるモデルである複数の認識部２４が、特性が異なるにも拘らずその認識結果５４が一致する場合、判定部２６は、文字データ５２を誤認識されにくい文字であると判定する。言い換えると、判定部２６は、複数の認識部２４の全ての認識結果５４が一致する場合、文字データ５２を、正解ラベルによって表される正確な認識結果に一致または近い、綺麗なまたは正確な筆跡で描かれた文字であると判定する。

【0043】

一方、判定部２６は、複数の認識部２４の各々の認識結果５４の少なくとも一部が不一致である場合、文字データ５２を認識し難い文字であると判定する。言い換えると、判定部２６は、複数の認識部２４の各々の認識結果５４の少なくとも一部が不一致である場合、文字データ５２を、正解ラベルによって表される正確な認識結果とは異なる、崩れたまたは汚い筆跡で描かれた文字であると判定する。

【0044】

図２には、認識部２４Ａが文字データ５２を数字の“９”と認識し、認識部２４Ｂが文字データ５２を数字の“８”と認識し、認識部２４Ｂが文字データ５２を数字の“９”と認識した形態を一例として示した。すなわち、図２に示す例では、認識部２４Ａ、認識部２４Ｂ、および認識部２４Ｃの認識結果５４は不一致である。この場合、判定部２６は、文字データ５２を認識し難い文字であると判定する。

【0045】

収集部２８は、判定部２６によって判定された認識し難さが予め定めた条件を満たす文字データ５２を、学習データとして収集する。すなわち、収集部２８は、該条件を満たす文字データ５２を、対象認識に関する学習モデルで用いる学習データとして収集する。

【0046】

予め定めた条件は、認識し難い文字データ５２であることを表す条件である。

【0047】

判定部２６が、複数の認識部２４の各々の認識結果５４に基づいて、文字データ５２の文字が認識しやすい文字であるか、認識し難い文字であるか、を判定する場合を想定する。すなわち、判定部２６は、複数の認識部２４の全ての認識結果５４が一致する場合、文字データ５２の文字が認識しやすい文字であると判定する。また、判定部２６は、複数の認識部２４の少なくとも一部の認識結果５４が不一致である場合、文字データ５２の文字が認識し難い文字であると判定する。

【0048】

収集部２８は、認識し難い文字と判定された文字データ５２を、対象認識に関する学習データとして収集する。

【0049】

なお、認識し難さは、文字データ５２の文字が認識しやすい文字であるか、認識し難い文字であるか、を表す情報に限定されない。例えば、認識し難さは、認識し難さを表す数値であってもよい。この場合、例えば、判定部２６は、複数の認識部２４の各々の認識結果５４に含まれる、文字データ５２の元データである正解文字データ５０の文字に一致する認識結果５４の割合が低いほど、高い認識し難さを表す数値を判定すればよい。なお、収集部２８は、認識部２４Ａが出力する認識スコアを、認識し難さを表す数値として用いてよい。そして、収集部２８は、認識し難さを表す数値が閾値以上である場合、予め定めた条件を満たす文字データ５２であると判定し、学習データとして収集すればよい。閾値は、予め定めればよい。

【0050】

このように、収集部２８は、認識し難い文字の文字データ５２を収集する。すなわち、収集部２８は、崩れたまたは汚い筆跡で描かれた文字の文字データ５２を学習データとして収集することができる。

【0051】

収集部２８は、学習データとして収集した文字データ５２を、記憶部１４へ記憶する。また、収集部２８は、学習データとして収集した文字データ５２を、通信部１６を介して外部の情報処理装置へ出力してもよい。

【0052】

第１更新部３０は、複数の認識部２４の各々の認識結果５４に基づいて、複数の認識部２４の一部が誤認識する文字データ５２を生成するように、生成部１８のパラメータを更新する。言い換えると、第１更新部３０は、複数の認識部２４の一部が正しく正解ラベルによって表される文字を認識し、複数の認識部２４の一部が誤認識する文字データ５２を生成するように、生成部１８のパラメータを更新する。

【0053】

詳細には、第１更新部３０は、認識部２４のロスを算出する。第１更新部３０は、複数の認識部２４の内、予め定めた割合以上の数の認識部２４の認識結果５４が正解ラベルによって表される文字と一致するか否かを判断する。予め定めた割合は、５０％以上の値であることが好ましい。すなわち、複数の認識部２４の各々の認識結果５４の少なくとも一部は、正解ラベルと一致している必要がある。本実施形態では、予め定めた割合以上の認識部２４の認識結果５４が正解ラベルによって表される文字と一致する場合を想定して説明する。

