ホーム > 特許ランキング > ＡＩ ｉｎｓｉｄｅ株式会社
知財求人 - 知財ポータルサイト「IP Force」
(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】P2024142156
(43)【公開日】2024-10-10
(54)【発明の名称】プログラム、方法、情報処理装置、システム
(51)【国際特許分類】
G06V 10/774 20220101AFI20241003BHJP
G06T 7/00 20170101ALI20241003BHJP
【ＦＩ】
G06V10/774
G06T7/00 350B
G06T7/00 610Z
【審査請求】有
【請求項の数】17
【出願形態】ＯＬ
(21)【出願番号】P 2023054190
(22)【出願日】2023-03-29
(11)【特許番号】
(45)【特許公報発行日】2023-09-14
(71)【出願人】
【識別番号】516092005
【氏名又は名称】ＡＩ ｉｎｓｉｄｅ株式会社
(74)【代理人】
【識別番号】110002815
【氏名又は名称】ＩＰＴｅｃｈ弁理士法人
(72)【発明者】
【氏名】渡辺 康仁
(72)【発明者】
【氏名】柚口 祐介
【テーマコード（参考）】
5L096
【Ｆターム（参考）】
5L096BA03
5L096CA22
5L096DA01
5L096DA02
5L096FA17
5L096KA04
5L096KA15
(57)【要約】
【課題】製品について異常画像データがない、または、未知の異常に対して異常画像データを作成することができていないという課題がある。
【解決手段】プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、プロセッサが、所定の製品画像を含む第１画像を取得する画像取得ステップと、第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、ユーザから、第２画像に含まれる所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、判定受付ステップにおいて受け付けた判定指示に基づき、画像生成ステップにおいて第２画像が所定の製品の異常画像となるように所定のハイパーパラメータを変更する条件変更ステップと、を実行するプログラム。
【選択図】 図９
【解決手段】プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、プロセッサが、所定の製品画像を含む第１画像を取得する画像取得ステップと、第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、ユーザから、第２画像に含まれる所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、判定受付ステップにおいて受け付けた判定指示に基づき、画像生成ステップにおいて第２画像が所定の製品の異常画像となるように所定のハイパーパラメータを変更する条件変更ステップと、を実行するプログラム。
【選択図】 図９
【特許請求の範囲】
【請求項1】
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、
前記プロセッサが、
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行するプログラム。
前記プロセッサが、
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行するプログラム。
【請求項2】
前記プロセッサが、
前記画像処理モデルに適用可能な複数のハイパーパラメータに含まれる複数の異なるハイパーパラメータ群ごとに、独立して前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行する独立処理ステップと、
を実行する請求項１記載のプログラム。
前記画像処理モデルに適用可能な複数のハイパーパラメータに含まれる複数の異なるハイパーパラメータ群ごとに、独立して前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行する独立処理ステップと、
を実行する請求項１記載のプログラム。
【請求項3】
前記プロセッサが、
前記独立処理ステップを実行した後に、前記複数の異なるハイパーパラメータ群のそれぞれを組み合わせたハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行する組合処理ステップと、
を実行する請求項２記載のプログラム。
前記独立処理ステップを実行した後に、前記複数の異なるハイパーパラメータ群のそれぞれを組み合わせたハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行する組合処理ステップと、
を実行する請求項２記載のプログラム。
【請求項4】
前記プロセッサが、
前記独立処理ステップが完了したことを示す指示を受け付ける完了受付ステップと、
を実行し、
前記組合処理ステップは、前記完了受付ステップにおいて受け付けた前記指示に応じて実行されるステップである、
請求項３記載のプログラム。
前記独立処理ステップが完了したことを示す指示を受け付ける完了受付ステップと、
を実行し、
前記組合処理ステップは、前記完了受付ステップにおいて受け付けた前記指示に応じて実行されるステップである、
請求項３記載のプログラム。
【請求項5】
前記組合処理ステップは、前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行するステップである、
請求項３記載のプログラム。
請求項３記載のプログラム。
【請求項6】
前記プロセッサが、
前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付ける選択受付ステップと、
を実行し、
前記組合処理ステップは、前記選択受付ステップにおいて選択された前記ハイパーパラメータ群に基づき、前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行するステップである、
請求項５記載のプログラム。
前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付ける選択受付ステップと、
を実行し、
前記組合処理ステップは、前記選択受付ステップにおいて選択された前記ハイパーパラメータ群に基づき、前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行するステップである、
請求項５記載のプログラム。
【請求項7】
前記選択受付ステップは、前記所定の製品に応じて、前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付けるステップである、
請求項６記載のプログラム。
請求項６記載のプログラム。
【請求項8】
前記画像生成ステップは、
前記画像処理モデルに適用可能な複数のハイパーパラメータのうち、第３ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第３画像を生成するステップと、
前記画像処理モデルに適用可能な複数のハイパーパラメータのうち、第４ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第４画像を生成するステップと、
を含み、
前記判定受付ステップは、
ユーザから、前記第３画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第３判定指示を受け付けるステップと、
ユーザから、前記第４画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第４判定指示を受け付けるステップと、
を含み、
前記条件変更ステップは、
前記第３判定指示に基づき、前記第３ハイパーパラメータ群を変更するステップと、
前記第４判定指示に基づき、前記第４ハイパーパラメータ群を変更するステップと、
を含む、
請求項１記載のプログラム。
前記画像処理モデルに適用可能な複数のハイパーパラメータのうち、第３ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第３画像を生成するステップと、
前記画像処理モデルに適用可能な複数のハイパーパラメータのうち、第４ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第４画像を生成するステップと、
を含み、
前記判定受付ステップは、
ユーザから、前記第３画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第３判定指示を受け付けるステップと、
ユーザから、前記第４画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第４判定指示を受け付けるステップと、
を含み、
前記条件変更ステップは、
前記第３判定指示に基づき、前記第３ハイパーパラメータ群を変更するステップと、
前記第４判定指示に基づき、前記第４ハイパーパラメータ群を変更するステップと、
を含む、
請求項１記載のプログラム。
【請求項9】
前記プロセッサが、
前記第１画像に対して、前記第３ハイパーパラメータ群および前記第４ハイパーパラメータ群からなる第５ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第５画像を生成する第２画像生成ステップと、
ユーザから、前記第５画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第５判定指示を受け付ける第２判定受付ステップと、
前記第２判定受付ステップにおいて受け付けた前記第５判定指示に基づき、前記第２画像生成ステップにおいて前記第５画像が前記所定の製品の異常画像となるように前記第５ハイパーパラメータ群を変更する第２条件変更ステップと、
を実行する請求項８記載のプログラム。
前記第１画像に対して、前記第３ハイパーパラメータ群および前記第４ハイパーパラメータ群からなる第５ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第５画像を生成する第２画像生成ステップと、
ユーザから、前記第５画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第５判定指示を受け付ける第２判定受付ステップと、
前記第２判定受付ステップにおいて受け付けた前記第５判定指示に基づき、前記第２画像生成ステップにおいて前記第５画像が前記所定の製品の異常画像となるように前記第５ハイパーパラメータ群を変更する第２条件変更ステップと、
を実行する請求項８記載のプログラム。
【請求項10】
前記画像生成ステップは、
前記第１画像に含まれる前記所定の製品画像の領域を抽出するステップと、
抽出した前記所定の製品画像の領域に対して、前記所定のハイパーパラメータに基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップと、
を含む、
請求項１記載のプログラム。
前記第１画像に含まれる前記所定の製品画像の領域を抽出するステップと、
抽出した前記所定の製品画像の領域に対して、前記所定のハイパーパラメータに基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップと、
を含む、
請求項１記載のプログラム。
【請求項11】
前記画像生成ステップは、前記第１画像に含まれる前記所定の製品画像の領域を抽出することができなかった場合に、前記第１画像の全体に対して、前記所定のハイパーパラメータに基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップである、
請求項１０記載のプログラム。
請求項１０記載のプログラム。
【請求項12】
前記条件変更ステップは、前記所定のハイパーパラメータおよび前記判定指示に基づき、ベイズ最適化を適用することにより前記所定のハイパーパラメータを変更するステップである、
請求項１記載のプログラム。
請求項１記載のプログラム。
【請求項13】
前記条件変更ステップは、前記画像処理モデルにより生成された前記第２画像に基づき学習される異常画像か否かを判定する分類モデルの精度に基づき、前記ベイズ最適化を適用するステップである、
請求項１２記載のプログラム。
請求項１２記載のプログラム。
【請求項14】
前記判定受付ステップは、前記ユーザから、前記第２画像に含まれる前記所定の製品画像の異常画像の種類に関する異常画像種別の入力操作を受け付ける判定受付ステップと、
を実行する請求項１記載のプログラム。
を実行する請求項１記載のプログラム。
【請求項15】
前記プロセッサが、
前記所定の製品に応じて、前記所定のハイパーパラメータの初期値を選択する初期値選択ステップと、
を実行し、
前記画像生成ステップは、前記初期値選択ステップにおいて選択された前記初期値に基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップである、
請求項１記載のプログラム。
前記所定の製品に応じて、前記所定のハイパーパラメータの初期値を選択する初期値選択ステップと、
を実行し、
前記画像生成ステップは、前記初期値選択ステップにおいて選択された前記初期値に基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップである、
請求項１記載のプログラム。
【請求項16】
前記画像処理モデルは、入力画像に対して欠け、歪み、擦り傷の少なくともいずれか１つに関する異常箇所を付加する画像処理を適用可能なモデルであり、前記所定のハイパーパラメータは、前記異常箇所の大きさ、回転角度、反転角度および色彩変更のパラメータを含む、
請求項１記載のプログラム。
請求項１記載のプログラム。
【請求項17】
プロセッサと、メモリとを備えるコンピュータに実行される方法であって、前記プロセッサが、請求項１から請求項１６のいずれかに係る発明において実行される全てのステップを実行する方法。
【請求項18】
制御部と、記憶部とを備える情報処理装置であって、前記制御部が、請求項１から請求項１６のいずれかに係る発明において実行される全てのステップを実行する情報処理装置。
【請求項19】
請求項１から請求項１６のいずれかに係る発明において実行される全てのステップを実行する手段を備えるシステム。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、プログラム、方法、情報処理装置、システムに関する。
【背景技術】
【0002】
深層学習モデル等を用いて製品画像を撮影した画像データに基づき、製品等を検査する技術が知られている。
特許文献１には、少ないサンプル数でも不良／ノイズを判別する推論プログラムの作成が可能な深層学習技術を画像処理工程に実装した自動検査装置が開示されている。
特許文献１には、少ないサンプル数でも不良／ノイズを判別する推論プログラムの作成が可能な深層学習技術を画像処理工程に実装した自動検査装置が開示されている。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２３－８３７９号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
製品について異常画像データがない、または、未知の異常に対して異常画像データを作成することができていないという課題がある。
そこで、本開示は、上記課題を解決すべくなされたものであって、その目的は、製品について異常画像データがない、または、未知の異常に対しても、異常画像データを新たに生成したり、水増しすることである。
そこで、本開示は、上記課題を解決すべくなされたものであって、その目的は、製品について異常画像データがない、または、未知の異常に対しても、異常画像データを新たに生成したり、水増しすることである。
【課題を解決するための手段】
【0005】
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、プロセッサが、所定の製品画像を含む第１画像を取得する画像取得ステップと、第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、ユーザから、第２画像に含まれる所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、判定受付ステップにおいて受け付けた判定指示に基づき、画像生成ステップにおいて第２画像が所定の製品の異常画像となるように所定のハイパーパラメータを変更する条件変更ステップと、を実行するプログラム。
【発明の効果】
【0006】
本開示によれば、製品について異常画像データがない、または、未知の異常に対しても、異常画像データを新たに生成したり、水増しすることができる。
【図面の簡単な説明】
【0007】
【図1】システム１の機能構成を示すブロック図である。
【図2】サーバ１０の機能構成を示すブロック図である。
【図3】管理者端末３０の機能構成を示すブロック図である。
【図4】ユーザテーブル１０１２のデータ構造を示す図である。
【図5】画像テーブル１０１３のデータ構造を示す図である。
【図6】生成テーブル１０１４のデータ構造を示す図である。
【図7】異常画像生成モデル作成処理の動作を示すフローチャートである。
【図8】異常画像生成モデル作成処理の動作を示す画面例である。
【図9】異常画像生成モデル作成処理における判定処理を示す画面例である。
【図10】コンピュータ９０の基本的なハードウェア構成を示すブロック図である。
【発明を実施するための形態】
【0008】
以下、本開示の実施形態について図面を参照して説明する。実施形態を説明する全図において、共通の構成要素には同一の符号を付し、繰り返しの説明を省略する。なお、以下の実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。また、各図は模式図であり、必ずしも厳密に図示されたものではない。
【0009】
＜システム１の構成＞
本開示におけるシステム１は、所定の製品について製品に関する不具合や欠陥等がない状態の当該製品の外観等を撮影した画像データ（正常画像）から、生産工程等において不具合や欠陥等を有する当該製品の外観等を撮影した画像（異常画像）を生成するための情報処理システムである。なお、本開示は、製品の外観等の画像データに限らず、非破壊検査等により得られる製品の内部状態に関する画像データ、その他、製品に関する任意の画像データに対して適用することが可能である。
システム１は、ネットワークＮを介して接続された、サーバ１０、ユーザ端末２０の情報処理装置を備える。
図１は、システム１の機能構成を示すブロック図である。
図２は、サーバ１０の機能構成を示すブロック図である。
図３は、管理者端末３０の機能構成を示すブロック図である。
本開示におけるシステム１は、所定の製品について製品に関する不具合や欠陥等がない状態の当該製品の外観等を撮影した画像データ（正常画像）から、生産工程等において不具合や欠陥等を有する当該製品の外観等を撮影した画像（異常画像）を生成するための情報処理システムである。なお、本開示は、製品の外観等の画像データに限らず、非破壊検査等により得られる製品の内部状態に関する画像データ、その他、製品に関する任意の画像データに対して適用することが可能である。
