特開 2024-180193 対応関係決定プログラム、対応関係決定方法、及び情報処理装置

(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】P2024180193

(43)【公開日】2024-12-26

(54)【発明の名称】対応関係決定プログラム、対応関係決定方法、及び情報処理装置

(51)【国際特許分類】

   G06F 30/27 20200101AFI20241219BHJP

   G06F 30/10 20200101ALI20241219BHJP

【ＦＩ】

G06F30/27

G06F30/10

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023099691

(22)【出願日】2023-06-16

(71)【出願人】

【識別番号】000005223

【氏名又は名称】富士通株式会社

(74)【代理人】

【識別番号】110003649

【氏名又は名称】弁理士法人真田特許事務所

(74)【代理人】

【識別番号】100189201

【弁理士】

【氏名又は名称】横田 功

(72)【発明者】

【氏名】屋並 仁史

(72)【発明者】

【氏名】小川 雅俊

(72)【発明者】

【氏名】下田 宏幸

(72)【発明者】

【氏名】小林 俊幸

【テーマコード（参考）】

5B146

【Ｆターム（参考）】

5B146DA07

5B146DC03

5B146DE05

5B146DL03

(57)【要約】

【課題】複数の図形データ間の線分の対応関係を決定するための訓練データの量を削減する。
【解決手段】情報処理装置１は、第１の図形データに含まれる第１の複数の線分のそれぞれについて、前記第１の複数の線分中の１つの線分の個別の図形情報を推論する第１機械学習モデル２１０と、前記第１の複数の線分中の１つの線分と前記第１の図形データ中の他の線分との相対的な関係の情報を推論する第２機械学習モデル２２０とを用いて、前記個別の図形情報と前記相対的な関係の情報とを含む複数の項目のそれぞれの推論結果を取得し、前記第１の複数の線分のそれぞれについての前記複数の項目のそれぞれの推論結果１３０に基づいて、前記第１の複数の線分と前記第１の図形データとは異なる第２の図形データに含まれる第２の複数の線分との対応関係を決定する。
【選択図】図２

【特許請求の範囲】

【請求項1】

第１の図形データに含まれる第１の複数の線分のそれぞれについて、前記第１の複数の線分中の１つの線分の個別の図形情報を推論する第１機械学習モデルと、前記第１の複数の線分中の１つの線分と前記第１の図形データ中の他の線分との相対的な関係の情報を推論する第２機械学習モデルとを用いて、前記個別の図形情報と前記相対的な関係の情報とを含む複数の項目のそれぞれの推論結果を取得し、
前記第１の複数の線分のそれぞれについての前記複数の項目のそれぞれの前記推論結果に基づいて、前記第１の複数の線分と前記第１の図形データとは異なる第２の図形データに含まれる第２の複数の線分との対応関係を決定する、
処理をコンピュータに実行させる、対応関係決定プログラム。

【請求項2】

前記個別の図形情報は、前記線分の位置、前記線分の向き、及び前記線分の曲率のうちの少なくとも１つの情報を含み、
前記相対的な関係の情報は、前記１つの線分が前記第１の図形データにおいて凹部または凸部を構成するか否かについての情報、前記１つの線分が前記第１の図形データにおける閉図形に対する外接矩形の辺を構成するか否かについての情報、及び前記１つの線分と前記閉図形の内部領域との関係についての情報のうちの少なくとも１つの情報を含む、
請求項１に記載の対応関係決定プログラム。

【請求項3】

対応関係を決定する処理は、
前記第２の複数の線分のそれぞれについて、前記第２の複数の線分中の１つの線分の個別の図形情報と、前記第２の複数の線分中の１つの線分と前記第２の図形データ中の他の線分との相対的な関係と、を含む複数の項目について示す特徴情報を取得し、
前記特徴情報及び前記推論結果を用いて、前記第１の複数の線分のそれぞれの線分と前記第２の複数の線分のそれぞれの線分との各対応関係についての確信度を集計し、
前記対応関係についての確信度が高い順番で前記対応関係が一対一対応になるように前記対応関係を決定する、処理を含む、請求項１に記載の対応関係決定プログラム。

【請求項4】

前記第２の複数の線分に含まれる２つの線分同士の相対的な位置関係に基づいて、前記対応関係を修正する、
処理を前記コンピュータに実行させる、請求項１に記載の対応関係決定プログラム。

【請求項5】

前記第２の図形データの前記第２の複数の線分の一部に対して付与された第１の寸法表記に関する情報を取得し、前記決定された対応関係に基づいて、前記第２の図形データにおいて前記第１の寸法表記が付された位置及び態様に対応して、前記第１の図形データにおいて第２の寸法表記を付与する、
処理を前記コンピュータに実行させる、請求項１に記載の対応関係決定プログラム。

【請求項6】

第１の図形データに含まれる第１の複数の線分のそれぞれについて、前記第１の複数の線分中の１つの線分の個別の図形情報を推論する第１機械学習モデルと、前記第１の複数の線分中の１つの線分と前記第１の図形データ中の他の線分との相対的な関係の情報を推論する第２機械学習モデルとを用いて、前記個別の図形情報と前記相対的な関係の情報とを含む複数の項目のそれぞれの推論結果を取得し、
前記第１の複数の線分のそれぞれについての前記複数の項目のそれぞれの推論結果に基づいて、前記第１の複数の線分と前記第１の図形データとは異なる第２の図形データに含まれる第２の複数の線分との対応関係を決定する、
処理をコンピュータが実行する、対応関係決定方法。

【請求項7】

第１の図形データに含まれる第１の複数の線分のそれぞれについて、前記第１の複数の線分中の１つの線分の個別の図形情報を推論する第１機械学習モデルと、前記第１の複数の線分中の１つの線分と前記第１の図形データ中の他の線分との相対的な関係の情報を推論する第２機械学習モデルとを用いて、前記個別の図形情報と前記相対的な関係の情報とを含む複数の項目のそれぞれの推論結果を取得し、
前記第１の複数の線分のそれぞれについての前記複数の項目のそれぞれの推論結果に基づいて、前記第１の複数の線分と前記第１の図形データとは異なる第２の図形データに含まれる第２の複数の線分との対応関係を決定する、
処理を実行する制御部を含む、情報処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、機械学習に関する。

【背景技術】

【0002】

ＣＡＤ（コンピュータ支援設計）の操作画面上において一つ以上の描画実体を選択した場合に、描画実体の特徴に基づいて、寸法アノテーション（寸法表記）の記載位置を決定する技術が知られている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１９－８６６４号公報

【特許文献2】特開平７－２３０４８２号公報

【特許文献3】米国特許公開２０１４－０３０６９５６号

【特許文献4】米国特許公開２００８－０１２６０２３号

【発明の概要】

【発明が解決しようとする課題】

【0004】

過去に作成された図面と類似する図面が新規に作成される場合に、新規に作成される図面に対して、図面利用者の固有のルール等の観点から、過去の図面と同様の記載位置及び態様の寸法アノテーションを付加したい場合がある。そのためには、前提として、過去図面における図形（描画実体）と新規作成図面における図形との間において、線分間の対応関係が機械学習モデル等を用いて決定される。決定された線分間の対応関係に基づいて、寸法アノテーションの記載位置及び態様が決定される。

【0005】

しかし、過去に作成された類似の図面を訓練データとして機械学習する場合において、過去に作成された図面の枚数の関係によって、機械学習用の訓練データが十分に用意できない場合がある。複数の図面間において線分の対応関係を決定するための訓練データの量を削減することが望ましい。これは、図面の寸法付け以外の用途においても、複数の図形データ間の線分の対応関係を決定する精度を向上するための訓練データの量を削減することが望まれている。

【0006】

１つの側面では、本発明は、複数の図形データ間の線分の対応関係を決定するための訓練データの量を削減することを目的の１つとする。

【課題を解決するための手段】

【0007】

１つの側面では、対応関係決定プログラムは、コンピュータに以下の処理を実行させる。第１機械学習モデルは、第１の図形データに含まれる第１の複数の線分のそれぞれについて、前記第１の複数の線分中の１つの線分の個別の図形情報を推論する。第２機械学習モデルは、前記第１の複数の線分中の１つの線分と前記第１の図形データの他の線分との相対的な関係の情報を推論する。前記処理は、前記第１機械学習モデル及び前記第２機械学習モデルを用いて、前記個別の図形情報と前記相対的な関係の情報とを含む複数の項目のそれぞれの推論結果を取得する。前記処理は、前記第１の複数の線分のそれぞれについての前記複数の項目のそれぞれの推論結果に基づいて、前記第１の複数の線分と前記第１の図形データとは異なる第２の図形データに含まれる第２の複数の線分との対応関係を決定する。

【発明の効果】

【0008】

１つの側面では、本発明は、複数の図形データ間の線分の対応関係を決定するための訓練データの量を削減することができる。

【図面の簡単な説明】

【0009】

【図1】過去図形データと新規作成図形データの一例を示す図である。

【図2】実施形態に係る情報処理装置による推論フェーズにおける処理の概要を説明する図である。

【図3】実施形態に係る情報処理装置による訓練フェーズにおける処理の概要を説明する図である。

【図4】図形データに含まれる複数の線分のそれぞれについて訓練及び推論する項目の一例を示す図である。

【図5】実施形態に係る情報処理装置を図面作成システムに適用した場合の訓練フェーズにおける構成の一例を示す図である。

【図6】実施形態に係る情報処理装置を図面作成システムに適用した場合の推論フェーズにおける構成の一例を示す図である。

【図7】実施形態に係る情報処理装置の機能を実現するコンピュータのハードウェア（ＨＷ）構成例を示すブロック図である。

【図8】実施形態に係る情報処理装置による訓練フェーズにおける機能構成例を示すブロック図である。

【図9】実施形態に係る情報処理装置による推論フェーズにおける機能構成例を示すブロック図である。

【図10】過去図形データにおける各線分と特徴との関係を示す線分＿特徴データの一例である。

【図11】第２図形内部方向判定モデルを用いた推論結果の一例である。

【図12】推論結果を用いた投票方式の一例を示す図である。

【図13】推論結果を用いた集計結果テーブルの一例である。

【図14】推論結果を用いた集計結果テーブルの一例である。

【図15】過去図形データにおける各線分と、新規作成図形データにおける各線分との対応関係を算出するためのＮ正方行列の一例である。

【図16】対応付けが完了した行と列を除去したＮ－１正方行列の一例である。

【図17】推論結果を用いた投票方式の他の例を示す図である。

【図18】一対一対応を用いた対応付けの修正を説明する図である。

【図19】実施形態に係る情報処理装置による訓練フェーズにおける動作の一例を示すフローチャートである。

【図20】実施形態に係る情報処理装置による推論フェーズにおける動作の一例を示すフローチャートである。

【図21】実施例の一例を示す図である。

【発明を実施するための形態】

【0010】

以下、図面を参照して一実施形態を説明する。但し、以下に示す実施形態はあくまでも例示に過ぎず、実施形態で明示しない種々の変形例や技術の適用を排除する意図はない。すなわち、本実施形態を、その趣旨を逸脱しない範囲で種々変形して実施することができる。また、各図は、図中に示す構成要素のみを備えるという趣旨ではなく、他の要素が含まれてもよい。

