特開 2024-173446 情報処理装置、情報処理方法及びプログラム

(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】P2024173446

(43)【公開日】2024-12-12

(54)【発明の名称】情報処理装置、情報処理方法及びプログラム

(51)【国際特許分類】

   H04N 23/60 20230101AFI20241205BHJP

   G06T 7/00 20170101ALI20241205BHJP

   G06V 10/70 20220101ALI20241205BHJP

   G06Q 50/10 20120101ALI20241205BHJP

【ＦＩ】

H04N23/60 300

G06T7/00 350B

G06V10/70

G06Q50/10

【審査請求】未請求

【請求項の数】17

【出願形態】ＯＬ

(21)【出願番号】P 2023091872

(22)【出願日】2023-06-02

(71)【出願人】

【識別番号】000001007

【氏名又は名称】キヤノン株式会社

(74)【代理人】

【識別番号】100090273

【弁理士】

【氏名又は名称】國分 孝悦

(72)【発明者】

【氏名】堀尾 大輔

【テーマコード（参考）】

5C122

5L049

5L050

5L096

【Ｆターム（参考）】

5C122DA03

5C122DA12

5C122EA55

5C122FH11

5C122FH14

5C122FK38

5C122FK40

5C122GC14

5C122GC52

5C122HA01

5C122HA13

5C122HA35

5C122HB01

5C122HB09

5L049CC11

5L050CC11

5L096CA02

5L096KA04

(57)【要約】

【課題】機械学習を利用した鑑定を効率よく行う。
【解決手段】鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理装置であって、前記鑑定は、前記鑑定対象の項目ごとに実行され、前記鑑定対象に関連する複数の項目のそれぞれに対応する、前記鑑定対象の撮像画像を取得する画像取得手段と、前記撮像画像の撮像条件に基づいて、項目ごとの優先度を決定する優先度決定手段と、を有することを特徴とする。
【選択図】図４

【特許請求の範囲】

【請求項1】

鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理装置であって、
前記鑑定は、前記鑑定対象の項目ごとに実行され、
前記鑑定対象に関連する複数の項目のそれぞれに対応する、前記鑑定対象の撮像画像を取得する画像取得手段と、
前記撮像画像の撮像条件に基づいて、項目ごとの優先度を決定する優先度決定手段と、
を有することを特徴とする情報処理装置。

【請求項2】

前記鑑定対象に関連する複数の項目を取得する項目取得手段と、
前記情報処理装置を利用する利用者の信頼度に基づいて、前記項目取得手段で取得された項目のうち、前記鑑定に用いる項目の項目数を決定する項目数決定手段と、
を更に有することを特徴とする請求項１に記載の情報処理装置。

【請求項3】

前記優先度に基づいて、前記鑑定対象に関連する複数の項目の中から、前記鑑定に用いる項目を選択する項目選択手段、
を更に有することを特徴とする請求項１に記載の情報処理装置。

【請求項4】

前記優先度に基づいて、前記鑑定対象に関連する複数の項目の、前記鑑定の実行順序を決定する実行順序決定手段、
を更に有することを特徴とする請求項１に記載の情報処理装置。

【請求項5】

前記優先度と前記項目数に基づいて、前記項目取得手段で取得された項目の中から、前記鑑定に用いる項目を選択する項目選択手段、
を更に有することを特徴とする請求項２に記載の情報処理装置。

【請求項6】

前記優先度決定手段は、前記撮像条件の値に応じて予測される、前記鑑定の結果の正しさを表す予測値に基づいて、前記優先度を決定することを特徴とする請求項１に記載の情報処理装置。

【請求項7】

前記優先度決定手段は、前記撮像条件の値に応じて予測される、前記鑑定に掛かる予測時間に基づいて、前記優先度を決定することを特徴とする請求項１に記載の情報処理装置。

【請求項8】

前記優先度決定手段は、項目ごとの前記撮像画像に付与されメタデータから、項目ごとの前記撮像条件を取得する特徴とする請求項１に記載の情報処理装置。

【請求項9】

前記撮像条件は、解像度、ＩＳＯ感度、及び画像サイズのうちの少なくとも何れか１つを含むことを特徴とする請求項１に記載の情報処理装置。

【請求項10】

前記項目選択手段で選択された項目を、前記優先度の順に表示するよう制御する表示制御手段を、
更に有することを特徴とする請求項３又は５に記載の情報処理装置。

【請求項11】

前記鑑定対象に関連する複数の項目ごとに機械学習された学習モデルに、項目ごとの前記撮像画像が入力されると、前記鑑定対象の本物らしさを表す指標値を項目ごとに出力する鑑定手段に対し、前記項目選択手段で選択された項目の前記鑑定を実行させるよう制御する実行制御手段と、
を更に有することを特徴とする請求項３又は５に記載の情報処理装置。

【請求項12】

前記優先度に基づいて、前記鑑定手段に対し、前記項目選択手段で選択された項目の前記鑑定を実行させる順序を決定する実行順序決定手段、
を更に有することを特徴とする請求項１１に記載の情報処理装置。

【請求項13】

前記実行順序決定手段は、前記項目選択手段で選択された項目の中で、前記優先度が低い項目を、前記鑑定を実行させる対象から除外することを特徴とする請求項１２に記載の情報処理装置。

【請求項14】

前記鑑定対象の形状又は材質に関連する複数の項目を取得する項目取得手段、
を更に有することを特徴とする請求項１に記載の情報処理装置。

【請求項15】

鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理装置であって、
前記鑑定は、前記鑑定対象の項目ごとに実行され、
前記鑑定対象に関連する複数の項目を取得する項目取得手段と、
前記情報処理装置を利用する利用者の信頼度に基づいて、前記項目取得手段で取得された項目のうち、前記鑑定に用いる項目の項目数を決定する項目数決定手段と、
を有することを特徴とする情報処理装置。

【請求項16】

鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理方法であって、
前記鑑定は、前記鑑定対象の項目ごとに実行され、
前記鑑定対象に関連する複数の項目のそれぞれに対応する、前記鑑定対象の撮像画像を取得する画像取得ステップと、
前記撮像画像の撮像条件に基づいて、項目ごとの優先度を決定する優先度決定ステップと、
を含むことを特徴とする情報処理方法。

【請求項17】

鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理装置のコンピュータを機能させるためのプログラムであって、
前記鑑定は、前記鑑定対象の項目ごとに実行され、
前記鑑定対象に関連する複数の項目のそれぞれに対応する、前記鑑定対象の撮像画像を取得する画像取得手段と、
前記撮像画像の撮像条件に基づいて、項目ごとの優先度を決定する優先度決定手段、
として機能させることを特徴とするプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、情報処理装置、情報処理方法及びプログラムに関する。