システム１は、ネットワークＮを介して接続された、サーバ１０、ユーザ端末２０の情報処理装置を備える。
図１は、システム１の機能構成を示すブロック図である。
図２は、サーバ１０の機能構成を示すブロック図である。
図３は、管理者端末３０の機能構成を示すブロック図である。
【0010】
各情報処理装置は演算装置と記憶装置とを備えたコンピュータにより構成されている。コンピュータの基本ハードウェア構成および、当該ハードウェア構成により実現されるコンピュータの基本機能構成は後述する。サーバ１０、ユーザ端末２０のそれぞれについて、後述するコンピュータの基本ハードウェア構成およびコンピュータの基本機能構成と重複する説明は省略する。
【0011】
＜サーバ１０の構成＞
サーバ１０は、所定の製品に関する正常画像データに対して、画像処理モデル１０２１を適用することにより異常画像データを生成する情報処理サービスを提供する情報処理装置である。本開示にかかる情報処理サービスにより、所定の製品について異常画像データがない、または、未知の異常に対しても、異常画像データを新たに生成したり、水増しすることができる。生成された異常画像データは、当該製品の生産ライン等における外観検査等の異常検知のための深層学習モデル等を作成する際の教師データとして用いることができる。つまり、教師データを水増しすることにより、異常検知のための深層学習モデルの性能を向上させることができる。
サーバ１０は、記憶部１０１、制御部１０４、入力装置１０６、出力装置１０８を備える。
サーバ１０は、所定の製品に関する正常画像データに対して、画像処理モデル１０２１を適用することにより異常画像データを生成する情報処理サービスを提供する情報処理装置である。本開示にかかる情報処理サービスにより、所定の製品について異常画像データがない、または、未知の異常に対しても、異常画像データを新たに生成したり、水増しすることができる。生成された異常画像データは、当該製品の生産ライン等における外観検査等の異常検知のための深層学習モデル等を作成する際の教師データとして用いることができる。つまり、教師データを水増しすることにより、異常検知のための深層学習モデルの性能を向上させることができる。
サーバ１０は、記憶部１０１、制御部１０４、入力装置１０６、出力装置１０８を備える。
【0012】
＜サーバ１０の記憶部１０１の構成＞
サーバ１０の記憶部１０１は、アプリケーションプログラム１０１１、ユーザＩＤ２０１１、アプリケーションプログラム２０１２、ユーザテーブル１０１２、画像テーブル１０１３、生成テーブル１０１４、画像処理モデル１０２１、分類モデル１０２２を備える。
サーバ１０の記憶部１０１は、アプリケーションプログラム１０１１、ユーザＩＤ２０１１、アプリケーションプログラム２０１２、ユーザテーブル１０１２、画像テーブル１０１３、生成テーブル１０１４、画像処理モデル１０２１、分類モデル１０２２を備える。
【0013】
アプリケーションプログラム１０１１は、サーバ１０の制御部１０４を各機能ユニットとして機能させるためのプログラムである。
アプリケーションプログラム１０１１は、ウェブブラウザアプリケーションなどのアプリケーションを含む。
アプリケーションプログラム１０１１は、ウェブブラウザアプリケーションなどのアプリケーションを含む。
【0014】
ユーザＩＤ２０１１はユーザのアカウントＩＤである。ユーザは、ユーザ端末２０からユーザＩＤ２０１１を、サーバ１０へ送信する。サーバ１０は、ユーザＩＤ２０１１に基づきユーザを識別し、本開示にかかるサービスをユーザに対して提供する。なお、ユーザＩＤ２０１１には、ユーザ端末２０を利用しているユーザを識別するにあたりサーバ１０から一時的に付与されるセッションＩＤなどの情報を含む。
【0015】
アプリケーションプログラム２０１２は、記憶部２０１に予め記憶されていても良いし、通信ＩＦを介してサービス提供者が運営するウェブサーバ等からダウンロードする構成としても良い。
アプリケーションプログラム２０１２は、ウェブブラウザアプリケーションなどのアプリケーションを含む。
アプリケーションプログラム２０１２は、ユーザ端末２０に記憶されているウェブブラウザアプリケーション上で実行されるＪａｖａＳｃｒｉｐｔ（登録商標）などのインタープリター型プログラミング言語を含む。
アプリケーションプログラム２０１２は、ウェブブラウザアプリケーションなどのアプリケーションを含む。
アプリケーションプログラム２０１２は、ユーザ端末２０に記憶されているウェブブラウザアプリケーション上で実行されるＪａｖａＳｃｒｉｐｔ（登録商標）などのインタープリター型プログラミング言語を含む。
【0016】
ユーザテーブル１０１２は、サービスを利用する会員ユーザ（以下、ユーザ）の情報を記憶し管理するテーブルである。ユーザは、サービスの利用登録を行うことで、当該ユーザの情報がユーザテーブル１０１２の新しいレコードに記憶される。これにより、ユーザは本開示にかかるサービスを利用できるようになる。
ユーザテーブル１０１２は、ユーザＩＤを主キーとして、ユーザＩＤ、ユーザ名のカラムを有するテーブルである。
図４は、ユーザテーブル１０１２のデータ構造を示す図である。
ユーザテーブル１０１２は、ユーザＩＤを主キーとして、ユーザＩＤ、ユーザ名のカラムを有するテーブルである。
図４は、ユーザテーブル１０１２のデータ構造を示す図である。
【0017】
ユーザＩＤは、ユーザを識別するためのユーザ識別情報を記憶する項目である。ユーザ識別情報は、ユーザごとにユニークな値が設定されている項目である。
ユーザ名は、ユーザの氏名を記憶する項目である。ユーザ名は、氏名ではなく、ニックネームなど任意の文字列を設定しても良い。
ユーザ名は、ユーザの氏名を記憶する項目である。ユーザ名は、氏名ではなく、ニックネームなど任意の文字列を設定しても良い。
【0018】
画像テーブル１０１３には、所定の製品について製品に関する不具合や欠陥等がない状態の当該製品の外観等を撮影した画像データ（正常画像データ）を記憶し管理するテーブルである。
画像テーブル１０１３は、画像ＩＤ、ユーザＩＤ、画像データ、画像ラベルのカラムを有するテーブルである。
図５は、画像テーブル１０１３のデータ構造を示す図である。
画像テーブル１０１３は、画像ＩＤ、ユーザＩＤ、画像データ、画像ラベルのカラムを有するテーブルである。
図５は、画像テーブル１０１３のデータ構造を示す図である。
【0019】
画像ＩＤは、正常画像データを識別するための画像識別情報を記憶する項目である。
ユーザＩＤは、正常画像データを記憶したユーザのユーザ識別情報を記憶する項目である。
画像データは、カメラ等により撮影された正常画像データを記憶する項目である。他の場所に配置された画像データファイルに対する参照情報（パス）を記憶するものとしても良い。画像データのフォーマットは、ｊｐｅｇ、ｐｎｇ、ｂｍｐ、ｔｉｆｆ、ｇｉｆ、ｅｐｓ、ｓｖｇなど任意のデータフォーマットで良い。
画像ラベルは、正常画像データに関するラベル情報を記憶する項目である。具体的に、画像ラベルは、画像データに含まれる製品の状態や程度（良、不良）を示す情報、製品の種類や分類を示す製品カテゴリ情報、その他、任意のラベル情報を含むことができる。
ユーザＩＤは、正常画像データを記憶したユーザのユーザ識別情報を記憶する項目である。
画像データは、カメラ等により撮影された正常画像データを記憶する項目である。他の場所に配置された画像データファイルに対する参照情報（パス）を記憶するものとしても良い。画像データのフォーマットは、ｊｐｅｇ、ｐｎｇ、ｂｍｐ、ｔｉｆｆ、ｇｉｆ、ｅｐｓ、ｓｖｇなど任意のデータフォーマットで良い。
画像ラベルは、正常画像データに関するラベル情報を記憶する項目である。具体的に、画像ラベルは、画像データに含まれる製品の状態や程度（良、不良）を示す情報、製品の種類や分類を示す製品カテゴリ情報、その他、任意のラベル情報を含むことができる。
【0020】
生成テーブル１０１４は、正常画像データに画像処理モデル１０２１を適用することにより生成された生成画像データ（生成データ）を記憶し管理するためのテーブルである。
生成テーブル１０１４は、生成ＩＤ、生成データ、生成条件、判定指示のカラムを有するテーブルである。
図６は、生成テーブル１０１４のデータ構造を示す図である。
生成テーブル１０１４は、生成ＩＤ、生成データ、生成条件、判定指示のカラムを有するテーブルである。
図６は、生成テーブル１０１４のデータ構造を示す図である。
【0021】
生成ＩＤは、生成データを識別するための画像識別情報を記憶する項目である。
生成データは、生成データを記憶する項目である。他の場所に配置された画像データファイルに対する参照情報（パス）を記憶するものとしても良い。画像データのフォーマットは、ｊｐｅｇ、ｐｎｇ、ｂｍｐ、ｔｉｆｆ、ｇｉｆ、ｅｐｓ、ｓｖｇなど任意のデータフォーマットで良い。
生成条件は、生成データを生成する際の生成条件に関する情報を記憶する項目である。生成条件は、正常画像データから、生成データを生成する際に必要な情報をすべて含む。
生成条件は、生成データを生成する際の画像処理モデル１０２１に対して入力される正常画像データの画像識別情報を含む。
生成条件は、生成データを生成する際の画像処理モデル１０２１に対して入力されるハイパーパラメータの値を含む。
その他、生成条件は、複数の画像処理モデル１０２１がある場合には、複数の画像処理モデル１０２１のうち生成データを生成する際に用いられた画像処理モデル１０２１を特定する情報、ハイパーパラメータに関する情報を含む。
判定指示は、生成データが、異常画像データか否かに関する判定結果を示す情報を含む。
判定指示は、異常画像データが「異常」である事を示す情報、「異常ではない」ことを示す情報のいずれかを含んでも良い。
判定指示は、異常画像データが「塗装剥がれ」、「腐食」、「色異常」等の異常の種類に関する情報を含んでも良い。
生成データは、生成データを記憶する項目である。他の場所に配置された画像データファイルに対する参照情報（パス）を記憶するものとしても良い。画像データのフォーマットは、ｊｐｅｇ、ｐｎｇ、ｂｍｐ、ｔｉｆｆ、ｇｉｆ、ｅｐｓ、ｓｖｇなど任意のデータフォーマットで良い。
生成条件は、生成データを生成する際の生成条件に関する情報を記憶する項目である。生成条件は、正常画像データから、生成データを生成する際に必要な情報をすべて含む。
生成条件は、生成データを生成する際の画像処理モデル１０２１に対して入力される正常画像データの画像識別情報を含む。
生成条件は、生成データを生成する際の画像処理モデル１０２１に対して入力されるハイパーパラメータの値を含む。
その他、生成条件は、複数の画像処理モデル１０２１がある場合には、複数の画像処理モデル１０２１のうち生成データを生成する際に用いられた画像処理モデル１０２１を特定する情報、ハイパーパラメータに関する情報を含む。
判定指示は、生成データが、異常画像データか否かに関する判定結果を示す情報を含む。
判定指示は、異常画像データが「異常」である事を示す情報、「異常ではない」ことを示す情報のいずれかを含んでも良い。
判定指示は、異常画像データが「塗装剥がれ」、「腐食」、「色異常」等の異常の種類に関する情報を含んでも良い。
【0022】
画像処理モデル１０２１は、入力画像データに対して欠け、歪み、擦り傷等の少なくともいずれか１つに関する異常箇所を付加する画像処理を適用可能なモデルである。画像処理モデルは、１または複数のハイパーパラメータを入力変数に含めることが可能である。
ハイパーパラメータは、異常箇所の大きさ、回転角度、反転角度および色彩変更に関するパラメータを含む。ハイパーパラメータは、画像処理モデル１０２１におけるフィルタサイズや層数などの画像処理モデル１０２１に応じたハイパーパラメータを含む。入力される１またはハイパーパラメータの値に応じて、画像処理モデルは異なる生成データを生成することができる。また、製品の正常画像を含む入力画像データに対して、異常画像生成モデル作成処理により最適化されたハイパーパラメータに基づく画像処理モデルを適用することにより、当該製品の異常画像を含む出力画像データを出力させることができる。
画像処理モデルに適用されるハイパーパラメータは、「欠け」、「歪み」、「擦り傷」等の画像処理の内容に応じて、それぞれの画像処理に対応する変数空間を被覆可能な複数のハイパーパラメータ群を含んでも良い。
例えば、「欠け」に関する画像処理モデルに応じた、「欠け」に関するハイパーパラメータ群を第１のハイパーパラメータ群とする。「歪み」に関する画像処理モデルに応じた、「歪み」に関するハイパーパラメータ群を第２のハイパーパラメータ群とする。「擦り傷」に関する画像処理モデルに応じた、「擦り傷」に関するハイパーパラメータ群を第３のハイパーパラメータ群とする。それぞれの、第１ハイパーパラメータ群、第２ハイパーパラメータ群、第３ハイパーパラメータ群は異なる変数空間を被覆可能である。
具体的に、ハイパーパラメータ群が１０個の成分（ハイパーパラメータ）からなるベクトルである場合に、第１ハイパーパラメータ群が０～３番目の成分からなるベクトル、第２ハイパーパラメータ群が４～６番目の成分からなるベクトル、第３ハイパーパラメータ群が７～１０番目の成分からなるベクトルとすることができる。
なお、複数のハイパーパラメータ群は必ずしも独立している必要はなく、それぞれのハイパーパラメータ群に含まれるハイパーパラメータの一部または全部が、他のハイパーパラメータ群に含まれたり重複していても構わない。例えば、第１ハイパーパラメータ群が０～３、６番目の成分からなるベクトル、第２ハイパーパラメータ群が４～６、８、９番目の成分からなるベクトル、第３ハイパーパラメータ群が７～１０番目の成分からなるベクトルとしても良い。
なお、本開示にかかる画像処理モデルはルールベースの画像処理モデルである必要はなく、深層学習モデルにおけるＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）等の任意の生成モデルを含んでも良い。具体的に、正常画像データと、任意のハイパーパラメータ等に基づき、確率的に出力画像データを出力可能な任意の画像処理モデルを含む。
ハイパーパラメータは、異常箇所の大きさ、回転角度、反転角度および色彩変更に関するパラメータを含む。ハイパーパラメータは、画像処理モデル１０２１におけるフィルタサイズや層数などの画像処理モデル１０２１に応じたハイパーパラメータを含む。入力される１またはハイパーパラメータの値に応じて、画像処理モデルは異なる生成データを生成することができる。また、製品の正常画像を含む入力画像データに対して、異常画像生成モデル作成処理により最適化されたハイパーパラメータに基づく画像処理モデルを適用することにより、当該製品の異常画像を含む出力画像データを出力させることができる。
画像処理モデルに適用されるハイパーパラメータは、「欠け」、「歪み」、「擦り傷」等の画像処理の内容に応じて、それぞれの画像処理に対応する変数空間を被覆可能な複数のハイパーパラメータ群を含んでも良い。
例えば、「欠け」に関する画像処理モデルに応じた、「欠け」に関するハイパーパラメータ群を第１のハイパーパラメータ群とする。「歪み」に関する画像処理モデルに応じた、「歪み」に関するハイパーパラメータ群を第２のハイパーパラメータ群とする。「擦り傷」に関する画像処理モデルに応じた、「擦り傷」に関するハイパーパラメータ群を第３のハイパーパラメータ群とする。それぞれの、第１ハイパーパラメータ群、第２ハイパーパラメータ群、第３ハイパーパラメータ群は異なる変数空間を被覆可能である。
具体的に、ハイパーパラメータ群が１０個の成分（ハイパーパラメータ）からなるベクトルである場合に、第１ハイパーパラメータ群が０～３番目の成分からなるベクトル、第２ハイパーパラメータ群が４～６番目の成分からなるベクトル、第３ハイパーパラメータ群が７～１０番目の成分からなるベクトルとすることができる。
なお、複数のハイパーパラメータ群は必ずしも独立している必要はなく、それぞれのハイパーパラメータ群に含まれるハイパーパラメータの一部または全部が、他のハイパーパラメータ群に含まれたり重複していても構わない。例えば、第１ハイパーパラメータ群が０～３、６番目の成分からなるベクトル、第２ハイパーパラメータ群が４～６、８、９番目の成分からなるベクトル、第３ハイパーパラメータ群が７～１０番目の成分からなるベクトルとしても良い。
なお、本開示にかかる画像処理モデルはルールベースの画像処理モデルである必要はなく、深層学習モデルにおけるＧＡＮ（Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋ）等の任意の生成モデルを含んでも良い。具体的に、正常画像データと、任意のハイパーパラメータ等に基づき、確率的に出力画像データを出力可能な任意の画像処理モデルを含む。
【0023】
分類モデル１０２２は、画像データを入力情報として、入力された画像データが異常画像か否かを示す情報（具体的に０、１などの分類ラベル）を出力する学習モデルである。
【0024】
＜サーバ１０の制御部１０４の構成＞
サーバ１０の制御部１０４は、ユーザ登録制御部１０４１、学習部１０５１、入力制御部２０４１、出力制御部２０４２を備える。制御部１０４は、記憶部１０１に記憶されたアプリケーションプログラム１０１１を実行することにより、各機能ユニットが実現される。
サーバ１０の制御部１０４は、ユーザ登録制御部１０４１、学習部１０５１、入力制御部２０４１、出力制御部２０４２を備える。制御部１０４は、記憶部１０１に記憶されたアプリケーションプログラム１０１１を実行することにより、各機能ユニットが実現される。
【0025】
ユーザ登録制御部１０４１は、本開示に係るサービスの利用を希望するユーザの情報をユーザテーブル１０１２に記憶する処理を行う。
ユーザテーブル１０１２に記憶される情報は、ユーザが任意の情報処理端末からサービス提供者が運営するウェブページなどを開き、所定の入力フォームに情報を入力しサーバ１０へ送信する。ユーザ登録制御部１０４１は、受信した情報をユーザテーブル１０１２の新しいレコードに記憶し、ユーザ登録が完了する。これにより、ユーザテーブル１０１２に記憶されたユーザはサービスを利用することができるようになる。
ユーザ登録制御部１０４１によるユーザ情報のユーザテーブル１０１２への登録に先立ち、サービス提供者は所定の審査を行いユーザによるサービス利用可否を制限しても良い。
ユーザＩＤは、ユーザを識別できる任意の文字列または数字で良く、ユーザが希望する任意の文字列または数字、もしくはユーザ登録制御部１０４１が自動的に任意の文字列または数字を設定しても良い。
ユーザテーブル１０１２に記憶される情報は、ユーザが任意の情報処理端末からサービス提供者が運営するウェブページなどを開き、所定の入力フォームに情報を入力しサーバ１０へ送信する。ユーザ登録制御部１０４１は、受信した情報をユーザテーブル１０１２の新しいレコードに記憶し、ユーザ登録が完了する。これにより、ユーザテーブル１０１２に記憶されたユーザはサービスを利用することができるようになる。
ユーザ登録制御部１０４１によるユーザ情報のユーザテーブル１０１２への登録に先立ち、サービス提供者は所定の審査を行いユーザによるサービス利用可否を制限しても良い。
ユーザＩＤは、ユーザを識別できる任意の文字列または数字で良く、ユーザが希望する任意の文字列または数字、もしくはユーザ登録制御部１０４１が自動的に任意の文字列または数字を設定しても良い。
