特開 2024-70072 学習モデル生成装置、学習モデル生成方法、学習モデルおよび学習モデル生成プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024070072

(43)【公開日】2024-05-22

(54)【発明の名称】学習モデル生成装置、学習モデル生成方法、学習モデルおよび学習モデル生成プログラム

(51)【国際特許分類】

   G06V 10/70 20220101AFI20240515BHJP

   G06T 7/00 20170101ALI20240515BHJP

【ＦＩ】

G06V10/70

G06T7/00 350B

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2022180446

(22)【出願日】2022-11-10

(71)【出願人】

【識別番号】000002130

【氏名又は名称】住友電気工業株式会社

(74)【代理人】

【識別番号】110000682

【氏名又は名称】弁理士法人ワンディ－ＩＰパ－トナ－ズ

(72)【発明者】

【氏名】川口 宗

【テーマコード（参考）】

5L096

【Ｆターム（参考）】

5L096CA04

5L096CA05

5L096KA04

(57)【要約】      （修正有）

【課題】各対象地点における教師データを容易に取得しつつ、教師データの信頼度を高める学習モデル生成装置を提供する。
【解決手段】検出システム３０１において、検出装置１０１の学習モデル生成装置１０は、第１の画像データと第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の画像データを入力し、第１の教師データ用モデルから出力される出力データであって、第２の画像データと第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた出力データである第２の教師データを取得する取得部１２と、第２の教師データおよび第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成する第２の生成部１３と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

対象地点において撮影された画像データと前記対象地点における検出対象に関する情報である検出情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成装置であって、
第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記出力データである第２の教師データを取得する取得部と、
前記取得部によって取得された前記第２の教師データ、および前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成する生成部とを備える、学習モデル生成装置。

【請求項2】

前記取得部は、時系列の前記第２の画像データが入力された前記第１の教師データ用モデルから出力される複数の前記出力データのうち、前記第２の教師データを取得し、かつ前記第２の教師データに対応する前記第２の画像データと時間的に連続して前記第２の対象地点において撮影された画像データである関連画像データを含む関連教師データであって前記関連画像データと前記第２の検出情報とが対応付けられた前記関連教師データを取得する、請求項１に記載の学習モデル生成装置。

【請求項3】

前記取得部は、時系列の前記第２の画像データが入力された前記第１の教師データ用モデルから出力される複数の前記出力データのうち、前記第２の検出情報が所定条件を満たす前記第２の教師データを取得する、請求項１に記載の学習モデル生成装置。

【請求項4】

前記学習モデル生成装置は、さらに、
前記取得部によって取得された前記第２の教師データを所定条件に従って修正する修正部を備え、
前記生成部は、前記修正部による修正後の前記第２の教師データおよび前記第１の教師データ用モデルを用いて、前記第２の教師データ用モデルを生成する、請求項１または請求項２に記載の学習モデル生成装置。

【請求項5】

前記学習モデル生成装置は、さらに、
前記第１の教師データを用いて生成された前記第１の教師データ用モデルを記憶する記憶部を備え、
前記生成部は、前記記憶部に保存されている前記第１の教師データ用モデルを、生成した前記第２の教師データ用モデルに更新し、
前記取得部は、更新後の前記第１の教師データ用モデルへ、前記第２の画像データを入力し、更新後の前記第１の教師データ用モデルから出力される前記出力データのうち、前記第２の教師データを新たに取得し、
前記生成部は、前記取得部によって新たに取得された前記第２の教師データ、および更新後の前記第１の教師データ用モデルを用いて、前記第２の教師データ用モデルを新たに生成する、請求項１または請求項２に記載の学習モデル生成装置。

【請求項6】

前記第２の検出対象の種類は、前記第１の検出対象の種類と同じである、請求項１から請求項３のいずれか１項に記載の学習モデル生成装置。

【請求項7】

対象地点において撮影された画像データと前記対象地点における検出対象に関する情報である検出情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成方法であって、
第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記出力データである第２の教師データを取得するステップと、
取得した前記第２の教師データ、および前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成するステップとを含む、学習モデル生成方法。

【請求項8】

請求項７に記載の学習モデル生成方法によって生成された前記第２の教師データ用モデルである、学習モデル。

【請求項9】

対象地点において撮影された画像データと前記対象地点における検出対象に関する情報である検出情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成装置において用いられる学習モデル生成プログラムであって、
コンピュータを、
第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記出力データである第２の教師データを取得する取得部と、
前記取得部によって取得された前記第２の教師データ、および前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成する生成部、
として機能させるための、学習モデル生成プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、学習モデル生成装置、学習モデル生成方法、学習モデルおよび学習モデル生成プログラムに関する。

【背景技術】

【0002】

対象地点において撮影された画像データと当該対象地点における検出対象に関する情報とが対応付けられた教師データを用いて学習モデルを生成する技術が開発されている。

【0003】

たとえば、特許文献１（特開２０２０－１８７０７１号公報）には、以下のような技術が開示されている。すなわち、画像検査装置は、撮像手段により撮像された検査対象物の画像に基づいて当該検査対象物の良否判定を行う画像検査装置において、前記画像検査装置のモードを、当該画像検査装置の設定を行う設定モードと、検査を実行する運転モードとに切り替えるモード切替手段と、前記設定モード時に前記撮像手段の撮像条件の設定を受け付ける撮像設定手段と、前記設定モード時に、使用者により良品としての属性が付与された良品画像と、不良品としての属性が付与された不良品画像をそれぞれ登録する学習画像登録手段と、前記設定モード時に、前記学習画像登録手段で登録された良品画像と不良品画像を学習し、良品画像と不良品画像を識別する識別器を生成する識別器生成手段と、前記運転モードにおいて、前記撮像手段により新たに撮像された検査対象画像を前記識別器に入力し、良否判定を行う良否判定手段と、前記運転モードにおいて、前記検査対象画像を前記良否判定手段による良否判定結果とともに運転モード画面に表示する表示手段と、前記運転モード画面に表示された前記検査対象画像を良品画像又は不良品画像として追加学習させるか否かの指定を受け付ける追加学習画像指定手段とを備え、前記識別器生成手段は、前記追加学習画像指定手段により追加学習対象として指定された前記検査対象画像を良品画像又は不良品画像として追加学習し、前記識別器を更新するように構成されていることを特徴とする。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２０－１８７０７１号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