【背景技術】

【0002】

近年、ブランド品や骨董品などの高価な物品を専門に扱うリユース業者や個人での売買が可能なフリマアプリにおいて、取引される物品のＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）による真贋判定が適用され始めている。また実際にＡＩによる機械学習を用いた真贋判定がリユース業者を中心に導入され始めている。機械学習を用いた真贋判定の分野では、バッグや時計、骨董品等の鑑定品の画像から得られる形状や材質などの特徴量や、鑑定品に付随する情報を用いて、鑑定品を鑑定する技術が提案されている。特許文献１では、鑑定対象の商品カテゴリや商品名等を入力し、撮影画像やＸ線画像等で実際の鑑定対象から必要な特徴を抽出し、真贋判定や価格判定を行うことが記載されている。特許文献２では、顕微鏡画像をチャンクに分割してモデルを学習し、判定時には学習されたモデルを基に分割したチャンクを真正品もしくは偽造品の情報を含むクラスに分類することが記載されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】国際公開第２００９／０４４８２６号

【特許文献2】特表２０１７－５２０８６４号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

上述のような機械学習による真贋判定では、一つの鑑定品を判定するために、複数の判定項目に応じた複数の画像を入力し、それぞれの画像を用いた判定を行う。従来では、すべての判定項目に対する判定が終了するまでは、鑑定の結果が得られないため、鑑定の効率化が望まれていた。

【0005】

そこで、本発明は、機械学習を利用した鑑定を効率よく行うことを目的とする。

【課題を解決するための手段】

【0006】

本発明は、鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理装置であって、前記鑑定は、前記鑑定対象の項目ごとに実行され、前記鑑定対象に関連する複数の項目のそれぞれに対応する、前記鑑定対象の撮像画像を取得する画像取得手段と、前記撮像画像の撮像条件に基づいて、項目ごとの優先度を決定する優先度決定手段と、を有することを特徴とする。

【発明の効果】

【0007】

本発明によれば、機械学習を利用した鑑定を効率よく行うことができる。

【図面の簡単な説明】

【0008】

【図1】鑑定システムのシステム構成例を示す図である。

【図2】ホスト端末のハードウェア構成例を示す図である。

【図3】ホスト端末の機能構成例を示す図である。

【図4】ＡＩ鑑定に係る全体処理を示すフローチャートである。

【図5】判定項目の例を示す図である。

【図6】利用者情報の例を示す図である。

【図7】撮影条件の例を示す図である。

【図8】項目数を決定する方法を説明する図である。

【図9】解像度に関する関係性テーブルの例を示す図である。

【図10】ＩＳＯ感度に関する関係性テーブルの例を示す図である。

【図11】優先度を決定する方法を説明する図である。

【図12】判定項目の実行順序を説明する図である。

【図13】ＡＩ鑑定に係る全体処理を示すシーケンス図である。

【発明を実施するための形態】

【0009】

以下、添付の図面を参照して、本発明の実施形態について説明する。なお、以下の実施形態において示す構成は一例に過ぎず、本発明は図示された構成に限定されるものではない。

【0010】

本実施形態では、鑑定対象の鑑定品を撮影した動画像に対して、機械学習を利用して鑑定品が本物か偽物か判定する真贋判定を行う鑑定システムについて記載する。鑑定システムの利用者としては、鑑定士を想定している。図１は、鑑定システムのシステム構成例を示す。図１の鑑定システムは、リユース業者が展開するオンライン鑑定サービスに適用された場合の構成例を示す。

【0011】

図１に示す鑑定システム１００は、クライアント端末１３０、ホスト端末１４０、ゲートウェイ１２０、インターネット１５０、及びクラウドサーバ１１０を有して構成されている。クライアント端末１３０とホスト端末１４０とクラウドサーバ１１０は、ゲートウェイ１２０とインターネット１５０を介して相互に接続されている。なお、インターネット１５０に代えて、専用回線を用いても構わない。

【0012】

ホスト端末１４０は、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）やモバイル端末などの端末装置であり、鑑定士が利用する。クライアント端末１３０は、ＰＣやモバイル端末などの端末装置であり、物品（鑑定品）の買取を希望する買取客が利用する。クライアント端末１３０及びホスト端末１４０は、何れも撮影機能を有している。また、クライアント端末１３０及びホスト端末１４０は、ゲートウェイ１２０を介してインターネット１５０に接続されており相互にビデオ通話が可能である。ゲートウェイ１２０は、クライアント端末１３０及びホスト端末１４０が、インターネット１５０を介して相互に通信するためのプロトコル変換やルーティング処理を行う。また、クライアント端末１３０及びホスト端末１４０は、インターネット１５０に接続されるクラウドサーバ１１０と通信可能である。

【0013】

図１において、クラウドサーバ１１０は、機械学習を利用した真贋判定を実行可能なＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ：人工知能）を具備している。ＡＩによる真贋判定（以下、ＡＩ鑑定と呼ぶ）では、本物の鑑定品の画像（本物データ）と偽物と鑑定品の画像（偽物データ）とを学習用データとして機械学習された学習モデルを用いる。この学習モデルは、判定項目ごとに準備されている。鑑定品がハンドバックであれば、判定項目は、ブランドのロゴ、シリアルナンバー、ファスナー等の形状、素材などである。したがってＡＩ鑑定では、一つの鑑定品に対して、複数の判定項目ごとに、本物らしさを表す指標値が出力される。ホスト端末１４０は、複数の判定項目に対応する動画像をクラウドサーバ１１０にアップロードして、ＡＩ鑑定を実行させる。ホスト端末１４０は、クライアント端末１３０で撮影された鑑定品の動画像をクライアント端末１３０から受信して、クラウドサーバ１１０にアップロードしてもよい。クラウドサーバ１１０は、鑑定システム１００で利用される各種のデータの格納先としても機能する。

【0014】

続いて、鑑定システム１００において、オンライン鑑定サービスが提供される流れについて説明する。
まず、鑑定士の利用するホスト端末１４０と、買取客の利用するクライアント端末１３０との間でビデオ通話が行われる。鑑定士は、ビデオ通話により鑑定対象の鑑定品を特定する。ホスト端末１４０は、鑑定士の入力操作等により、鑑定品の品種などの情報（鑑定品情報）を取得する。ここでホスト端末１４０は、クライアント端末１３０で撮影された鑑定品の画像をクラウドサーバ１１０に送信することで、鑑定品の特定をＡＩに依頼してもよい。この場合、ホスト端末１４０は、クラウドサーバ１１０からの応答結果に基づき、鑑定品情報を登録してもよい。

【0015】

次に、ホスト端末１４０は、取得した鑑定品情報に関連する判定項目を取得し、鑑定士に提示する。鑑定士はビデオ通話により買取客に判定項目に応じた撮影の指示を行う。ホスト端末１４０は、クライアント端末１３０から判定項目に応じた動画像を取得する。ホスト端末１４０は、取得した動画像をクラウドサーバ１１０にアップロードして、ＡＩ鑑定を依頼し、その応答結果に基づき鑑定結果を取得する。なお、ホスト端末１４０は、鑑定品を様々な角度、又はその一部を拡大して撮影した鑑定品の動画像を予め取得して保存しておき、保存された動画像から判定項目に応じた画像を抽出してもよい。また、ホスト端末１４０は、鑑定品を様々な角度、又はその一部を拡大して撮影した鑑定品の動画像をクラウドサーバ１１０にアップロードしてもよい。この場合、クラウドサーバ１１０は、アップロードされた動画像から判定項目に応じた画像を抽出してもよい。