【0026】
学習部１０５１は、画像処理モデル１０２１に適用するハイパーパラメータを学習するための学習処理を実行する。学習処理については後述する。また、学習部１０５１は、分類モデルを学習するための学習処理を実行する。
【0027】
＜サーバ１０の入力装置１０６の構成＞
サーバ１０の入力装置１０６は、カメラ２０６１、マイク２０６２、位置情報センサ２０６３、モーションセンサ２０６４、タッチデバイス２０６５を備える。
サーバ１０の入力装置１０６は、カメラ２０６１、マイク２０６２、位置情報センサ２０６３、モーションセンサ２０６４、タッチデバイス２０６５を備える。
【0028】
＜サーバ１０の出力装置１０８の構成＞
サーバ１０の出力装置１０８は、ディスプレイ２０８１、スピーカ２０８２を備える。
サーバ１０の出力装置１０８は、ディスプレイ２０８１、スピーカ２０８２を備える。
【0029】
＜ユーザ端末２０の構成＞
ユーザ端末２０は、サービスを利用するユーザが操作する情報処理装置である。ユーザ端末２０は、例えば、スマートフォン、タブレット等の携帯端末でもよいし、据え置き型のＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ラップトップＰＣであってもよい。また、ＨＭＤ（Ｈｅａｄ Ｍｏｕｎｔ Ｄｉｓｐｌａｙ）、腕時計型端末等のウェアラブル端末であってもよい。
ユーザ端末２０は、記憶部２０１、制御部２０４、入力装置２０６、出力装置２０８を備える。
ユーザ端末２０は、サービスを利用するユーザが操作する情報処理装置である。ユーザ端末２０は、例えば、スマートフォン、タブレット等の携帯端末でもよいし、据え置き型のＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ラップトップＰＣであってもよい。また、ＨＭＤ（Ｈｅａｄ Ｍｏｕｎｔ Ｄｉｓｐｌａｙ）、腕時計型端末等のウェアラブル端末であってもよい。
ユーザ端末２０は、記憶部２０１、制御部２０４、入力装置２０６、出力装置２０８を備える。
【0030】
＜ユーザ端末２０の記憶部２０１の構成＞
ユーザ端末２０の記憶部２０１は、ユーザＩＤ２０１１、アプリケーションプログラム２０１２を備える。
ユーザ端末２０の記憶部２０１は、ユーザＩＤ２０１１、アプリケーションプログラム２０１２を備える。
【0031】
ユーザＩＤ２０１１はユーザのアカウントＩＤである。ユーザは、ユーザ端末２０からユーザＩＤ２０１１を、サーバ１０へ送信する。サーバ１０は、ユーザＩＤ２０１１に基づきユーザを識別し、本開示にかかるサービスをユーザに対して提供する。なお、ユーザＩＤ２０１１には、ユーザ端末２０を利用しているユーザを識別するにあたりサーバ１０から一時的に付与されるセッションＩＤなどの情報を含む。
【0032】
アプリケーションプログラム２０１２は、記憶部２０１に予め記憶されていても良いし、通信ＩＦを介してサービス提供者が運営するウェブサーバ等からダウンロードする構成としても良い。
アプリケーションプログラム２０１２は、ウェブブラウザアプリケーションなどのアプリケーションを含む。
アプリケーションプログラム２０１２は、ユーザ端末２０に記憶されているウェブブラウザアプリケーション上で実行されるＪａｖａＳｃｒｉｐｔ（登録商標）などのインタープリター型プログラミング言語を含む。
アプリケーションプログラム２０１２は、ウェブブラウザアプリケーションなどのアプリケーションを含む。
アプリケーションプログラム２０１２は、ユーザ端末２０に記憶されているウェブブラウザアプリケーション上で実行されるＪａｖａＳｃｒｉｐｔ（登録商標）などのインタープリター型プログラミング言語を含む。
【0033】
＜ユーザ端末２０の制御部２０４の構成＞
ユーザ端末２０の制御部２０４は、入力制御部２０４１、出力制御部２０４２を備える。制御部２０４は、記憶部２０１に記憶されたアプリケーションプログラム２０１２を実行することにより、各機能ユニットが実現される。
ユーザ端末２０の制御部２０４は、入力制御部２０４１、出力制御部２０４２を備える。制御部２０４は、記憶部２０１に記憶されたアプリケーションプログラム２０１２を実行することにより、各機能ユニットが実現される。
【0034】
＜ユーザ端末２０の入力装置２０６の構成＞
ユーザ端末２０の入力装置２０６は、カメラ２０６１、マイク２０６２、位置情報センサ２０６３、モーションセンサ２０６４、タッチデバイス２０６５を備える。
ユーザ端末２０の入力装置２０６は、カメラ２０６１、マイク２０６２、位置情報センサ２０６３、モーションセンサ２０６４、タッチデバイス２０６５を備える。
【0035】
＜ユーザ端末２０の出力装置２０８の構成＞
ユーザ端末２０の出力装置２０８は、ディスプレイ２０８１、スピーカ２０８２を備える。
ユーザ端末２０の出力装置２０８は、ディスプレイ２０８１、スピーカ２０８２を備える。
【0036】
＜システム１の動作＞
以下、システム１の各処理について説明する。
図７は、異常画像生成モデル作成処理の動作を示すフローチャートである。
図８は、異常画像生成モデル作成処理の動作を示す画面例である。
図９は、異常画像生成モデル作成処理における判定処理を示す画面例である。
以下、システム１の各処理について説明する。
図７は、異常画像生成モデル作成処理の動作を示すフローチャートである。
図８は、異常画像生成モデル作成処理の動作を示す画面例である。
図９は、異常画像生成モデル作成処理における判定処理を示す画面例である。
【0037】
＜異常画像生成モデル作成処理＞
異常画像生成モデル作成処理は、正常画像に基づき生成された生成データに対するユーザからの判定指示に基づき、異常画像を生成するための異常画像生成モデルを作成する処理である。以下に、異常画像生成モデル作成処理（第一実施形態）、異常画像生成モデル作成処理（第二実施形態）について説明する。
異常画像生成モデル作成処理は、正常画像に基づき生成された生成データに対するユーザからの判定指示に基づき、異常画像を生成するための異常画像生成モデルを作成する処理である。以下に、異常画像生成モデル作成処理（第一実施形態）、異常画像生成モデル作成処理（第二実施形態）について説明する。
【0038】
＜異常画像生成モデル作成処理（第一実施形態）の概要＞
異常画像生成モデル作成処理（第一実施形態）は、製品に関する正常画像データの登録を受け付け、最適化対象となるハイパーパラメータを特定し、正常画像データに対して当該ハイパーパラメータを用いた画像処理モデルを適用することにより生成データを作成し、生成データをユーザに提示し、当該生成データに対するユーザからの判定指示を受け付け、当該判定指示に基づきハイパーパラメータを最適化する一連の処理である。
異常画像生成モデル作成処理（第一実施形態）は、製品に関する正常画像データの登録を受け付け、最適化対象となるハイパーパラメータを特定し、正常画像データに対して当該ハイパーパラメータを用いた画像処理モデルを適用することにより生成データを作成し、生成データをユーザに提示し、当該生成データに対するユーザからの判定指示を受け付け、当該判定指示に基づきハイパーパラメータを最適化する一連の処理である。
【0039】
＜異常画像生成モデル作成処理（第一実施形態）の詳細＞
以下に、異常画像生成モデル作成処理（第一実施形態）の詳細を説明する。
以下に、異常画像生成モデル作成処理（第一実施形態）の詳細を説明する。
【0040】
ステップＳ１０１において、サーバ１０の制御部１０４は、所定の製品画像を含む第１画像を取得する画像取得ステップを実行する。
具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、ウェブブラウザ等に画像登録処理を実行するためのページ（画像登録処理ページ）のＵＲＬを入力し、画像登録処理ページを開く。ユーザ端末２０の制御部２０４は、画像登録処理ページを開くためのリクエストを、サーバ１０へ送信する。サーバ１０の制御部１０４は、受信したリクエストに基づき、画像登録処理ページを生成しユーザ端末２０へ送信する。ユーザ端末２０の制御部２０４は、受信した画像登録処理ページをユーザ端末２０のディスプレイ２０８１に表示する。
具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、ウェブブラウザ等に画像登録処理を実行するためのページ（画像登録処理ページ）のＵＲＬを入力し、画像登録処理ページを開く。ユーザ端末２０の制御部２０４は、画像登録処理ページを開くためのリクエストを、サーバ１０へ送信する。サーバ１０の制御部１０４は、受信したリクエストに基づき、画像登録処理ページを生成しユーザ端末２０へ送信する。ユーザ端末２０の制御部２０４は、受信した画像登録処理ページをユーザ端末２０のディスプレイ２０８１に表示する。
【0041】
ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、画像登録処理ページにおいて所定の入力フォーム等に対する入力操作を行うことにより、予めユーザがユーザ端末２０の記憶部２０１に記憶された画像データを選択する。具体的に、画像データは、所定の製品について製品に関する不具合や欠陥等がない状態の当該製品の外観等を撮影した画像データ（正常画像データ）である。
ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、選択された画像データをサーバ１０へ送信する操作を行う。ユーザ端末２０の制御部２０４は、ユーザＩＤ２０１１、選択された画像データをサーバ１０へ送信する。
サーバ１０の制御部１０４は、ユーザ端末２０からユーザＩＤ２０１１、画像データを受信し受け付ける。サーバ１０の制御部１０４は、ユーザＩＤ２０１１、画像データをそれぞれ画像テーブル１０１３のユーザＩＤ、画像データの項目に記憶し登録する。なお、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、画像登録処理ページに設けられた所定の入力欄等を編集することにより、送信した画像データに関連付けて記憶することが可能な画像ラベルを入力しても良い。ユーザにより入力された画像ラベルは、画像データと関連付けられて画像テーブル１０１３の画像ラベルの項目に記憶される。
ステップＳ１０１において、ユーザは複数の正常画像データをサーバ１０に登録することができる。なお、画像処理モデルの性能を向上させるには、所定の製品について様々な角度や、異なる照明条件の下など、異なる撮影条件により撮影がなされた画像データをサーバ１０へ登録しておくことが望ましい。
ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、選択された画像データをサーバ１０へ送信する操作を行う。ユーザ端末２０の制御部２０４は、ユーザＩＤ２０１１、選択された画像データをサーバ１０へ送信する。
サーバ１０の制御部１０４は、ユーザ端末２０からユーザＩＤ２０１１、画像データを受信し受け付ける。サーバ１０の制御部１０４は、ユーザＩＤ２０１１、画像データをそれぞれ画像テーブル１０１３のユーザＩＤ、画像データの項目に記憶し登録する。なお、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、画像登録処理ページに設けられた所定の入力欄等を編集することにより、送信した画像データに関連付けて記憶することが可能な画像ラベルを入力しても良い。ユーザにより入力された画像ラベルは、画像データと関連付けられて画像テーブル１０１３の画像ラベルの項目に記憶される。
ステップＳ１０１において、ユーザは複数の正常画像データをサーバ１０に登録することができる。なお、画像処理モデルの性能を向上させるには、所定の製品について様々な角度や、異なる照明条件の下など、異なる撮影条件により撮影がなされた画像データをサーバ１０へ登録しておくことが望ましい。
【0042】
ステップＳ１０２において、サーバ１０の制御部１０４は、画像処理モデル１０２１に適用する複数のハイパーパラメータを特定する。画像処理モデル１０２１に適用可能な複数のハイパーパラメータについては、画像処理モデル１０２１の説明において述べた通りである。
サーバ１０の制御部１０４は、特定した複数のハイパーパラメータに初期値を設定する。サーバ１０の制御部１０４は、初期値として各ハイパーパラメータにランダムな値を設定する。なお、各ハイパーパラメータに設定される値は、画像処理モデルに応じて定められた所定のハイパーパラメータ空間内におけるランダムな値とする。
サーバ１０の制御部１０４は、特定した複数のハイパーパラメータに初期値を設定する。サーバ１０の制御部１０４は、初期値として各ハイパーパラメータにランダムな値を設定する。なお、各ハイパーパラメータに設定される値は、画像処理モデルに応じて定められた所定のハイパーパラメータ空間内におけるランダムな値とする。
【0043】
ステップＳ１０２において、サーバ１０の制御部１０４は、所定の製品に応じて、所定のハイパーパラメータの初期値を選択する初期値選択ステップを実行しても良い。
所定のハイパーパラメータの初期値は、ユーザによる選択操作に応じて設定される構成としても良い。例えば、ステップＳ１０１において登録した正常画像データに含まれる製品の種類、製品名等に応じユーザが所定の初期値を設定しても良い。
所定のハイパーパラメータの初期値は、画像処理モデル１０２１の適用対象となる製品の種類等（ねじ、板、バンパー等の自動車部品）、製品名（型番、商品名）に応じて、サーバ１０の制御部１０４により自動的に設定されても良い。
所定のハイパーパラメータ初期値は、画像処理モデル１０２１の適用対象となる製品の画像データに応じて、サーバ１０の制御部１０４により自動的に設定されても良い。
例えば、サーバ１０の制御部１０４は、不図示の製品の種類に応じて複数のハイパーパラメータの初期値が記憶されたテーブル等を参照して、複数のハイパーパラメータの初期値を設定しても良い。サーバ１０の制御部１０４は、複数のハイパーパラメータのうち、一部のハイパーパラメータの初期値のみを設定し、他のハイパーパラメータの初期値はランダムとしても良い。
ハイパーパラメータの初期値は、所定の製品の種類等において、本開示にかかる異常画像生成モデル作成処理により過去に最適化されたハイパーパラメータの値を初期値としても良い。例えば、他のユーザが過去に所定の製品について異常画像生成モデル作成処理を実行していた場合には、最適化されたハイパーパラメータの値を初期値として選択しても良い。
また、所定のハイパーパラメータの初期値は、予め決まった値である必要はなく、所定の製品の種類等に定められたハイパーパラメータ空間内におけるランダムな値も含む。サーバ１０の制御部１０４は、製品の種類等に基づき狭められた範囲のハイパーパラメータ空間に含まれる任意の初期値を選択する場合も含む。
これにより、所定の製品の種類等に応じてハイパーパラメータの初期値を設定することにより、好適なハイパーパラメータを効率的に探索することができる。例えば、所定の製品の種類ごとに、予め最適化されたハイパーパラメータが既にある場合には当該ハイパーパラメータを初期値とすることにより、ハイパーパラメータを効率的に探索することができる。
所定のハイパーパラメータの初期値は、ユーザによる選択操作に応じて設定される構成としても良い。例えば、ステップＳ１０１において登録した正常画像データに含まれる製品の種類、製品名等に応じユーザが所定の初期値を設定しても良い。
所定のハイパーパラメータの初期値は、画像処理モデル１０２１の適用対象となる製品の種類等（ねじ、板、バンパー等の自動車部品）、製品名（型番、商品名）に応じて、サーバ１０の制御部１０４により自動的に設定されても良い。
所定のハイパーパラメータ初期値は、画像処理モデル１０２１の適用対象となる製品の画像データに応じて、サーバ１０の制御部１０４により自動的に設定されても良い。
例えば、サーバ１０の制御部１０４は、不図示の製品の種類に応じて複数のハイパーパラメータの初期値が記憶されたテーブル等を参照して、複数のハイパーパラメータの初期値を設定しても良い。サーバ１０の制御部１０４は、複数のハイパーパラメータのうち、一部のハイパーパラメータの初期値のみを設定し、他のハイパーパラメータの初期値はランダムとしても良い。
ハイパーパラメータの初期値は、所定の製品の種類等において、本開示にかかる異常画像生成モデル作成処理により過去に最適化されたハイパーパラメータの値を初期値としても良い。例えば、他のユーザが過去に所定の製品について異常画像生成モデル作成処理を実行していた場合には、最適化されたハイパーパラメータの値を初期値として選択しても良い。
また、所定のハイパーパラメータの初期値は、予め決まった値である必要はなく、所定の製品の種類等に定められたハイパーパラメータ空間内におけるランダムな値も含む。サーバ１０の制御部１０４は、製品の種類等に基づき狭められた範囲のハイパーパラメータ空間に含まれる任意の初期値を選択する場合も含む。
これにより、所定の製品の種類等に応じてハイパーパラメータの初期値を設定することにより、好適なハイパーパラメータを効率的に探索することができる。例えば、所定の製品の種類ごとに、予め最適化されたハイパーパラメータが既にある場合には当該ハイパーパラメータを初期値とすることにより、ハイパーパラメータを効率的に探索することができる。
【0044】
なお、ハイパーパラメータの初期値は１つである必要はなく、所定の初期値を中心として分布する複数のハイパーパラメータの初期値を設定することができる。サーバ１０の制御部は、１つのバッチにおいて１セットの複数のハイパーパラメータに初期値を設定するだけでなく、複数セットの複数のハイパーパラメータにまとめて異なるハイパーパラメータ空間内における初期値を設定しても良い。例えば、１つのバッチにおいて１００セットの複数のハイパーパラメータに対してまとめて異なる初期値を設定しても良い。
【0045】
ステップＳ１０３において、サーバ１０の制御部１０４は、第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップを実行する。
具体的に、サーバ１０の制御部１０４は、画像テーブル１０１３を検索しステップＳ１０１において登録された１または複数の正常画像データを取得する。サーバ１０の制御部１０４は、取得した１または複数の正常画像データに対して、ステップＳ１０２において初期値が設定された複数のハイパーパラメータに基づく画像処理モデル１０２１を適用することにより、１または複数の画像データ（生成データ）を生成する。
具体的に、サーバ１０の制御部１０４は、画像テーブル１０１３を検索しステップＳ１０１において登録された１または複数の正常画像データを取得する。サーバ１０の制御部１０４は、取得した１または複数の正常画像データに対して、ステップＳ１０２において初期値が設定された複数のハイパーパラメータに基づく画像処理モデル１０２１を適用することにより、１または複数の画像データ（生成データ）を生成する。
【0046】
ステップＳ１０３において、画像生成ステップは、第１画像に含まれる所定の製品画像の領域を抽出するステップと、抽出した所定の製品画像の領域に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成するステップと、を含む。