複数の対象地点において検出処理を行う場合、各対象地点において撮影された画像の背景等が異なる可能性があるため、各対象地点における教師データを取得する必要がある。特許文献１に記載の技術では、ユーザが、各対象地点における教師データを作成するため、各対象地点における教師データの取得に要する手間およびコストが増加し、かつ教師データの信頼度が低下する可能性がある。

【0006】

本開示は、上述の課題を解決するためになされたもので、その目的は、各対象地点における教師データを容易に取得しつつ、教師データの信頼度を高めることが可能な学習モデル生成装置、学習モデル生成方法、学習モデルおよび学習モデル生成プログラムを提供することである。

【課題を解決するための手段】

【0007】

本開示の学習モデル生成装置は、対象地点において撮影された画像データと前記対象地点における検出対象に関する情報である検出情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成装置であって、第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記出力データである第２の教師データを取得する取得部と、前記取得部によって取得された前記第２の教師データ、および前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成する生成部とを備える。

【0008】

本開示の一態様は、このような特徴的な処理部を備える学習モデル生成装置として実現され得るだけでなく、学習モデル生成装置の一部または全部を実現する半導体集積回路として実現され得たり、学習モデル生成装置を含むシステムとして実現され得る。

【0009】

本開示によれば、各対象地点における教師データを容易に取得しつつ、教師データの信頼度を高めることができる。

【図面の簡単な説明】

【0010】

【図1】図１は、本開示の実施の形態に係る検出システムの構成を示す図である。

【図2】図２は、本開示の実施の形態に係る検出装置における検出部から出力される検出結果の一例を示す図である。

【図3】図３は、本開示の実施の形態に係る学習モデル生成装置の構成を示す図である。

【図4】図４は、本開示の実施の形態に係る学習モデル生成装置による、教師データ用モデルの生成方法を説明するための図である。

【図5】図５は、本開示の実施の形態に係る学習モデル生成装置が保持するモデルテーブルの一部を示す図である。

【図6】図６は、本開示の実施の形態に係る学習モデル生成装置において、更新処理が行われた後におけるモデルテーブルの一部を示す図である。

【図7】図７は、本開示の実施の形態に係る学習モデル生成装置が教師データ用モデルを生成する際の動作手順を定めたフローチャートである。

【図8】図８は、本開示の実施の形態に係る検出装置の検出処理部による、検出処理の動作手順を定めたフローチャートである。

【図9】図９は、本開示の実施の形態に係る学習モデル生成装置の変形例１において、第１の教師データ用モデルから出力される複数の出力データの一例を示す図である。

【図10】図１０は、本開示の実施の形態に係る学習モデル生成装置の変形例１において、取得部が取得する第２の教師データおよび関連教師データの一例を示す図である。

【図11】図１１は、本開示の実施の形態に係る学習モデル生成装置の変形例１において、取得部が取得する第２の教師データおよび関連教師データの他の例を示す図である。

【図12】図１２は、本開示の実施の形態に係る学習モデル生成装置の変形例２において、第１の教師データ用モデルから出力される第２の教師データの一例を示す図である。

【図13】図１３は、本開示の実施の形態に係る学習モデル生成装置の変形例３の構成を示す図である。

【発明を実施するための形態】

【0011】

最初に、本開示の実施の形態の内容を列記して説明する。
（１）本開示の実施の形態に係る学習モデル生成装置は、対象地点において撮影された画像データと前記対象地点における検出対象に関する情報である検出情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成装置であって、第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記出力データである第２の教師データを取得する取得部と、前記取得部によって取得された前記第２の教師データ、および前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成する生成部とを備える。

【0012】

このように、教師データを出力する第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力することにより、第１の教師データ用モデルから出力される第２の教師データを第２の対象地点における教師データとして自動的に取得することができる。また、第２の教師データおよび第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成することにより、第２の教師データ用モデルから出力される出力結果に、第１の対象地点における第１の教師データおよび第２の対象地点における第２の教師データを反映させることができるため、第２の教師データ用モデルから出力される教師データの信頼度を高めることができる。したがって、各対象地点における教師データを容易に取得しつつ、教師データの信頼度を高めることができる。

【0013】

（２）上記（１）において、前記取得部は、時系列の前記第２の画像データが入力された前記第１の教師データ用モデルから出力される複数の前記出力データのうち、前記第２の教師データを取得し、かつ前記第２の教師データに対応する前記第２の画像データと時間的に連続して前記第２の対象地点において撮影された画像データである関連画像データを含む関連教師データであって前記関連画像データと前記第２の検出情報とが対応付けられた前記関連教師データを取得してもよい。

【0014】

このような構成により、第１の教師データ用モデルが出力する出力データに、検出情報が漏れた出力データが含まれる場合でも、当該検出情報が漏れた出力データに第２の検出情報を対応付けた関連教師データを取得することができるため、第２の教師データ用モデルを生成するための機械学習において学習効率を高めることができる。

【0015】

（３）上記（１）において、前記取得部は、時系列の前記第２の画像データが入力された前記第１の教師データ用モデルから出力される複数の前記出力データのうち、前記第２の検出情報が所定条件を満たす前記第２の教師データを取得してもよい。

【0016】

このような構成により、たとえば、検出対象を含まない第２の画像データと第２の検出情報とを対応付けた第２の教師データを第２の教師データ用モデルの生成に用いることを抑制することができるため、第２の教師データ用モデルを生成するための機械学習において学習効率を高めることができる。

【0017】

（４）上記（１）から（３）のいずれかにおいて、前記学習モデル生成装置は、さらに、前記取得部によって取得された前記第２の教師データを所定条件に従って修正する修正部を備えてもよく、前記生成部は、前記修正部による修正後の前記第２の教師データおよび前記第１の教師データ用モデルを用いて、前記第２の教師データ用モデルを生成してもよい。