【0016】

本実施形態では、鑑定システム１００は、鑑定システム１００を利用する鑑定士の情報や鑑定品の動画像の撮影条件に基づいて、ＡＩ鑑定を行う判定項目の項目数と実行順序を決定する。以下では、ＡＩ鑑定を行う判定項目の項目数と実行順序を決定する方法について説明を行う。

【0017】

なお上記の説明では、図１に示す鑑定システム１００が、クラウドサーバ１１０上のＡＩを利用して、真贋判定を行うことを前提としたが、この限りではない。鑑定システム１００は、ホスト端末１４０やローカルネットワークを介して接続される他のＰＣやサーバなどの装置に搭載されるＡＩモジュールを利用して、ＡＩ鑑定を行っても構わない。即ち、ＡＩは、クラウド上に存在してもよく、物理的な装置内に存在してもよい。

【0018】

図２は、本実施形態に係るホスト端末１４０を構成するハードウェア構成例を示す。以下では、ＡＩモジュール２０４がホスト端末１４０に搭載されているものとして説明する。なお、ホスト端末１４０のハードウェア構成の一部がクラウドサーバ１１０に配置されているとしてもよい。また、クラウドサーバ１１０は、仮想的なサーバ装置であっても、物理的なサーバ装置であっても構わない。クラウドサーバ１１０は、ホスト端末１４０と同様のハードウェア構成で実現可能である。なお、クラウドサーバ１１０は、複数のサーバ装置が協働することにより実現されても構わない。また、クライアント端末１３０は、ＡＩモジュール２０４を除いたホスト端末１４０と同様のハードウェア構成で実現可能である。ホスト端末１４０は、情報処理装置の例である。

【0019】

ホスト端末１４０は、制御部２００、記憶部２０１、撮影部２０２、入出力装置２０３、ＡＩモジュール２０４、及び通信部２０５を有して構成されている。これらの構成部は、システムバス２０６を介して相互に接続されている。

【0020】

制御部２００は、ホスト端末１４０の全体を制御する。制御部２００は、ＣＰＵやＧＰＵなどにより構成される。
記憶部２０１は、ＲＯＭやＲＡＭ、ＨＤＤなどにより構成され、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）、オンライン鑑定サービス用のプログラムであるオンライン鑑定プログラムなどの各種のプログラムを記憶する。また、記憶部２０１には、鑑定システム１００に登録されている鑑定士の利用者情報（図６参照）、及び鑑定品の動画像などが格納されている。また、記憶部２０１には、動画像の撮影条件の値と、その動画像のＡＩ鑑定に掛かる予測時間（判定時間）やＡＩ鑑定の結果の正しさを表す予測値（期待度）と、の関係性を表す関係性テーブル（図９、図１０参照）などが格納されている。
撮影部２０２は、カメラにより構成され、鑑定士と買取客とのビデオ通話を行うために利用される。また、クライアント端末１３０の撮影部２０２は、鑑定品の動画像を撮影するために利用される。

【0021】

入出力装置２０３は、マウス、キーボードなどの入力装置と、モニタなどの出力装置から構成される。制御部２００は、入力装置から入力情報を受け付けると共に、出力装置に表示情報を出力する。

【0022】

ＡＩモジュール２０４は、複数の判定項目ごとに、鑑定品の動画像から抽出される特徴量を学習モデルに入力して得られる、本物データとの一致度に基づき、本物らしさを表す指標値を判定結果として出力する。学習モデルとしては、畳み込みニューラルネットワーク（ＲＮＮ：Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）等のアルゴリズムが用いられる。制御部２００は、通信部２０５を介して受信した鑑定品の動画像をＡＩモジュール２０４に入力することで、ＡＩモジュール２０４にＡＩ鑑定を実行させる。ＡＩモジュール２０４は、鑑定手段の例である。

【0023】

通信部２０５は、ネットワークに接続し、インターネット１５０を介して外部装置との間でデータの送受信を行う。オンライン鑑定サービスでは、通信部２０５は、ビデオ通話に必要なデータの送受信を行う。また、制御部２００は、通信部２０５を介して、クライアント端末１３０の撮影部２０２で撮影された鑑定品の動画像をクライアント端末１３０から受信する。

【0024】

なお、図１、図２の構成は一例であり、鑑定システム１００のシステム構成を限定するものではない。一例として、ホスト端末１４０の構成要素が、ネットワーク上に分散して配置されてもよい。また、ホスト端末１４０がスタンドアロンの装置として実現されてもよい。この場合では、制御部２００は、自身の撮影部２０２から鑑定品の動画像を取得する。そして制御部２００は、取得した鑑定品の動画像をＡＩモジュール２０４に入力してＡＩ鑑定を実行させる。

【0025】

また、ＡＩを具備するクラウドサーバ１１０が、ブラウザを介してクライアント端末１３０とホスト端末１４０との間のデータの送受信を制御しても構わない。この場合、クラウドサーバ１１０が、クライアント端末１３０から鑑定品の動画像を受信する。クラウドサーバ１１０は、ホスト端末１４０から鑑定士の情報を受信し、受信した鑑定士の情報と、クライアント端末１３０から受信した鑑定品の動画像に基づいて、ＡＩ鑑定を行う判定項目の項目数と実行順序を決定する。そして、クラウドサーバ１１０は、決定した項目数と実行順序に従って、ＡＩ鑑定を行う。そして、クラウドサーバ１１０は、ＡＩ鑑定により得られた判定結果をホスト端末１４０に送信する。

【0026】

図３は、ホスト端末１４０の機能構成例を示す。ホスト端末１４０は、利用者情報取得部３０１、鑑定品情報取得部３０２、判定項目数決定部３０３、判定時間決定部３０４、期待度決定部３０５、スケジューリング部３０６、及び鑑定ＡＩ制御部３０７としての機能を有する。ホスト端末１４０は、制御部２００が記憶部２０１に格納されるオンライン鑑定用プログラムを実行することで、これら各機能部として機能する。

【0027】

利用者情報取得部３０１は、入出力装置２０３（モニタ）に表示されるＧＵＩ（不図示）を介して入力された鑑定士の情報を、利用者情報として取得する。なお、利用者情報取得部３０１は、ログイン情報や鑑定士の顔を撮影した画像などから識別した情報を用いて、クラウドサーバ１１０や記憶部２０１に予め格納されている利用者情報から、該当する利用者情報を取得しても構わない。