【0011】

［Ａ］対応関係決定手法についての説明
図１は、過去図形データ１０と新規作成図形データ２０の一例を示す図である。

【0012】

過去図形データ１０は、一例において、過去に作成した図面データである。新規作成図形データ２０は、一例において、新たに作成する図面データである。過去図形データ１０及び新規作成図形データ２０は、設計段階でＣＡＤソフトを使って作成されてよい。

【0013】

過去図形データ１０は、図形１２を含む。同様に、新規作成図形データ２０は、図形２２を含む。本明細書において、「図形」は、複数の線分から構成される線分集合または描画実体である。「図形の内部」とは、図形が閉図形を含む場合における閉図形で囲まれる内部空間を意味する。「図形の外部」とは、閉図形で囲まれる内部空間以外の部分を意味する。

【0014】

図１において、過去図形データ１０に含まれる線分＃１～＃１４は、閉図形である図形１２の辺（すなわち、輪郭）を構成する。新規作成図形データ２０に含まれる線分＃１－１～＃１４－１は、閉図形である図形２２の辺を構成する。但し、図１と異なり、過去図形データ１０及び新規作成図形データ２０は、それぞれ閉図形の辺を構成しない線分を含んでよい。

【0015】

過去図形データ１０には、線分＃１～＃１４の長さ及び円弧の半径等の情報を表す寸法アノテーション１３（すなわち、寸法アノテーション＃ａ１～＃ｈ１）が付けられている。寸法アノテーション１３は、寸法線、補助線（すなわち、引き出し線）、及び寸法数値の一つ以上を含む。寸法アノテーション１３は、第２の寸法表記の一例である。

【0016】

寸法アノテーション１３の表記位置及び態様には、業種、業務、会社、及び部門等によって様々な寸法付けルール（すなわち、寸法付け慣習）がある。

【0017】

ＣＡＤソフトに付属している自動寸法付け機能を用いる場合には、コンピュータが図形２２の線分＃１－１～＃１４－１に対応して寸法を振る位置を計算し、引出し線及び寸法が自動で付け加える。しかしながら、自動寸法付け機能によっては、寸法付けルールに適合した位置及び態様の寸法アノテーションを実現することが困難である。また、冗長に寸法付けがされる場合もある。従って、製図者が、自動で付けられた寸法をチェックし、寸法付けルールと異なる態様の寸法アノテーション等については製図者が手作業で修正する。設計が変更される毎に、手作業での修正部分がリセットされる場合があり、自動寸法付けと手作業での修正とを繰り返すこととなるので、作業負担が大きくなる。

【0018】

メーカー等は、類似する製品を設計することがあるので、新規作成図形データ２０と類似する過去図形データ１０を図面データとして所有していることがある。従って、新たに新規作成図形データ２０に寸法アノテーションを付する場合には、過去図形データ１０の寸法アノテーション１３に倣うことによって、過去図形データ１０と同様の寸法付けルールに適合した寸法アノテーション１３を決定する手法が考えられる。その前提として、コンピュータは、新規作成図形データ２０（すなわち、新規作成した図面）のうちの各線分＃１－１～＃１４－１が、過去図形データ１０のうちのどの線分＃１～＃１４に対応するかを判定する。

【0019】

新規作成図形データ２０の複数の線分＃１－１～＃１４－１のうち１本の線分に対して、過去図形データ１０（すなわち、過去図面）のどの線分が一番近いかを画像で判定する手法が考えられる。例えば、線分＃１～＃１４と線分＃１－１～＃１４－１との間で重心の位置が最も近い線分同士を探索することによって線分間の対応付けをする方法がある。また、線分＃１～＃１４と線分＃１－１～＃１４－１との間で線分の両端点の位置が最も近いものを探索することによって線分間の対応付けをする方法がある。

【0020】

しかしながら、これらの方法による場合には、図１に示す図形１２と図形２２のように、対応関係にない線分同士（図形１２の＃２と図形２２の＃４－１）の重心又は両端点位置が近似する場合、正しい対応関係を決定することが困難となる。対応関係がないにも関わらず、図形１２の線分＃２が図形２２の線分＃４－１に対応すると判断されてしまう。

【0021】

他の対応付け方法として、機械学習を利用して、複数の図形データ間の線分の対応関係を決定することが考えられる。一例において、過去に作成した過去図面であって新規に作成する図面と類似する過去図形データ１０を訓練データとして活用して、新規に作成した図面中の図形線分と過去図面の図形線分との対応付けを学習した機械学習モデルが作成される。

【0022】

過去図形データ１０に含まれる複数の線分＃１～＃１４のうち１本の線分（例えば線分＃１）の色等の情報を変えた画像データが作成される。一例において、当該線分については赤色とし、他の線分については黒色としてよい。画像データと、正解ラベルである線分番号（＃１）を対応付けた訓練データが作成される。線分番号は、線分を特定する番号であってよい。同様に、過去図形データ１０中に１４個の線分があれば、線分の数（本例では、１４通り）について、同様の訓練データを作成する。類似する複数通りの過去図形データ１０に基づいて作成した訓練データを用いて、深層ニューラルネットワーク（ＤＮＮ）等を含む機械学習モデルが訓練される。換言すれば、ニューラルネットワークのパラメータが調整される。

【0023】

制御部１１０は、訓練済みの機械学習モデルを用いて、新規作成図形データ２０が過去図形データ１０のどの線分番号に対応するかについて推論する。一例において、新規作成図形データ２０に含まれる複数の線分＃１－１～＃１４－１のうち、１本の線分（例えば線分＃１－１）の色等の情報を変えた推論対象の画像データが作成される。訓練済みの機械学習モデルが、対応する線分番号（＃１）を推論する。この結果、複数の図形データ間の線分の対応関係が決定される。

【0024】

しかしながら、発明者等の研究によると、新規作成図形データ２０における線分番号決定の正解率を９０％とするためには、訓練データを作るために１０００枚程度の過去図形データ１０が必要となる。メーカー等は、類似する製品を設計することによって、新規作成図形データ２０と類似する過去図形データ１０を図面データとして所有しているが、１０００枚には及ばない場合が多い。そこで、実施形態の情報処理装置は、訓練データが十分に用意できない場合においても、複数の図形データ間の線分の対応関係を決定する精度を向上する。以下、情報処理装置について説明する。

【0025】

図２は、実施形態に係る情報処理装置１による推論フェーズにおける処理の概要を説明する図である。

【0026】

情報処理装置１は、コンピュータである。情報処理装置１は、制御部１１０を備える。本例では、情報処理装置１は、第１機械学習モデル群２１０及び第２機械学習モデル群２２０を備える。但し、第１機械学習モデル群２１０及び第２機械学習モデル群２２０は、情報処理装置１の外部に設けられてもよい。

【0027】

第１機械学習モデル群２１０は、新規作成図形データ２０に含まれる線分＃１－１～＃１４－１のそれぞれについて、複数の線分＃１－１～＃１４－１中の１つの線分の個別の図形情報を推論する。第１機械学習モデル群２１０は、例示的に第１方向位置判定モデル２１１、第２方向位置判定モデル２１２、種類判定モデル２１３、及び方向判定モデル２１４を有する。但し、第１機械学習モデル群２１０は、これらの種類以外の機械学習モデルを有してもよい。第１機械学習モデル群２１０は、１つの第１機械学習モデル２１０ａであってもよい。第１機械学習モデル群２１０と第１機械学習モデル２１０ａを総称して、第１機械学習モデル群２１０と称する場合がある。第１機械学習モデル群２１０は、少なくとも１つの第１の機械学習モデルの一例である。新規作成図形データ２０は、第１の図形データの一例である。線分＃１－１～＃１４－１は、第１の複数の線分の一例である。

【0028】

第２機械学習モデル群２２０は、新規作成図形データ２０に含まれる線分＃１－１～＃１４－１のそれぞれについて、線分＃１－１～＃１４－１中の１つの線分と新規作成図形データ２０中の他の１以上の線分との相対的な関係を推論する。相対的な関係は、図形的な関係である。第２機械学習モデル群２２０は、凹凸構成判定モデル２２１、辺判定モデル２２２、第１図形内部方向判定モデル２２３、及び第２図形内部方向判定モデル２２４を有する。但し、第２機械学習モデル群２２０は、これらの種類以外の機械学習モデルを有してもよい。第２機械学習モデル群２２０は、１つの第２機械学習モデル２２０ａであってもよい。第２機械学習モデル群２２０と第２機械学習モデル２２０ａを総称して、第２機械学習モデル群２２０と称する場合がある。第２機械学習モデル群２２０は少なくとも１つの第２機械学習モデルの一例である。

【0029】

第１機械学習モデル群２１０及び第２機械学習モデル群２２０に含まれる各機械学習モデルは、入力層と出力層との間に隠れ層（中間層）を多層にしたＤＮＮ（ディープニューラルネットワーク）ベースの特徴検出モデルであってよい。