具体的に、サーバ１０の制御部１０４は、正常画像データに対して画像処理モデル１０２１を適用する前に、正常画像データに含まれる製品画像の領域を抽出する処理を実行しても良い。正常画像データに含まれる製品画像の領域は、入力対象の正常画像データと、ステップＳ１０１において登録された複数の正常画像データに対して平滑化処理（平均処理）を行った画像データとの差分を算定することにより抽出することができる。また、製品画像の領域抽出は、任意のオブジェクト抽出可能な深層学習モデル等に正常画像データを適用することにより抽出しても良い。
サーバ１０の制御部１０４は、正常画像データから、製品画像の領域を抽出できた場合は、当該製品画像の領域に対して、ステップＳ１０２において初期値が設定された複数のハイパーパラメータに基づく画像処理モデル１０２１を適用することにより、生成データを生成する。
これにより、第１画像の一部に所定の製品画像が含まれている場合に、当該所定の製品画像に対してのみ異常画像を生成するための画像処理モデルを適用することができる。
具体的に、サーバ１０の制御部１０４は、正常画像データに対して画像処理モデル１０２１を適用する前に、正常画像データに含まれる製品画像の領域を抽出する処理を実行しても良い。正常画像データに含まれる製品画像の領域は、入力対象の正常画像データと、ステップＳ１０１において登録された複数の正常画像データに対して平滑化処理（平均処理）を行った画像データとの差分を算定することにより抽出することができる。また、製品画像の領域抽出は、任意のオブジェクト抽出可能な深層学習モデル等に正常画像データを適用することにより抽出しても良い。
サーバ１０の制御部１０４は、正常画像データから、製品画像の領域を抽出できた場合は、当該製品画像の領域に対して、ステップＳ１０２において初期値が設定された複数のハイパーパラメータに基づく画像処理モデル１０２１を適用することにより、生成データを生成する。
これにより、第１画像の一部に所定の製品画像が含まれている場合に、当該所定の製品画像に対してのみ異常画像を生成するための画像処理モデルを適用することができる。
【0047】
ステップＳ１０３において、画像生成ステップは、第１画像に含まれる所定の製品画像の領域を抽出することができなかった場合に、第１画像の全体に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成するステップを実行する。
サーバ１０の制御部１０４は、正常画像データから、製品画像の領域を抽出できなかった場合は、正常画像データの全体に対して、ステップＳ１０２において初期値が設定された複数のハイパーパラメータに基づく画像処理モデル１０２１を適用することにより、生成データを生成する。
サーバ１０の制御部１０４は、抽出された製品画像の領域が画像全体に渡っている場合、または、製品画像の領域がない場合に、製品画像の領域を抽出できなかったと判定する。具体的に、サーバ１０の制御部１０４は、抽出された製品画像の画像データの画素値等に基づき、製品画像の領域を抽出できたか否かを判定することができる。
サーバ１０の制御部１０４は、正常画像データから、製品画像の領域を抽出できなかった場合は、正常画像データの全体に対して、ステップＳ１０２において初期値が設定された複数のハイパーパラメータに基づく画像処理モデル１０２１を適用することにより、生成データを生成する。
サーバ１０の制御部１０４は、抽出された製品画像の領域が画像全体に渡っている場合、または、製品画像の領域がない場合に、製品画像の領域を抽出できなかったと判定する。具体的に、サーバ１０の制御部１０４は、抽出された製品画像の画像データの画素値等に基づき、製品画像の領域を抽出できたか否かを判定することができる。
【0048】
ステップＳ１０３において、サーバ１０の制御部１０４は、ステップＳ１０１において登録された複数の正常画像データに対してまとめて画像処理モデル１０２１を適用し、生成データを作成しても良い。
ステップＳ１０３において、サーバ１０の制御部１０４は、ステップＳ１０２の１つのバッチにおいて設定された複数セットのハイパーパラメータに基づく画像処理モデル１０２１を、複数の正常画像データに対して適用することにより、多数（ハイパーパラメータのセット数と正常画像データの枚数との積）の生成データを作成しても良い。
ステップＳ１０３において、サーバ１０の制御部１０４は、ステップＳ１０２の１つのバッチにおいて設定された複数セットのハイパーパラメータに基づく画像処理モデル１０２１を、複数の正常画像データに対して適用することにより、多数（ハイパーパラメータのセット数と正常画像データの枚数との積）の生成データを作成しても良い。
【0049】
サーバ１０の制御部１０４は、生成された生成データと、当該生成データを生成する際の正常画像データの画像識別情報、ハイパーパラメータの値、および、適用した画像処理モデル１０２１を特定する情報等を含む生成条件と、をそれぞれ、生成テーブル１０１４の生成データ、生成条件の項目に記憶する。
【0050】
ステップＳ１０４において、サーバ１０の制御部１０４は、１または複数の生成データを含む判定処理ページを生成しユーザ端末２０へ送信する。ユーザ端末２０の制御部２０４は、受信した判定処理ページ（判定処理画面）をユーザ端末２０のディスプレイ２０８１に表示する。
図９は、異常画像生成モデル作成処理における判定処理を示す判定処理画面の画面例である。判定処理画面Ｄ２０は、受信した生成データＤ２０１、Ｄ２０２、Ｄ２０３、生成データのそれぞれに対する判定指示を受け付け可能な判定ボタンＤ２１１、Ｄ２１２、Ｄ２１３、入力フィールドＤ２２１、Ｄ２２２、Ｄ２２３を含む。
図９は、異常画像生成モデル作成処理における判定処理を示す判定処理画面の画面例である。判定処理画面Ｄ２０は、受信した生成データＤ２０１、Ｄ２０２、Ｄ２０３、生成データのそれぞれに対する判定指示を受け付け可能な判定ボタンＤ２１１、Ｄ２１２、Ｄ２１３、入力フィールドＤ２２１、Ｄ２２２、Ｄ２２３を含む。
【0051】
ステップＳ１０５において、サーバ１０の制御部１０４は、ユーザから、第２画像に含まれる所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップを実行する。
具体的に、ユーザは、ユーザ端末２０のディスプレイ２０８１に表示された生成データＤ２０１、Ｄ２０２、Ｄ２０３を視覚的に確認し、製品について不具合や欠陥等を有する異常画像に該当するか否かの判定を行う。ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、異常画像であると判定された生成データＤ２０３に対応する判定ボタンＤ２１３を押下することにより、生成データＤ２０３に対応する生成ＩＤ、判定結果を示す情報をサーバ１０へ送信する。サーバ１０の制御部１０４は、生成ＩＤ、判定結果を示す情報を受信し、受け付ける。
具体的に、ユーザは、ユーザ端末２０のディスプレイ２０８１に表示された生成データＤ２０１、Ｄ２０２、Ｄ２０３を視覚的に確認し、製品について不具合や欠陥等を有する異常画像に該当するか否かの判定を行う。ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、異常画像であると判定された生成データＤ２０３に対応する判定ボタンＤ２１３を押下することにより、生成データＤ２０３に対応する生成ＩＤ、判定結果を示す情報をサーバ１０へ送信する。サーバ１０の制御部１０４は、生成ＩＤ、判定結果を示す情報を受信し、受け付ける。
【0052】
ステップＳ１０５において、判定受付ステップは、ユーザから、第２画像に含まれる所定の製品画像の異常画像の種類に関する異常画像種別の入力操作を受け付ける判定受付ステップと。
具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、生成データＤ２０３に含まれる異常画像データで示される製品の異常の種類や内容に関する情報（塗装剥がれ、腐食、色異常等）を入力フィールドＤ２２１、Ｄ２２２、Ｄ２２３に入力可能な構成としても良い。具体的に、判定ボタンＤ２１１、Ｄ２１２、Ｄ２１３に代えて、または加えて、テキスト入力フィールド、異常の種類を選択可能なドロップダウン等の選択フィールド等の入力フィールドＤ２２１、Ｄ２２２、Ｄ２２３が設けられる構成としても良い。この場合、判定結果を示す情報は、製品の異常の種類や内容に関する情報を含む。
具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、生成データＤ２０３に含まれる異常画像データで示される製品の異常の種類や内容に関する情報（塗装剥がれ、腐食、色異常等）を入力フィールドＤ２２１、Ｄ２２２、Ｄ２２３に入力可能な構成としても良い。具体的に、判定ボタンＤ２１１、Ｄ２１２、Ｄ２１３に代えて、または加えて、テキスト入力フィールド、異常の種類を選択可能なドロップダウン等の選択フィールド等の入力フィールドＤ２２１、Ｄ２２２、Ｄ２２３が設けられる構成としても良い。この場合、判定結果を示す情報は、製品の異常の種類や内容に関する情報を含む。
【0053】
サーバ１０の制御部１０４は、受信した生成ＩＤに基づき生成テーブル１０１４の生成ＩＤの項目を検索し特定されるレコードの判定指示の項目に、受信した判定結果を示す情報を記憶する。
【0054】
ステップＳ１０５における判定指示は、特定の１のユーザにより行われる必要はなく、生成データごとに複数の異なるユーザのそれぞれが判定指示を行う構成としても構わない。生成データごとに、判定結果を示す情報を関連付けて記憶することができればどのような手法を用いても構わない。また、ハイパーパラメータの複数のセットごとに複数の異なるユーザのそれぞれが判定指示を行う構成としても構わない。
【0055】
ステップＳ１０６において、サーバ１０の制御部１０４は、判定受付ステップにおいて受け付けた判定指示に基づき、画像生成ステップにおいて第２画像が所定の製品の異常画像となるように所定のハイパーパラメータを変更する条件変更ステップを実行する。
具体的に、サーバ１０の制御部１０４は、ステップＳ１０５において受け付けた判定指示に基づき、ステップＳ１０２において設定されたハイパーパラメータの値を変更する。具体的に、サーバ１０の制御部１０４は、生成テーブル１０１４に記憶された生成条件、判定指示の値に応じて、ハイパーパラメータの探索範囲を特定する。
本開示においては、ハイパーパラメータの探索方法は、グリッド探索、ベイズ最適化等の任意の探索方法を適用することが可能である。特に、本開示のように広範なハイパーパラメータ空間を探索する場合は、ベイズ最適化によるハイパーパラメータの探索方法が好適である。
具体的に、サーバ１０の制御部１０４は、ステップＳ１０５において受け付けた判定指示に基づき、ステップＳ１０２において設定されたハイパーパラメータの値を変更する。具体的に、サーバ１０の制御部１０４は、生成テーブル１０１４に記憶された生成条件、判定指示の値に応じて、ハイパーパラメータの探索範囲を特定する。
本開示においては、ハイパーパラメータの探索方法は、グリッド探索、ベイズ最適化等の任意の探索方法を適用することが可能である。特に、本開示のように広範なハイパーパラメータ空間を探索する場合は、ベイズ最適化によるハイパーパラメータの探索方法が好適である。
【0056】
ステップＳ１０６において、条件変更ステップは、所定のハイパーパラメータおよび判定指示に基づき、ベイズ最適化を適用することにより所定のハイパーパラメータを変更するステップを実行する。
【0057】
ステップＳ１０６において、条件変更ステップは、画像処理モデルにより生成された第２画像に基づき学習される異常画像か否かを判定する分類モデルの精度に基づき、ベイズ最適化を適用するステップを実行する。
分類モデル１０２２の精度（正解率、適合率、再現率、ｆ値、Ｆ１スコア等を含む）を、画像処理モデル１０２１のハイパーパラメータの探索にフィードバックしても良い。具体的に、分類モデル１０２２の精度は、生成データを、学習データと検証データに分割し、検証データに対する予測精度として算出される。
具体的に、ステップＳ１０３において、サーバ１０の制御部１０４は、生成された複数の生成データを、学習データと、検証データのデータセットに分割する。サーバ１０の制御部１０４は、学習データに対して分類モデル１０２２を適用することにより、生成データのそれぞれに対して異常画像か否かを示す分類ラベルを出力する。ステップＳ１０５において、サーバ１０の制御部１０４は、生成された複数の生成データ（学習データおよび検証データ）に対して、生成データのそれぞれが異常画像であるか否かに関する判定結果を取得する（教師データ、正答データ）。サーバ１０の学習部１０５１は、学習データに基づき、分類モデル１０２２を学習させる学習処理を実行する。サーバ１０の制御部１０４は、検証データに基づき、分類モデル１０２２の予測精度を評価する。具体的に、サーバ１０の制御部１０４は、分類モデル１０２２が出力する予測値と、検証用データに対する判定結果（データ、正答データ）を比較し、分類モデル１０２２の精度を算出する。
サーバ１０の制御部１０４は、分類モデル１０２２に対して算出された精度に基づき、ステップＳ１０６におけるベイズ最適化におけるハイパーパラメータの探索範囲を特定する。例えば、精度が高いほど、ハイパーパラメータの探索範囲を狭め（探索範囲をハイパーパラメータ近傍からより狭い範囲とし）、精度が低いほど、ハイパーパラメータの探索範囲を広げる（探索範囲をハイパーパラメータ近傍からより広い範囲とする）。これにより、広大なハイパーパラメータ空間においても、ユーザによる判定指示の煩わしさを最小にしつつ、効率的にハイパーパラメータ空間の探索を行うことができる。
分類モデル１０２２の精度（正解率、適合率、再現率、ｆ値、Ｆ１スコア等を含む）を、画像処理モデル１０２１のハイパーパラメータの探索にフィードバックしても良い。具体的に、分類モデル１０２２の精度は、生成データを、学習データと検証データに分割し、検証データに対する予測精度として算出される。
具体的に、ステップＳ１０３において、サーバ１０の制御部１０４は、生成された複数の生成データを、学習データと、検証データのデータセットに分割する。サーバ１０の制御部１０４は、学習データに対して分類モデル１０２２を適用することにより、生成データのそれぞれに対して異常画像か否かを示す分類ラベルを出力する。ステップＳ１０５において、サーバ１０の制御部１０４は、生成された複数の生成データ（学習データおよび検証データ）に対して、生成データのそれぞれが異常画像であるか否かに関する判定結果を取得する（教師データ、正答データ）。サーバ１０の学習部１０５１は、学習データに基づき、分類モデル１０２２を学習させる学習処理を実行する。サーバ１０の制御部１０４は、検証データに基づき、分類モデル１０２２の予測精度を評価する。具体的に、サーバ１０の制御部１０４は、分類モデル１０２２が出力する予測値と、検証用データに対する判定結果（データ、正答データ）を比較し、分類モデル１０２２の精度を算出する。
サーバ１０の制御部１０４は、分類モデル１０２２に対して算出された精度に基づき、ステップＳ１０６におけるベイズ最適化におけるハイパーパラメータの探索範囲を特定する。例えば、精度が高いほど、ハイパーパラメータの探索範囲を狭め（探索範囲をハイパーパラメータ近傍からより狭い範囲とし）、精度が低いほど、ハイパーパラメータの探索範囲を広げる（探索範囲をハイパーパラメータ近傍からより広い範囲とする）。これにより、広大なハイパーパラメータ空間においても、ユーザによる判定指示の煩わしさを最小にしつつ、効率的にハイパーパラメータ空間の探索を行うことができる。
【0058】
ステップＳ１０７において、サーバ１０の制御部１０４は、ハイパーパラメータの最適化が完了したか否かを判定する。具体的に、ユーザからの入力操作を受け付けて、最適化が完了したか否かを判定しても良い。また、その他、サーバ１０の制御部１０４が、ハイパーパラメータの品質を検証し、自動的にハイパーパラメータの最適化が完了したか否かを判定しても良い。その他、ハイパーパラメータの収束条件や試行回数などが一定の条件が満たされた場合に、ハイパーパラメータの最適化が完了したと判定しても良い。
サーバ１０の制御部１０４は、最適化が完了したと判定した場合は、ステップＳ１０８に進む。
サーバ１０の制御部１０４は、最適化が完了したと判定しなかった場合は、変更されたハイパーパラメータに基づきステップＳ１０３からステップＳ１０６までの処理を改めて実行する。具体的に、ステップＳ１０３においてステップＳ１０２において特定されたハイパーパラメータの初期値ではなく、ステップＳ１０６において変更されたハイパーパラメータが適用されるのみで処理内容は同一であるため、詳細な説明は省略する。
サーバ１０の制御部１０４は、最適化が完了したと判定した場合は、ステップＳ１０８に進む。
サーバ１０の制御部１０４は、最適化が完了したと判定しなかった場合は、変更されたハイパーパラメータに基づきステップＳ１０３からステップＳ１０６までの処理を改めて実行する。具体的に、ステップＳ１０３においてステップＳ１０２において特定されたハイパーパラメータの初期値ではなく、ステップＳ１０６において変更されたハイパーパラメータが適用されるのみで処理内容は同一であるため、詳細な説明は省略する。
【0059】
サーバ１０の制御部１０４は、ステップＳ１０７において最適化が完了したと判定されるまで、ベイズ最適化等のアルゴリズムに基づくハイパーパラメータの探索処理が実行される。これにより、画像処理モデル１０２１が生成する生成データが、所定の製品の異常画像データとなるようにハイパーパラメータの値が変更し、更新される。
本開示においては、サーバ１０の制御部１０４は、広大なハイパーパラメータ空間において、ベイズ最適化に基づいて評価値が高い領域（判定指示により異常画像がより生成されると判定されたハイパーパラメータの領域）を優先的に探索することにより、ハイパーパラメータ空間を効率的に探索することができる。
本開示においては、サーバ１０の制御部１０４は、広大なハイパーパラメータ空間において、ベイズ最適化に基づいて評価値が高い領域（判定指示により異常画像がより生成されると判定されたハイパーパラメータの領域）を優先的に探索することにより、ハイパーパラメータ空間を効率的に探索することができる。
【0060】
ステップＳ１０８において、サーバ１０の制御部１０４は、変更されたハイパーパラメータをサーバ１０の記憶部１０１に記憶する。具体的に、正常画像データに含まれる製品の種類、名称等と関連付けて記憶しても良い。これにより、ユーザは、正常画像データに対して、当該ハイパーパラメータに基づく画像処理モデル１０２１を適用することにより、異常画像データを作成することができる。これにより、異常画像生成モデルの作成が完了する。
【0061】
＜異常画像生成モデル作成処理（第二実施形態）の概要＞
異常画像生成モデル作成処理（第二実施形態）は、製品に関する正常画像データの登録を受け付け、画像処理モデルに適用可能なハイパーパラメータを構成する複数のハイパーパラメータ群のそれぞれに対して異常画像生成モデル作成処理（第一実施形態）によるハイパーパラメータ群の最適化を実行し、それぞれのハイパーパラメータ群の最適化が完了した後に、複数のハイパーパラメータ群の組み合わせに対して異常画像生成モデル作成処理（第一実施形態）によるハイパーパラメータの最適化を実行する一連の処理である。