【0054】

この場合、第１更新部３０は、複数の認識部２４の各々の認識結果５４にばらつきが生じるほど、認識部２４のロスが下がるように生成部１８のパラメータを調整する。

【0055】

詳細には、第１更新部３０は、複数の認識部２４の各々の認識結果５４のばらつきが大きいほど小さくなるロスと、ばらつきが小さいほど小さくなるロスと、を用意する。そして、第１更新部３０は、ハイパーパラメータでこれらのロスのウェイトを調整することにより、認識部２４のロスを算出する。

【0056】

そして、第１更新部３０は、算出した認識部２４のロスが第１閾値以下となるまで、生成部１８のパラメータを更新する。第１閾値は、予め定めればよい。すなわち、第１更新部３０は、複数の認識部２４の内の一部が誤認識する文字データ５２を生成するように、生成部１８のパラメータを算出する。

【0057】

そして、第１更新部３０は、算出した該パラメータとなるように、生成部１８のパラメータを更新する。このため、生成部１８のパラメータは、複数の認識部２４の内の一部が誤認識する文字データ５２を生成するように更新される。

【0058】

なお、第１更新部３０は、複数の認識部２４の各々の認識結果５４であるスコアに基づいて、生成部１８のパラメータを更新してもよい。

【0059】

この場合、複数の認識部２４の各々は、認識結果５４として、認識した文字および認識した文字に対する確からしさを表すスコアを出力すればよい。例えば、図２に示す例の場合、認識部２４Ａの認識結果５４が、文字データ５２を数字の“９”と認識したスコア“０．９”および数字の“８”と認識したスコア“０．２”である場面を想定する。また、認識部２４Ｂの認識結果５４が、文字データ５２を数字の“８”と認識したスコア“０．８”および数字の“９”と認識したスコア“０．２”である場面を想定する。また、認識部２４Ｃの認識結果５４が、文字データ５２を数字の“９”と認識したスコア“０．８”および数字の“８”と認識したスコア“０．６”である場面を想定する。

【0060】

この場合、第１更新部３０は、複数の認識部２４の各々の認識結果５４ごとに、最も高いスコアと次に高いスコアとの差分を算出する。このスコアの差分の絶対値が小さいほど、文字データ５２は認識し難い文字であるといえる。

【0061】

このため、第１更新部３０は、複数の認識部２４の各々ごとに算出したスコアの差分の絶対値が小さいほど、認識部２４のロスとして低い値のロスを算出する。また、第１更新部３０は、複数の認識部２４の各々ごとに算出したスコアの差分の絶対値が大きいほど、認識部２４のロスとして高い値のロスを算出する。

【0062】

そして、第１更新部３０は、算出した認識部２４のロスが第２閾値以下のロスとなるように、生成部１８のパラメータを更新する。第２閾値は、予め定めればよい。すなわち、第１更新部３０は、複数の認識部２４の各々が認識し難い文字データ５２を生成するように、生成部１８のパラメータを算出する。

【0063】

そして、第１更新部３０は、算出した該パラメータとなるように、生成部１８のパラメータを更新する。このため、生成部１８のパラメータは、複数の認識部２４の各々が認識し難い文字データ５２を生成するように更新される。

【0064】

次に、識別部２０および第２更新部２２について説明する。

【0065】

識別部２０は、生成部１８から取得した文字データ５２が生成された文字データであるか実データであるかを識別する。生成された文字データとは、生成部１８で生成された文字データである。実データとは、あらかじめユーザによって手書きで描かれた文字の実画像である。

【0066】

識別部２０は、文字データ５２が生成された文字データであると識別した場合、正しいデータであるＲｅａｌと識別する。識別部２０は、文字データ５２が実データであると識別した場合、偽データであるＦａｋｅと識別する。

【0067】

第２更新部２２は、識別部２０の識別結果に基づいて、生成部１８のパラメータを更新する。詳細には、第２更新部２２は、文字データ５２を実データであると誤識別する確率が高くなるように、生成部１８のパラメータを更新する。

【0068】

詳細には、第２更新部２２は、生成部１８のロスを算出する。第２更新部２２は、識別部２０が文字データ５２を実データと識別した場合、低い値のロスを算出する。一方、第２更新部２２は、識別部２０が文字データ５２を生成された文字データであると識別した場合、高い値のロスを算出する。そして、第２更新部２２は、算出したロスが第３閾値以下のロスとなるように、生成部１８のパラメータを更新する。第３閾値は、予め定めればよい。すなわち、第２更新部２２は、識別部２０が文字データ５２を実データと識別する確率が高くなるように、生成部１８のパラメータを算出する。

【0069】

そして、第２更新部２２は、算出した生成部１８のパラメータに、生成部１８のパラメータを更新する。このため、生成部１８のパラメータは、より実データに近い文字データ５２を生成するように更新される。