【0030】

制御部１１０は、情報処理装置１の演算及び制御を実行する。制御部１１０は、新規作成図形データ２０に含まれる線分＃１－１～＃１４－１のそれぞれについて、第１機械学習モデル群２１０と第２機械学習モデル群２２０とを用いて、個別の図形情報と相対的な関係の情報とを含む複数の項目の推論結果１３０を取得する。制御部１１０は、推論結果１３０に基づいて、線分＃１－１～＃１４－１と、過去図形データ１０に含まれる複数の線分＃１～＃１４との対応関係を決定する。制御部１１０は、線分＃１－１～＃１４－１について、過去図形データ１０における線分番号（＃１～＃１４）を決定する。例えば、制御部１１０は、線分対応関係として線分番号（＃７）を決定する。

【0031】

なお、図２に示されるように、第１機械学習モデル群２１０及び第２機械学習モデル群２２０に含まれる各機械学習モデルによるクラス判定結果（すなわち、推論結果１３０）は、推論される特徴と、推論における確信度とを含んでよい。例えば、第１方向位置判定モデル２１１は、線分が中央部に位置するという特徴の推論と、推論の確信度が８０％であることを出力する。第１機械学習モデル群２１０及び第２機械学習モデル群２２０に含まれる各機械学習モデルの数は、推論される特徴の数による。

【0032】

過去図形データ１０は、新規作成図形データ２０と異なる第２の図形データの一例である。線分＃１～＃１４は、第２の複数の線分の一例である。なお、線分＃１～＃１４及び線分＃１－１～＃１４－１のぞれぞれの数は１４の場合に限られない。

【0033】

図３は、実施形態に係る情報処理装置１による訓練フェーズにおける処理の概要を説明する図である。第１機械学習モデル群２１０及び第２機械学習モデル群２２０は、過去図形データ１０に基づいて訓練される。

【0034】

図２及び図３において、第１機械学習モデル群２１０及び第２機械学習モデル群２２０は、それぞれ線分＃１－１～＃１４－１の局所的特徴に関して訓練し、推論する。局所的特徴は、個別の図形情報または相対的な関係の情報についての項目の一例である。個別の図形情報と相対的な関係の情報との双方を含む複数種類の局所的特徴は、個別の図形情報と相対的な関係の情報とを含む複数の項目の一例である。以下、図４を参照しつつ、第１機械学習モデル群２１０及び第２機械学習モデル群２２０について説明する。本例では、複数の項目の数、すなわち、局所的特徴の数に応じて、機械学習モデルが設けられる。

【0035】

図４は、図形データに含まれる複数の線分（＃１～＃１４、及び＃１－１～＃１４－１）のそれぞれについて訓練及び推論する項目の一例を示す図である。複数の項目は、線分の個別の図形情報に関する項目（図４の符号（１）～（４））と、複数の線分間の相対的な関係に関する項目（図４の符号（５）～（８））とを含む。個別の図形情報は、線分の位置（図４の符号（１）、（２））、線分の向き（図４の符号（３））、及び線分の曲率（図４の符号（４））のうちの少なくとも１つの情報を含んでよい。複数の線分間の相対的な関係は、１つの線分が新規作成図形データ２０の閉図形（図形２２）の凹部または凸部を構成するか否かについての情報（図４の符号（５））を含んでよい。複数の線分間の相対的な関係は、１つの線分が新規作成図形データ２０の閉図形（図形２２）に対する外接矩形の辺を構成するか否かについての情報（図４の符号（６））を含んでよい。複数の線分間の相対的な関係は、１つの線分と第１の図形データ中の閉空間内部との関係（図４の符号（７）、（８））についての情報を含んでよい。

【0036】

第１方向位置判定モデル２１１は、一例において、線分の第１方向位置として、上部、中間部、下部のクラスを推論する（図４の符号（１））。線分の第１方向位置は、図形データの描画平面上において、線分が位置する第１方向における位置である。第１方向は、描画平面内の一つの方向を意味し、例えば、図１におけるＹ方向である。図４において、第１方向は縦方向であってよい。

【0037】

第２方向位置判定モデル２１２は、一例において、線分の第２方向位置として、左部、中央部、右部のクラスを推論する（図４の符号（２））。線分の第２方向位置は、図形データの描画平面上において、線分が位置する第２方向における位置である。第２方向は、第１方向と直行する方向である。例えば、第２方向は、図１におけるＸ方向である。図４において、第２方向は水平方向であってよい。第１方向位置判定モデル２１１及び第２方向位置判定モデル２１２は、線分の位置を推論する機械学習モデルの一例である。

【0038】

種類判定モデル２１３は、線分が直線であるか、曲線であるかを推論する（図４の符号（３））。換言すれば、種類判定モデル２１３は、線分の曲率を推論する機械学習モデルの一例である。

【0039】

方向判定モデル２１４は、一例において、線分の向きとして、縦方向、横方向、斜方向のクラスを推論する。Ｙ軸に対して所定角度以内の傾きである線分の方向が縦方向と分類され、Ｘ軸に対して所定角度以内の傾きである線分の向きが横方向と分類され、縦方向及び横方向の間の角度の傾きである線分の向きが斜方向と分類されてもよい（図４の符号（４））。方向判定モデル２１４は、線分が曲線であり、線分が伸びる方向が変化する場合は、線分の方向を「その他」と推論してよい。方向判定モデル２１４は、線分の向きを推論する機械学習モデルの一例である。

【0040】

凹凸構成判定モデル２２１は、線分が両端で接続する線分と協同して、閉図形である図形２２の凸部を構成する場合に該当するか、凹部を構成する場合に該当するか、又はその他の場合に該当するかを推論する（図４の符号（５））。図１の図形２２を例にとると、線分＃１－１は、両端で接続する線分＃２－１と線分＃１４－１と協同して図形２２の凸部を構成する。線分＃３－１は、両端で接続する線分＃２－１と線分＃４－１と協同して図形２２の凹部を構成する。線分＃２－１は、両端で接続する線分＃１－１と線分＃３－１と協同することにより、凸部も凹部も構成しないので、「その他」に該当する。

【0041】

辺判定モデル２２２は、線分が、閉図形である図形２２の外接矩形の辺を構成するか否かを推論する（図４の符号（６））。外接矩形は、図形２２を囲める最小の矩形である。

【0042】

第１図形内部方向判定モデル２２３は、線分を基準にして第１方向が、閉図形である図形２２の内部となるか否かを推論する。第１方向は、図１におけるＹ軸の正方向であってよい。第１方向は、上方向または下方向であってよい。本例では、第１方向は、上方向である。なお、第１図形内部方向判定モデル２２３は、線分が曲線等の理由によって、線分の第１方向（例えば、上方向）が閉図形内部の状態と閉図形外部の状態とで変化する場合には、「その他」と判断してよい。

【0043】

第２図形内部方向判定モデル２２４は、線分を基準にして第２方向が、閉図形である図形２２の内部となるか否かを推論する。第２方向は、図１におけるＸ軸の負方向であってよい。第２方向は、左方向または右方向であってよい。本例では、第２方向は、左方向である。なお、第２図形内部方向判定モデル２２４は、線分が曲線等の理由によって、線分の第２方向（例えば、左方向）が閉図形内部の状態と閉図形外部の状態とで変化する場合には、「その他」と判断してよい。

【0044】

例えば、図１における過去図形データ１０の線分＃２は、第２図形内部方向判定モデル２２４によって、線分の第２方向（例えば、左方向）が閉図形内部の状態（ＹＥＳ）である推論される。一方、図１における新規作成図形データ２０の線分＃４－１は、第２図形内部方向判定モデル２２４によって、線分の第２方向（例えば、左方向）が閉図形外部の状態（ＮＯ）である推論される。従って、重心及び線分の両端点の位置に基づく処理では、線分の対応関係の決定が困難な場合においても、個別の図形情報についての局所的特徴と他の線分との相対的な関係の情報についての局所的特徴との双方を考慮することによって、線分の対応関係の決定が可能となる。

【0045】

［Ｂ］図面作成システムの説明
図５は、実施形態に係る情報処理装置１を図面作成システム２に適用した場合の訓練フェーズにおける構成の一例を示す図である。

【0046】

図面作成システム２は、過去図形データ記憶部２３及び選択部２４を備える。過去図形データ記憶部２３は、過去に作成された複数の類似図面データについて互いに対応づけて記憶する。一例において、識別情報等によって複数の類似図面データが記憶管理されてよい。

【0047】

選択部２４は、識別情報に基づいて、互いに対応づけて記憶されている複数の類似図面データを選択する。複数の類似図面データは、類似部品についての過去図面に対応する。制御部１１０は、例えば、複数の類似図面データを複数の過去図形データ１０として取得する。

【0048】

制御部１１０は、複数の過去図形データ１０に含まれる複数の線分＃１～＃１４のうち、１本の線分（例えば線分＃１）の色等の情報を変えた複数の図形データを作成する。制御部１１０は、１本の線分ごとに、図形データと、一つの個別の図形情報の正解ラベルとを対応付けた第１訓練データを作成する。制御部１１０は、各図形データと図４の符号（１）～（４）等の各個別の図形情報の正解ラベルとを対応付けて第１訓練データ群を作成する。

【0049】

同様に、制御部１１０は、１本の線分ごとに、図形データと、一つの相対的な関係の情報とを対応付けた第２訓練データを作成する。制御部１１０は、図形データと図４の符号（５）～（８）等の各相対的な関係の正確ラベルとを対応付けて第２訓練データ群を作成する。

【0050】

制御部１１０は、第１訓練データ群を用いて第１機械学習モデル群２１０を訓練する。制御部１１０は、第２訓練データ群を用いて第２機械学習モデル群２２０を訓練する。なお、第１機械学習モデル群２１０と第２機械学習モデル群２２０は、対応関係決定モデル群２０２を構成してよい。