【0018】

このような構成により、たとえば、取得した第２の教師データの信頼度が低い場合であっても、修正部による修正後の第２の教師データおよび第１の教師データ用モデルを用いて第２の教師データ用モデルが生成されるため、第２の教師データ用モデルから出力される教師データの信頼度をより高めることができる。

【0019】

（５）上記（１）から（４）のいずれかにおいて、前記学習モデル生成装置は、さらに、前記第１の教師データを用いて生成された前記第１の教師データ用モデルを記憶する記憶部を備えてもよく、前記生成部は、前記記憶部に保存されている前記第１の教師データ用モデルを、生成した前記第２の教師データ用モデルに更新してもよく、前記取得部は、更新後の前記第１の教師データ用モデルへ、前記第２の画像データを入力し、更新後の前記第１の教師データ用モデルから出力される前記出力データのうち、前記第２の教師データを新たに取得してもよく、前記生成部は、前記取得部によって新たに取得された前記第２の教師データ、および更新後の前記第１の教師データ用モデルを用いて、前記第２の教師データ用モデルを新たに生成してもよい。

【0020】

このように、更新後の第１の教師データ用モデルから出力される出力データから第２の教師データを新たに取得することにより、第２の教師データの信頼度をより高めることができる。また、新たに取得した第２の教師データ、および更新後の第１の教師データ用モデルを用いて、第２の教師データ用モデルを新たに生成することにより、第２の教師データ用モデルの信頼度をより高めることができる。

【0021】

（６）上記（１）から（５）のいずれかにおいて、前記第２の検出対象の種類は、前記第１の検出対象の種類と同じであってもよい。

【0022】

このような構成により、第２の検出対象と同じ種類の第１の検出対象に関する検出情報を含む第１の教師データを、第２の教師データ用モデルを生成する際に用いることができるため、第２の教師データ用モデルから出力される第２の教師データの信頼度をより高めることができる。

【0023】

（７）本開示の実施の形態に係る学習モデル生成方法は、対象地点において撮影された画像データと前記対象地点における検出対象に関する情報である検出情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成方法であって、第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記出力データである第２の教師データを取得するステップと、取得した前記第２の教師データ、および前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成するステップとを含む。

【0024】

このように、教師データを出力する第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力することにより、第１の教師データ用モデルから出力される第２の教師データを第２の対象地点における教師データとして自動的に取得することができる。また、第２の教師データおよび第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成することにより、第２の教師データ用モデルから出力される出力結果に、第１の対象地点における第１の教師データおよび第２の対象地点における第２の教師データを反映させることができるため、第２の教師データ用モデルから出力される教師データの信頼度を高めることができる。したがって、各対象地点における教師データを容易に取得しつつ、教師データの信頼度を高めることができる。

【0025】

（８）本開示の実施の形態に係る学習モデルは、上記（７）における学習モデル生成方法によって生成された前記第２の教師データ用モデルである。

【0026】

このような構成により、信頼度の高い教師データを自動的に出力する学習モデルを提供することができる。

【0027】

（９）本開示の実施の形態に係る学習モデル生成プログラムは、対象地点において撮影された画像データと前記対象地点における検出対象に関する情報である検出情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成装置において用いられる学習モデル生成プログラムであって、コンピュータを、第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記出力データである第２の教師データを取得する取得部と、前記取得部によって取得された前記第２の教師データ、および前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成する生成部、として機能させるためのプログラムである。

【0028】

このように、教師データを出力する第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力することにより、第１の教師データ用モデルから出力される第２の教師データを第２の対象地点における教師データとして自動的に取得することができる。また、第２の教師データおよび第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成することにより、第２の教師データ用モデルから出力される出力結果に、第１の対象地点における第１の教師データおよび第２の対象地点における第２の教師データを反映させることができるため、第２の教師データ用モデルから出力される教師データの信頼度を高めることができる。したがって、各対象地点における教師データを容易に取得しつつ、教師データの信頼度を高めることができる。

【0029】

以下、本開示の実施の形態について図面を用いて説明する。なお、図中同一または相当部分には同一符号を付してその説明は繰り返さない。また、以下に記載する実施の形態の少なくとも一部を任意に組み合わせてもよい。

【0030】

［検出システム］
図１は、本開示の実施の形態に係る検出システムの構成を示す図である。

【0031】

図１を参照して、検出システム３０１は、検出装置１０１と、複数のカメラ２０１とを備える。

【0032】

検出装置１０１は、対象地点（Ｔａｒｇｅｔ Ｐｌａｃｅ）における検出対象Ｍを検出する検出処理を行う。検出装置１０１は、複数の対象地点において検出処理を行う。検出装置１０１は、たとえば工場内に設置され、工場内の対象地点における人または車両等を、検出対象Ｍとして検出する。検出装置１０１は、たとえばサーバである。

【0033】

複数のカメラ２０１は、対象地点ごとに設けられる。カメラ２０１は、撮像装置の一例であり、たとえば、対象地点を定期的に撮影する。各カメラ２０１は、たとえばネットワーク経由で検出装置１０１と接続されている。各カメラ２０１は、たとえば、ＩＤを有し、自己のＩＤを含む画像データＤを、ネットワークを介して検出装置１０１へ送信する。

【0034】

［検出装置］
検出装置１０１は、学習モデル生成装置１０と、検出処理部２０と、画像取得部３０と、設定部４０とを備える。画像取得部３０および設定部４０のいずれか一方または両方は、たとえば、１または複数のプロセッサを含む第１の処理回路により実現される。

【0035】

学習モデル生成装置１０は、第１の生成部１１と、取得部１２と、第２の生成部１３と、記憶部１４とを含む。第１の生成部１１、取得部１２および第２の生成部１３の一部または全部は、たとえば、１または複数のプロセッサを含む第２の処理回路により実現される。記憶部１４は、たとえば上記第２の処理回路に含まれる不揮発性メモリである。

【0036】

検出処理部２０は、検出用モデル生成部２１と、検出部２２と、記憶部２３とを含む。検出用モデル生成部２１および検出部２２のいずれか一方または両方は、たとえば、１または複数のプロセッサを含む第３の処理回路により実現される。記憶部２３は、たとえば上記第３の処理回路に含まれる不揮発性メモリである。