【0070】

また、第２更新部２２は、識別部２０の識別結果に基づいて、識別部２０のパラメータを更に更新してもよい。詳細には、第２更新部２２は、文字データ５２を実データであると誤識別する確率が低くなるように、識別部２０のパラメータを更新する。

【0071】

詳細には、第２更新部２２は、識別部２０が文字データ５２を生成された文字データであると識別した場合、低い値のロスを算出する。一方、第２更新部２２は、識別部２０が文字データ５２を実データと識別した場合、高い値のロスを算出する。そして、第２更新部２２は、算出したロスが第４閾値以下のロスとなるように、識別部２０のパラメータを更新する。第４閾値は、予め定めればよい。すなわち、第２更新部２２は、識別部２０が文字データ５２を誤って実データと識別する確率が低くなるように、識別部２０のパラメータを算出する。

【0072】

そして、第２更新部２２は、算出した識別部２０のパラメータに、識別部２０のパラメータを更新する。このため、識別部２０のパラメータは、文字データ５２を実データと誤って識別する確率が低くなるように更新される。

【0073】

なお、識別部２０は、文字データ５２が文字を表すデータであるか、文字以外を表すデータであるか、を更に識別してもよい。

【0074】

この場合、第２更新部２２は、識別部２０のこの識別結果に基づいて、文字を表す文字データ５２を生成し、且つ、文字以外を表す文字データ５２を生成することを抑制するように、生成部１８のパラメータを更新することが好ましい。

【0075】

次に、本実施形態の学習データ生成装置１０Ａが実行する情報処理の流れを説明する。

【0076】

図３は、本実施形態の学習データ生成装置１０Ａが実行する情報処理の流れの一例を示すフローチャートである。

【0077】

生成部１８が正解文字データ５０を取得する（ステップＳ１００）。例えば、生成部１８は、記憶部１４から１文字の正解文字データ５０を取得する。

【0078】

生成部１８は、ステップ１００で取得した正解文字データ５０から文字データ５２を生成する（ステップＳ１０２）。

【0079】

識別部２０は、ステップＳ１０２で生成された文字データ５２が生成された文字データであるか実データであるかを識別する（ステップＳ１０４）。

【0080】

第２更新部２２は、ステップＳ１０４の識別結果に基づいて、生成部１８のパラメータを更新する（ステップＳ１０６）。第２更新部２２は、文字データ５２を実データであると誤識別する確率が高くなるように、生成部１８のパラメータを更新する。

【0081】

一方、複数の認識部２４の各々は、ステップＳ１０２で生成された文字データ５２によって表される文字を認識する（ステップＳ１０８）。

【0082】

判定部２６は、ステップＳ１０８で認識された、複数の認識部２４の各々の認識結果５４に基づいて、ステップＳ１０２で生成された文字データ５２の文字の認識し難さを判定する（ステップＳ１１０）。

【0083】

例えば、判定部２６は、複数の認識部２４の各々の認識結果５４が一致する場合、文字データ５２を認識しやすい文字であると判定する。一方、判定部２６は、複数の認識部２４の各々の認識結果５４の少なくとも一部が不一致である場合、文字データ５２を認識し難い文字であると判定する。

【0084】

収集部２８は、ステップＳ１１０で判定された認識し難さが予め定めた条件を満たすか否かを判定する（ステップＳ１１２）。例えば、収集部２８は、ステップＳ１１０の判定結果が、認識し難い文字であることを表す判定結果であるか否かを判定する。

【0085】

ステップＳ１１２で否定判断すると（ステップＳ１１２：Ｎｏ）、後述するステップＳ１１６へ進む。ステップＳ１１２で肯定判断すると（ステップＳ１１２：Ｙｅｓ）、ステップＳ１１４へ進む。

【0086】

ステップＳ１１４では、ステップ１０２で生成された文字データ５２を、学習データとして収集する（ステップＳ１１４）。そして、ステップＳ１１６へ進む。

【0087】

ステップＳ１０８～ステップＳ１１４の処理によって、認識し難いと判定された文字データ５２が、学習データとして収集される。すなわち、ステップＳ１０８～ステップＳ１１４の処理によって、崩れたまたは汚い筆跡で描かれた文字の文字データ５２が学習データとして収集される。

【0088】

ステップＳ１１６では、第１更新部３０が、ステップＳ１０８の認識結果５４に基づいて、複数の認識部２４の一部が誤認識する文字データ５２を生成するように生成部１８のパラメータを更新する（ステップＳ１１６）。