異常画像生成モデル作成処理（第二実施形態）は、製品に関する正常画像データの登録を受け付け、画像処理モデルに適用可能なハイパーパラメータを構成する複数のハイパーパラメータ群のそれぞれに対して異常画像生成モデル作成処理（第一実施形態）によるハイパーパラメータ群の最適化を実行し、それぞれのハイパーパラメータ群の最適化が完了した後に、複数のハイパーパラメータ群の組み合わせに対して異常画像生成モデル作成処理（第一実施形態）によるハイパーパラメータの最適化を実行する一連の処理である。
【0062】
＜異常画像生成モデル作成処理（第二実施形態）の詳細＞
以下に、異常画像生成モデル作成処理（第二実施形態）の詳細を説明する。
以下に、異常画像生成モデル作成処理（第二実施形態）の詳細を説明する。
【0063】
ステップＳ３０１は、異常画像生成モデル作成処理（第一実施形態）と同様であるため説明を省略する。
【0064】
ステップＳ３０２において、サーバ１０の制御部１０４は、画像処理モデルに適用可能な複数のハイパーパラメータに含まれる複数の異なるハイパーパラメータ群ごとに、独立して画像生成ステップと、判定受付ステップと、条件変更ステップとを実行する独立処理ステップを実行する。
具体的に、サーバ１０の制御部１０４は、画像処理モデル１０２１に適用可能な複数のハイパーパラメータ群から所定のハイパーパラメータ群を選択し、特定する。
具体的に、サーバ１０の制御部１０４は、画像処理モデル１０２１に適用可能な複数のハイパーパラメータ群から所定のハイパーパラメータ群を選択し、特定する。
【0065】
サーバ１０の制御部１０４は、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付ける選択受付ステップを実行する。
具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、複数のハイパーパラメータ群のうち、所定のハイパーパラメータ群を選択または除外して、ハイパーパラメータ群を特定しても良い。
これにより、所定の製品の異常画像生成に適さない１または複数の画像処理に関するハイパーパラメータ群を除外することにより、ハイパーパラメータの空間次元を減らすことができるため、好適なハイパーパラメータの探索時間を減らすことができる。所定の製品（製品の種類、製品名）に関する事前知識（例えば、「擦り傷」に関する異常画像は存在し得ないなど）を利用することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
具体的に、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、複数のハイパーパラメータ群のうち、所定のハイパーパラメータ群を選択または除外して、ハイパーパラメータ群を特定しても良い。
これにより、所定の製品の異常画像生成に適さない１または複数の画像処理に関するハイパーパラメータ群を除外することにより、ハイパーパラメータの空間次元を減らすことができるため、好適なハイパーパラメータの探索時間を減らすことができる。所定の製品（製品の種類、製品名）に関する事前知識（例えば、「擦り傷」に関する異常画像は存在し得ないなど）を利用することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
【0066】
選択受付ステップは、所定の製品に応じて、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付けるステップを実行する。
サーバ１０の制御部１０４は、ステップＳ３０１において登録した正常画像データに含まれる製品の種類、製品名に応じて、複数のハイパーパラメータ群のうち、所定のハイパーパラメータ群を選択または除外して、ハイパーパラメータ群を特定しても良い。
これにより、所定の製品（製品の種類、製品名）に関する事前知識（例えば、「擦り傷」に関する異常画像は存在し得ないなど）を利用することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
サーバ１０の制御部１０４は、ステップＳ３０１において登録した正常画像データに含まれる製品の種類、製品名に応じて、複数のハイパーパラメータ群のうち、所定のハイパーパラメータ群を選択または除外して、ハイパーパラメータ群を特定しても良い。
これにより、所定の製品（製品の種類、製品名）に関する事前知識（例えば、「擦り傷」に関する異常画像は存在し得ないなど）を利用することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
【0067】
サーバ１０の制御部１０４は、特定したハイパーパラメータ群のそれぞれに対して生成判定独立処理を実行する。生成判定独立処理は、異常画像生成モデル作成処理（第一実施形態）のステップＳ１０２からＳ１０６において、１または複数のハイパーパラメータを、特定されたハイパーパラメータ群に置き換えたのみで処理の内容は同様であるため重複する処理についての説明は省略する。
生成判定独立処理は、複数のハイパーパラメータ群のそれぞれに対して独立して処理が実行される。例えば、生成判定独立処理はそれぞれのハイパーパラメータ群ごとに並列的に実行されても良いし、それぞれのハイパーパラメータ群ごとに順番に実行されても良い。
また、異常画像生成モデル作成処理（第一実施形態）と同様に、１つのバッチごとの複数セットのハイパーパラメータ群に対してまとめて処理を実行しても良い。
生成判定独立処理は、複数のハイパーパラメータ群のそれぞれに対して独立して処理が実行される。例えば、生成判定独立処理はそれぞれのハイパーパラメータ群ごとに並列的に実行されても良いし、それぞれのハイパーパラメータ群ごとに順番に実行されても良い。
また、異常画像生成モデル作成処理（第一実施形態）と同様に、１つのバッチごとの複数セットのハイパーパラメータ群に対してまとめて処理を実行しても良い。
【0068】
所定のハイパーパラメータ群は、ユーザによる選択操作に応じて選択される構成としても良い。例えば、ステップＳ１０１において登録した正常画像データに含まれる製品の種類に応じ、ユーザがユーザ端末２０の入力装置２０６を操作することにより所定のハイパーパラメータ群を適宜選択してもよい。
所定のハイパーパラメータ群は、画像処理モデル１０２１の適用対象となる製品の種類等（ねじ、板、バンパー等の自動車部品）に応じて、サーバ１０の制御部１０４により自動的に選択される構成としても良い。具体的に、所定のハイパーパラメータ群は、画像処理モデル１０２１の適用対象となる製品の画像データを解析した解析結果に基づいて、サーバ１０の制御部１０４により自動的に選択される構成としても良い。
例えば、サーバ１０の制御部１０４は、不図示のテーブル等を参照して、または、任意の深層学習モデル、機械学習モデル、人工知能モデル等を用いて、所定のハイパーパラメータ群を特定することができる。
所定のハイパーパラメータ群は、画像処理モデル１０２１の適用対象となる製品の種類等（ねじ、板、バンパー等の自動車部品）に応じて、サーバ１０の制御部１０４により自動的に選択される構成としても良い。具体的に、所定のハイパーパラメータ群は、画像処理モデル１０２１の適用対象となる製品の画像データを解析した解析結果に基づいて、サーバ１０の制御部１０４により自動的に選択される構成としても良い。
例えば、サーバ１０の制御部１０４は、不図示のテーブル等を参照して、または、任意の深層学習モデル、機械学習モデル、人工知能モデル等を用いて、所定のハイパーパラメータ群を特定することができる。
【0069】
ステップＳ３０２において、画像生成ステップは、画像処理モデルに適用可能な複数のハイパーパラメータのうち、第３ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第３画像を生成するステップと、
画像処理モデルに適用可能な複数のハイパーパラメータのうち、第４ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第４画像を生成するステップと、を含む。
具体的に、特定された複数のハイパーパラメータ群を第３ハイパーパラメータ群（「欠け」に関するハイパーパラメータ）、第４ハイパーパラメータ群（「歪み」に関するハイパーパラメータ）とする。この場合に、生成判定独立処理（ステップＳ１０３の生成データ作成処理）において、正常画像データに対して、第３ハイパーパラメータ群、第４ハイパーパラメータ群のそれぞれに基づく画像処理モデル１０２１に適用することにより、それぞれ、第３生成データ、第４生成データが生成される。なお、第３生成データ、第４生成データは、それぞれ、複数の生成データを含む。
画像処理モデルに適用可能な複数のハイパーパラメータのうち、第４ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第４画像を生成するステップと、を含む。
具体的に、特定された複数のハイパーパラメータ群を第３ハイパーパラメータ群（「欠け」に関するハイパーパラメータ）、第４ハイパーパラメータ群（「歪み」に関するハイパーパラメータ）とする。この場合に、生成判定独立処理（ステップＳ１０３の生成データ作成処理）において、正常画像データに対して、第３ハイパーパラメータ群、第４ハイパーパラメータ群のそれぞれに基づく画像処理モデル１０２１に適用することにより、それぞれ、第３生成データ、第４生成データが生成される。なお、第３生成データ、第４生成データは、それぞれ、複数の生成データを含む。
【0070】
ステップＳ３０２において、判定受付ステップは、ユーザから、第３画像に含まれる所定の製品画像が、異常画像であるか否かに関する第３判定指示を受け付けるステップと、ユーザから、第４画像に含まれる所定の製品画像が、異常画像であるか否かに関する第４判定指示を受け付けるステップと、を含む。
具体的に、ユーザは、生成判定独立処理（ステップＳ１０５の判定指示の受付処理）において、ユーザ端末２０のディスプレイ２０８１に表示された第３生成データ、第４生成データを視覚的に確認し、製品について不具合や欠陥等を有する異常画像に該当するか否かの判定を行う。ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、異常画像であると判定された第３生成データ、第４生成データに対応する判定ボタンを押下することにより、第３生成データ、第４生成データに対応する生成ＩＤ、判定結果を示す情報をサーバ１０へ送信する。サーバ１０の制御部１０４は、生成ＩＤ、判定結果を示す情報を受信し、受け付ける。
サーバ１０の制御部１０４は、受信した生成ＩＤに基づき生成テーブル１０１４の生成ＩＤの項目を検索し特定されるレコードの判定指示の項目に、受信した判定結果を示す情報を記憶する。
具体的に、ユーザは、生成判定独立処理（ステップＳ１０５の判定指示の受付処理）において、ユーザ端末２０のディスプレイ２０８１に表示された第３生成データ、第４生成データを視覚的に確認し、製品について不具合や欠陥等を有する異常画像に該当するか否かの判定を行う。ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、異常画像であると判定された第３生成データ、第４生成データに対応する判定ボタンを押下することにより、第３生成データ、第４生成データに対応する生成ＩＤ、判定結果を示す情報をサーバ１０へ送信する。サーバ１０の制御部１０４は、生成ＩＤ、判定結果を示す情報を受信し、受け付ける。
サーバ１０の制御部１０４は、受信した生成ＩＤに基づき生成テーブル１０１４の生成ＩＤの項目を検索し特定されるレコードの判定指示の項目に、受信した判定結果を示す情報を記憶する。
【0071】
ステップＳ３０２において、条件変更ステップは、第３判定指示に基づき、第３ハイパーパラメータ群を変更するステップと、第４判定指示に基づき、第４ハイパーパラメータ群を変更するステップと、を含む。
具体的に、サーバ１０の制御部１０４は、第３生成データ、第４生成データに対して受け付けた判定指示のそれぞれに基づき、第３ハイパーパラメータ群、第４ハイパーパラメータ群の値を変更する。具体的に、サーバ１０の制御部１０４は、生成テーブル１０１４に記憶された生成条件、判定指示の値に応じて、第３ハイパーパラメータ群、第４ハイパーパラメータ群の探索範囲を特定する。
具体的に、サーバ１０の制御部１０４は、第３生成データ、第４生成データに対して受け付けた判定指示のそれぞれに基づき、第３ハイパーパラメータ群、第４ハイパーパラメータ群の値を変更する。具体的に、サーバ１０の制御部１０４は、生成テーブル１０１４に記憶された生成条件、判定指示の値に応じて、第３ハイパーパラメータ群、第４ハイパーパラメータ群の探索範囲を特定する。
【0072】
ステップＳ３０３において、サーバ１０の制御部１０４は、独立処理ステップが完了したことを示す指示を受け付ける完了受付ステップを実行する。
具体的に、ユーザからの入力操作を受け付けて、それぞれのハイパーパラメータ群の最適化が完了したか否かを判定しても良い。
なお、複数のハイパーパラメータ群のそれぞれに対して、異常画像生成モデル作成処理（第一実施形態）のステップＳ１０７における最適化が完了したか否かの判定を行い、すべてのハイパーパラメータ群に対する最適化が完了したと判定された場合に、生成判定独立処理が完了したと判定しても良い。
具体的に、ユーザからの入力操作を受け付けて、それぞれのハイパーパラメータ群の最適化が完了したか否かを判定しても良い。
なお、複数のハイパーパラメータ群のそれぞれに対して、異常画像生成モデル作成処理（第一実施形態）のステップＳ１０７における最適化が完了したか否かの判定を行い、すべてのハイパーパラメータ群に対する最適化が完了したと判定された場合に、生成判定独立処理が完了したと判定しても良い。
【0073】
ステップＳ３０３において、サーバ１０の制御部１０４は、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付ける選択受付ステップを実行する。選択受付ステップは、所定の製品に応じて、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付けるステップを実行する。
具体的に、ステップＳ３０３において、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、複数のハイパーパラメータ群のうち、所定のハイパーパラメータ群を選択または除外しても良い。また、サーバ１０の制御部１０４は、複数のハイパーパラメータ群のうち、判定指示の内容に応じて、所定のハイパーパラメータ群を選択または除外しても良い。
例えば、生成判定独立処理において異常画像データを十分に生成することができなかったハイパーパラメータ群を除外して、最適化処理を完了しても良い。当該除外されたハイパーパラメータ群に含まれるハイパーパラメータについては、ステップＳ３０４以降の処理対象から除外する。複数のハイパーパラメータ群から、特定のハイパーパラメータ群を選択または除外することにより、ハイパーパラメータの探索空間を狭めることができるため好適なハイパーパラメータを効率的に探索することができる。
具体的に、ステップＳ３０３において、ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、複数のハイパーパラメータ群のうち、所定のハイパーパラメータ群を選択または除外しても良い。また、サーバ１０の制御部１０４は、複数のハイパーパラメータ群のうち、判定指示の内容に応じて、所定のハイパーパラメータ群を選択または除外しても良い。
例えば、生成判定独立処理において異常画像データを十分に生成することができなかったハイパーパラメータ群を除外して、最適化処理を完了しても良い。当該除外されたハイパーパラメータ群に含まれるハイパーパラメータについては、ステップＳ３０４以降の処理対象から除外する。複数のハイパーパラメータ群から、特定のハイパーパラメータ群を選択または除外することにより、ハイパーパラメータの探索空間を狭めることができるため好適なハイパーパラメータを効率的に探索することができる。
【0074】
ステップＳ３０４において、サーバ１０の制御部１０４は、独立処理ステップを実行した後に、複数の異なるハイパーパラメータ群のそれぞれを組み合わせたハイパーパラメータ群ごとに、画像生成ステップと、判定受付ステップと、条件変更ステップとを実行する組合処理ステップを実行する。
具体的に、サーバ１０の制御部１０４は、ステップＳ３０２の生成判定独立処理において複数のハイパーパラメータ群の最適化が完了した後に、複数のハイパーパラメータ群を組み合わせたハイパーパラメータに対して生成判定組合処理を実行する。生成判定組合処理は、異常画像生成モデル作成処理（第一実施形態）のステップＳ１０２からＳ１０６において、ハイパーパラメータを、複数のハイパーパラメータ群を組み合わせたハイパーパラメータに置き換えたのみで処理の内容は同様であるため重複する処理についての説明は省略する。
具体的に、サーバ１０の制御部１０４は、ステップＳ３０２の生成判定独立処理において複数のハイパーパラメータ群の最適化が完了した後に、複数のハイパーパラメータ群を組み合わせたハイパーパラメータに対して生成判定組合処理を実行する。生成判定組合処理は、異常画像生成モデル作成処理（第一実施形態）のステップＳ１０２からＳ１０６において、ハイパーパラメータを、複数のハイパーパラメータ群を組み合わせたハイパーパラメータに置き換えたのみで処理の内容は同様であるため重複する処理についての説明は省略する。
【0075】
ステップＳ３０４において、組合処理ステップは、完了受付ステップにおいて受け付けた指示に応じて実行されるステップを実行する。
具体的に、生成判定組合処理は、ステップＳ３０３における、それぞれのハイパーパラメータ群の最適化が完了したことを示すユーザからの入力操作を受け付けて処理を開始しても良い。
具体的に、生成判定組合処理は、ステップＳ３０３における、それぞれのハイパーパラメータ群の最適化が完了したことを示すユーザからの入力操作を受け付けて処理を開始しても良い。
【0076】
ステップＳ３０４において、組合処理ステップは、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、画像生成ステップと、判定受付ステップと、条件変更ステップとを実行するステップを実行する。
具体的に、ステップＳ３０３において、複数のハイパーパラメータ群のうち、所定のハイパーパラメータ群を選択または除外された場合においては、生成判定組合処理において選択されたハイパーパラメータ群に含まれるハイパーパラメータ、または、除外されたハイパーパラメータ群を除いたハイパーパラメータに対して、ハイパーパラメータの探索および最適化が行われる。
これにより、好適なハイパーパラメータの探索時間を減らすことができる。
具体的に、ステップＳ３０３において、複数のハイパーパラメータ群のうち、所定のハイパーパラメータ群を選択または除外された場合においては、生成判定組合処理において選択されたハイパーパラメータ群に含まれるハイパーパラメータ、または、除外されたハイパーパラメータ群を除いたハイパーパラメータに対して、ハイパーパラメータの探索および最適化が行われる。
これにより、好適なハイパーパラメータの探索時間を減らすことができる。
【0077】
ステップＳ３０４において、サーバ１０の制御部１０４は、第１画像に対して、第３ハイパーパラメータ群および第４ハイパーパラメータ群からなる第５ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第５画像を生成する第２画像生成ステップを実行する。