【0037】

画像取得部３０は、画像データＤを取得する。より詳細には、画像取得部３０は、たとえば、ネットワークを介してカメラ２０１から画像データＤを受信し、受信した画像データＤを記憶部１４および記憶部２３に保存する。画像取得部３０は、たとえば、時系列の画像データＤを取得する。

【0038】

なお、各カメラ２０１は、対象地点において撮影した画像データＤを、ネットワークを介して検出装置１０１へ送信する構成に限らず、たとえば、メモリカードおよびＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）（登録商標）等の記録媒体に書き込む構成であってもよい。この場合、画像取得部３０は、当該記録媒体から画像データＤを取得してもよい。

【0039】

また、画像取得部３０は、取得した画像データＤに対して所定の加工処理を行ってもよい。たとえば、画像取得部３０は、取得した画像データＤから所定サイズの画像データを切り出し、切り出した画像データを記憶部１４および記憶部２３に保存してもよい。

【0040】

検出処理部２０における検出部２２は、記憶部２３に保存されている画像データＤと、学習モデルの一例である検出用モデルＫとを用いて、検出処理を行う。検出用モデルＫは、対象地点における検出対象Ｍに関する検出結果を出力する学習モデルである。

【0041】

より詳細には、検出部２２は、検出用モデルＫへ、対象地点において撮影された画像データＤを入力し、検出用モデルＫから出力される検出結果を当該対象地点における検出結果として取得する。検出部２２は、たとえば取得した検出結果を、図示しない表示装置に表示する。

【0042】

図２は、本開示の実施の形態に係る検出装置における検出部から出力される検出結果の一例を示す図である。

【0043】

図１および図２を参照して、設定部４０は、検出処理を行う対象地点を示す検出地点情報の入力を受け付ける。設定部４０は、たとえば、マウスまたはキーボード等の入力装置を介してユーザにより入力された検出地点情報を記憶部２３に保存する。

【0044】

検出用モデル生成部２１は、検出地点情報が記憶部２３に保存されたことを確認した場合、教師あり学習により検出用モデルＫを生成する。具体的には、検出用モデル生成部２１は、対象地点において撮影された画像データＤと当該対象地点における検出情報Ｇとが対応付けられた教師データＴを用いて、検出用モデルＫを生成する。教師データＴは、記憶部２３に保存されている。

【0045】

検出部２２は、検出用モデルＫが検出用モデル生成部２１によって生成された後、検出地点情報が示す対象地点に設けられたカメラ２０１のＩＤを含む画像データＤを記憶部２３から読み出す。検出部２２は、読み出した画像データＤが入力された検出用モデルＫから出力される出力結果を検出結果として表示装置へ出力する。たとえば、検出部２２は、読み出した画像データＤに検出対象Ｍが含まれる場合、検出枠Ｅが設定された画像データＤと、検出対象Ｍに関する情報である検出情報Ｇとを検出結果として表示装置へ出力する。

【0046】

検出枠Ｅは、画像データＤに含まれる検出対象Ｍを示す枠である。検出情報Ｇは、たとえば、検出対象Ｍの種類を示す種類情報、検出枠Ｅの位置を示す位置情報、検出枠Ｅのサイズを示すサイズ情報および検出結果の正解率を示す信頼度情報を含む。検出結果の正解率は、検出用モデルＫの精度を判断するための指標である。検出部２２は、たとえば、検出用モデルＫから出力される出力データと、記憶部２３に保存されている教師データＴとに基づいて、検出結果の正解率を算出する。

【0047】

［課題の説明］
各対象地点において撮影された画像データＤの背景、および各対象地点における検出対象Ｍが互いに異なる場合が考えられる。この場合、検出装置１０１は、検出対象Ｍの検出精度を高めるために、対象地点ごとに教師データＴを取得する必要がある。そのため、教師データＴを作成する作業、すなわちアノテーション作業の効率化が求められている。

【0048】

たとえば、特許文献１には、ユーザが、装置の画面に表示される複数の画像データから、検出対象が含まれる画像データを選択し、選択した画像データに含まれる検出対象に関する情報を入力する技術が開示されている。すなわち、特許文献１に記載の技術では、教師データＴは、ユーザにより作成されている。

【0049】

このように、特許文献１に記載の技術では、各対象地点における教師データがユーザにより作成されているため、教師データの取得に要する時間がユーザに応じて異なる。また、特許文献１に記載の技術では、各対象地点における教師データの取得に要する手間およびコストが増加し、かつ教師データの信頼度が低下する可能性がある。

【0050】

これに対して、本開示の実施の形態に係る学習モデル生成装置では、以下のような構成および動作により、上記課題を解決する。

【0051】

［学習モデル生成装置］
図３は、本開示の実施の形態に係る学習モデル生成装置の構成を示す図である。

【0052】

図１および図３を参照して、学習モデル生成装置１０は、教師データＴを出力する学習モデルである教師データ用モデルＲを生成する。

【0053】

図４は、本開示の実施の形態に係る学習モデル生成装置による、教師データ用モデルの生成方法を説明するための図である。図４において、「地点Ｐ１」は第１の対象地点の一例であり、「地点Ｐ２」は第２の対象地点の一例であり、「地点Ｐ３」は第３の対象地点の一例である。ここでは、地点Ｐ２における検出対象Ｍおよび地点Ｐ３における検出対象Ｍは、たとえば地点Ｐ１における検出対象Ｍと同じである。なお、「第１の」、「第２の」および「第３の」の記載は、優先順位を意味するものではない。

【0054】

図３および図４を参照して、学習モデル生成装置１０は、教師あり学習により教師データ用モデルＲを生成する。まず、学習モデル生成装置１０は、たとえばユーザの操作に従って、地点Ｐ１における教師データＴを用いて、教師データ用モデルＲを生成するモデル生成処理ＳＴ１を行う。

【0055】

より詳細には、検出装置１０１における設定部４０は、地点Ｐ１において撮影された第１の画像データＤ１と地点Ｐ１における第１の検出情報とが対応付けられた第１の教師データＴ１の入力を受け付ける。設定部４０は、ユーザにより入力された第１の教師データＴ１を記憶部１４に保存する。第１の教師データＴ１は、たとえば、予めユーザにより作成されている。