【0028】

鑑定品情報取得部３０２は、鑑定品自体に関する情報である、鑑定品情報を取得する。鑑定品情報は、鑑定品の品種などの情報を含む。例えば、鑑定品情報取得部３０２は、入出力装置２０３（モニタ）に表示されるＧＵＩ（不図示）を介して入力された情報を、鑑定品情報として取得する。また、鑑定品情報取得部３０２は、クライアント端末１３０で撮影された鑑定品の画像を、ＡＩモジュール２０４に入力して得られる出力結果に基づき、鑑定品情報を取得してもよい。また、鑑定品情報取得部３０２は、サンプルの画像と鑑定品情報が紐づけられた鑑定品情報データテーブル（不図示）を用い、クライアント端末１３０で撮影された鑑定品の画像とサンプルの画像とを照合することで、該当する鑑定品情報を取得してもよい。

【0029】

また、鑑定品情報取得部３０２は、鑑定品情報に関連する判定項目を取得する。例えば、記憶部２０１には鑑定品情報の品種とＡＩ鑑定に利用可能な判定項目とが関連付けられたデータベース（不図示）が格納されており、制御部２００は、取得した鑑定品情報の品種に関連付く判定項目を当該データベースから読み出す。

【0030】

また、鑑定品情報取得部３０２は、鑑定品の動画像を取得する。オンライン鑑定サービスでは、鑑定品情報取得部３０２は、買取客とのビデオ通話中に鑑定士が指示した判定項目に応じた撮影方向やズーム率で鑑定品を撮影した動画像を、通信部２０５を介してクライアント端末１３０から受信する。

【0031】

判定項目数決定部３０３は、利用者情報取得部３０１で取得した利用者情報から、対象の鑑定士の信頼度を算出し、算出した信頼度に基づいて、ＡＩ鑑定を行う判定項目の項目数を決定する。
判定時間決定部３０４は、鑑定品情報取得部３０２で取得した動画像の判定項目ごとの撮影条件の値に基づいて、各判定項目に対する判定時間を決定する。
期待度決定部３０５は、鑑定品情報取得部３０２で取得した動画像の判定項目ごとの撮影条件の値に基づいて、各判定項目に対する期待度を決定する。

【0032】

スケジューリング部３０６は、判定時間決定部３０４及び期待度決定部３０５で決定した判定時間及び期待度と、判定項目数決定部３０３で決定した項目数とに基づいて、ＡＩ鑑定を行う判定項目を選択すると共に、選択された判定項目の実行順序を決定する。また、スケジューリング部３０６は、選択された判定項目とその実行順序を、ホスト端末１４０の入出力装置２０３（モニタ）に表示する。

【0033】

鑑定ＡＩ制御部３０７は、ＡＩモジュール２０４を制御して、鑑定品情報取得部３０２で取得した動画像の内の、スケジューリング部３０６で選択された判定項目に対応する動画像の真贋判定を、スケジューリング部３０６で決定された実行順序で実行させる。また、鑑定ＡＩ制御部３０７は、判定項目ごとの判定結果を集計して、ホスト端末１４０の入出力装置２０３（モニタ）に表示する。ここで集計の方法としては、単純に各判定項目の判定結果を平均してもよいし、期待度を加味して平均化しても構わない。

【0034】

図４は、本実施形態のＡＩ鑑定に係る全体処理を示すフローチャートである。本フローチャートの処理は、制御部２００が記憶部２０１に格納されるオンライン鑑定用プログラムを実行することで実現する。以下では、鑑定品がハンドバックである場合を例にして、説明する。以下のフローチャートの説明では、各工程（ステップ）について先頭にＳを付けて表記することで、工程（ステップ）の表記を省略する。

【0035】

Ｓ４００において、制御部２００は、入出力装置２０３などから鑑定品情報を取得する。ここでは、鑑定品情報としてハンドバックが取得されたとする。次に制御部２００は、取得した鑑定品情報に関連する判定項目を取得する。取得した鑑定品情報に関連する判定項目を取得する処理は、項目取得処理の例である。ここで取得される判定項目は、鑑定対象の形状及び素材に関連する項目であり、鑑定対象に対するＡＩ鑑定に利用可能な全判定項目である。例えば、制御部２００は、鑑定品情報の品種とＡＩ鑑定に利用可能な判定項目とが関連付けられたデータベース（不図示）から、取得した鑑定品情報の品種に関連付く判定項目を読み出してもよい。また例えば、制御部２００は、ＡＩモジュール２０４に対して、取得した鑑定品情報の鑑定品に対して適用可能な判定項目を問い合わせてもよい。

【0036】

続いて制御部２００は、鑑定品を判定項目ごとに撮影した鑑定品の動画像をクライアント端末１３０から取得する。鑑定品を判定項目ごとに撮影した鑑定品の動画像は、鑑定対象の撮像画像の例である。制御部２００は、取得した動画像を記憶部２０１に保存する。鑑定品を判定項目ごとに撮影した鑑定品の動画像を取得する処理は、画像取得処理の例である。本実施形態では、動画像を取得するが、取得するのは静止画でもよく、静止画群でもよい。

【0037】

図５は、ハンドバックに関連する判定項目の例を示す。図５の判定項目テーブル５００は、ハンドバックのＡＩ鑑定に利用可能な判定項目の一覧を示す。ＩＤ５０１は、判定項目を識別する情報であり、判定項目５０２は、撮影個所を指定する情報である。判定項目５０２には、ブランドのロゴ、製造年月などを識別可能なシリアル番号、ファスナー等の金具、縫製、革やナイロンなどの素材などがある。図５では、２０個の判定項目が取得されている。以下、ＡＩ鑑定に利用可能な全判定項目の項目数は、２０個であるとする。鑑定士はビデオ通話を用いて買取客に対して、判定項目に応じた鑑定品の撮影を指示する。買取客は、指示された判定項目ごとに、撮影方向、ズーム率、及び明るさなどを調整して鑑定品を撮影する。

【0038】

Ｓ４０１において、制御部２００は、鑑定システム１００を利用する鑑定士（対象の鑑定士）の利用者情報を取得する。
図６は、利用者情報の例を示す。図６の利用者情報テーブル６００は、鑑定システム１００に登録されている鑑定士の利用者情報の一覧を示す。利用者情報は、鑑定士６０１、専門性６０２、鑑定士歴６０３、及び資格６０４の情報を含む。資格６０４は、古物アプレイザーなどの資格の有無を表す情報である。以下、利用者情報テーブル６００の１行目に格納されている、鑑定士Ａの利用者情報が取得されたとする。鑑定士Ａの利用者情報は、バッグ、革小物及び時計が専門であり、鑑定歴は３年、資格を保有しているという情報を示す。

【0039】

Ｓ４０２において、制御部２００は、Ｓ４０１で取得した利用者情報に基づき、対象の鑑定士が、Ｓ４００で取得した鑑定品情報の鑑定品について、専門の鑑定士であるか否かを判定する。制御部２００は、専門であると判定した場合、処理をＳ４０４に進め、専門外であると判定した場合、処理をＳ４０３に進める。ここでは、鑑定品がハンドバックであり、鑑定士Ａの専門にバックが含まれるため、制御部２００は、処理をＳ４０４に進める。