具体的に、生成判定組合処理（ステップＳ１０３の生成データ作成処理）において、正常画像データに対して、第３ハイパーパラメータ群および第４ハイパーパラメータ群を結合してなる第５ハイパーパラメータ群（「欠け」および「歪み」に関するハイパーパラメータ群）に基づく画像処理モデル１０２１に適用することにより、第５生成データが生成される。なお、第５生成データは、それぞれ、複数の生成データを含む。
具体的に、生成判定組合処理（ステップＳ１０３の生成データ作成処理）において、正常画像データに対して、第３ハイパーパラメータ群および第４ハイパーパラメータ群を結合してなる第５ハイパーパラメータ群（「欠け」および「歪み」に関するハイパーパラメータ群）に基づく画像処理モデル１０２１に適用することにより、第５生成データが生成される。なお、第５生成データは、それぞれ、複数の生成データを含む。
【0078】
ステップＳ３０４において、サーバ１０の制御部１０４は、ユーザから、第５画像に含まれる所定の製品画像が、異常画像であるか否かに関する第５判定指示を受け付ける第２判定受付ステップを実行する。
具体的に、ユーザは、生成判定組合処理（ステップＳ１０５の判定指示の受付処理）において、ユーザ端末２０のディスプレイ２０８１に表示された第５生成データを視覚的に確認し、製品について不具合や欠陥等を有する異常画像に該当するか否かの判定を行う。ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、異常画像であると判定された第５生成データに対応する判定ボタンを押下することにより、第５生成データに対応する生成ＩＤ、判定結果を示す情報をサーバ１０へ送信する。サーバ１０の制御部１０４は、生成ＩＤ、判定結果を示す情報を受信し、受け付ける。
具体的に、ユーザは、生成判定組合処理（ステップＳ１０５の判定指示の受付処理）において、ユーザ端末２０のディスプレイ２０８１に表示された第５生成データを視覚的に確認し、製品について不具合や欠陥等を有する異常画像に該当するか否かの判定を行う。ユーザは、ユーザ端末２０の入力装置２０６を操作することにより、異常画像であると判定された第５生成データに対応する判定ボタンを押下することにより、第５生成データに対応する生成ＩＤ、判定結果を示す情報をサーバ１０へ送信する。サーバ１０の制御部１０４は、生成ＩＤ、判定結果を示す情報を受信し、受け付ける。
【0079】
ステップＳ３０４において、サーバ１０の制御部１０４は、第２判定受付ステップにおいて受け付けた第５判定指示に基づき、第２画像生成ステップにおいて第５画像が所定の製品の異常画像となるように第５ハイパーパラメータ群を変更する第２条件変更ステップを実行する。
具体的に、サーバ１０の制御部１０４は、第５データに対して受け付けた判定指示に基づき、第５ハイパーパラメータ群の値を変更する。具体的に、サーバ１０の制御部１０４は、生成テーブル１０１４に記憶された生成条件、判定指示の値に応じて、第５ハイパーパラメータ群の探索範囲を特定する。
具体的に、サーバ１０の制御部１０４は、第５データに対して受け付けた判定指示に基づき、第５ハイパーパラメータ群の値を変更する。具体的に、サーバ１０の制御部１０４は、生成テーブル１０１４に記憶された生成条件、判定指示の値に応じて、第５ハイパーパラメータ群の探索範囲を特定する。
【0080】
なお、本開示においては、一例として複数のハイパーパラメータを構成するハイパーパラメータ群のそれぞれに対して生成判定独立処理を実行し、その後、ハイパーパラメータ群のそれぞれを結合してなるハイパーパラメータに対して生成判定組合処理を実行する構成を一例として開示した。なお、ハイパーパラメータ群の組み合わせに対して多段階で生成判定組合処理を実行しても良い。
例えば、２０個の成分（ハイパーパラメータ）からなるハイパーパラメータ群が、群Ａ（０～３列番目の成分からなるベクトル）、群Ｂ（４～８番目の成分からなるベクトル）、群Ｃ（９～１１番目の成分からなるベクトル）、群Ｄ（１２～１５番目の成分からなるベクトル）、群Ｅ（１６～２０番目の成分からなるベクトル）の５種類ある場合において、群Ａ～群Ｅのそれぞれのハイパーパラメータ群に対して生成判定独立処理を実行し、群Ａ～群Ｅのハイパーパラメータ群のそれぞれに対するハイパーパラメータの探索および最適化を実行する。その後、群Ａおよび群Ｂ、群Ｃおよび群Ｄを結合してなるハイパーパラメータ群（群ＡＢ（０～８番目の成分からなるベクトル）、群ＣＤ（９～１５番目の成分からなるベクトル）とする）のそれぞれに対して、生成判定組合処理を実行し、群ＡＢ、群ＣＤのそれぞれに対するハイパーパラメータ群の探索および最適化を実行する。そして、その後、群ＡＢ、群ＣＤ、群Ｅを結合してなるハイパーパラメータ群（群ＡＢＣＤＥ（０～２０番目の成分からなるベクトル））に対して、生成判定組合処理を実行し、ハイパーパラメータ空間の全体に対する探索および最適化を実行しても良い。
これにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
例えば、２０個の成分（ハイパーパラメータ）からなるハイパーパラメータ群が、群Ａ（０～３列番目の成分からなるベクトル）、群Ｂ（４～８番目の成分からなるベクトル）、群Ｃ（９～１１番目の成分からなるベクトル）、群Ｄ（１２～１５番目の成分からなるベクトル）、群Ｅ（１６～２０番目の成分からなるベクトル）の５種類ある場合において、群Ａ～群Ｅのそれぞれのハイパーパラメータ群に対して生成判定独立処理を実行し、群Ａ～群Ｅのハイパーパラメータ群のそれぞれに対するハイパーパラメータの探索および最適化を実行する。その後、群Ａおよび群Ｂ、群Ｃおよび群Ｄを結合してなるハイパーパラメータ群（群ＡＢ（０～８番目の成分からなるベクトル）、群ＣＤ（９～１５番目の成分からなるベクトル）とする）のそれぞれに対して、生成判定組合処理を実行し、群ＡＢ、群ＣＤのそれぞれに対するハイパーパラメータ群の探索および最適化を実行する。そして、その後、群ＡＢ、群ＣＤ、群Ｅを結合してなるハイパーパラメータ群（群ＡＢＣＤＥ（０～２０番目の成分からなるベクトル））に対して、生成判定組合処理を実行し、ハイパーパラメータ空間の全体に対する探索および最適化を実行しても良い。
これにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
【0081】
＜コンピュータの基本ハードウェア構成＞
図１０は、コンピュータ９０の基本的なハードウェア構成を示すブロック図である。コンピュータ９０は、プロセッサ９０１、主記憶装置９０２、補助記憶装置９０３、通信ＩＦ９９１（インタフェース、Interface）を少なくとも備える。これらは通信バス９２１により相互に電気的に接続される。
図１０は、コンピュータ９０の基本的なハードウェア構成を示すブロック図である。コンピュータ９０は、プロセッサ９０１、主記憶装置９０２、補助記憶装置９０３、通信ＩＦ９９１（インタフェース、Interface）を少なくとも備える。これらは通信バス９２１により相互に電気的に接続される。
【0082】
プロセッサ９０１とは、プログラムに記述された命令セットを実行するためのハードウェアである。プロセッサ９０１は、演算装置、レジスタ、周辺回路等から構成される。
【0083】
主記憶装置９０２とは、プログラム、及びプログラム等で処理されるデータ等を一時的に記憶するためのものである。例えば、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性のメモリである。
【0084】
補助記憶装置９０３とは、データ及びプログラムを保存するための記憶装置である。例えば、フラッシュメモリ、ＨＤＤ（Hard Disc Drive）、光磁気ディスク、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、半導体メモリ等である。
【0085】
通信ＩＦ９９１とは、有線又は無線の通信規格を用いて、他のコンピュータとネットワークを介して通信するための信号を入出力するためのインタフェースである。
ネットワークは、インターネット、ＬＡＮ、無線基地局等によって構築される各種移動通信システム等で構成される。例えば、ネットワークには、３Ｇ、４Ｇ、５Ｇ移動通信システム、ＬＴＥ（Long Term Evolution）、所定のアクセスポイントによってインターネットに接続可能な無線ネットワーク（例えばWi-Fi（登録商標））等が含まれる。無線で接続する場合、通信プロトコルとして例えば、Ｚ－Ｗａｖｅ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等が含まれる。有線で接続する場合は、ネットワークには、ＵＳＢ（Universal Serial Bus）ケーブル等により直接接続するものも含む。
ネットワークは、インターネット、ＬＡＮ、無線基地局等によって構築される各種移動通信システム等で構成される。例えば、ネットワークには、３Ｇ、４Ｇ、５Ｇ移動通信システム、ＬＴＥ（Long Term Evolution）、所定のアクセスポイントによってインターネットに接続可能な無線ネットワーク（例えばWi-Fi（登録商標））等が含まれる。無線で接続する場合、通信プロトコルとして例えば、Ｚ－Ｗａｖｅ（登録商標）、ＺｉｇＢｅｅ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等が含まれる。有線で接続する場合は、ネットワークには、ＵＳＢ（Universal Serial Bus）ケーブル等により直接接続するものも含む。
【0086】
なお、各ハードウェア構成の全部または一部を複数のコンピュータ９０に分散して設け、ネットワークを介して相互に接続することによりコンピュータ９０を仮想的に実現することができる。このように、コンピュータ９０は、単一の筐体、ケースに収納されたコンピュータ９０だけでなく、仮想化されたコンピュータシステムも含む概念である。
【0087】
＜コンピュータ９０の基本機能構成＞
コンピュータ９０の基本ハードウェア構成（図１０）により実現されるコンピュータの機能構成を説明する。コンピュータは、制御部、記憶部、通信部の機能ユニットを少なくとも備える。
コンピュータ９０の基本ハードウェア構成（図１０）により実現されるコンピュータの機能構成を説明する。コンピュータは、制御部、記憶部、通信部の機能ユニットを少なくとも備える。
【0088】
なお、コンピュータ９０が備える機能ユニットは、それぞれの機能ユニットの全部または一部を、ネットワークで相互に接続された複数のコンピュータ９０に分散して設けても実現することができる。コンピュータ９０は、単一のコンピュータ９０だけでなく、仮想化されたコンピュータシステムも含む概念である。
【0089】
制御部は、プロセッサ９０１が補助記憶装置９０３に記憶された各種プログラムを読み出して主記憶装置９０２に展開し、当該プログラムに従って処理を実行することにより実現される。制御部は、プログラムの種類に応じて様々な情報処理を行う機能ユニットを実現することができる。これにより、コンピュータは情報処理を行う情報処理装置として実現される。
【0090】
記憶部は、主記憶装置９０２、補助記憶装置９０３により実現される。記憶部は、データ、各種プログラム、各種データベースを記憶する。また、プロセッサ９０１は、プログラムに従って記憶部に対応する記憶領域を主記憶装置９０２または補助記憶装置９０３に確保することができる。また、制御部は、各種プログラムに従ってプロセッサ９０１に、記憶部に記憶されたデータの追加、更新、削除処理を実行させることができる。
【0091】
データベースは、リレーショナルデータベースを指し、行と列によって構造的に規定された表形式のテーブル、マスタと呼ばれるデータ集合を、互いに関連づけて管理するためのものである。データベースでは、表をテーブル、マスタ、表の列をカラム、表の行をレコードと呼ぶ。リレーショナルデータベースでは、テーブル、マスタ同士の関係を設定し、関連づけることができる。
通常、各テーブル、各マスタにはレコードを一意に特定するための主キーとなるカラムが設定されるが、カラムへの主キーの設定は必須ではない。制御部は、各種プログラムに従ってプロセッサ９０１に、記憶部に記憶された特定のテーブル、マスタにレコードを追加、削除、更新を実行させることができる。
また、記憶部に、データ、各種プログラム、各種データベースを記憶させることにより、本開示にかかる情報処理装置、情報処理システムが製造されたものとして捉えることができる。
通常、各テーブル、各マスタにはレコードを一意に特定するための主キーとなるカラムが設定されるが、カラムへの主キーの設定は必須ではない。制御部は、各種プログラムに従ってプロセッサ９０１に、記憶部に記憶された特定のテーブル、マスタにレコードを追加、削除、更新を実行させることができる。
また、記憶部に、データ、各種プログラム、各種データベースを記憶させることにより、本開示にかかる情報処理装置、情報処理システムが製造されたものとして捉えることができる。
【0092】
なお、本開示におけるデータベース、マスタは、情報が構造的に規定された任意のデータ構造体（リスト、辞書、連想配列、オブジェクトなど）を含み得る。データ構造体には、データと、任意のプログラミング言語により記述された関数、クラス、メソッドなどを組み合わせることにより、データ構造体と見なし得るデータも含むものとする。
【0093】
通信部は、通信ＩＦ９９１により実現される。通信部は、ネットワークを介して他のコンピュータ９０と通信を行う機能を実現する。通信部は、他のコンピュータ９０から送信された情報を受信し、制御部へ入力することができる。制御部は、各種プログラムに従ってプロセッサ９０１に、受信した情報に対する情報処理を実行させることができる。また、通信部は、制御部から出力された情報を他のコンピュータ９０へ送信することができる。
【0094】
＜付記＞
以上の各実施形態で説明した事項を以下に付記する。
以上の各実施形態で説明した事項を以下に付記する。
【0095】
（付記１）
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、プロセッサが、所定の製品画像を含む第１画像を取得する画像取得ステップ（Ｓ１０１）と、第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップ（Ｓ１０３）と、ユーザから、第２画像に含まれる所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップ（Ｓ１０５）と、判定受付ステップにおいて受け付けた判定指示に基づき、画像生成ステップにおいて第２画像が所定の製品の異常画像となるように所定のハイパーパラメータを変更する条件変更ステップ（Ｓ１０６）と、を実行するプログラム。
これにより、所定の製品について異常画像データがない、または、未知の異常に対しても、オペレータの異常画像に対する判定指示を利用することにより、異常画像データを新たに生成したり、水増しすることができる。また、製品ごとの異常に関する事前の予備知識を用意することなく（予め外観検査を行う対象品および、異常の種類（「欠け」、「歪み」、「擦り傷」等）が既知である必要がない）、オペレータの判定指示を利用して、様々な製品ごとの異常画像データを新たに生成できる。つまり、特定の製品だけではなく、様々な製品において様々な異常画像データを汎用的に生成することができる。
なお、生成した異常画像データは、製品製造の際に用いられる異常検知モデルの教師データ等として活用することができる。
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、プロセッサが、所定の製品画像を含む第１画像を取得する画像取得ステップ（Ｓ１０１）と、第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップ（Ｓ１０３）と、ユーザから、第２画像に含まれる所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップ（Ｓ１０５）と、判定受付ステップにおいて受け付けた判定指示に基づき、画像生成ステップにおいて第２画像が所定の製品の異常画像となるように所定のハイパーパラメータを変更する条件変更ステップ（Ｓ１０６）と、を実行するプログラム。
これにより、所定の製品について異常画像データがない、または、未知の異常に対しても、オペレータの異常画像に対する判定指示を利用することにより、異常画像データを新たに生成したり、水増しすることができる。また、製品ごとの異常に関する事前の予備知識を用意することなく（予め外観検査を行う対象品および、異常の種類（「欠け」、「歪み」、「擦り傷」等）が既知である必要がない）、オペレータの判定指示を利用して、様々な製品ごとの異常画像データを新たに生成できる。つまり、特定の製品だけではなく、様々な製品において様々な異常画像データを汎用的に生成することができる。
なお、生成した異常画像データは、製品製造の際に用いられる異常検知モデルの教師データ等として活用することができる。
【0096】
（付記２）
プロセッサが、画像処理モデルに適用可能な複数のハイパーパラメータに含まれる複数の異なるハイパーパラメータ群ごとに、独立して画像生成ステップと、判定受付ステップと、条件変更ステップとを実行する独立処理ステップ（Ｓ３０２）と、を実行する付記１記載のプログラム。
本開示においては、製品画像に対して適用される画像処理モデルに適用可能なハイパーパラメータは、「欠け」、「歪み」、「擦り傷」等の画像処理の内容に応じた複数の異なるハイパーパラメータ群を含んでおり、それぞれのハイパーパラメータ群をそれぞれ独立して最適化することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
プロセッサが、画像処理モデルに適用可能な複数のハイパーパラメータに含まれる複数の異なるハイパーパラメータ群ごとに、独立して画像生成ステップと、判定受付ステップと、条件変更ステップとを実行する独立処理ステップ（Ｓ３０２）と、を実行する付記１記載のプログラム。
本開示においては、製品画像に対して適用される画像処理モデルに適用可能なハイパーパラメータは、「欠け」、「歪み」、「擦り傷」等の画像処理の内容に応じた複数の異なるハイパーパラメータ群を含んでおり、それぞれのハイパーパラメータ群をそれぞれ独立して最適化することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
【0097】
（付記３）
プロセッサが、独立処理ステップを実行した後に、複数の異なるハイパーパラメータ群のそれぞれを組み合わせたハイパーパラメータ群ごとに、画像生成ステップと、判定受付ステップと、条件変更ステップとを実行する組合処理ステップ（Ｓ３０４）と、を実行する付記２記載のプログラム。
これにより、独立した複数のハイパーパラメータ群のそれぞれを最適化した後に、「欠け」、「歪み」、「擦り傷」等の画像処理の組み合わせに応じてハイパーパラメータの探索を行うことにより、好適なハイパーパラメータを効率的に探索しつつ、「欠け」かつ「擦り傷」等の複数の画像処理を組み合わせた異常画像を適切に生成することができる。つまり、特定の製品だけではなく、様々な製品における様々な異常画像データの生成に好適なハイパーパラメータを効率的に探索することができる。