【0051】

図６は、実施形態に係る情報処理装置１を図面作成システム２に適用した場合の推論フェーズにおける構成の一例を示す図である。

【0052】

図面作成システム２は、ＣＡＤ装置３１、２次元図面作成部３２、類似図面検索部３３、モデル群選択部３４、過去図面アノテーション情報選択部３５、アノテーション付き図面生成部３６、及び過去図形データ記憶部２３を備える。

【0053】

ＣＡＤ装置３１は、３次元ＣＡＤであってよい。２次元図面作成部３２は、新規の２次元図面データを作成する。２次元図面作成部３２は、ＣＡＤ装置３１における３次元ＣＡＤデータに基づいて、２次元図面データを作成してよい。２次元図面データには、識別情報が付加されてよい。作成された２次元図面データは、新規作成図形データ２０の一例である。

【0054】

類似図面検索部３３は、２次元図面作成部３２によって作成された２次元図面データの識別情報等に基づいて、類似する過去図面を検索する。モデル群選択部３４は、類似図面検索部３３による検索結果に基づいて、類似する過去図面によって訓練された訓練済みの対応関係決定モデル群２０２を選択する。換言すれば、モデル群選択部３４は、訓練済みの第１機械学習モデル群２１０及び第２機械学習モデル群２２０を選択する。

【0055】

制御部１１０は、新規作成図形データ２０に含まれる複数の線分＃１－１～＃１４－１のうち、１本の線分（例えば線分＃１－１）の色等の情報を変えた推論対象の画像データを作成する。制御部１１０は、選択された訓練済みの第１機械学習モデル群２１０及び第２機械学習モデル群２２０を用いて、対応する線分番号（＃１）の複数種類の局所的特徴を推論する。制御部１１０は、複数種類の局所的特徴を推論結果１３０に基づいて、線分の対応関係を決定する。

【0056】

過去図面アノテーション情報選択部３５は、２次元図面データの識別情報等に基づいて、対応する寸法アノテーション情報２５を選択する。寸法アノテーション情報２５は、寸法アノテーションを付加する対象となる線分、付加する位置、及び付加する態様等を含む。寸法アノテーション情報２５は、寸法付けルールを満たしている。過去図面アノテーション情報選択部３５は、複数の過去図形データ１０の線分＃１～＃１４の一部に対して付与された寸法アノテーション情報２５を取得する。

【0057】

アノテーション付き図面生成部３６は、制御部１１０によって決定された対応関係に基づいて、過去図形データ１０において寸法アノテーション１３が付与された位置及び態様に対応して、新規作成図形データ２０において新たに寸法アノテーション２６を付加する。この結果、新規作成図形データ２０において、過去図形データ１０と同様の寸法付けルールに従って、新たな寸法アノテーション２６が付加される。アノテーション付き図面生成部３６は、制御部１１０の一部であってもよい。寸法アノテーション２６は、第２の寸法表記の一例である。

【0058】

［Ｃ］ハードウェア構成例
図７は、実施形態に係る情報処理装置１の機能を実現するコンピュータのハードウェア（ＨＷ）構成例を示すブロック図である。

【0059】

図７に示すように、情報処理装置１は、プロセッサ１０１，メモリ１０２，表示装置１０３，記憶装置１０４，入力ＩＦ１０５，外部記録媒体処理装置１０６及び通信ＩＦ１０７を備える。

【0060】

メモリ１０２は、例示的に、Read Only Memory（ＲＯＭ）及びRandom Access Memory（ＲＡＭ）などである。メモリ１０２のＲＯＭには、Basic Input/Output System（ＢＩＯＳ）等のプログラムが書き込まれてよい。メモリ１０２のソフトウェアプログラムは、プロセッサ１０１に適宜に読み込まれて実行されてよい。また、メモリ１０２のＲＡＭは、一時記録メモリあるいはワーキングメモリとして利用されてよい。

【0061】

表示装置１０３は、液晶ディスプレイやOrganic Light-Emitting Diode（ＯＬＥＤ）ディスプレイ，Cathode Ray Tube（ＣＲＴ），電子ペーパーディスプレイ等であり、オペレータ等に対する各種情報を表示する。表示装置１０３は、入力装置と組み合わされたものでもよく、例えば、タッチパネルでもよい。

【0062】

記憶装置１０４は、高ＩＯ性能の記憶装置であり、例えば、Dynamic Random Access Memory（ＤＲＡＭ）やＳＳＤ，Storage Class Memory（ＳＣＭ），ＨＤＤが用いられてよい。

【0063】

入力ＩＦ１０５は、マウス１０５１やキーボード１０５２等の入力装置と接続され、マウス１０５１やキーボード１０５２等の入力装置を制御してよい。マウス１０５１やキーボード１０５２は、入力装置の一例であり、これらの入力装置を介して、オペレータが各種の入力操作を行う。

【0064】

外部記録媒体処理装置１０６は、記録媒体１０６０が装着可能に構成される。外部記録媒体処理装置１０６は、記録媒体１０６０が装着された状態において、記録媒体１０６０に記録されている情報を読み取り可能に構成される。本例では、記録媒体１０６０は、可搬性を有する。例えば、記録媒体１０６０は、フレキシブルディスク、光ディスク、磁気ディスク、光磁気ディスク、または、半導体メモリ等である。

【0065】

通信ＩＦ１０７は、外部装置との通信を可能にするためのインタフェースである。

【0066】

プロセッサ１０１は、コンピュータの一例であり、種々の制御や演算を行う処理装置である。プロセッサ１０１は、メモリ１０２に読み込まれたOperating System（ＯＳ）やプログラムを実行することにより、種々の機能を実現する。なお、プロセッサ１０１は、ＣＰＵ（Central Processing Unit）であってもよく、複数のＣＰＵを含むマルチプロセッサであってもよく、複数のＣＰＵコアを有するマルチコアプロセッサであってもよく、或いは、マルチコアプロセッサを複数有する構成であってもよい。

【0067】

情報処理装置１全体の動作を制御するための装置は、ＣＰＵに限定されず、例えば、ＧＰＵ、ＭＰＵやＤＳＰ，ＡＳＩＣ，ＰＬＤ，ＦＰＧＡのいずれか１つであってもよい。また、情報処理装置１全体の動作を制御するための装置は、ＣＰＵ，ＧＰＵ，ＭＰＵ，ＤＳＰ，ＡＳＩＣ，ＰＬＤ及びＦＰＧＡのうちの２種類以上の組み合わせであってもよい。なお、ＧＰＵはGraphics Processing Unitの略称であり、ＭＰＵはMicro Processing Unitの略称であり、ＤＳＰはDigital Signal Processorの略称であり、ＡＳＩＣはApplication Specific Integrated Circuitの略称である。また、ＰＬＤはProgrammable Logic Deviceの略称であり、ＦＰＧＡはField Programmable Gate Arrayの略称である。

【0068】

上述した情報処理装置１のＨＷ構成は例示である。したがって、情報処理装置１内でのＨＷの増減（例えば任意のブロックの追加や削除）、分割、任意の組み合わせでの統合、又は、バスの追加若しくは削除等は適宜行なわれてもよい。

【0069】

［Ｃ］機能構成例
［Ｃ－１］訓練フェーズ
図８は、実施形態に係る情報処理装置１による訓練フェーズにおける機能構成例を示すブロック図である。

【0070】

情報処理装置１は、制御部１１０及び記憶部２００を有する。制御部１１０は、過去データ取得部１１１、訓練データ作成部１１２、及び訓練実行部１１３を備える。

【0071】

記憶部２００は、記憶領域の一例であり、制御部１１０が利用する種々のデータを記憶する。記憶部２００は、例えば、図７に示すメモリ１０２及び記憶装置１０４のうちの一方又は双方が有する記憶領域により実現されてもよい。

【0072】

図８に示すように、記憶部２００は、例示的に、第１機械学習モデル群２１０、及び第２機械学習モデル群２２０を記憶可能であってよい。

【0073】

第１機械学習モデル群２１０は、図２及び図３において説明したように、第１方向位置判定モデル２１１、第２方向位置判定モデル２１２、種類判定モデル２１３、及び方向判定モデル２１４を含む。但し、第１機械学習モデル群２１０は、これらの機械学習モデルの全てを含まなくてよい。また、第１機械学習モデル群２１０は、図形データに含まれる複数の線分について線分の個別の図形情報を推論するものであれば、他の機械学習モデルを含んでよい。

【0074】

第２機械学習モデル群２２０は、図２及び図３において説明したように、凹凸構成判定モデル２２１、辺判定モデル２２２、第１図形内部方向判定モデル２２３、及び第２図形内部方向判定モデル２２４を含む。但し、第２機械学習モデル群２２０は、これらの機械学習モデルの全てを含まなくてよい。また、第２機械学習モデル群２２０は、図形データに含まれる複数の線分について、複数の線分中の１つの線分と複数の線分中の他の線分との相対的な関係を推論するものであれば、他の機械学習モデルを含んでよい。

【0075】

過去データ取得部１１１は、複数通りの過去図形データ１０を取得する。過去図形データ１０は一例において、過去に作成された図面である。一例において、過去データ取得部１１１は、３０通り以上、好ましくは５０通り以上の過去図形データ１０を取得する。

【0076】

訓練データ作成部１１２は、複数の過去図形データ１０に含まれる複数の線分＃１～＃１４のうち、１本の線分（例えば線分＃１）の色等の情報を変えた複数の図形データを作成する。訓練データ作成部１１２は、１本の線分ごとに、図形データと、１つの局所的特徴の正解ラベルとを対応づけた訓練データを作成する。訓練データ作成部１１２は、各線分と各局所的特徴とに応じて訓練データ群を作成する。

【0077】

訓練データ群は、図形データと図４の符号（１）～（４）等の各個別の図形情報の正解ラベルとを対応付けた第１訓練データ群１２１、及び図形データと図４の符号（５）～（８）等の各相対的な関係の正確ラベルとを対応付けた第２訓練データ群１２２とを含む。