【0056】

第１の生成部１１は、記憶部１４に保存されている第１の教師データＴ１を用いて、教師データＴを出力する第１の教師データ用モデルＲ１を生成する。

【0057】

第１の生成部１１は、たとえばディープラーニング（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）の手法に沿って、多層化したニューラルネットワークへ第１の教師データＴ１を入力する。

【0058】

そして、第１の生成部１１は、多層化したニューラルネットワークに対して検出情報Ｇを含む教師データＴを出力できるように機械学習させることにより、第１の教師データ用モデルＲ１を生成する。第１の生成部１１は、生成した第１の教師データ用モデルＲ１を記憶部１４に保存する。すなわち、記憶部１４は、第１の生成部１１によって生成された第１の教師データ用モデルＲ１を記憶する。

【0059】

次に、学習モデル生成装置１０は、ユーザの操作に従い、地点Ｐ１以外の対象地点における教師データＴを取得する。

【0060】

より詳細には、設定部４０は、教師データＴを取得する対象地点を示す対象地点情報等の入力を受け付ける。設定部４０は、たとえば、入力装置を介してユーザにより入力された対象地点情報を記憶部１４に保存する。図４に示す例では、ユーザが、第１の教師データ用モデルＲ１が生成された後、「地点Ｐ２」を示す対象地点情報を設定部４０へ入力し、設定部４０が当該対象地点情報を記憶部１４に保存したものとする。

【0061】

取得部１２は、地点Ｐ２を示す対象地点情報が記憶部１４に保存されたことを確認した場合、対象地点情報が示す地点Ｐ２において撮影された第２の画像データＤ２を記憶部１４から取得する。より詳細には、取得部１２は、地点Ｐ２に設けられたカメラ２０１のＩＤを含む第２の画像データＤ２を記憶部１４から取得する。

【0062】

取得部１２は、記憶部１４から第２の画像データＤ２を取得すると、第１の生成部１１によって生成された第１の教師データ用モデルＲ１へ、第２の画像データＤ２を入力する。より詳細には、取得部１２は、第１の教師データ用モデルＲ１を記憶部１４から読み出し、読み出した第１の教師データ用モデルＲ１へ、記憶部１４から取得した第２の画像データＤ２を入力する。

【0063】

そして、取得部１２は、第２の画像データＤ２が入力された第１の教師データ用モデルＲ１から出力される出力データである第２の教師データＴ２を取得する。第２の教師データＴ２は、第２の画像データＤ２と地点Ｐ２における検出対象Ｍに関する検出情報Ｇとが対応付けられた出力データである。取得部１２は、取得した第２の教師データＴ２を記憶部１４に保存する。また、取得部１２は、取得した第２の教師データＴ２を検出処理部２０の記憶部２３に保存する。

【0064】

第２の生成部１３は、取得部１２によって取得された第２の教師データＴ２、および記憶部１４に保存されている第１の教師データ用モデルＲ１を用いて、教師データＴを出力する第２の教師データ用モデルＲ２を生成する。

【0065】

より詳細には、第２の生成部１３は、第２の教師データＴ２および第１の教師データ用モデルＲ１を記憶部１４から読み出し、読み出した第２の教師データＴ２および第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を生成するモデル生成処理ＳＴ２を行う。

【0066】

第２の生成部１３は、第１の教師データ用モデルＲ１へ第２の教師データＴ２を入力することにより、第２の教師データ用モデルＲ２を生成する。第２の生成部１３は、たとえばディープラーニングの手法に沿って、第１の教師データ用モデルＲ１へ第２の教師データＴ２を入力する。

【0067】

そして、第２の生成部１３は、第１の教師データ用モデルＲ１に対して機械学習させることにより、第２の教師データ用モデルＲ２を生成する。第２の生成部１３は、生成した第２の教師データ用モデルＲ２を記憶部１４に保存する。

【0068】

次に、学習モデル生成装置１０は、ユーザの操作に従い、地点Ｐ１および地点Ｐ２以外の対象地点における教師データＴを取得する。図４に示す例では、ユーザが、第２の教師データ用モデルＲ２が生成された後、「地点Ｐ３」を示す対象地点情報を設定部４０へ入力し、設定部４０が当該対象地点情報を記憶部１４に保存したものとする。

【0069】

取得部１２は、地点Ｐ３を示す対象地点情報が記憶部１４に保存されたことを確認した場合、対象地点情報が示す地点Ｐ３において撮影された第３の画像データＤ３を記憶部１４から取得する。より詳細には、取得部１２は、地点Ｐ３に設けられたカメラ２０１のＩＤを含む第３の画像データＤ３を記憶部１４から取得する。

【0070】

取得部１２は、第３の画像データＤ３を記憶部１４から取得すると、第２の生成部１３によって生成された第２の教師データ用モデルＲ２へ、第３の画像データＤ３を入力する。より詳細には、取得部１２は、第２の教師データ用モデルＲ２を記憶部１４から読み出し、読み出した第２の教師データ用モデルＲ２へ、記憶部１４から取得した第３の画像データＤ３を入力する。

【0071】

そして、取得部１２は、第３の画像データＤ３が入力された第２の教師データ用モデルＲ２から出力される第３の教師データＴ３を取得する。第３の教師データＴ３は、第３の画像データＤ３と地点Ｐ３における検出対象Ｍに関する検出情報Ｇとが対応付けられた教師データＴである。取得部１２は、取得した第３の教師データＴ３を記憶部１４に保存する。また、取得部１２は、取得した第３の教師データＴ３を検出処理部２０の記憶部２３に保存する。

【0072】

第２の生成部１３は、取得部１２によって取得された第３の教師データＴ３、および記憶部１４に保存されている第２の教師データ用モデルＲ２を用いて、第３の教師データ用モデルＲ３を生成する。

【0073】

より詳細には、第２の生成部１３は、第３の教師データＴ３および第２の教師データ用モデルＲ２を記憶部１４から読み出し、読み出した第３の教師データＴ３および第２の教師データ用モデルＲ２を用いて、教師データＴを出力する第３の教師データ用モデルＲ３を生成するモデル生成処理ＳＴ３を行う。