プロセッサが、独立処理ステップを実行した後に、複数の異なるハイパーパラメータ群のそれぞれを組み合わせたハイパーパラメータ群ごとに、画像生成ステップと、判定受付ステップと、条件変更ステップとを実行する組合処理ステップ（Ｓ３０４）と、を実行する付記２記載のプログラム。
これにより、独立した複数のハイパーパラメータ群のそれぞれを最適化した後に、「欠け」、「歪み」、「擦り傷」等の画像処理の組み合わせに応じてハイパーパラメータの探索を行うことにより、好適なハイパーパラメータを効率的に探索しつつ、「欠け」かつ「擦り傷」等の複数の画像処理を組み合わせた異常画像を適切に生成することができる。つまり、特定の製品だけではなく、様々な製品における様々な異常画像データの生成に好適なハイパーパラメータを効率的に探索することができる。
【0098】
（付記４）
プロセッサが、独立処理ステップが完了したことを示す指示を受け付ける完了受付ステップ（Ｓ３０３）と、を実行し、組合処理ステップ（Ｓ３０４）は、完了受付ステップにおいて受け付けた指示に応じて実行されるステップである、付記３記載のプログラム。
これにより、複数のハイパーパラメータ群のそれぞれを最適化が完了した後に、「欠け」、「歪み」、「擦り傷」等の画像処理の組み合わせに応じてハイパーパラメータの探索を行うことにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
プロセッサが、独立処理ステップが完了したことを示す指示を受け付ける完了受付ステップ（Ｓ３０３）と、を実行し、組合処理ステップ（Ｓ３０４）は、完了受付ステップにおいて受け付けた指示に応じて実行されるステップである、付記３記載のプログラム。
これにより、複数のハイパーパラメータ群のそれぞれを最適化が完了した後に、「欠け」、「歪み」、「擦り傷」等の画像処理の組み合わせに応じてハイパーパラメータの探索を行うことにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
【0099】
（付記５）
組合処理ステップ（Ｓ３０４）は、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、画像生成ステップと、判定受付ステップと、条件変更ステップとを実行するステップである、付記３記載のプログラム。
これにより、複数のハイパーパラメータ群のうち、所定の製品の異常画像生成に適さない１または複数の画像処理に関するハイパーパラメータ群を除外することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
組合処理ステップ（Ｓ３０４）は、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、画像生成ステップと、判定受付ステップと、条件変更ステップとを実行するステップである、付記３記載のプログラム。
これにより、複数のハイパーパラメータ群のうち、所定の製品の異常画像生成に適さない１または複数の画像処理に関するハイパーパラメータ群を除外することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
【0100】
（付記６）
プロセッサが、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付ける選択受付ステップ（Ｓ３０３）と、を実行し、組合処理ステップ（Ｓ３０４）は、選択受付ステップにおいて選択されたハイパーパラメータ群に基づき、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、画像生成ステップと、判定受付ステップと、条件変更ステップとを実行するステップである、付記５記載のプログラム。
これにより、ユーザ等から受け付けたりまたはコンピュータにより自動的に行われる選択指示に応じて、複数のハイパーパラメータ群のうち、所定の製品の異常画像生成に適さない１または複数の画像処理に関するハイパーパラメータ群を除外することにより、好適なハイパーパラメータの探索時間を減らすことができる。
所定の製品に関する事前知識（例えば、「擦り傷」に関する異常画像は存在し得ないなど）を利用することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
プロセッサが、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付ける選択受付ステップ（Ｓ３０３）と、を実行し、組合処理ステップ（Ｓ３０４）は、選択受付ステップにおいて選択されたハイパーパラメータ群に基づき、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、画像生成ステップと、判定受付ステップと、条件変更ステップとを実行するステップである、付記５記載のプログラム。
これにより、ユーザ等から受け付けたりまたはコンピュータにより自動的に行われる選択指示に応じて、複数のハイパーパラメータ群のうち、所定の製品の異常画像生成に適さない１または複数の画像処理に関するハイパーパラメータ群を除外することにより、好適なハイパーパラメータの探索時間を減らすことができる。
所定の製品に関する事前知識（例えば、「擦り傷」に関する異常画像は存在し得ないなど）を利用することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
【0101】
（付記７）
選択受付ステップ（Ｓ３０３）は、所定の製品に応じて、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付けるステップである、付記６記載のプログラム。
所定の製品に関する事前知識（例えば、「擦り傷」に関する異常画像は存在し得ないなど）を利用することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
選択受付ステップ（Ｓ３０３）は、所定の製品に応じて、複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付けるステップである、付記６記載のプログラム。
所定の製品に関する事前知識（例えば、「擦り傷」に関する異常画像は存在し得ないなど）を利用することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
【0102】
（付記８）
画像生成ステップ（Ｓ３０２）は、画像処理モデルに適用可能な複数のハイパーパラメータのうち、第３ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第３画像を生成するステップと、画像処理モデルに適用可能な複数のハイパーパラメータのうち、第４ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第４画像を生成するステップと、を含み、判定受付ステップ（Ｓ３０２）は、ユーザから、第３画像に含まれる所定の製品画像が、異常画像であるか否かに関する第３判定指示を受け付けるステップと、ユーザから、第４画像に含まれる所定の製品画像が、異常画像であるか否かに関する第４判定指示を受け付けるステップと、を含み、条件変更ステップ（Ｓ３０２）は、第３判定指示に基づき、第３ハイパーパラメータ群を変更するステップと、第４判定指示に基づき、第４ハイパーパラメータ群を変更するステップと、を含む、付記１記載のプログラム。
本開示においては、製品画像に対して適用される画像処理モデルに適用可能なハイパーパラメータは、「欠け」、「歪み」、「擦り傷」等の画像処理の内容に応じた複数の異なるハイパーパラメータ群を含んでおり、それぞれのハイパーパラメータ群をそれぞれ独立して最適化することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
画像生成ステップ（Ｓ３０２）は、画像処理モデルに適用可能な複数のハイパーパラメータのうち、第３ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第３画像を生成するステップと、画像処理モデルに適用可能な複数のハイパーパラメータのうち、第４ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第４画像を生成するステップと、を含み、判定受付ステップ（Ｓ３０２）は、ユーザから、第３画像に含まれる所定の製品画像が、異常画像であるか否かに関する第３判定指示を受け付けるステップと、ユーザから、第４画像に含まれる所定の製品画像が、異常画像であるか否かに関する第４判定指示を受け付けるステップと、を含み、条件変更ステップ（Ｓ３０２）は、第３判定指示に基づき、第３ハイパーパラメータ群を変更するステップと、第４判定指示に基づき、第４ハイパーパラメータ群を変更するステップと、を含む、付記１記載のプログラム。
本開示においては、製品画像に対して適用される画像処理モデルに適用可能なハイパーパラメータは、「欠け」、「歪み」、「擦り傷」等の画像処理の内容に応じた複数の異なるハイパーパラメータ群を含んでおり、それぞれのハイパーパラメータ群をそれぞれ独立して最適化することにより、ハイパーパラメータの探索空間を狭めることにより好適なハイパーパラメータを効率的に探索することができる。
【0103】
（付記９）
プロセッサが、第１画像に対して、第３ハイパーパラメータ群および第４ハイパーパラメータ群からなる第５ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第５画像を生成する第２画像生成ステップ（Ｓ３０４）と、ユーザから、第５画像に含まれる所定の製品画像が、異常画像であるか否かに関する第５判定指示を受け付ける第２判定受付ステップ（Ｓ３０４）と、第２判定受付ステップにおいて受け付けた第５判定指示に基づき、第２画像生成ステップにおいて第５画像が所定の製品の異常画像となるように第５ハイパーパラメータ群を変更する第２条件変更ステップ（Ｓ３０４）と、を実行する付記８記載のプログラム。
これにより、複数のハイパーパラメータ群のそれぞれを最適化した後に、「欠け」、「歪み」、「擦り傷」等の画像処理の組み合わせに応じてハイパーパラメータの探索を行うことにより、好適なハイパーパラメータの探索時間を減らしつつ、「欠け」かつ「擦り傷」等の複数の画像処理を組み合わせた異常画像を適切に生成することができる。つまり、特定の製品だけではなく、様々な製品における様々な異常画像データの生成に好適なハイパーパラメータを効率的に探索することができる。
プロセッサが、第１画像に対して、第３ハイパーパラメータ群および第４ハイパーパラメータ群からなる第５ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく画像処理モデルを適用することにより第５画像を生成する第２画像生成ステップ（Ｓ３０４）と、ユーザから、第５画像に含まれる所定の製品画像が、異常画像であるか否かに関する第５判定指示を受け付ける第２判定受付ステップ（Ｓ３０４）と、第２判定受付ステップにおいて受け付けた第５判定指示に基づき、第２画像生成ステップにおいて第５画像が所定の製品の異常画像となるように第５ハイパーパラメータ群を変更する第２条件変更ステップ（Ｓ３０４）と、を実行する付記８記載のプログラム。
これにより、複数のハイパーパラメータ群のそれぞれを最適化した後に、「欠け」、「歪み」、「擦り傷」等の画像処理の組み合わせに応じてハイパーパラメータの探索を行うことにより、好適なハイパーパラメータの探索時間を減らしつつ、「欠け」かつ「擦り傷」等の複数の画像処理を組み合わせた異常画像を適切に生成することができる。つまり、特定の製品だけではなく、様々な製品における様々な異常画像データの生成に好適なハイパーパラメータを効率的に探索することができる。
【0104】
（付記１０）
画像生成ステップ（Ｓ１０３）は、第１画像に含まれる所定の製品画像の領域を抽出するステップと、抽出した所定の製品画像の領域に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成するステップと、を含む、付記１記載のプログラム。
これにより、第１画像の一部に所定の製品画像が含まれている場合に、当該所定の製品画像に対してのみ異常画像を生成するための画像処理モデルを適用することができる。
画像生成ステップ（Ｓ１０３）は、第１画像に含まれる所定の製品画像の領域を抽出するステップと、抽出した所定の製品画像の領域に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成するステップと、を含む、付記１記載のプログラム。
これにより、第１画像の一部に所定の製品画像が含まれている場合に、当該所定の製品画像に対してのみ異常画像を生成するための画像処理モデルを適用することができる。
【0105】
（付記１１）
画像生成ステップ（Ｓ１０３）は、第１画像に含まれる所定の製品画像の領域を抽出することができなかった場合に、第１画像の全体に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成するステップである、付記１０記載のプログラム。
これにより、第１画像の全体に所定の製品画像が含まれている場合に、当該所定の製品画像の全体に対して異常画像を生成するための画像処理モデルを適用することができる。
画像生成ステップ（Ｓ１０３）は、第１画像に含まれる所定の製品画像の領域を抽出することができなかった場合に、第１画像の全体に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成するステップである、付記１０記載のプログラム。
これにより、第１画像の全体に所定の製品画像が含まれている場合に、当該所定の製品画像の全体に対して異常画像を生成するための画像処理モデルを適用することができる。
【0106】
（付記１２）
条件変更ステップ（Ｓ１０６）は、所定のハイパーパラメータおよび判定指示に基づき、ベイズ最適化を適用することにより所定のハイパーパラメータを変更するステップである、付記１記載のプログラム。
これにより、本開示のように特定の製品だけではなく、様々な製品における様々な異常画像データを生成するように、ハイパーパラメータの探索空間が広範である場合においても、好適なハイパーパラメータを効率的に探索することができる。
条件変更ステップ（Ｓ１０６）は、所定のハイパーパラメータおよび判定指示に基づき、ベイズ最適化を適用することにより所定のハイパーパラメータを変更するステップである、付記１記載のプログラム。
これにより、本開示のように特定の製品だけではなく、様々な製品における様々な異常画像データを生成するように、ハイパーパラメータの探索空間が広範である場合においても、好適なハイパーパラメータを効率的に探索することができる。
【0107】
（付記１３）
条件変更ステップ（Ｓ１０６）は、画像処理モデルにより生成された第２画像に基づき学習される異常画像か否かを判定する分類モデルの精度に基づき、ベイズ最適化を適用するステップである、付記１２記載のプログラム。
これにより、好適なハイパーパラメータを効率的に探索することができる。
条件変更ステップ（Ｓ１０６）は、画像処理モデルにより生成された第２画像に基づき学習される異常画像か否かを判定する分類モデルの精度に基づき、ベイズ最適化を適用するステップである、付記１２記載のプログラム。
これにより、好適なハイパーパラメータを効率的に探索することができる。
【0108】
（付記１４）
判定受付ステップ（Ｓ１０５）は、ユーザから、第２画像に含まれる所定の製品画像の異常画像の種類に関する異常画像種別の入力操作を受け付ける判定受付ステップと、を実行する付記１記載のプログラム。
これにより、生成された異常画像について「異常」か、「異常ではない」か、の２種類の判定指示だけではなく、「塗装剥がれ」、「腐食」、「色異常」などの異常の種類に応じた異常画像を生成することができる。
判定受付ステップ（Ｓ１０５）は、ユーザから、第２画像に含まれる所定の製品画像の異常画像の種類に関する異常画像種別の入力操作を受け付ける判定受付ステップと、を実行する付記１記載のプログラム。
これにより、生成された異常画像について「異常」か、「異常ではない」か、の２種類の判定指示だけではなく、「塗装剥がれ」、「腐食」、「色異常」などの異常の種類に応じた異常画像を生成することができる。
【0109】
（付記１５）
プロセッサが、所定の製品に応じて、所定のハイパーパラメータの初期値を選択する初期値選択ステップ（Ｓ１０２）と、を実行し、画像生成ステップ（Ｓ１０３）は、初期値選択ステップにおいて選択された初期値に基づく画像処理モデルを適用することにより第２画像を生成するステップである、付記１記載のプログラム。
これにより、所定の製品の種類等に応じてハイパーパラメータの初期値を設定することにより、好適なハイパーパラメータを効率的に探索することができる。例えば、所定の製品の種類ごとに、予め最適化されたハイパーパラメータが既にある場合には当該ハイパーパラメータを初期値とすることにより、ハイパーパラメータを効率的に探索することができる。
プロセッサが、所定の製品に応じて、所定のハイパーパラメータの初期値を選択する初期値選択ステップ（Ｓ１０２）と、を実行し、画像生成ステップ（Ｓ１０３）は、初期値選択ステップにおいて選択された初期値に基づく画像処理モデルを適用することにより第２画像を生成するステップである、付記１記載のプログラム。
これにより、所定の製品の種類等に応じてハイパーパラメータの初期値を設定することにより、好適なハイパーパラメータを効率的に探索することができる。例えば、所定の製品の種類ごとに、予め最適化されたハイパーパラメータが既にある場合には当該ハイパーパラメータを初期値とすることにより、ハイパーパラメータを効率的に探索することができる。
【0110】
（付記１６）
画像処理モデルは、入力画像に対して欠け、歪み、擦り傷の少なくともいずれか１つに関する異常箇所を付加する画像処理を適用可能なモデルであり、所定のハイパーパラメータは、異常箇所の大きさ、回転角度、反転角度および色彩変更のパラメータを含む、付記１記載のプログラム。
これにより、特定の製品だけではなく、様々な製品における様々な異常画像データの生成を効率的に行うことができる。
画像処理モデルは、入力画像に対して欠け、歪み、擦り傷の少なくともいずれか１つに関する異常箇所を付加する画像処理を適用可能なモデルであり、所定のハイパーパラメータは、異常箇所の大きさ、回転角度、反転角度および色彩変更のパラメータを含む、付記１記載のプログラム。
これにより、特定の製品だけではなく、様々な製品における様々な異常画像データの生成を効率的に行うことができる。
【0111】
（付記１７）
プロセッサと、メモリとを備えるコンピュータに実行される方法であって、プロセッサが、付記１から付記１６のいずれかに係る発明において実行される全てのステップを実行する方法。
これにより、所定の製品について異常画像データがない、または、未知の異常に対しても、オペレータの異常画像に対する判定指示を利用することにより、異常画像データを新たに生成したり、水増しすることができる。また、製品ごとの異常に関する事前の予備知識を用意することなく（予め外観検査を行う対象品および、異常の種類（「欠け」、「歪み」、「擦り傷」等）が既知である必要がない）、オペレータの判定指示を利用して、様々な製品ごとの異常画像データを新たに生成できる。つまり、特定の製品だけではなく、様々な製品において様々な異常画像データを汎用的に生成することができる。