【0089】

次に、制御部１２は、認識部２４のロスが収束したか否かを判断する（ステップＳ１１８）。制御部１２は、認識部２４のロスが上述した第１閾値以下に収束したか否かを判別することで、ステップＳ１１８の判断を実行する。

【0090】

ステップＳ１１８で否定判断すると（ステップＳ１１８：Ｎｏ）、上記ステップＳ１０２へ戻る。ステップＳ１１８で肯定判断すると（ステップＳ１１８：Ｙｅｓ）、本ルーチンを終了する。

【0091】

なお、ステップＳ１０４～ステップＳ１０６の処理は、ステップＳ１０８～ステップＳ１１６の処理の後に実行してもよい。

【0092】

以上説明したように、本実施形態の学習データ生成装置１０Ａは、複数の認識部２４と、判定部２６と、収集部２８と、を備える。複数の認識部２４は、対象データ（文字データ５２）によって表される対象（文字）を認識する。判定部２６は、複数の認識部２４の各々の認識結果５４に基づいて、対象データ（文字データ５２）の対象（文字）の認識し難さを判定する。収集部２８は、認識し難さが予め定めた条件を満たす対象データ（文字データ５２）を学習データとして収集する。

【0093】

ここで、文字などの対象の認識の性能を上げるには、多様なパターンの文字データ５２などの対象データを用いて学習モデルを学習することが好ましい。例えば、認識し難い形状などで描かれた文字の文字データ５２を用いて学習することで、対象認識の性能を上げることができる。特に、識別境界付近の判断に迷う文字の文字データ５２を用いて学習することで、対象認識の性能を更に向上させることができる。しかし、従来技術では、認識し難い文字データ５２などの対象データを効率よく収集することは困難であった。

【0094】

一方、本実施形態の学習データ生成装置１０Ａは、複数の認識部２４の各々による対象データの認識結果５４を用いて、対象データの対象の認識し難さを判定する。そして、学習データ生成装置１０Ａは、認識し難さが予め定めた条件を満たす対象データを学習データとして収集する。

【0095】

このため、本実施形態の学習データ生成装置１０Ａは、認識し難い対象データを学習データとして効率よく収集することができる。

【0096】

従って、本実施形態の学習データ生成装置１０Ａは、対象認識用の効果的な学習データを提供することができる。

【0097】

なお、本実施形態では、学習データ生成装置１０Ａが、生成部１８、識別部２０、第２更新部２２、複数の認識部２４、判定部２６、収集部２８、および第１更新部３０を備えた構成である形態を一例として説明した。しかし、学習データ生成装置１０Ａは、複数の認識部２４、判定部２６、および収集部２８を少なくとも備えた構成であればよい。

【0098】

学習データ生成装置１０Ａが生成部１８を備えない構成である場合、識別部２０は、記憶部１４または通信部１６を介して接続された外部の情報処理装置などから、文字データ５２を取得し、処理に用いればよい。

【0099】

（第２の実施形態）
上記実施形態では、文字データ５２が１文字の文字を表すデータである形態を一例として説明した。本実施形態では、文字データ５２が、複数の文字を配列した文字列である形態を一例として説明する。

【0100】

また、本実施形態では、正解文字データ５０が、複数の文字を配列した文字列である形態を説明する。

【0101】

図４は、本実施の形態の学習データ生成装置１０Ｂの構成の一例を示すブロック図である。なお、本実施形態の学習データ生成装置１０Ｂにおいて、上記実施形態と同じ機能および構成部分には、同じ符号を付与して詳細な説明を省略する。

【0102】

学習データ生成装置１０Ｂは、学習データ生成装置１０の一例である。

【0103】

学習データ生成装置１０Ｂは、制御部１３と、記憶部１４と、通信部１６と、を備える。制御部１３、記憶部１４、および通信部１６は、通信可能に接続されている。記憶部１４および通信部１６は、上記実施形態と同様である。

【0104】

制御部１３は、学習データ生成装置１０Ｂにおいて各種の情報処理を実行する。

【0105】

制御部１３は、生成部１９と、識別部２０と、第２更新部２３と、認識部２５と、判定部２７と、収集部２９と、第１更新部３０と、を備える。識別部２０、第２更新部２２、および第１更新部３０は、上記実施形態と同様である。

【0106】

生成部１９、識別部２０、第２更新部２２、認識部２５、判定部２７、収集部２９、および第１更新部３０は、例えば、１または複数のプロセッサにより実現される。例えば上記各部は、ＣＰＵなどのプロセッサにプログラムを実行させること、すなわちソフトウェアにより実現してもよい。上記各部は、専用のＩＣなどのプロセッサ、すなわちハードウェアにより実現してもよい。上記各部は、ソフトウェアおよびハードウェアを併用して実現してもよい。複数のプロセッサを用いる場合、各プロセッサは、各部のうち１つを実現してもよいし、各部のうち２以上を実現してもよい。