【0040】

Ｓ４０３において、制御部２００は、Ｓ４００で取得した、ＡＩ鑑定に利用可能な全判定項目の項目数を、ＡＩ鑑定を行う判定項目の項目数として決定する。ここでは、ＡＩ鑑定を行う項目数が２０個に決定される。なお、制御部２００は、本ステップ以降に実行されるＳ４０５～Ｓ４１５の処理をスキップして、処理をＳ４１６に進め、Ｓ４００で取得したすべての判定項目に対して、ＡＩ鑑定を行っても構わない。但し、本ステップ以降に実行される処理で、Ｓ４００で取得した判定項目の中に、優先度が著しく低い判定項目が含まれていることが判明する場合もある。そのような判定項目を、ＡＩ鑑定の対象から除外するために、Ｓ４０３の後、制御部２００は、処理をＳ４０５に進める。

【0041】

Ｓ４０４において、制御部２００は、Ｓ４０１で取得した利用者情報に基づき、対象の鑑定士の信頼度を算出し、算出した信頼度に基づいて、ＡＩ鑑定を行う判定項目の項目数を決定する。
図８は、図６に示す鑑定士に対して決定された項目数の例を示す。図８の項目数テーブル８００の鑑定士８０１は、図６の利用者情報テーブル６００の鑑定士６０１にそれぞれ対応している。

【0042】

鑑定士Ｂ及びＤは、バックは専門外であるため、信頼度８０２が算出されず、判定項目数８０３がＡＩ鑑定に利用可能な全判定項目の項目数（ここでは、２０個）としてそのまま決定される。
また、鑑定士Ａ及びＣは、バックは専門であるため、信頼度８０２が算出されている。制御部２００は、鑑定士歴６０３と資格６０４の情報に基づき、信頼度８０２を算出する。ここでは、鑑定士歴６０３の値（年数）に、資格６０４の値（有資格の場合「１」、無資格の場合「０」）を加算することで信頼度を算出しているが、信頼度を算出する方法はこれに限られない。例えば、鑑定士のスキルに応じて鑑定システム１００の導入先の基準により定められる設定値を、鑑定士の信頼度として取得してもよい。制御部２００は、信頼度８０２に基づき、判定項目数８０３を決定する。ここでは、ＡＩ鑑定に利用可能な全判定項目の項目数を、信頼度８０２で除算することで、判定項目数８０３を算出している。鑑定士Ａの場合、信頼度が「４」であるから、ＡＩ鑑定に利用可能な全判定項目の項目数「２０」を、信頼度「４」で除算することで、項目数が「５」となる。なお、項目数を決定する方法は、この方法に限られない。

【0043】

即ち、制御部２００は、ＡＩ鑑定に利用可能な全判定項目の項目数を、対象の鑑定士の信頼度に基づき削減することで、ＡＩ鑑定を行う項目数を決定する。対象の鑑定士の信頼度に基づいて項目数を決定する処理は、項目数決定処理の例である。鑑定士の鑑定の信頼度が高い場合には、ＡＩ鑑定の結果を補助的に利用するとしても、鑑定品の最終的な真贋の結果を担保できると考えられる。そこで、鑑定士の鑑定の信頼度が高い場合には、ＡＩ鑑定を行う判定項目の項目数を削減する。これにより、処理コストや処理時間の低減を図ることができる。

【0044】

Ｓ４０５において、制御部２００は、ＡＩ鑑定に利用可能な全判定項目の内の１つを対象にして、対象の判定項目に対応する動画像を、記憶部２０１から読み出す。制御部２００は、ＡＩ鑑定に利用可能な全判定項目に対して、Ｓ４０６～Ｓ４１１の処理を繰り返し実行する。ＡＩ鑑定に利用可能な全判定項目の項目数が２０個の場合は２０回繰り返し実行される。

【0045】

Ｓ４０６において、制御部２００は、対象の判定項目に対応する動画像の撮影条件を取得する。
図７は、撮影条件の例を示す。図７の撮影条件テーブル７００は、クライアント端末１３０で撮影された鑑定品の動画像に付与されるメタデータを参照して生成される。動画像に付与されるメタデータとしては、Ｅｘｉｆ（Ｅｘｃｈａｎｇｅａｂｌｅ ｉｍａｇｅ ｆｉｌｅ ｆｏｒｍａｔ）情報がある。

【0046】

図７の撮影条件テーブル７００は、ＩＤ５０１が「１」の判定項目に対応する動画像の撮影条件を示す。撮影条件７０１は、解像度とＩＳＯ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｏｒｇａｎｉｚａｔｉｏｎ ｆｏｒ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ）感度を含む。値７０２は、撮影条件のそれぞれに対応する値である。なお、撮影条件７０１は、解像度とＩＳＯ感度に限らず、これらと共に、あるいは、これらの一部又は全部に代えて、画像サイズなど、その他の撮影条件を含んでもよい。また、動画像に付与されるメタデータから他の情報を取得してもよい。また、動画像の撮影時のセンサデータなどを取得してもよい。撮影条件テーブル７００は、ＡＩ鑑定に利用可能な全判定項目のそれぞれに対して生成される。即ち、ＡＩ鑑定に利用可能な全判定項目の項目数が２０個の場合は、撮影条件テーブル７００と同様のテーブルが２０個生成される。

【0047】

制御部２００は、対象の判定項目に対応する撮影条件テーブル７００の撮影条件７０１の内の１つを対象にする。制御部２００は、撮影条件ごとに、Ｓ４０７～Ｓ４０９の処理を繰り返し実行する。撮影条件として解像度、ＩＳＯ感度が取得された場合は、解像度、ＩＳＯ感度の２回繰り返し実行される。

【0048】

Ｓ４０７において、制御部２００は、対象の撮影条件７０１に対応する値７０２を、既定の閾値と比較することで、対象の撮影条件が良好であるか否かを判定する。制御部２００は、比較の結果、既定の閾値以上であると判定した場合、対象の撮影条件が良好であるとして、処理をＳ４０８に進め、既定の閾値未満であると判定した場合、対象の撮影条件が不良であるとして、処理をＳ４０９に進める。

【0049】

Ｓ４０８において、制御部２００は、対象の判定項目について、期待度は高く、判定時間は長いと予測する。その後処理は、Ｓ４１０を経由して、Ｓ４１１に進む。
Ｓ４０９において、制御部２００は、対象の判定項目について、期待度は低く、判定時間は短いと予測する。その後処理は、Ｓ４１０を経由して、Ｓ４１１に進む。

【0050】

Ｓ４０７～Ｓ４０９では、撮影条件の値と既定の閾値と比較することで撮影条件が良好か否かを判定し、判定の結果に応じて、期待度と判定時間を決定した。ここで、以下に示すように、制御部２００は、撮影条件の値と判定時間や期待度との関係性を表す関係性テーブルを用いて、撮影条件の値に対応する期待度と判定時間を決定してもよい。