なお、生成した異常画像データは、製品製造の際に用いられる異常検知モデルの教師データ等として活用することができる。
プロセッサと、メモリとを備えるコンピュータに実行される方法であって、プロセッサが、付記１から付記１６のいずれかに係る発明において実行される全てのステップを実行する方法。
これにより、所定の製品について異常画像データがない、または、未知の異常に対しても、オペレータの異常画像に対する判定指示を利用することにより、異常画像データを新たに生成したり、水増しすることができる。また、製品ごとの異常に関する事前の予備知識を用意することなく（予め外観検査を行う対象品および、異常の種類（「欠け」、「歪み」、「擦り傷」等）が既知である必要がない）、オペレータの判定指示を利用して、様々な製品ごとの異常画像データを新たに生成できる。つまり、特定の製品だけではなく、様々な製品において様々な異常画像データを汎用的に生成することができる。
なお、生成した異常画像データは、製品製造の際に用いられる異常検知モデルの教師データ等として活用することができる。
【0112】
（付記１８）
制御部と、記憶部とを備える情報処理装置であって、制御部が、付記１から付記１６のいずれかに係る発明において実行される全てのステップを実行する情報処理装置。
これにより、所定の製品について異常画像データがない、または、未知の異常に対しても、オペレータの異常画像に対する判定指示を利用することにより、異常画像データを新たに生成したり、水増しすることができる。また、製品ごとの異常に関する事前の予備知識を用意することなく（予め外観検査を行う対象品および、異常の種類（「欠け」、「歪み」、「擦り傷」等）が既知である必要がない）、オペレータの判定指示を利用して、様々な製品ごとの異常画像データを新たに生成できる。つまり、特定の製品だけではなく、様々な製品において様々な異常画像データを汎用的に生成することができる。
なお、生成した異常画像データは、製品製造の際に用いられる異常検知モデルの教師データ等として活用することができる。
制御部と、記憶部とを備える情報処理装置であって、制御部が、付記１から付記１６のいずれかに係る発明において実行される全てのステップを実行する情報処理装置。
これにより、所定の製品について異常画像データがない、または、未知の異常に対しても、オペレータの異常画像に対する判定指示を利用することにより、異常画像データを新たに生成したり、水増しすることができる。また、製品ごとの異常に関する事前の予備知識を用意することなく（予め外観検査を行う対象品および、異常の種類（「欠け」、「歪み」、「擦り傷」等）が既知である必要がない）、オペレータの判定指示を利用して、様々な製品ごとの異常画像データを新たに生成できる。つまり、特定の製品だけではなく、様々な製品において様々な異常画像データを汎用的に生成することができる。
なお、生成した異常画像データは、製品製造の際に用いられる異常検知モデルの教師データ等として活用することができる。
【0113】
（付記１９）
付記１から付記１６のいずれかに係る発明において実行される全てのステップを実行する手段を備えるシステム。
これにより、所定の製品について異常画像データがない、または、未知の異常に対しても、オペレータの異常画像に対する判定指示を利用することにより、異常画像データを新たに生成したり、水増しすることができる。また、製品ごとの異常に関する事前の予備知識を用意することなく（予め外観検査を行う対象品および、異常の種類（「欠け」、「歪み」、「擦り傷」等）が既知である必要がない）、オペレータの判定指示を利用して、様々な製品ごとの異常画像データを新たに生成できる。つまり、特定の製品だけではなく、様々な製品において様々な異常画像データを汎用的に生成することができる。
なお、生成した異常画像データは、製品製造の際に用いられる異常検知モデルの教師データ等として活用することができる。
付記１から付記１６のいずれかに係る発明において実行される全てのステップを実行する手段を備えるシステム。
これにより、所定の製品について異常画像データがない、または、未知の異常に対しても、オペレータの異常画像に対する判定指示を利用することにより、異常画像データを新たに生成したり、水増しすることができる。また、製品ごとの異常に関する事前の予備知識を用意することなく（予め外観検査を行う対象品および、異常の種類（「欠け」、「歪み」、「擦り傷」等）が既知である必要がない）、オペレータの判定指示を利用して、様々な製品ごとの異常画像データを新たに生成できる。つまり、特定の製品だけではなく、様々な製品において様々な異常画像データを汎用的に生成することができる。
なお、生成した異常画像データは、製品製造の際に用いられる異常検知モデルの教師データ等として活用することができる。
【符号の説明】
【0114】
１ システム、１０ サーバ、１０１ 記憶部、１０４ 制御部、１０６ 入力装置、１０８ 出力装置、２０ ユーザ端末、２０１ 記憶部、２０４ 制御部、２０６ 入力装置、２０８ 出力装置
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【手続補正書】
【提出日】2023-08-10
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、前記プロセッサが、
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
前記画像処理モデルに適用可能な複数のハイパーパラメータに含まれる複数の異なるハイパーパラメータ群ごとに、独立して前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行する独立処理ステップと、
を実行するプログラム。
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
前記画像処理モデルに適用可能な複数のハイパーパラメータに含まれる複数の異なるハイパーパラメータ群ごとに、独立して前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行する独立処理ステップと、
を実行するプログラム。
【請求項2】
前記プロセッサが、
前記独立処理ステップを実行した後に、前記複数の異なるハイパーパラメータ群のそれぞれを組み合わせたハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行する組合処理ステップと、を実行する請求項１記載のプログラム。
前記独立処理ステップを実行した後に、前記複数の異なるハイパーパラメータ群のそれぞれを組み合わせたハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行する組合処理ステップと、を実行する請求項１記載のプログラム。
【請求項3】
前記プロセッサが、
前記独立処理ステップが完了したことを示す指示を受け付ける完了受付ステップと、を実行し、
前記組合処理ステップは、前記完了受付ステップにおいて受け付けた前記指示に応じて実行されるステップである、請求項２記載のプログラム。
前記独立処理ステップが完了したことを示す指示を受け付ける完了受付ステップと、を実行し、
前記組合処理ステップは、前記完了受付ステップにおいて受け付けた前記指示に応じて実行されるステップである、請求項２記載のプログラム。
【請求項4】
前記組合処理ステップは、前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行するステップである、請求項２記載のプログラム。
【請求項5】
前記プロセッサが、
前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付ける選択受付ステップと、を実行し、
前記組合処理ステップは、前記選択受付ステップにおいて選択された前記ハイパーパラメータ群に基づき、前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行するステップである、請求項４記載のプログラム。
前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付ける選択受付ステップと、を実行し、
前記組合処理ステップは、前記選択受付ステップにおいて選択された前記ハイパーパラメータ群に基づき、前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群を除外した組み合わせにかかるハイパーパラメータ群ごとに、前記画像生成ステップと、前記判定受付ステップと、前記条件変更ステップとを実行するステップである、請求項４記載のプログラム。
【請求項6】
前記選択受付ステップは、前記所定の製品に応じて、前記複数の異なるハイパーパラメータ群のうち一部のハイパーパラメータ群の選択を受け付けるステップである、請求項５記載のプログラム。
【請求項7】
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、前記プロセッサが、
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行し、
前記画像生成ステップは、
前記画像処理モデルに適用可能な複数のハイパーパラメータのうち、第３ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第３画像を生成するステップと、
前記画像処理モデルに適用可能な複数のハイパーパラメータのうち、第４ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第４画像を生成するステップと、
を含み、
前記判定受付ステップは、
ユーザから、前記第３画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第３判定指示を受け付けるステップと、
ユーザから、前記第４画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第４判定指示を受け付けるステップと、
を含み、
前記条件変更ステップは、
前記第３判定指示に基づき、前記第３ハイパーパラメータ群を変更するステップと、
前記第４判定指示に基づき、前記第４ハイパーパラメータ群を変更するステップと、
を含むプログラム。
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行し、
前記画像生成ステップは、
前記画像処理モデルに適用可能な複数のハイパーパラメータのうち、第３ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第３画像を生成するステップと、
前記画像処理モデルに適用可能な複数のハイパーパラメータのうち、第４ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第４画像を生成するステップと、
を含み、
前記判定受付ステップは、
ユーザから、前記第３画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第３判定指示を受け付けるステップと、
ユーザから、前記第４画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第４判定指示を受け付けるステップと、
を含み、
前記条件変更ステップは、
前記第３判定指示に基づき、前記第３ハイパーパラメータ群を変更するステップと、
前記第４判定指示に基づき、前記第４ハイパーパラメータ群を変更するステップと、
を含むプログラム。
【請求項8】
前記プロセッサが、
前記第１画像に対して、前記第３ハイパーパラメータ群および前記第４ハイパーパラメータ群からなる第５ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第５画像を生成する第２画像生成ステップと、
ユーザから、前記第５画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第５判定指示を受け付ける第２判定受付ステップと、
前記第２判定受付ステップにおいて受け付けた前記第５判定指示に基づき、前記第２画像生成ステップにおいて前記第５画像が前記所定の製品の異常画像となるように前記第５ハイパーパラメータ群を変更する第２条件変更ステップと、を実行する請求項７記載のプログラム。
前記第１画像に対して、前記第３ハイパーパラメータ群および前記第４ハイパーパラメータ群からなる第５ハイパーパラメータ群に含まれる１または複数のハイパーパラメータに基づく前記画像処理モデルを適用することにより第５画像を生成する第２画像生成ステップと、
ユーザから、前記第５画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する第５判定指示を受け付ける第２判定受付ステップと、
前記第２判定受付ステップにおいて受け付けた前記第５判定指示に基づき、前記第２画像生成ステップにおいて前記第５画像が前記所定の製品の異常画像となるように前記第５ハイパーパラメータ群を変更する第２条件変更ステップと、を実行する請求項７記載のプログラム。
【請求項9】
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、前記プロセッサが、
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行し、
前記画像生成ステップは、前記第１画像に含まれる前記所定の製品画像の領域を抽出することができなかった場合に、前記第１画像の全体に対して、前記所定のハイパーパラメータに基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップである、
プログラム。
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行し、
前記画像生成ステップは、前記第１画像に含まれる前記所定の製品画像の領域を抽出することができなかった場合に、前記第１画像の全体に対して、前記所定のハイパーパラメータに基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップである、
プログラム。
【請求項10】
前記画像生成ステップは、
前記第１画像に含まれる前記所定の製品画像の領域を抽出するステップと、
前記第１画像に含まれる前記所定の製品画像の領域を抽出できた場合に、抽出した前記所定の製品画像の領域に対して、前記所定のハイパーパラメータに基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップと、
を含む、請求項９記載のプログラム。
前記第１画像に含まれる前記所定の製品画像の領域を抽出するステップと、
前記第１画像に含まれる前記所定の製品画像の領域を抽出できた場合に、抽出した前記所定の製品画像の領域に対して、前記所定のハイパーパラメータに基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップと、
を含む、請求項９記載のプログラム。
【請求項11】
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、前記プロセッサが、
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行し、
前記条件変更ステップは、前記所定のハイパーパラメータおよび前記判定指示と、前記画像処理モデルにより生成された前記第２画像に基づき学習される異常画像か否かを判定する分類モデルの精度と、に基づき、ベイズ最適化を適用することにより前記所定のハイパーパラメータを変更するステップである、
プログラム。
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行し、
前記条件変更ステップは、前記所定のハイパーパラメータおよび前記判定指示と、前記画像処理モデルにより生成された前記第２画像に基づき学習される異常画像か否かを判定する分類モデルの精度と、に基づき、ベイズ最適化を適用することにより前記所定のハイパーパラメータを変更するステップである、
プログラム。
【請求項12】
プロセッサと、記憶部とを備えるコンピュータに実行させるためのプログラムであって、前記プロセッサが、
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行し、
前記判定受付ステップは、前記ユーザから、前記第２画像に含まれる前記所定の製品画像の異常画像の種類に関する異常画像種別の入力操作を受け付けるステップである、
プログラム。
所定の製品画像を含む第１画像を取得する画像取得ステップと、
前記第１画像に対して、所定のハイパーパラメータに基づく画像処理モデルを適用することにより第２画像を生成する画像生成ステップと、
ユーザから、前記第２画像に含まれる前記所定の製品画像が、異常画像であるか否かに関する判定指示を受け付ける判定受付ステップと、
前記判定受付ステップにおいて受け付けた前記判定指示に基づき、前記画像生成ステップにおいて前記第２画像が前記所定の製品の異常画像となるように前記所定のハイパーパラメータを変更する条件変更ステップと、
を実行し、
前記判定受付ステップは、前記ユーザから、前記第２画像に含まれる前記所定の製品画像の異常画像の種類に関する異常画像種別の入力操作を受け付けるステップである、
プログラム。
【請求項13】
前記プロセッサが、
前記所定の製品に応じて、前記所定のハイパーパラメータの初期値を選択する初期値選択ステップと、を実行し、
前記画像生成ステップは、前記初期値選択ステップにおいて選択された前記初期値に基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップである、
請求項１から１２のいずれか記載のプログラム。
前記所定の製品に応じて、前記所定のハイパーパラメータの初期値を選択する初期値選択ステップと、を実行し、
前記画像生成ステップは、前記初期値選択ステップにおいて選択された前記初期値に基づく前記画像処理モデルを適用することにより前記第２画像を生成するステップである、
請求項１から１２のいずれか記載のプログラム。
【請求項14】
前記画像処理モデルは、入力画像に対して欠け、歪み、擦り傷の少なくともいずれか１つに関する異常箇所を付加する画像処理を適用可能なモデルであり、前記所定のハイパーパラメータは、前記異常箇所の大きさ、回転角度、反転角度および色彩変更のパラメータを含む、
請求項１から１２のいずれか記載のプログラム。
請求項１から１２のいずれか記載のプログラム。
【請求項15】
プロセッサと、メモリとを備えるコンピュータに実行される方法であって、前記プロセッサが、請求項１から請求項１２のいずれかに係る発明において実行される全てのステップを実行する方法。
【請求項16】
制御部と、記憶部とを備える情報処理装置であって、前記制御部が、請求項１から請求項１２のいずれかに係る発明において実行される全てのステップを実行する情報処理装置。
【請求項17】
請求項１から請求項１２のいずれかに係る発明において実行される全てのステップを実行する手段を備えるシステム。