【0074】

第２の生成部１３は、たとえばディープラーニングの手法に沿って、多層化したニューラルネットワークへ、第３の教師データＴ３および第２の教師データ用モデルＲ２を入力する。

【0075】

そして、第２の生成部１３は、多層化したニューラルネットワークに対して検出情報Ｇを含む教師データＴを出力できるように機械学習させることにより、第３の教師データ用モデルＲ３を生成する。第２の生成部１３は、生成した第３の教師データ用モデルＲ３を記憶部１４に保存する。

【0076】

次に、ユーザが、教師データＴを取得する対象地点として、図示しない第４の対象地点を示す対象地点情報を入力した場合、取得部１２は、第２の生成部１３によって生成された第３の教師データ用モデルＲ３を用いて、第４の対象地点における第４の教師データＴ４を取得する。

【0077】

第２の生成部１３は、たとえば、取得部１２によって取得された第４の教師データＴ４と、記憶部１４に保存されている第２の教師データＴ２および第３の教師データＴ３のいずれか一方または両方と、ならびに記憶部１４に保存されている第３の教師データ用モデルＲ３とを用いて、第４の対象地点における第４の教師データ用モデルＲ４を生成する。

【0078】

このように、学習モデル生成装置１０は、第１の教師データ用モデルＲ１を生成した後、ユーザから対象地点情報が入力される度に、対象地点情報が示す対象地点における教師データＴを取得する教師データ取得処理と、教師データ用モデルＲを新たに生成するモデル生成処理とを行う。

【0079】

（教師データ用モデルの更新）
記憶部１４は、対象地点と教師データ用モデルＲとの対応関係を示すモデルテーブルＴｂを記憶する。

【0080】

より詳細には、モデルテーブルＴｂは、対象地点と当該対象地点における教師データＴを取得するために用いる教師データ用モデルＲの種類との対応関係を示す。

【0081】

取得部１２は、たとえば、地点Ｐ１以外の対象地点において教師データＴを取得した後、当該教師データＴを取得するために用いた教師データ用モデルＲと対象地点との対応関係を記憶部１４に登録する。

【0082】

図５は、本開示の実施の形態に係る学習モデル生成装置が保持するモデルテーブルの一部を示す図である。

【0083】

図５を参照して、モデルテーブルＴｂでは、対象地点「地点Ｐ２」と「第１の教師データ用モデルＲ１」とが対応付けられ、対象地点「地点Ｐ３」と「第２の教師データ用モデルＲ２」とが対応づけられている。

【0084】

第２の生成部１３は、記憶部１４に保存されている第１の教師データ用モデルＲ１を、生成した第２の教師データ用モデルＲ２に更新する更新処理を行う。

【0085】

図６は、本開示の実施の形態に係る学習モデル生成装置において、更新処理が行われた後におけるモデルテーブルの一部を示す図である。

【0086】

図５および図６を参照して、第２の生成部１３は、記憶部１４に保存されているモデルテーブルＴｂを参照し、対象地点「地点Ｐ２」に対応する「第１の教師データ用モデルＲ１」を、「第２の教師データ用モデルＲ２」に書き換える更新処理を行う。すなわち、図６に示すモデルテーブルＴｂでは、対象地点「地点Ｐ２」と「第２の教師データ用モデルＲ２」とが対応付けられている。

【0087】

図３および図４を参照して、取得部１２は、地点Ｐ２における次回の教師データ取得処理において、更新後の第１の教師データ用モデルＲ１、すなわち第２の教師データ用モデルＲ２へ、第２の画像データＤ２を入力する。

【0088】

より詳細には、取得部１２は、地点Ｐ２を示す対象地点情報が記憶部１４に新たに保存されたことを確認した場合、記憶部１４に保存されている第２の画像データＤ２を取得する。取得部１２は、更新後の第１の教師データ用モデルＲ１を記憶部１４から読み出し、読み出した更新後の第１の教師データ用モデルＲ１へ、記憶部１４から新たに取得した第２の画像データＤ２を入力する。

【0089】

そして、取得部１２は、第２の教師データ用モデルＲ２から出力される第２の教師データＴ２を新たに取得する。取得部１２は、新たに取得した第２の教師データＴ２を記憶部１４に保存する。

【0090】

第２の生成部１３は、取得部１２によって新たに取得された第２の教師データＴ２、および更新後の第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を新たに生成する。

【0091】

より詳細には、第２の生成部１３は、第２の教師データＴ２および更新後の第１の教師データ用モデルＲ１を記憶部１４から読み出し、読み出した第２の教師データＴ２および更新後の第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を新たに生成する。第２の生成部１３は、新たに生成した第２の教師データ用モデルＲ２を記憶部１４に保存する。また、第２の生成部１３は、記憶部１４に保存されているモデルテーブルＴｂを参照し、新たに生成した第２の教師データ用モデルＲ２を対象地点「地点Ｐ２」および「地点Ｐ３」と対応付ける。

【0092】

なお、第２の生成部１３は、図４に示す第３の教師データ用モデルＲ３を生成した後、記憶部１４に保存されている第２の教師データ用モデルＲ２を、生成した第３の教師データ用モデルＲ３に更新する更新処理を行ってもよい。また、第２の生成部１３は、更新処理を行わない構成であってもよい。

【0093】

［検出処理部］
以下、ユーザが、地点Ｐ２を示す検出地点情報を入力し、検出処理部２０が地点Ｐ２における検出処理を行う例について説明する。

【0094】

図１を参照して、検出用モデル生成部２１は、地点Ｐ２を示す検出地点情報が記憶部２３に保存されたことを確認した場合、地点Ｐ２に設けられたカメラ２０１のＩＤを含む第２の画像データに対応する第２の教師データＴ２が記憶部２３に保存されているか否かを確認する。

【0095】

検出用モデル生成部２１は、第２の教師データＴ２が記憶部２３に保存されていることを確認した場合、第２の教師データＴ２に加えて、第１の教師データＴ１を記憶部２３から取得し、取得した第１の教師データＴ１および第２の教師データＴ２を用いて、検出用モデルＫを生成する。