【0107】

図５は、生成部１９、識別部２１、第２更新部２２、認識部２５、判定部２７、収集部２９、および第１更新部３１による処理の流れの一例を示す模式図である。図５を用いて各部を説明する。

【0108】

生成部１９は、正解文字列データ５１にパラメータに応じたノイズを与えた文字列データ５３を生成する。例えば、生成部１８は、正解文字列データ５１から文字列データ５３を出力するモデルである。生成部１９のモデルは、例えば、ＣＮＮ、ＧＣＮ、またはＲＮＮなどのニューラルネットワークで構成される深層学習モデル（ＤＮＮ）である。

【0109】

正解文字列データ５１とは、正解ラベルの付与された文字列のデータである。すなわち、本実施形態では、正解文字データ５０に替えて、正解の複数の文字からなる正解文字列データ５１を用いる。

【0110】

正解文字列データ５１には、正解文字列データ５１を構成する文字の各々の正解ラベルと、正解文字列データ５１を構成する文字の各々の位置座標情報と、が付与されている。すなわち、正解文字列データ５１は、付与された正解ラベルによって表される正確な認識結果である複数の文字の各々が、付与された位置座標情報によって示される位置に配置されたデータである。

【0111】

図５には、正解文字列データ５１が英数字の“ＳｃｒａｂｂｌｅＧＡＮ”である場合を一例として示した。なお、正解文字データ５０は、正解の複数の文字列のデータであればよく、１１文字の文字列に限定されない。

【0112】

生成部１９は、上記実施形態の生成部１８と同様に、ノイズを表す乱数Ｘを生成する乱数発生器を備える。生成部１９は、乱数発生器で生成された乱数Ｘをノイズとして用い、パラメータによってノイズの重み付け値を変更する。そして、生成部１９は、パラメータによって重み付け値を変更したノイズを正解文字列データ５１に付与することで、正解文字列データ５１から文字列データ５３を生成する。

【0113】

文字列データ５３は、正解文字列データ５１にノイズを付与した文字データである。文字列データ５３は、複数の文字からなる文字列のデータである。すなわち、文字列データ５３は、正解ラベルの付与された正解文字列データ５１によって表される文字の少なくとも一部を、正解文字列データ５１とは異なる形状で表した文字のデータである。すなわち、本実施形態では、文字データ５２に替えて、複数の文字からなる文字列データ５３を用いる形態を説明する。

【0114】

図５には、文字列データ５３として、文字列の文字画像を一例として示した。

【0115】

本実施形態では、生成部１９は、文字画像を文字列データ５３として生成する形態を一例として説明する。図５に示すように、生成部１９が正解文字列データ５１にノイズを与えることで、正解文字列データ５１とは異なる形状の文字列が生成される。すなわち、生成部１９によって、正解文字列データ５１の文字とは異なる形態で描かれた文字の文字列データ５３が生成される。言い換えると、生成部１９によって、正解文字列データ５１の文字とは異なる筆跡で描かれたような文字列データ５３が生成される。

【0116】

認識部２５は、文字列データ５３によって表される文字を認識し、認識結果５５を出力する。認識部２５は、文字データ５２に替えて文字列データ５３を用いて文字列を認識し、認識結果５４に替えて認識結果５５を出力する点以外は、上記実施形態の認識部２４と同様である。

【0117】

学習データ生成装置１０Ｂは、複数の認識部２５を備える。本実施形態では、一例として、３つの認識部２５（認識部２５Ａ、認識部２５Ｂ、認識部２５Ｃ）を備える形態を一例として説明する。学習データ生成装置１０Ｂは、２以上の認識部２５を備えた構成であればよく、３つの認識部２５を備えた構成に限定されない。

【0118】

複数の認識部２５は、複数の認識部２４と同様に、互いに特性の異なるモデルであり、予め学習されて生成される。すなわち、複数の認識部２５は、学習に用いる文字列データ群および認識処理に用いるパラメータの少なくとも一方が異なる。

【0119】

判定部２７は、複数の認識部２５の各々の認識結果５５に基づいて、文字列データ５３の文字の認識し難さを判定する。

【0120】

本実施形態では、判定部２７は、複数の認識部２５の各々の認識結果５５に基づいて、文字列データ５３の文字列が、認識しやすい文字列であるか、認識し難い文字列であるか、を判定する。