【0051】

図９は、解像度に関する関係性テーブルの例を示す。
図９の関係性テーブル９００では、解像度９０１の値に対する、期待度９０２の値と、判定時間９０３の値が設定されている。
ここでの期待度９０２は、その解像度の画像に対するＡＩ鑑定の結果が正しいと予測できれば「１」、誤っていると予測できれば「０」と定義されている。期待度９０２は、０から１の間の値を取り得る。
また、ここでの判定時間９０３は、その解像度の画像に対するＡＩ鑑定に通常の演算時間が掛かると予測できれば「１」、演算時間がまったく掛からないと予測できれば「０」と定義されている。判定時間９０３は、０から１の間の値を取り得る。

【0052】

図７の撮影条件テーブル７００の場合、鑑定品の画像の解像度９０１の値が「２００×２００」であるから、その判定項目の期待度９０２の値は、「０．９」となり、その判定項目の判定時間９０３の値は、「０．８」となる。なお制御部２００は、期待度と判定時間を静的に決定する方法に代えて、鑑定品の動画像の解像度の値が大きい程、その判定項目の期待値を大きく、判定時間を長くするように、動的に決定する方法を採用しても構わない。

【0053】

図１０は、ＩＳＯ感度に関する関係性テーブルの例を示す。
図１０の関係性テーブル１０００では、ＩＳＯ感度１００１の値に対する、期待度１００２の値が設定されている。ここで、ＩＳＯ感度１００１の値に依らず、ＡＩ鑑定に掛かる演算時間は変わらない。そのため図１０の関係性テーブル１０００では、ＩＳＯ感度と判定時間の関係性のみが設定されている。
図７の撮影条件テーブル７００の場合、鑑定品の画像のＩＳＯ感度１００１の値が「８００」であるから、その判定項目の期待度１００２の値は、「０．８」となる。

【0054】

Ｓ４１１において、制御部２００は、次の撮影条件を対象にする。その後制御部２００は、Ｓ４０７～Ｓ４０９の処理を繰り返し実行する。すべての撮影条件について、Ｓ４０７～Ｓ４０９の処理が完了した場合、制御部２００は、Ｓ４１２を経由して、処理をＳ４１３に進める。
Ｓ４１３において、制御部２００は、次の判定項目を対象にする。その後制御部２００は、Ｓ４０６～Ｓ４１１の処理を繰り返し実行する。すべての判定項目について、Ｓ４０６～Ｓ４１１の処理が完了した場合、制御部２００は、処理をＳ４１４に進める。

【0055】

Ｓ４１４において、制御部２００は、判定項目ごとに、各撮影条件について決定された期待度及び判定時間の平均値を算出する。ここで、平均ではなくＲＭＳ（二乗平均平方根）を用いてもよいし、期待度の最低値、判定時間の最大値を選択してもよいものとする。

【0056】

図１１は、図５に示す判定項目に対して算出された期待度と判定時間の例を示す。図１１の判定項目テーブル１１００は、図５の判定項目テーブル５００に対して、期待度１１０１と判定時間１１０２の項目が付加されている。期待度１１０１の値は、その判定項目の動画像の各撮影条件に基づき決定された期待度の平均値を表す。また、判定時間１１０２の値は、その判定項目の動画像の各撮影条件に基づき決定された判定時間の平均値を表す。

【0057】

例えば、図７の撮影条件テーブル７００が、ＩＤ５０１が「１」の判定項目に対応する動画像の各撮影条件の値を表すとする。この場合、解像度から決定される期待度９０２の値が「０．９」で、ＩＳＯ感度から決定される期待度１００２の値が「０．８」であるから、期待度１１０１の値はこれらの平均値である「０．８５」となる。また、判定時間については解像度のみから決定されるため、判定時間１１０２の値はそのまま「０．８」となる。なお、判定時間についても、複数の撮影条件から決定される場合には、それらの平均を取ってもよい。同様に制御部２００は、ＡＩ鑑定が利用可能な全判定項目（ＩＤ５０１：１～２０）につき、各判定項目に対応する動画像の各撮影条件から決定される期待度の平均値を期待度１１０１とし、各撮影条件から決定される判定時間の平均値を判定時間１１０２とする。

【0058】

Ｓ４１５において、制御部２００は、Ｓ４１４で算出された期待度と判定時間とに基づいて、判定項目ごとの優先度を決定する。撮影条件の値に応じて決定された期待度と判定時間とに基づいて、判定項目ごとの優先度を決定する処理は、優先度決定処理の例である。そして制御部２００は、全判定項目のうち、優先度の高い上位の判定項目を、ＡＩ鑑定を行う判定項目として選択する。優先度の高い上位の判定項目を、ＡＩ鑑定を行う判定項目として選択する処理は、項目選択処理の例である。そして制御部２００は、選択された判定項目に対するＡＩ鑑定の実行順序を、優先度の高い順に決定する。決定した判定項目に対するＡＩ鑑定の実行順序を、優先度の高い順に決定する処理は、実行順序決定処理の例である。

【0059】

図１２は、判定項目の実行順序を説明する図である。
図１２は、図５に示す判定項目に対して算出された期待度と判定時間の例を示す。図１２の判定項目テーブル１２００は、図５の判定項目テーブル５００に対して、優先度１２０２の項目が付加されている。優先度１２０２は、期待度１１０１の値を判定時間１１０２の値で除算した値であり、ＡＩによる真贋判定の判定効率を表す。なお、判定効率は優先度の例である。優先度１２０２は、期待度１１０１の値を判定時間１１０２の値で除算した値に限らず、期待度１１０１又は判定時間１１０２の値そのものでもよい。

【0060】

以上のように制御部２００は、ＡＩ鑑定に利用可能な全判定項目のそれぞれに対応する動画像の各撮像条件から、各判定項目の優先度を決定する。本実施形態では、解像度とＩＳＯ感度から期待値と判定時間を決定し、決定した期待値と判定時間から算出される判定効率を、その判定項目の優先度として決定しているが、この構成に限られない。解像度とＩＳＯ感度に代えて、他の撮像条件を用いて、優先度を決定してもよい。また、期待値と判定時間を決定することなく、解像度とＩＳＯ感度から、そのまま優先度を決定しても構わない。

【0061】

続いて制御部２００は、優先度１２０２の高い順に判定項目５０２をソートし、所定の項目数分を上位から選択し、選択された判定項目５０２に対するＡＩ鑑定の実行順序を、ソートされた順序に決定する。本実施形態では、Ｓ４０４又はＳ４０４で決定した項目数分の判定項目を選択する。ここでは、鑑定士Ａの判定項目数８０３は「５」であるから、上位５項目が選択されている。また、制御部２００は、判定項目５０２のうち、優先度１２０２が著しく低い判定項目を、ＡＩ鑑定の実行対象から除外してもよい。同様に、制御部２００は、判定項目５０２のうち、期待度１１０１の値が著しく低い判定項目、又は判定時間１１０２の値が著しく長い判定項目を、ＡＩ鑑定の実行対象から除外してもよい。