【0096】

より詳細には、検出用モデル生成部２１は、たとえばディープラーニングの手法に沿って、多層化したニューラルネットワークへ、第１の教師データＴ１および第２の教師データＴ２を入力する。

【0097】

そして、検出用モデル生成部２１は、多層化したニューラルネットワークに対して検出情報Ｇを含むデータを検出結果として出力できるように機械学習させることにより、検出用モデルＫを生成する。検出用モデル生成部２１は、生成した検出用モデルＫを記憶部２３に保存する。検出用モデル生成部２１は、検出用モデルＫを生成した旨を検出部２２に通知する。

【0098】

検出部２２は、検出用モデル生成部２１から検出用モデルＫを生成した旨の通知を受けた場合、記憶部２３に保存されている検出地点情報を参照する。検出部２２は、参照した検出地点情報が示す地点Ｐ２において撮影された第２の画像データＤ２を記憶部２３から取得する。より詳細には、検出部２２は、地点Ｐ２に設けられたカメラ２０１のＩＤを含む第２の画像データＤ２を記憶部２３から取得する。

【0099】

そして、検出部２２は、検出用モデル生成部２１によって生成された検出用モデルＫへ、記憶部２３から取得した第２の画像データＤ２を入力する。より詳細には、検出部２２は、記憶部２３から検出用モデルＫを読み出し、読み出した検出用モデルＫへ、記憶部２３から取得した第２の画像データＤ２を入力する。そして、検出部２２は、検出用モデルＫから出力される検出結果を、地点Ｐ２における検出結果として取得し、当該検出結果を表示装置に表示する。

【0100】

なお、本開示の実施の形態に係る検出装置１０１では、第１の生成部１１、第２の生成部１３および検出用モデル生成部２１は、ディープラーニングに従った機械学習を用いる構成であるとしたが、これに限定するものではない。第１の生成部１１、第２の生成部１３および検出用モデル生成部２１は、たとえばディープラーニング以外のニューラルネットワークを用いる構成であってもよい。あるいは、第１の生成部１１、第２の生成部１３および検出用モデル生成部２１は、サポートベクターマシン、Ｃ４．５、ＣＡＲＴ（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｎｄ Ｒｅｇｒｅｓｓｉｏｎ Ｔｒｅｅ）、ランダムフォレスト、バギング、決定木、ナイーブベイズ、ａｄａｂｏｏｓｔおよびｋ近傍法（ｋＮＮ：ｋ－ｎｅａｒｅｓｔ ｎｅｉｇｈｂｏｒ ａｌｇｏｒｉｔｈｍ）等の教師あり学習を用いる構成であってもよい。また、第１の生成部１１、第２の生成部１３および検出用モデル生成部２１は、互いに異なる手法に沿って学習モデルを生成してもよい。

【0101】

［設定部］
図１および図３を参照して、検出処理部２０における記憶部２３は、検出用モデルＫのパラメータを示す設定ファイル（以下、「検出用設定ファイル」とも称する。）を記憶する。学習モデル生成装置１０における記憶部１４は、教師データ用モデルＲのパラメータを示す設定ファイル（以下、「教師データ用設定ファイル」とも称する。）を記憶する。

【0102】

設定部４０は、たとえば、入力装置を介してユーザから検出用モデルＫのパラメータおよび教師データ用モデルＲのパラメータの入力を受け付ける。そして、設定部４０は、ユーザにより入力された検出用モデルＫのパラメータを示す検出用設定ファイルを作成し、作成した検出用設定ファイルを記憶部２３に保存する。また、設定部４０は、ユーザにより入力された教師データ用モデルＲのパラメータを示す教師データ用設定ファイルを作成し、作成した教師データ用設定ファイルを記憶部２３に保存する。

【0103】

より詳細には、ユーザは、たとえば検出用モデルＫが生成されるまでの学習時間を、検出用モデルＫのパラメータとして設定部４０へ入力し、教師データ用モデルＲが生成されるまでの学習時間を、教師データ用モデルＲのパラメータとして設定部４０へ入力する。なお、ユーザは、教師データ用モデルＲから出力される教師データＴの信頼度が高まるように、教師データ用モデルＲが生成されるまでの学習時間の入力値を調整してもよい。

【0104】

あるいは、ユーザは、たとえば検出用モデルＫが生成されるまでの学習回数に関するパラメータ（以下、「検出用の学習回数パラメータ」とも称する。）を、検出用モデルＫのパラメータとして設定部４０へ入力する。また、ユーザは、たとえば教師データ用モデルＲが生成されるまでの学習回数に関するパラメータを（以下、「教師データ用の学習回数パラメータ」とも称する。）、教師データ用モデルＲのパラメータとして設定部４０へ入力する。具体的には、ユーザは、検出用の学習回数パラメータおよび教師データ用の学習回数パラメータとして、バッチサイズおよびエポック数のうちの少なくともいずれか一方を設定部４０へ入力する。なお、ユーザは、教師データ用モデルＲから出力される教師データＴの信頼度が高まるように、教師データ用の学習回数パラメータの入力値を調整してもよい。

【0105】

ここで、バッチサイズは、検出用モデルＫまたは教師データ用モデルＲを生成する処理における１回の学習時に用いられる教師データＴの数を意味する。以下、検出用モデルＫまたは教師データ用モデルＲを生成する処理において用いられる、すべての教師データＴをまとめて教師データセットとも称する。

【0106】

エポック数は、検出用モデルＫまたは教師データ用モデルＲを生成する処理において教師データセットを学習する回数を意味する。具体的には、１エポックは、検出用モデルＫまたは教師データ用モデルＲを生成する処理において教師データセットを１回学習することを意味する。

【0107】

ここで、上述したように、検出装置１０１における検出結果は、表示装置に表示される。これにより、ユーザは、表示装置に表示された検出結果に含まれる信頼度情報を参照して、検出用の学習回数パラメータの値を変更することができる。たとえば、ユーザは、図２に示す信頼度情報における検出結果の正解率が所定の閾値よりも小さい場合、検出用の学習回数パラメータの一例であるバッチサイズを設定部４０へ入力する際に、当該バッチサイズの入力値を大きくする。