【0121】

例えば、判定部２７は、複数の認識部２５の全ての認識結果５５が一致する場合、文字列データ５３の文字列が認識しやすい文字列であると判定する。また、判定部２７は、複数の認識部２５の少なくとも一部の認識結果５５が不一致である場合、文字列データ５３の文字列が認識し難い文字列であると判定する。

【0122】

詳細には、判定部２７は、複数の認識結果５５の各々の文字列を構成する文字の各々を、他の認識結果５５の対応する位置に配置された文字と比較し、一致するか否かを判定する。対応する位置の特定には、正解文字列データ５１の文字列を構成する各文字に付与された位置座標情報を用いればよい。

【0123】

図５に示す例の場合、判定部２７は、認識部２５Ａの認識結果５５である“ＳｃｒａｂｂｌｅＧＡＮ”、認識部２５Ｂの認識結果５５である“ＳｃｒａｂｂｌｅＧＩＮ”、および、認識部２５Ｃの認識結果５５である“ＳａａｂｂｌｅＧＡＮ”について、位置座標情報ごとに文字が一致するか否かを判定する。

【0124】

この場合、判定部２７は、認識部２５Ｂの認識結果５５である“ＳｃｒａｂｂｌｅＧＩＮ”の左から１０文字目の文字“Ｉ”が、他の認識部２５の認識結果５５の同じ位置座標情報の位置に配置された文字“Ａ”とは不一致であると判定する。また、判定部２７は、認識部２５Ｃの認識結果５５である“ＳａａｂｂｌｅＧＡＮ”の左から２文字目の文字“ａ”が、他の認識部２５の認識結果５５の同じ位置座標情報の位置に配置された文字“ｃ”および“ａ”とは不一致であると判定する。

【0125】

そして、判定部２７は、複数の認識部２５の各々から出力された複数の認識結果５５の少なくとも１つに、他の認識結果５５とは不一致の文字が含まれると判定した場合、文字列データ５３の文字列が認識し難い文字列であると判定する。一方、判定部２７は、複数の認識部２５の各々の認識結果５５が、他の認識結果５５と完全に一致すると判定した場合、文字列データ５３の文字列が認識しやすい文字列であると判定する。

【0126】

図５に示す例の場合、複数の認識結果５５の内、認識部２５Ｂの認識結果５５である“ＳｃｒａｂｂｌｅＧＩＮ”および認識部２５Ｃの認識結果５５である“ＳａａｂｂｌｅＧＡＮ”の各々に、他の認識結果５５とは不一致の文字が含まれる。このため、この場合、判定部２７は、文字列データ５３を認識し難い文字列であると判定する。

【0127】

収集部２９は、判定部２７によって判定された認識し難さが予め定めた条件を満たす文字列データ５３を、学習データとして収集する。すなわち、収集部２９は、該条件を満たす文字列データ５３を、対象認識に関する学習モデルで学習に用いる学習データとして収集する。この予め定めた条件は、認識し難い文字列データ５３であることを表す条件である。

【0128】

判定部２７が、複数の認識部２５の各々の認識結果５５に基づいて、文字列データ５３の文字列が認識しやすい文字列であるか、認識し難い文字列であるか、を判定する場合を想定する。すなわち、判定部２７は、複数の認識部２５の全ての認識結果５５が一致する場合、文字列データ５３を認識しやすい文字列であると判定する。また、判定部２７は、複数の認識部２５の少なくとも一部の認識結果５５が不一致である場合、文字列データ５３を認識し難い文字列であると判定する。

【0129】

収集部２９は、認識し難い文字列と判定された文字列データ５３を、対象認識に関する学習データとして収集する。すなわち、収集部２９は、崩れたまたは汚い筆跡で描かれた文字列の文字列データ５３を学習データとして収集することができる。

【0130】

なお、認識し難さは、文字列データ５３の文字列が認識しやすい文字列であるか、認識し難い文字列であるか、を表す情報に限定されない。例えば、認識し難さは、認識し難さを表す数値であってもよい。この場合、例えば、判定部２７は、複数の認識部２５の各々の認識結果５５に含まれる、互いに不一致の文字の割合または不一致の文字の数が多いほど、高い認識し難さを表す数値を判定すればよい。そして、収集部２９は、認識し難さを表す数値が閾値以上である場合、予め定めた条件を満たす文字列データ５３であると判定し、学習データとして収集すればよい。閾値は、予め定めればよい。

【0131】

収集部２９は、学習データとして収集した文字列データ５３を、記憶部１４へ記憶する。また、収集部２９は、学習データとして収集した文字列データ５３を、通信部１６を介して外部の情報処理装置へ出力してもよい。

【0132】

識別部２０、第２更新部２２、および第１更新部３０は、文字データ５２に替えて文字列データ５３を用いる点以外は、上記実施形態と同様である。このため、詳細な説明を省略する。