【0078】

訓練実行部１１３は、第１訓練データ群１２１を用いて、第１方向位置判定モデル２１１、第２方向位置判定モデル２１２、種類判定モデル２１３、及び方向判定モデル２１４等の第１機械学習モデル群２１０を訓練する。訓練実行部１１３は、機械学習によって、各モデルの階層深層ニューラルネットワークのパラメータを調整する。調整されたパラメータは記憶部２００に記憶される。

【0079】

同様に、訓練実行部１１３は、第２訓練データ群１２２を用いて、凹凸構成判定モデル２２１、辺判定モデル２２２、第１図形内部方向判定モデル２２３、及び第２図形内部方向判定モデル２２４等の第２機械学習モデル群２２０を訓練する。訓練実行部１１３は、機械学習によって、各モデルの階層深層ニューラルネットワークのパラメータを調整する。

【0080】

［Ｃ－２］推論フェーズ
図９は、実施形態に係る情報処理装置１による推論フェーズにおける機能構成例を示すブロック図である。

【0081】

図９に示すように、記憶部２００は、例示的に、訓練済みの第１機械学習モデル群２１０及び第２機械学習モデル群２２０を記憶可能である。但し、訓練済みの第１機械学習モデル群２１０及び第２機械学習モデル群２２０は、情報処理装置１の外部の記憶領域に記憶されていてもよい。

【0082】

記憶部２００は、線分＿特徴データ２３０及び線分相対位置データ２４０を格納してよい。

【0083】

図１０は、過去図形データ１０における各線分と特徴との関係を示す線分＿特徴データ２３０の一例である。

【0084】

図１０に示すように、線分＿特徴データ２３０は、寸法付けルールの基準となる過去図形データ１０における線分＃１～＃１４と、各線分における複数種類の局所的特徴（すなわち、図４の符号（１）～（８）等）との関係を示す。線分＿特徴データ２３０は、過去図形データ１０の複数の線分＃１～＃１４のそれぞれについて、個別の図形情報と、当該それぞれの線分＃１～＃１４中の線分同士の相対的な関係との両方、を含む複数の項目について示す特徴情報の一例である。

【0085】

一例において、図１に示される過去図形データ１０の線分＃７についてみると、図１０に示されるように、線分＃７は、個別的な図形情報として、第１方向（すなわち縦方向）位置が中間部であり、第２方向（すなわち、水平方向）位置が右部である。線分＃７の種類は曲線であり、線分の延びる方向は「その他」であるという局所的特徴を有する。

【0086】

また、線分＃７は、複数の線分間の相対的な関係の情報として、閉図形である図形１２の凹部を構成し、図形１２の辺（すなわち、輪郭）の一部を構成し、上側が図形内部であり、左部が図形内部か否かについて「その他」である。

【0087】

線分＿特徴データ２３０は、ユーザがマウス１０５１やキーボード１０５２等の入力装置に応じて予め入力してもよく、コンピュータが自動的に生成してもよい。

【0088】

図９の線分相対位置データ２４０は、線分＃１～＃１４における相対的な位置関係についての情報である。線分相対位置データ２４０は、図１に示される過去図形データ１０を例にとると、「線分＃３よりも線分＃７はＹの正方向（上部側）に位置する」及び「線分＃１よりも線分＃５はＸ軸の正方向に位置する」等の線分の位置に関する制約の一例である。但し、修正部１１９が禁則に基づく線分対応関係の修正を実行しない場合には、記憶部２００は、線分相対位置データ２４０を格納しておかなくてもよい。

【0089】

図９に示すように、制御部１１０は、新規データ取得部１１４、推論対象データ作成部１１５、推論結果取得部１１６、集計部１１７、決定部１１８、及び修正部１１９を備える。

【0090】

新規データ取得部１１４は、対象となる新規作成図形データ２０を取得する。新規作成図形データ２０は、例えば、新たに作成される図面である。一例において、新規データ取得部１１４は、図６における２次元図面作成部３２から新規作成図形データ２０を取得してよい。

【0091】

推論対象データ作成部１１５は、新規作成図形データ２０に含まれる複数の線分＃１－１～＃１４－１のうち、１本の線分（例えば線分＃１－１）の色等の情報を変えた推論対象の画像データを作成する。推論対象データ作成部１１５が作成した推論対象の画像データは、選択された訓練済みの第１機械学習モデル群２１０及び第２機械学習モデル群２２０に入力される。

【0092】

推論結果取得部１１６は、選択された訓練済みの第１機械学習モデル群２１０及び第２機械学習モデル群２２０を用いて、対応する線分番号（＃１－１）の複数種類の局所的特徴の推論結果１３０を取得する。同様に、推論結果取得部１１６は、各線分番号（＃１－１～＃１４－１）についての複数種類（図４の符号（１）～（８）等）の複数種類の局所的特徴の推論結果１３０を取得する。複数種類の局所的特徴の推論結果１３０は、個別の図形情報と相対的な関係の情報との両方を含む複数の項目のそれぞれの推論結果である。

【0093】

図１１は、第２図形内部方向判定モデル２２４を用いた推論結果１３０の一例である。第２図形内部方向判定モデル２２４は、線分を基準にして第２方向（すなわち、左方向）が、閉図形である図形２２の内部となるか否かを推論する。

【0094】

図１１は、図１の新規作成図形データ２０における線分＃１－１、＃２－１、＃３－１、＃４－１・・・についての推論結果１３０を示す。図１１に示すように、推論結果１３０は、各局所的特徴の推論クラスと、その確信度とを含んでよい。確信度は、局所的特徴のクラスの判断結果の重みであってよい。確信度の数値が１に近いほど、各機械学習モデルがより高い確度で判断したことを意味する。

【0095】

線分＃１－１については、正解のクラスはＮＯ（すなわち、線分＃１－１の左側が図形内部ではない）であるが、推論結果１３０においてはＹＥＳが５％、ＮＯが８０％、その他が１５％と推論された場合を示す。線分＃２－１については、正解のクラスはＹＥＳ（すなわち、線分＃２－１の左側が図形内部ではある）であるが、ＹＥＳが７０％、ＮＯが１０％、その他が２０％と推論された場合を示す。同様に、線分＃３－１については、正解のクラスは「その他」であるが、ＹＥＳが７０％、ＮＯが１０％、その他が２０％と推論された場合を示す。線分＃４－１については、正解のクラスはＮＯ（すなわち、線分＃１－１の左側が図形内部ではない）であるが、ＹＥＳが０％、ＹＥＳが９０％、その他が１０％と推論された場合を示す。

【0096】

集計部１１７は、各線分番号（＃１－１～＃１４－１）についての複数種類の局所的特徴の推論結果１３０を集計する。一例において、集計部１１７は、各線分番号（＃１－１～＃１４－１）についての複数種類の局所的特徴の推論結果１３０を集計する。

【0097】

図１２は、推論結果１３０を用いた投票方式の一例を示す図である。図１２は、図１１に示される線分＃１－１についての推論結果１３０を用いた集計結果テーブル４３－１の一例である。説明の簡便のために、集計結果テーブル４３－１は、左が図形内部かの特性についての集計欄４３１ａを表示する。

【0098】

集計部１１７は、図１０に示される線分＿特徴データ２３０と、図１１に示される推論結果１３０を参照する。集計部１１７は、推論結果１３０のうち、基準となる過去図形データ１０（すなわち、基本線分）＃１～＃１４の各特徴のクラスに対応する確信度を入力する。集計部１１７は、基本線分＃１～＃１４のそれぞれに対して、集計欄４３１において推論結果１３０がＮＯである箇所に、推論結果１３０における「ＮＯ」の確信度（０．８０）を入力する。集計部１１７は、集計欄４３１において推論結果１３０がＹＥＳである箇所に推論結果１３０における「ＹＥＳ」の確信度（０．０５）を入力する。同様に、集計部１１７は、集計欄４３１において推論結果１３０が「その他」である箇所に、推論結果１３０における「その他」の確信度（０．１５）を入力する。

【0099】

集計部１１７は、図１２に示される集計結果テーブル４３－１の空所欄に該当する推論結果１３０を集計する。集計部１１７は、推論対象の全ての線分＃１－１～＃１４－１について推論結果１３０を集計する。

【0100】

集計部１１７は、集計結果テーブル４３－１の空所欄を集計し、基準となる過去図形データ１０の線分＃１～＃１４毎に、推論結果１３０の確信度を合計した合計値を算出してよい。

【0101】

図１３及び図１４は、推論結果１３０を用いた集計結果テーブル４５の一例である。集計結果テーブル４５は、基準となる過去図形データ１０の線分＃１～＃１４毎に、推論結果１３０の確信度を合計した合計値を含む。図１３は、推論対象の線分＃１－１についての集計結果テーブル４５ａであり、図１４は、推論対象の線分＃２－１についての集計結果テーブル４５ｂである。推論対象の線分＃３－１～＃１４－１についても同様に、集計結果テーブル４５が作成される。

【0102】

基準となる過去図形データ１０の線分＃１～＃１４毎の推論結果１３０の確信度の合計値は、新規作成図形データ２０の線分＃１－１～＃１４－１と過去図形データ１０の線分＃１～＃１４との対応関係についての確信度の一例である。

【0103】

集計部１１７は、推論対象の線分＃１－１～＃１４－１についての集計結果テーブル４５を参照して、線分＃１－１～＃１４－１毎に、確信度合計値４５１（４５１ａ、４５１ｂ・・・）が最大となる基準の線分＃１～＃１４を選択する。

【0104】

線分＃１－１については、図１３に示すように、基準となる線分＃１において確信度合計値４５１が最大値６．６８を示す。線分＃２－１については、図１４に示すように、基準となる線分＃２において確信度合計値４５１が最大値６．０５を示す。同様に、集計部１１７は、線分＃３－１～＃１４－１についても、確信度合計値４５１が最大となる線分＃１～＃１４と、そのときの最大の確信度合計値４５１を取得する。

【0105】

図１５は、過去図形データ１０における各線分＃１～＃１４と、新規作成図形データ２０における各線分＃１－１～＃１４－１との対応関係を算出するためのＮ正方行列４６の一例である。Ｎは、過去図形データ１０における線分＃１～＃１４の数であってよい。