【0062】

次に制御部２００は、ＡＩ鑑定を行う判定項目として選択された判定項目を、その実行順序に従って、ホスト端末１４０の入出力装置２０３（モニタ）に表示する。ＡＩ鑑定を行う判定項目を、その実行順序（優先度）に従って表示する処理は、表示制御処理の例である。これにより、対象の鑑定品に対するＡＩ鑑定を実行する前に、どの判定項目をどの順序で実行するのが適切であるかを示す情報が鑑定士に対して提示される。なお、制御部２００は、ＡＩ鑑定を行う判定項目の中に、優先度が著しく低い判定項目が含まれる場合には、当該判定項目のＡＩ鑑定を実行するか否かを選択させるＵＩを、画面に表示してもよい。また、制御部２００は、ＡＩ鑑定を行う判定項目の中に、優先度が著しく低い判定項目が含まれる場合には、当該判定項目の動画像の撮影条件の変更を促す通知を、画面に表示してもよい。

【0063】

Ｓ４１６において、制御部２００は、ＡＩ鑑定を行う判定項目として選択された判定項目に対応する動画像を、Ｓ４１５で決定された実行順序で、ＡＩモジュール２０４に入力して、判定項目ごとにＡＩ鑑定を実行させる。ＡＩモジュール２０４に対し、選択された判定項目のＡＩ鑑定を決定された実行順序で実行させる処理は、実行制御処理の例である。
以上で図４のフローチャートに示す一連の処理が終了する。

【0064】

次に、図１３を参照して、オンライン鑑定サービスによるＡＩ鑑定に係る全体処理について説明する。ここでは、ホスト端末１４０を構成する各ハードウェア構成のブロック単位の処理シーケンスについて説明する。

【0065】

Ｓ１３００において、制御部２００は、記憶部２０１に格納されるオンライン鑑定プログラムを起動し、ビデオ通話の制御を開始する。
Ｓ１３０１において、制御部２００は、撮影部２０２を用いてホスト端末１４０を利用する鑑定士を撮影し、ビデオ通話時の動画データとして生成する。
Ｓ１３０２において、制御部２００は、通信部２０５を用いてクライアント端末１３０との接続を確立し、撮影部２０２で生成された動画データを転送して、クライアント端末１３０を利用する買取客とのビデオ通話を開始する。
Ｓ１３０３において、制御部２００は、入出力装置２０３（モニタ）のビデオ通話画面に、クライアント端末１３０から受信したビデオ通話時の動画データを表示する。鑑定士は、ビデオ通話画面に表示される動画データにより鑑定品を特定する。

【0066】

Ｓ１３０４において、制御部２００は、入出力装置２０３（モニタ）に鑑定品情報を入力するＧＵＩ（不図示）を表示して、入出力装置２０３（マウス、キーボード）から入力された鑑定品情報を受け付ける。
Ｓ１３０５において、制御部２００は、前ステップで受け付けた鑑定品情報を記憶部２０１に格納する。
Ｓ１３０６において、制御部２００は、記憶部２０１から鑑定品情報を読み出す。
Ｓ１３０７において、制御部２００は、前ステップで読み出した鑑定品情報に関連する判定項目を取得し、各判定項目に応じた撮影個所を入出力装置２０３（モニタ）に表示する。ここで制御部２００は、ＡＩモジュール２０４を用いて判定項目を取得してもよく、記憶部２０１に格納されたデータベースを用いて判定項目を取得してもよい。鑑定士はビデオ通話を用いて買取客に対して、各判定項目に応じた撮影個所の撮影を指示する。

【0067】

Ｓ１３０８及びＳ１３０９において、制御部２００は、通信部２０５を用いてクライアント端末１３０から、クライアント端末１３０の撮影部２０２で撮影された動画像（撮影動画）を受信する。
Ｓ１３１０において、制御部２００は、前ステップで受信した撮影動画を記憶部２０１に格納する。制御部２００は、クライアント端末１３０からファイル転送で動画像データを受信し、判定項目ごとの撮影動画として格納してもよく、ビデオ通話画面を利用して鑑定士が指定した撮影箇所を画面キャプチャし、判定項目ごとの撮影動画として格納してもよい。
Ｓ１３１１及びＳ１３１２において、制御部２００は、対象の鑑定士の利用者情報を読み出す。また制御部２００は、前ステップで格納した撮影動画のメタデータから、判定項目ごとの撮影条件を読み出す。
Ｓ１３１３において、制御部２００は、Ｓ１３０７で取得された判定項目の全項目数から、前ステップで読み出した利用者情報を用いて、ＡＩ鑑定を行う判定項目の項目数を決定する。

【0068】

Ｓ１３１４において、制御部２００は、判定項目ごとの撮影動画の撮影条件から、判定時間及び期待度を決定する。
Ｓ１３１５において、制御部２００は、Ｓ１３１３で決定した項目数分の判定項目を、前ステップで決定した判定時間及び期待度に応じてスケジューリングする。また、制御部２００は、スケジューリングした判定項目を、入出力装置２０３（モニタ）に表示する。

【0069】

鑑定士からＡＩ鑑定の実行許可の指示が入力されると、Ｓ１３１６及びＳ１３１７において、制御部２００は、ＡＩモジュール２０４に対して、前ステップでスケジューリングした判定項目ごとに撮影画像を提供して、真贋判定を実行させる。
Ｓ１３１８において、制御部２００は、ＡＩモジュール２０４から判定項目ごとの判定結果を取得して、記憶部２０１に格納する。
スケジューリングされたすべての判定項目に対する真贋判定が完了すると、Ｓ１３１９において、制御部２００は、ＡＩモジュール２０４から判定完了通知を受け取る。
Ｓ１３２０において、制御部２００は、ＡＩモジュール２０４から取得した、判定項目ごとの判定結果を、入出力装置２０３（モニタ）に表示する。表示された判定結果の集計結果を用いて、鑑定士が最終的な真贋を決定、鑑定品の査定を完了する。

【0070】

Ｓ１３２１において、制御部２００が、撮影部２０２での撮影を停止し、入出力装置２０３でのビデオ通話画面の表示を停止して、クライアント端末１３０を利用する買取客とのビデオ通話を終了する。
以上で図１３のシーケンス図に示す一連の処理が終了する。

【0071】

本実施形態によれば、機械学習を利用したＡＩ鑑定において、判定項目ごとの優先度に従った順序で、判定項目ごとのＡＩ鑑定を行うことが可能となる。これにより、ＡＩ鑑定を効率よく行うことが可能となり、ＡＩ鑑定を利用する鑑定士の業務支援を図ることができる。また、オンライン鑑定サービスでは、オンライン鑑定時間が短縮される他、オンライン鑑定時間内にＡＩ鑑定を行う計画が立てやすくなる。また、不安定な撮影条件に応じたＡＩの判定確度が考慮されるため、鑑定精度を担保することが可能となる。また、オンライン鑑定サービスを提供するリユース業者においては、撮影条件の違いによるＡＩの判定確度の誤差の平準化、鑑定士に応じた判定確度の平準化を行うことが可能となるなどの利点が想定される。