【0133】

次に、本実施形態の学習データ生成装置１０Ｂが実行する情報処理の流れを説明する。

【0134】

図６は、本実施形態の学習データ生成装置１０Ｂが実行する情報処理の流れの一例を示すフローチャートである。

【0135】

生成部１９が正解文字列データ５１を取得する（ステップＳ２００）。例えば、生成部１９は、記憶部１４から正解文字列データ５１を取得する。

【0136】

生成部１９は、ステップ２００で取得した正解文字列データ５１から文字列データ５３を生成する（ステップＳ１０２）。

【0137】

識別部２０は、ステップＳ２０２で生成された文字列データ５３が生成された文字列データであるか実データであるかを識別する（ステップＳ２０４）。

【0138】

第２更新部２２は、ステップＳ２０４の識別結果に基づいて、生成部１９のパラメータを更新する（ステップＳ２０６）。第２更新部２２は、文字列データ５３を実データであると誤識別する確率が高くなるように、生成部１９のパラメータを更新する。

【0139】

複数の認識部２５は、ステップＳ２０２で生成された文字列データ５３によって表される文字列を認識する（ステップＳ２０８）。

【0140】

判定部２７は、ステップＳ２０８で認識された、複数の認識部２５の各々の認識結果５５に基づいて、ステップＳ２０２で生成された文字列データ５３の文字列の認識し難さを判定する（ステップＳ２１０）。

【0141】

収集部２９は、ステップＳ２１０で判定された認識し難さが予め定めた条件を満たすか否かを判定する（ステップＳ２１２）。例えば、収集部２９は、ステップＳ２１０の判定結果が、認識し難い文字列であることを表す判定結果であるか否かを判定する。

【0142】

ステップＳ２１２で否定判断すると（ステップＳ２１２：Ｎｏ）、後述するステップＳ２１６へ進む。ステップＳ２１２で肯定判断すると（ステップＳ２１２：Ｙｅｓ）、ステップＳ２１４へ進む。

【0143】

ステップＳ２１４では、ステップ２０２で生成された文字列データ５３を、学習データとして収集する（ステップＳ２１４）。そして、ステップＳ２１６へ進む。

【0144】

ステップＳ２０８～ステップＳ２１４の処理によって、認識し難いと判定された文字列データ５３が、学習データとして収集される。すなわち、ステップＳ２１４の処理によって、崩れたまたは汚い筆跡で描かれた文字列の文字列データ５３が学習データとして収集される。

【0145】

ステップＳ２１６では、第１更新部３０が、ステップＳ２０８の認識結果５５に基づいて、複数の認識部２５の一部が誤認識する文字列データ５３を生成するように生成部１９のパラメータを更新する（ステップＳ２１６）。

【0146】

次に、制御部１３は、認識部２５のロスが収束したか否かを判断する（ステップＳ２１８）。制御部１３は、認識部２５のロスが上述した第１閾値以下に収束したか否かを判別することで、ステップＳ２１８の判断を実行する。

【0147】

ステップＳ２１８で否定判断すると（ステップＳ２１８：Ｎｏ）、上記ステップＳ２０２へ戻る。ステップＳ２１８で肯定判断すると（ステップＳ２１８：Ｙｅｓ）、本ルーチンを終了する。

【0148】

なお、ステップＳ２０４～ステップＳ２０６の処理は、ステップＳ２０８～ステップＳ２１６の処理の後に実行してもよい。

【0149】

以上説明したように、本実施形態の学習データ生成装置１０Ｂは、上記実施形態で用いた文字データ５２に替えて、文字列データ５３を用いる。収集部２９は、複数の認識部２５の各々の認識結果５５に基づいて判定された文字列データ５３の認識し難さに基づいて、認識し難さが予め定めた条件を満たす文字列データ５３を学習データとして収集する。

【0150】

このため、本実施形態の学習データ生成装置１０Ｂは、認識し難い対象データである文字列データ５３を学習データとして効率よく収集することができる。

【0151】

従って、本実施形態の学習データ生成装置１０Ｂは、上記実施形態と同様に、対象認識用の効果的な学習データを提供することができる。

【0152】

（第３の実施形態）
本実施形態では、収集された学習データを用いて学習する学習モデルを更に備えた構成を説明する。

【0153】

図７は、本実施形態の学習データ生成装置１０Ｃの一例を示す模式図である。学習データ生成装置１０Ｃは、学習データ生成装置１０の一例である。

【0154】

なお、本実施形態の学習データ生成装置１０Ｃにおいて、上記実施形態と同様の機能および構成を示す部分には、同じ符号を付与して詳細な説明を省略する。

【0155】

学習データ生成装置１０Ｃは、記憶部１４と、通信部１６と、制御部３２と、を備える。学習データ生成装置１０Ｃは、制御部１２に替えて制御部３２を備えた点以外は、上記実施形態の学習データ生成装置１０Ａと同様の構成である。