【0106】

Ｎ正方行列４６は、一例において、過去図形データ１０における各線分＃１～＃１４を行とし、新規作成図形データ２０における各線分＃１－１～＃１４－１を列とする。そして、Ｎ正方行列４６の各成分として、行と列に対応する確信度合計値４５１が存在する。集計部１１７は、Ｎ正方行列４６を生成する。

【0107】

図９に示す決定部１１８は、新規作成図形データ２０の線分＃１－１～＃１４－１のそれぞれの局所的特徴である複数の項目の推論結果１３０に基づいて、線分＃１－１～＃１４－１と過去図形データ１０の線分＃１～＃１４との対応関係を決定する。決定部１１８は、基準となる過去図形データ１０の線分＃１～＃１４毎の推論結果１３０の確信度の合計値である確信度合計値４５１に基づいて、線分＃１－１～＃１４－１と過去図形データ１０の線分＃１～＃１４との対応関係を決定する。

【0108】

決定部１１８は、Ｎ正方行列４６の各成分のうちで、対応関係についての確信度（すなわち、確信度合計値４５１）が高い順番で一対一対応になるように対応関係を決定する。このため、決定部１１８は、Ｎ正方行列４６の各成分のうち確信度合計値４５１が最も高い行と列の組み合わせを選択する。図１５においては、過去図形データ１０における線分＃９を行とし、新規作成図形データ２０における線分＃９－１を列とする成分の確信度合計値４５１が最も高い。従って、決定部１１８は、線分＃９と線分＃９－１との対応関係を決定する。

【0109】

図１６は、対応付けが完了した行と列を除去したＮ－１正方行列４７の一例である。図１６に示すように、決定部１１８は、決定された対応関係に対応する行と列を除去して、Ｎ－１正方行列４７を生成する。

【0110】

決定部１１８は、Ｎ－１正方行列４７の各成分のうちで、対応関係についての確信度（すなわち、確信度合計値４５１）が高い順番で一対一対応になるように対応関係を決定する。図１６においては、過去図形データ１０における線分＃１０を行とし、新規作成図形データ２０における線分＃１０－１を列とする成分の確信度合計値４５１が最も高い。従って、決定部１１８は、線分＃１０と線分＃１０－１との対応関係を決定する。決定部１１８は、決定された対応関係に対応する行と列を除去して、Ｎ－２正方行列（不図示）を生成する。

【0111】

以下、決定部１１８は、各線分について同様の処理を繰り返す。これにより、決定部１１８は、過去図形データ１０における各線分＃１～＃１４と、新規作成図形データ２０における各線分＃１－１～＃１４－１との全ての対応関係を決定する。

【0112】

図９に示される修正部１１９は、基準となる過去図形データ１０に含まれる２つの線分同士の相対的な位置関係の制約に基づいて、決定部１１８において決定された対応関係を修正する。

【0113】

一例において、修正部１１９は、線分相対位置データ２４０を参照して、相対位置の制約違反の有無及び制約違反の数を算出する。例えば、図１の例において、決定部１１８が線分＃３－１を線分＃７に対応付けて、線分＃７－１を線分＃３に対応付けた場合を考える。この対応付けは、線分相対位置データ２４０に含まれる相対位置の制約「線分＃３よりも線分＃７はＹの正方向（上部側）に位置する」に違反する。修正部１１９は、違反１つ当たり、罰則点を与えてよい。

【0114】

一例において、修正部１１９は、対応づけられたすべての線分＃１－１～＃１４－１において、線分の対（＃３－１，＃７－１）、（＃２－１，＃５－１），・・・（ｓ，ｔ）を生成する。修正部１１９は、全ての線分の対について、罰則点（すなわち、違反の数）を合計した制約違反度を算出する。

【0115】

修正部１１９は、線分ｓの対応関係と線分ｔの対応関係とを入れ換えることによって制約違反度が下がる場合には、線分sの対応関係と線分tの対応関係とを入れ換える。修正部１１９は、線分の対の生成と、対となる線分について対応関係の入れ換え、及び制約違反度の変化の確認を繰り返すことによって、制約違反度を最小化するように対応関係を修正してよい。

【0116】

なお、本実施形態の集計部１１７、決定部１１８、及び修正部１１９は、図１２～図１６において説明した場合に限られない。

【0117】

新規作成図形データ２０における各線分＃１－１～＃１４－１のそれぞれについて、個別の図形情報と線分同士の相対的な関係の情報との両方を含む複数の項目のそれぞれの推論結果１３０に基づいて、過去図形データ１０の各線分＃１～＃１４との対応関係を決定するものであれば、種々の手法を採用することができる。

【0118】

図１７は、推論結果１３０を用いた投票方式の他の例を示す図である。図１７は、図１１に示される線分＃１－１についての推論結果１３０を用いた集計結果テーブル４８－１の一例である。集計結果テーブル４８－１は、左が図形内部かの特性についての集計欄４８１を表示する。

【0119】

集計部１１７は、重み付けを考慮した確信度を集計せず、確信度が最も高い推論結果１３０（ＹＥＳ）について１点を投票する単純投票方式を採用してもよい。この場合、集計部１１７は、図１８に示されるように推論結果１３０に当てはまる＃１、４、５、８、９、１２～＃１４には、「１」を投票し、推論結果１３０に当てはまらない＃２、３、６、７、１０、１１には、「０」を投票してよい。

【0120】

決定部１１８は、線分＃１－１～＃１４－１について、それぞれ独立して、線分＃１～＃１４との対応付けを決定してもよい。図１３に示す場合には、線分＃１－１は、確信度合計値４５１が最も高い線分＃１と対応付けされる。図１４に示す場合には、線分＃２－２は、確信度合計値４５１が最も高い線分＃２と対応付けされる。

【0121】

図１８は、一対一対応を用いた対応付けの修正を説明する図である。決定部１１８は、線分＃１－１～＃１４－１について、独立して、線分＃１～＃１４との対応付けを決定した上で、線分＃１－１～＃１４－１の複数の線分が、線分＃１～＃１４のうちの特定の線分に重複して対応付けされた場合において対応関係を修正してもよい。決定部１１８は、重複した線分＃１－１～＃１４－１のうち、確信度のより高い方の線分＃１－１～＃１４－１を優先して一対一対応になるように対応付けを修正する。

【0122】

なお、図形１２及び図形２２の形状は、図１に示されるＭ字型の場合に限られない。

【0123】

［Ｄ］動作例
［Ｄ－１］訓練フェーズ
図１９は、実施形態に係る情報処理装置１による訓練フェーズにおける動作の一例を示すフローチャートである。

【0124】

図１９に例示するように、過去データ取得部１１１は、過去の類似図面を過去図形データ１０として収集する（ステップＳ１）。

【0125】

訓練データ作成部１１２は、訓練データを作成する（ステップＳ２）。訓練データ作成部１１２は、過去図面に含まれる複数の線分＃１～＃１４のうち、１本の線分（例えば線分＃１）の色等の情報を変えた複数の画像（すなわち、図形データ）を作成する。一例において、訓練データ作成部１１２は、元の図面のうち１本の線分を赤色に変更し、残りの線分を黒色のまま維持する。訓練データ作成部１１２は、１本の線分ごとに、画像と、色等の情報を変えた線分の該当する１つの局所的特徴の正解ラベルとを対応づけた訓練データを作成する。訓練データ作成部１１２は、各線分＃１～＃１４と、各局所的特徴（図４の符号（１）～（８）等）とに応じて、複数通りの訓練データ（訓練データ群）を作成する。

【0126】

訓練データ群は、画像と各個別の図形情報の正解ラベルとを対応付けた第１訓練データ群１２１、及び画像と複数の線分間の各相対的な関係の正確ラベルとを対応付けた第２訓練データ群１２２とを含む。

【0127】

訓練実行部１１３は、ＤＮＮ等を含む第１機械学習モデル群２１０及び第２機械学習モデル群２２０の訓練のための準備をする（ステップＳ３）。訓練実行部１１３は、ＤＮＮの各層のパラメータとしてデフォルトパラメータを入れておく。

【0128】

訓練実行部１１３は、複数通りの訓練データ（訓練データ群）を使ってＤＮＮ等を含む第１機械学習モデル群２１０及び第２機械学習モデル群２２０を訓練する。具体的には、訓練実行部１１３は、ＤＮＮの各層のパラメータを更新する（ステップＳ４）。

【0129】

訓練実行部１１３は、機械学習後のパラメータを記憶部２００等に保存する（ステップＳ５）。換言すれば、訓練済みの第１機械学習モデル群２１０及び第２機械学習モデル群２２０が記憶部２００等に記憶される。

【0130】

［Ｄ－２］推論フェーズ
図２０は、実施形態に係る情報処理装置１による推論フェーズにおける動作の一例を示すフローチャートである。

【0131】

図２０に例示するように、新規データ取得部１１４は、線分の対応関係を決定する対象の図面を用意する（ステップＳ１０）。例えば、新規データ取得部１１４は、新規作成図面データを用意する。

【0132】

推論対象データ作成部１１５は、線分の対応関係を決定する対象の図面に含まれる複数の線分＃１－１～＃１４－１のうち、１本の線分（例えば線分＃１－１）の色等の情報を変えた推論対象の画像を作成する（ステップＳ１１）。推論対象の画像（すなわち、推論対象の図面）は、それぞれの線分＃１－１～＃１４―１について作成される。

【0133】

決定部１１８は、図面線分の数をＮとしたときに、Ｎ×ＮのＮ正方行列４６ａを用意する。決定部１１８は、Ｎ×ＮのＮ正方行列４６ａの成分を初期値（例えば、０）にしておく（ステップＳ１２）。例えば、決定部１１８は、基準となる元の図面（例えば、過去図形データ１０）における各線分＃１～＃１４を行とし、線分の対応関係を決定する対象の図面（例えば、新規作成図形データ２０）における各線分＃１－１～＃１４－１を列とする。決定部１１８は、各線分＃１－１～＃１４－１を行とし、各線分＃１～＃１４を列としてもよい。成分（ｉ，ｊ）（ｉは行、ｊは列）は、行（例えば、元になる図形の線分）と列（例えば、線分の対応関係を決定する対象の図面の線分）とした場合の行と列に対応する得票数（すなわち、確信度合計値４５１）によって更新される。