【0072】

［その他の実施形態］
以上、本発明を実施形態と共に説明したが、上記実施形態は本発明を実施するにあたっての具体化の例を示したものに過ぎず、これらによって本発明の技術的範囲が限定的に解釈されてはならないものである。すなわち、本発明はその技術思想、又はその主要な特徴から逸脱することなく、様々な形で実施することができる。

【0073】

上述の実施形態において、Ｓ４０４では、鑑定士の信頼度に基づいて、ＡＩ鑑定を行う判定項目の項目数を決定したが、鑑定システム１００を利用する買取客の信頼度に基づいて、ＡＩ鑑定を行う判定項目の項目数を決定しても構わない。この場合制御部２００は、オンライン鑑定サービスにおける売買実績や、フリマアプリの出品履歴に基づき、買取客の信頼度を算出する。ここで買取客の信頼度は、鑑定士の信頼度と同様に、ＡＩ鑑定を行う項目数を決定するのに利用される。
また、上述の実施形態において、Ｓ４０６では、鑑定品の動画像に付与されるメタデータから撮影条件を取得するとしたが、クライアント端末１３０で予めテスト撮影して得られた撮影データから撮影条件を取得するとしても構わない。
また、上述の実施形態において、鑑定ＡＩ制御部３０７の説明では、判定項目ごとの判定結果を集計して、ホスト端末１４０の入出力装置２０３（モニタ）に表示するとした。この集計値（本物らしさを表す指標値の集計値）が５０％付近であった場合に、制御部２００は、優先度が次に高い項目について、ＡＩモジュール２０４に対し、ＡＩ鑑定を実行させるよう制御してもよい。これにより、鑑定精度の向上を図ることができる。

【0074】

本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

【0075】

上述の各実施形態の開示は、以下の構成、方法及びプログラムを含む。
（構成１）
鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理装置であって、
前記鑑定は、前記鑑定対象の項目ごとに実行され、
前記鑑定対象に関連する複数の項目のそれぞれに対応する、前記鑑定対象の撮像画像を取得する画像取得手段と、
前記撮像画像の撮像条件に基づいて、項目ごとの優先度を決定する優先度決定手段と、
を有することを特徴とする情報処理装置。
（構成２）
前記鑑定対象に関連する複数の項目を取得する項目取得手段と、
前記情報処理装置を利用する利用者の信頼度に基づいて、前記項目取得手段で取得された項目のうち、前記鑑定に用いる項目の項目数を決定する項目数決定手段と、
を更に有することを特徴とする構成１に記載の情報処理装置。
（構成３）
前記優先度に基づいて、前記鑑定対象に関連する複数の項目の中から、前記鑑定に用いる項目を選択する項目選択手段、
を更に有することを特徴とする構成１又は２に記載の情報処理装置。
（構成４）
前記優先度に基づいて、前記鑑定対象に関連する複数の項目の、前記鑑定の実行順序を決定する実行順序決定手段、
を更に有することを特徴とする構成１～３の何れか１つに記載の情報処理装置。
（構成５）
前記優先度と前記項目数に基づいて、前記項目取得手段で取得された項目の中から、前記鑑定に用いる項目を選択する項目選択手段、
を更に有することを特徴とする構成２に記載の情報処理装置。
（構成６）
前記優先度決定手段は、前記撮像条件の値に応じて予測される、前記鑑定の結果の正しさを表す予測値に基づいて、前記優先度を決定することを特徴とする構成１～５の何れか１つに記載の情報処理装置。
（構成７）
前記優先度決定手段は、前記撮像条件の値に応じて予測される、前記鑑定に掛かる予測時間に基づいて、前記優先度を決定することを特徴とする構成１～６の何れか１つに記載の情報処理装置。
（構成８）
前記優先度決定手段は、項目ごとの前記撮像画像に付与されメタデータから、項目ごとの前記撮像条件を取得する特徴とする構成１～７の何れか１つに記載の情報処理装置。
（構成９）
前記撮像条件は、解像度、ＩＳＯ感度、及び画像サイズのうちの少なくとも何れか１つを含むことを特徴とする構成１～８の何れか１つに記載の情報処理装置。
（構成１０）
前記項目選択手段で選択された項目を、前記優先度の順に表示するよう制御する表示制御手段を、
更に有することを特徴とする構成３又は５に記載の情報処理装置。
（構成１１）
前記鑑定対象に関連する複数の項目ごとに機械学習された学習モデルに、項目ごとの前記撮像画像が入力されると、前記鑑定対象の本物らしさを表す指標値を項目ごとに出力する鑑定手段に対し、前記項目選択手段で選択された項目の前記鑑定を実行させるよう制御する実行制御手段と、
を更に有することを特徴とする構成３又は５に記載の情報処理装置。
（構成１２）
前記優先度に基づいて、前記鑑定手段に対し、前記項目選択手段で選択された項目の前記鑑定を実行させる順序を決定する実行順序決定手段、
を更に有することを特徴とする構成１１に記載の情報処理装置。
（構成１３）
前記実行順序決定手段は、前記項目選択手段で選択された項目の中で、前記優先度が低い項目を、前記鑑定を実行させる対象から除外することを特徴とする構成１２に記載の情報処理装置。
（構成１４）
前記鑑定対象の形状又は材質に関連する複数の項目を取得する項目取得手段、
を更に有することを特徴とする構成１～１３の何れか１つに記載の情報処理装置。
（構成１５）
鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理装置であって、
前記鑑定は、前記鑑定対象の項目ごとに実行され、
前記鑑定対象に関連する複数の項目を取得する項目取得手段と、
前記情報処理装置を利用する利用者の信頼度に基づいて、前記項目取得手段で取得された項目のうち、前記鑑定に用いる項目の項目数を決定する項目数決定手段と、
を有することを特徴とする情報処理装置。
（方法）
鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理方法であって、
前記鑑定は、前記鑑定対象の項目ごとに実行され、
前記鑑定対象に関連する複数の項目のそれぞれに対応する、前記鑑定対象の撮像画像を取得する画像取得ステップと、
前記撮像画像の撮像条件に基づいて、項目ごとの優先度を決定する優先度決定ステップと、
を含むことを特徴とする情報処理方法。
（プログラム）
鑑定対象に対して機械学習を利用した鑑定を行う際に用いる情報処理装置のコンピュータを機能させるためのプログラムであって、
前記鑑定は、前記鑑定対象の項目ごとに実行され、
前記鑑定対象に関連する複数の項目のそれぞれに対応する、前記鑑定対象の撮像画像を取得する画像取得手段と、
前記撮像画像の撮像条件に基づいて、項目ごとの優先度を決定する優先度決定手段、
として機能させることを特徴とするプログラム。

【符号の説明】

【0076】

１００：鑑定システム、１１０：クラウドサーバ、１３０：クライアント端末、１４０：ホスト端末

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】