【0156】

制御部３２は、生成部１８と、識別部２０と、第２更新部２２と、複数の認識部２４と、判定部２６と、収集部２８と、第１更新部３０と、学習部３４と、を備える。制御部３２は、学習部３４を更に備える点以外は、第１の実施形態の学習データ生成装置１０Ａの制御部１２と同様の構成である。

【0157】

学習部３４は、学習モデルを学習する。学習部３４によって学習される学習モデルは、対象認識用の学習モデルである。本実施形態では、学習モデルは、文字認識用の学習モデルである形態を一例として説明する。

【0158】

学習部３４によって学習される学習モデルは、例えば、ＣＮＮ、ＧＣＮ、またはＲＮＮなどのニューラルネットワークで構成される深層学習モデル（ＤＮＮ）である。

【0159】

学習部３４は、収集部２８によって収集された学習データである文字データ５２から、文字データ５２によって表される文字を出力する学習モデルを学習する。すなわち、学習部３４は、収集部２８によって収集された学習データを入力とし、該学習データである文字データ５２に対応する正解文字データ５０に付与された正解ラベルである正解の文字を出力とする、学習モデルを学習する。

【0160】

学習部３４は、収集部２８によって収集された学習データである文字データ５２を用いて学習モデルを学習するため、効率よく高精度に対象認識可能な学習モデルを学習することができる。

【0161】

また、学習データ生成装置１０Ｃに学習部３４を備えた構成とすることで、収集部２８で収集された学習データを学習部３４で直接学習に用いることができる。このため、学習データ生成装置１０Ｃは、大容量メモリを搭載した構成とすればよく、ストレージや高速Ｒ／Ｗ（リーダ・ライタ）を搭載せずに学習を実行することが可能となる。

【0162】

なお、学習部３４は、学習データから正解ラベルである正解の文字を出力する確率が高くなるように、学習モデルの重み値などを更新することで学習すればよい。

【0163】

なお、本実施形態では、上記実施形態の学習データ生成装置１０Ａに更に学習部３４を備えた構成を一例として説明した。しかし、学習部３４は、上記実施形態の学習データ生成装置１０Ｂに搭載した構成であってもよい。この場合、学習部３４は、収集部２９で収集された学習データである文字列データ５３を用いて、正解ラベルである正解の文字列を出力する学習モデルを学習すればよい。

【0164】

次に、上記実施の形態の学習データ生成装置１０のハードウェア構成を説明する。図８は、上記実施の形態の学習データ生成装置１０のハードウェア構成例を示す図である。

【0165】

上記実施の形態の学習データ生成装置１０は、ＣＰＵ７１などの制御装置と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）７２やＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）７３などの記憶装置と、ネットワークに接続して通信を行う通信Ｉ／Ｆ７４と、各部を接続するバス７５と、を備える。

【0166】

上記実施の形態の学習データ生成装置１０で実行されるプログラムは、ＲＯＭ７２等に予め組み込まれて提供される。

【0167】

上記実施の形態の学習データ生成装置１０で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ（Ｃｏｍｐａｃｔ Ｄｉｓｋ Ｒｅｃｏｒｄａｂｌｅ）、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）等のコンピュータで読み取り可能な記録媒体に記録してコンピュータプログラムプロダクトとして提供されるように構成してもよい。

【0168】

さらに、上記実施の形態の学習データ生成装置１０Ｅで実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、上記実施の形態の学習データ生成装置１０で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。

【0169】

上記実施の形態の学習データ生成装置１０で実行されるプログラムは、コンピュータを、上記実施の形態の学習データ生成装置１０の各部として機能させうる。このコンピュータは、ＣＰＵ７１がコンピュータ読取可能な記憶媒体からプログラムを主記憶装置上に読み出して実行することができる。

【0170】

上記には、本発明の実施の形態を説明したが、上記実施の形態は、例として提示したものであり、発明の範囲を限定することは意図していない。上記新規な実施の形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。上記実施の形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

【符号の説明】

【0171】

１０、１０Ａ、１０Ｂ、１０Ｃ 学習データ生成装置
１８、１９ 生成部
２０ 識別部
２２ 第２更新部
２４、２４Ａ、２４Ｂ、２４Ｃ、２５、２５Ａ、２５Ｂ、２５Ｃ 認識部
２６、２７ 判定部
２８、２９ 収集部
３０ 第１更新部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】