【0134】

推論結果取得部１１６は、第１機械学習モデル群２１０及び第２機械学習モデル群２２０のどちらかに含まれる訓練済みの機械学習モデルのうち、未選択の機械学習モデルを１つ選択する（ステップＳ１３）。

【0135】

推論結果取得部１１６は、線分の数と同じ種類数（すなわち、色等の情報を変えた線分が異なる）推論対象の図面のうち、未推論の図面を選択する（ステップＳ１４）。

【0136】

推論結果取得部１１６は、選択した機械学習モデルを用いて、選択した図面の色等の情報を変えた線分の局所的な特徴を決定する（ステップＳ１５）。推論結果取得部１１６は、推論結果１３０として、推論される特徴と、推論における確信度（確率）とを含んでよい。集計部１１７は、得られた確信度（投票数）によってＮ正方行列４６ａの成分を更新する（ステップＳ１５）。

【0137】

推論結果取得部１１６は、選択した機械学習モデルによって推論していない線分があるかを判断する（ステップＳ１６）。推論していない線分がある場合（ステップＳ１６のＹｅｓルート参照）、処理はステップＳ１４に戻る。選択した機械学習モデルによって全ての線分が推論された場合（ステップＳ１６のＮｏルート参照）、処理はステップＳ１７に進む。

【0138】

推論結果取得部１１６は、選択されていない機械学習モデルがあるかを判断する（ステップＳ１７）。選択していない機械学習モデルがある場合には（ステップＳ１７のＹｅｓルート参照）、処理はステップＳ１３に戻る。全ての機械学習モデルが選択され、全ての選択された機械学習モデルによって全ての線分の対応関係の推論が完了した場合（ステップＳ１７のＮｏルート参照）、処理はステップＳ１８に進む。ステップＳ１３からステップＳ１７の処理において、集計部１１７は、図１５に例示されるＮ正方行列４６の更新を完了する。

【0139】

決定部１１８は、Ｎ正方行列４６の各成分のうちで、対応関係についての確信度（すなわち、確信度合計値４５１）が高い順番で一対一対応になるように元の図形１２の線分と推論対象の図形２２の線分との対応関係を決定する。決定部１１８は、対応付けが完了した行と列を除去したＮ－１正方行列４７を生成し、対応関係についての確信度（すなわち、確信度合計値４５１）が高い順番で一対一対応になるように元の図形１２の線分と推論対象の図形２２の線分との対応関係を決定する。同様に、決定部１１８は、元の図形１２の全ての線分と推論対象の図形２２の全ての線分との対応関係を決定する（ステップＳ１８）。

【0140】

修正部１１９は、基準となる過去図形データ１０に含まれる２つの線分同士の相対的な位置関係の制約に基づいて、決定部１１８において決定された対応関係を修正する（ステップＳ１９）。

【0141】

［Ｅ］実施例
図２１は、実施例の一例を示す図である。図２１は、新規作成図形データ２０における図形２２が、Ｍ字型の図形２２Ｍのサンプル、Ｎ字型の図形２２Ｎのサンプル、Ｋ字型の図形２２Ｋのサンプルの場合の実施例を示す。なお、過去図形データ１０における図形１２も、Ｍ字型の図形１２Ｍ、Ｎ字型の図形１２Ｎ、及びＫ字型の図形１２Ｋを有する。

【0142】

Ｍ字型の図形２２Ｍ（１２Ｍ）は、対向する一対の辺において、一方の辺から他方の辺方向に向かって延びる２つのスリット部分がある。Ｎ字型の図形２２Ｎ（１２Ｎ）は、対向する一対の辺において、一方の辺から他方の辺方向に向かって延びる２つのスリット部分があり、かつ、反対に他方の辺から一方の辺方向に向かって延びる１つのスリット部分がある。Ｋ字型の図形２２Ｋ（１２Ｋ）は、対向する一対の辺において一方の辺から他方の辺方向に延びる１つのスリットがあり、反対に他方の辺から一方の辺方向に向かって延びる１つのスリットがあり、対向する一対の辺の間を結ぶ辺に１つのスリットがある。

【0143】

図２１に示す実施例は、過去図形データ１０について５０枚（５０通り）を用いて第１機械学習モデル群２１０及び第２機械学習モデル群２２０の訓練及び推論を行なった場合である。本件のように複数の局所的特徴の推論結果１３０を用いて、線分の対応関係を決定することで、訓練データの量が十分に用意できない場合においても、新規作成図形データ２０における線分番号決定の正解率を９０％とすることが可能となった。具体的には、新規作成図形データ２０における線分番号決定の正解率を９０％とするための過去図形データ１０の量を５０／１０００＝１／２０に削減することが可能となった。

【0144】

以上の実施形態においては、過去図形データ１０に含まれる複数の線分と新規作成図形データ２０に含まれる複数の線分との対応関係を決定する場合を例にとって説明したが、情報処理装置１は、この場合い限られない。互いに異なる第１の図形データと第２の図形データとの間で、線分の対応関係を決定する場合に広く適用することができる。第１の図形データと第２の図形データとが類似した図形を含む場合に好適に利用することができる。

【0145】

［Ｆ］一実施形態の効果
上述した実施形態の一例によれば、例えば、以下の作用効果を奏することができる。
第１機械学習モデル群２１０（２１０ａ）は、第１の図形データ（例えば、新規作成図形データ２０）に含まれる第１の複数の線分のそれぞれについて、第１の複数の線分中の１つの線分の個別の図形情報（例えば、図４の符号（１）～（４）の少なくとも１つ）を推論する。第２機械学習モデル群２２０（２２０ａ）は、第１の複数の線分中の１つの線分と第１の図形データの他の線分との相対的な関係（例えば、図４の符号（５）～（８）の少なくとも１つ）を推論する。推論結果取得部１１６は、第１機械学習モデル群２１０及び第２機械学習モデルを用いて、個別の図形情報と相対的な関係の情報とを含む複数の項目のそれぞれの推論結果１３０を取得する。決定部１１８は、第１の複数の線分のそれぞれについての複数の項目のそれぞれの推論結果１３０に基づいて、第１の複数の線分と第１の図形データとは異なる第２の図形データに含まれる第２の複数の線分との対応関係を決定する。

【0146】

これにより、第１の図形データと第２の図形データとの線分の対応関係を精度よく決定するために要する訓練データの量を軽減することができる。換言すれば、訓練データの量が少ない場合においても、第１の図形データと第２の図形データとの線分の対応関係を精度よく決定することができる。

【0147】

個別の図形情報は、線分の位置、線分の向き、線分の曲率のうちの少なくとも１つの情報を含む。相対的な関係の情報は、１つの線分が図形の凹部または凸部を構成するか否かの情報、１つの線分が閉図形に対する外接矩形の辺を構成するか否かの情報、及び１つの線分と閉図形の内部領域との関係の情報の少なくとも１つの情報を含む。

【0148】

これにより、画像処理によって、重心や線分の両端点の位置を検出して、線分の対応関係を決定することが困難である場合においても、線分の対応関係を決定するこができる。

【0149】

対応関係を決定する処理は、第２の複数の線分のそれぞれについて、第２の複数の線分中の１つの線分の個別の図形情報と、第２の複数の線分中の１つの線分と第２の図形データ中の他の線分との相対的な関係と、を含む複数の項目について示す線分＿特徴データ２３０を取得する処理を含む。集計部１１７は、線分＿特徴データ２３０及び推論結果１３０を用いて、第１の複数の線分のそれぞれの線分と第２の複数の線分のそれぞれの線分との各対応関係についての確信度合計値４５１を集計する。決定部１１８は、対応関係の確信度合計値４５１が高い順番で対応関係が一対一対応になるように対応関係を決定する。

【0150】

これにより、線分の一対一対応を利用して対応関係を決定するので、対応関係の決定精度を高めることができる。

【0151】

修正部１１９は、第２の複数の線分に含まれる２つの線分同士の相対的な位置関係に基づいて、対応関係を修正する。

【0152】

これにより、さらに対応関係の決定精度を高めることができる。

【0153】

制御部１１０またはアノテーション付き図面生成部３６は、第２の図形データの第２の複数の線分の一部に対して付与された寸法アノテーション１３の表記位置及び態様を取得する。制御部１１０またはアノテーション付き図面生成部３６は、決定された対応関係に基づいて、第２の図形データにおいて寸法アノテーション１３が付された位置及び態様に対応して、第１の図形データにおいて寸法アノテーション２６を付与する。

【0154】

これにより、新たに作成した図形に寸法付けする場合に、過去の似た図面を活用して寸法付け作業を行なうことができる。業種、業務、会社、部門によって異なるルールに適合した過去図面の寸法アノテーション１３に倣って、新たな図面の寸法アノテーション２６を付与することが可能となる。特に、訓練データ作成用の過去図面が数十枚枚程度である場合においても、９０％以上の正解率で、新たに作成した図面と過去の図面との間の線分の対応関係を決定することができ、決定結果に基づいて寸法アノテーション２６を付与することができる。

【0155】

想定されるビジネスシーンにおける効能として、訓練データが限られている場合において、互いに類似した図形間の線分の対応関係を推論する用途に広く利用することができる。特に、ＣＡＤソフトウェアを用いた製図において、過去の図面における各ユーザの独自の寸法付けルールに対応した寸法付けを新たに作成される図面に反映させることができ、製造業におけるデジタルトランスフォーメーションの推進に貢献することができる。

【0156】

［Ｇ］付記
以上の実施形態に関し、さらに以下の付記を開示する。

【0157】

（付記１）
第１の図形データに含まれる第１の複数の線分のそれぞれについて、前記第１の複数の線分中の１つの線分の個別の図形情報を推論する第１機械学習モデルと、前記第１の複数の線分中の１つの線分と前記第１の図形データ中の他の線分との相対的な関係の情報を推論する第２機械学習モデルとを用いて、前記個別の図形情報と前記相対的な関係の情報とを含む複数の項目のそれぞれの推論結果を取得し、
前記第１の複数の線分のそれぞれについての前記複数の項目のそれぞれの推論結果に基づいて、前記第１の複数の線分と前記第１の図形データとは異なる第２の図形データに含まれる第２の複数の線分との対応関係を決定する、
処理をコンピュータに実行させる、対応関係決定プログラム。

【0158】

（付記２）
前記個別の図形情報は、前記線分の位置、前記線分の向き、及び前記線分の曲率のうちの少なくとも１つの情報を含み、
前記相対的な関係の情報は、前記１つの線分が前記第１の図形データにおいて凹部または凸部を構成するか否かについての情報、前記１つの線分が前記第１の図形データにおける閉図形に対する外接矩形の辺を構成するか否かについての情報、及び前記１つの線分と前記閉図形の内部領域との関係についての情報のうちの少なくとも１つの情報を含む、
付記１に記載の対応関係決定プログラム。

【0159】

（付記３）
対応関係を決定する処理は、
前記第２の複数の線分のそれぞれについて、前記第２の複数の線分中の１つの線分の個別の図形情報と、前記第２の複数の線分中の１つの線分と前記第２の図形データ中の他の線分との相対的な関係と、を含む複数の項目について示す特徴情報を取得し、
前記特徴情報及び前記推論結果を用いて、前記第１の複数の線分のそれぞれの線分と前記第２の複数の線分のそれぞれの線分との各対応関係についての確信度を集計し、
前記対応関係についての確信度が高い順番で前記対応関係が一対一対応になるように前記対応関係を決定する、処理を含む、付記１に記載の対応関係決定プログラム。

【0160】

（付記４）
前記第２の複数の線分に含まれる２つの線分同士の相対的な位置関係に基づいて、前記対応関係を修正する、
処理を前記コンピュータに実行させる、付記１に記載の対応関係決定プログラム。

【0161】

（付記５）
前記第２の図形データの前記第２の複数の線分の一部に対して付与された第１の寸法表記に関する情報を取得し、前記決定された対応関係に基づいて、前記第２の図形データにおいて前記第１の寸法表記が付された位置及び態様に対応して、前記第１の図形データにおいて第２の寸法表記を付与する、
処理を前記コンピュータに実行させる、付記１に記載の対応関係決定プログラム。

【0162】

（付記６）
第１の図形データに含まれる第１の複数の線分のそれぞれについて、前記第１の複数の線分中の１つの線分の個別の図形情報を推論する第１機械学習モデルと、前記第１の複数の線分中の１つの線分と前記第１の図形データ中の他の線分との相対的な関係の情報を推論する第２機械学習モデルとを用いて、前記個別の図形情報と前記相対的な関係の情報とを含む複数の項目のそれぞれの推論結果を取得し、
前記第１の複数の線分のそれぞれについての前記複数の項目のそれぞれの推論結果に基づいて、前記第１の複数の線分と前記第１の図形データとは異なる第２の図形データに含まれる第２の複数の線分との対応関係を決定する、
処理をコンピュータが実行する、対応関係決定方法。

【0163】

（付記７）
前記個別の図形情報は、前記線分の位置、前記線分の向き、及び前記線分の曲率のうちの少なくとも１つの情報を含み、
前記相対的な関係の情報は、前記１つの線分が前記第１の図形データにおいて凹部または凸部を構成するか否かについての情報、前記１つの線分が前記第１の図形データにおける閉図形に対する外接矩形の辺を構成するか否かについての情報、及び前記１つの線分と前記閉図形の内部領域との関係についての情報のうちの少なくとも１つの情報を含む、
付記６に記載の対応関係決定方法。

【0164】

（付記８）
対応関係を決定する処理は、
前記第２の複数の線分のそれぞれについて、前記第２の複数の線分中の１つの線分の個別の図形情報と、前記第２の複数の線分中の１つの線分と前記第２の図形データ中の他の線分との相対的な関係と、を含む複数の項目について示す特徴情報を取得し、
前記特徴情報及び前記推論結果を用いて、前記第１の複数の線分のそれぞれの線分と前記第２の複数の線分のそれぞれの線分との各対応関係についての確信度を集計し、
前記対応関係についての確信度が高い順番で前記対応関係が一対一対応になるように前記対応関係を決定する、処理を含む、付記６に記載の対応関係決定方法。

【0165】

（付記９）
前記第２の複数の線分に含まれる２つの線分同士の相対的な位置関係に基づいて、前記対応関係を修正する、
処理を前記コンピュータが実行する、付記６に記載の対応関係決定方法。

【0166】

（付記１０）
前記第２の図形データの前記第２の複数の線分の一部に対して付与された第１の寸法表記に関する情報を取得し、前記決定された対応関係に基づいて、前記第２の図形データにおいて前記第１の寸法表記が付された位置及び態様に対応して、前記第１の図形データにおいて第２の寸法表記を付与する、
処理を前記コンピュータが実行する、付記６に記載の対応関係決定方法。

【0167】

（付記１１）
第１の図形データに含まれる第１の複数の線分のそれぞれについて、前記第１の複数の線分中の１つの線分の個別の図形情報を推論する第１機械学習モデルと、前記第１の複数の線分中の１つの線分と前記第１の図形データ中の他の線分との相対的な関係の情報を推論する第２機械学習モデルとを用いて、前記個別の図形情報と前記相対的な関係の情報とを含む複数の項目のそれぞれの推論結果を取得し、
前記第１の複数の線分のそれぞれについての前記複数の項目のそれぞれの推論結果に基づいて、前記第１の複数の線分と前記第１の図形データとは異なる第２の図形データに含まれる第２の複数の線分との対応関係を決定する、
処理を実行する制御部を含む、情報処理装置。

【0168】

（付記１２）
前記個別の図形情報は、前記線分の位置、前記線分の向き、及び前記線分の曲率のうちの少なくとも１つの情報を含み、
前記相対的な関係の情報は、前記１つの線分が前記第１の図形データにおいて凹部または凸部を構成するか否かについての情報、前記１つの線分が前記第１の図形データにおける閉図形に対する外接矩形の辺を構成するか否かについての情報、及び前記１つの線分と前記閉図形の内部領域との関係についての情報のうちの少なくとも１つの情報を含む、
付記１１に記載の情報処理装置。

【0169】

（付記１３）
対応関係を決定する処理は、
前記第２の複数の線分のそれぞれについて、前記第２の複数の線分中の１つの線分の個別の図形情報と、前記第２の複数の線分中の１つの線分と前記第２の図形データ中の他の線分との相対的な関係と、を含む複数の項目について示す特徴情報を取得し、
前記特徴情報及び前記推論結果を用いて、前記第１の複数の線分のそれぞれの線分と前記第２の複数の線分のそれぞれの線分との各対応関係についての確信度を集計し、
前記対応関係についての確信度が高い順番で前記対応関係が一対一対応になるように前記対応関係を決定する、処理を含む、付記１１に記載の情報処理装置。

【0170】

（付記１４）
前記制御部は、前記第２の複数の線分に含まれる２つの線分同士の相対的な位置関係に基づいて、前記対応関係を修正する、
付記１１に記載の情報処理装置。

【0171】

（付記１５）
前記制御部は、前記第２の図形データの前記第２の複数の線分の一部に対して付与された第１の寸法表記に関する情報を取得し、前記決定された対応関係に基づいて、前記第２の図形データにおいて前記第１の寸法表記が付された位置及び態様に対応して、前記第１の図形データにおいて第２の寸法表記を付与する、
付記１１に記載の情報処理装置。

【符号の説明】

【0172】

１ 情報処理装置
２ 図面作成システム
１０ 過去図形データ
１２、１２Ｍ、１２Ｎ、１２Ｋ 図形
１３ 寸法アノテーション
２０ 新規作成図形データ
２２、２２Ｍ、２２Ｎ、２２Ｋ 図形
２３ 過去図形データ記憶部
２４ 選択部
２５ 寸法アノテーション情報
２６ 寸法アノテーション
３１ ＣＡＤ装置
３２ ２次元図面作成部
３３ 類似図面検索部
３４ モデル群選択部
３５ 過去図面アノテーション情報選択部
３６ アノテーション付き図面生成部
４３－１、４８－１ 集計結果テーブル
４３１、４８１ 集計欄
４５、４５ａ、４５ｂ 集計結果テーブル
４５１、４５１ａ、４５１ｂ 確信度合計値
４６、４６ａ Ｎ正方行列
４７ Ｎ－１正方行列
１０１ プロセッサ
１０２ メモリ
１０３ 表示装置
１０４ 記憶装置
１０５ 入力ＩＦ
１０５１ マウス
１０５２ キーボード
１０６ 外部記録媒体処理装置
１０６０ 記録媒体
１０７ 通信ＩＦ
１１０ 制御部
１１１ 過去データ取得部
１１２ 訓練データ作成部
１１３ 訓練実行部
１１４ 新規データ取得部
１１５ 推論対象データ作成部
１１６ 推論結果取得部
１１７ 集計部
１１８ 決定部
１１９ 修正部
１２１ 第１訓練データ群
１２２ 第２訓練データ群
１３０ 推論結果
２０２ 対応関係決定モデル群
２１０、２１０ａ 第１機械学習モデル群（第１機械学習モデル）
２１１ 第１方向位置判定モデル
２１２ 第２方向位置判定モデル
２１３ 種類判定モデル
２１４ 方向判定モデル
２２０、２２０ａ 第２機械学習モデル群（第２機械学習モデル）
２２１ 凹凸構成判定モデル
２２２ 辺判定モデル
２２３ 第１図形内部方向判定モデル
２２４ 第２図形内部方向判定モデル
２３０ 線分＿特徴データ
２４０ 線分相対位置データ

【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】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】