【0108】

また、ユーザは、たとえば検出用モデルＫを生成する手法の種類を、検出用モデルＫのパラメータとして設定部４０へ入力し、および教師データ用モデルＲを生成する手法の種類を、教師データ用モデルＲのパラメータとして設定部４０へ入力する。ここで、教師データ用モデルＲは、検出処理において用いられる学習モデルではない。そのため、教師データ用モデルＲを生成するにあたって、教師データ用モデルＲから出力される出力データ、すなわち教師データＴの信頼度を高めることが、教師データ用モデルＲにおける入力データの処理速度を速くすることよりも重視される。そこで、ユーザは、たとえば、教師データ用モデルＲを生成する手法の種類として、教師データ用モデルＲにおける入力データの処理速度が検出用モデルＫにおける入力データの処理速度よりも遅くなったとしても教師データＴの信頼度を高めることが可能な手法を設定部４０へ入力する。

【0109】

［動作の流れ］
図７は、本開示の実施の形態に係る学習モデル生成装置が教師データ用モデルを生成する際の動作手順を定めたフローチャートである。図７に示す例では、学習モデル生成装置１０が、図４に示す第２の教師データＴ２および第３の教師データＴ３を取得するまでの動作手順について説明する。

【0110】

図７を参照して、まず、第１の生成部１１は、ユーザにより予め作成された第１の教師データＴ１を用いて第１の教師データ用モデルＲ１を生成する。第１の生成部１１は、生成した第１の教師データ用モデルＲ１を記憶部１４に保存する（ステップＳ１１）。

【0111】

次に、取得部１２は、地点Ｐ２を示す対象地点情報が記憶部１４に保存されるまで待機する（ステップＳ１２においてＮＯ）。

【0112】

次に、取得部１２は、地点Ｐ２を示す対象地点情報が記憶部１４に保存されたことを確認した場合（ステップＳ１２においてＹＥＳ）、対象地点情報が示す地点Ｐ２において撮影された第２の画像データＤ２を記憶部１４から取得する（ステップＳ１３）。

【0113】

次に、取得部１２は、第１の教師データ用モデルＲ１を記憶部１４から読み出し、読み出した第１の教師データ用モデルＲ１へ、記憶部１４から取得した第２の画像データＤ２を入力する。そして、取得部１２は、第１の教師データ用モデルＲ１から出力される第２の教師データＴ２を取得する。取得部１２は、取得した第２の教師データＴ２を記憶部１４に保存する。また、取得部１２は、取得した第２の教師データＴ２を検出処理部２０の記憶部２３に保存する（ステップＳ１４）。

【0114】

次に、第２の生成部１３は、取得部１２によって取得された第２の教師データＴ２、および第１の生成部１１によって生成された第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を生成する。第２の生成部１３は、生成した第２の教師データ用モデルＲ２を記憶部１４に保存する（ステップＳ１５）。

【0115】

次に、取得部１２は、地点Ｐ３を示す対象地点情報が記憶部１４に保存されるまで待機する（ステップＳ１６においてＮＯ）。

【0116】

次に、取得部１２は、地点Ｐ３を示す対象地点情報が記憶部１４に保存されたことを確認した場合（ステップＳ１６においてＹＥＳ）、対象地点情報が示す地点Ｐ３において撮影された第３の画像データＤ３を記憶部１４から取得する（ステップＳ１７）。

【0117】

次に、取得部１２は、第２の教師データ用モデルＲ２を記憶部１４から読み出し、読み出した第２の教師データ用モデルＲ２へ、記憶部１４から取得した第３の画像データＤ３を入力する。そして、取得部１２は、第２の教師データ用モデルＲ２から出力される第３の教師データＴ３を取得する。取得部１２は、取得した第３の教師データＴ３を記憶部１４に保存する。また、取得部１２は、取得した第３の教師データＴ３を検出処理部２０の記憶部２３に保存する（ステップＳ１８）。

【0118】

また、第２の生成部１３は、第２の教師データ用モデルＲ２を生成した後、記憶部１４に保存されている第１の教師データ用モデルＲ１を、生成した第２の教師データ用モデルＲ２に更新する。より詳細には、上述したように、第２の生成部１３は、記憶部１４に保存されているモデルテーブルＴｂを参照し、対象地点「地点Ｐ２」に対応する「第１の教師データ用モデルＲ１」を、「第２の教師データ用モデルＲ２」に書き換える更新処理を行う（ステップＳ１９）。

【0119】

そして、取得部１２は、地点Ｐ２を示す対象地点情報が記憶部１４に新たに保存されたことを確認した場合（ステップＳ１２においてＹＥＳ）、記憶部１４に保存されている第２の画像データＤ２を取得する（ステップＳ１３）。

【0120】

次に、取得部１２は、更新後の第１の教師データ用モデルＲ１を記憶部１４から読み出し、読み出した更新後の第１の教師データ用モデルＲ１へ、記憶部１４から新たに取得した第２の画像データＤ２を入力する。そして、取得部１２は、更新後の第１の教師データ用モデルＲ１から出力される出力データのうち、第２の教師データＴ２を新たに取得する。取得部１２は、新たに取得した第２の教師データＴ２を記憶部１４に保存する（ステップＳ１４）。

【0121】

次に、第２の生成部１３は、新たに取得した第２の教師データＴ２、および更新後の第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を新たに生成するたとえば、第２の生成部１３は、上述したように、第２の教師データＴ２および更新後の第１の教師データ用モデルＲ１を記憶部１４から読み出し、読み出した第２の教師データＴ２および更新後の第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を新たに生成する。第２の生成部１３は、新たに生成した第２の教師データ用モデルＲ２を記憶部１４に保存する（ステップＳ１５）。

【0122】

図８は、本開示の実施の形態に係る検出装置の検出処理部による、検出処理の動作手順を定めたフローチャートである。図８に示す例では、検出処理部２０が、図４に示す「地点Ｐ２」における検出処理を行う例について説明する。

【0123】

図８を参照して、まず、検出用モデル生成部２１は、地点Ｐ２を示す検出地点情報が記憶部２３に保存されるまで待機する（ステップＳ２１においてＮＯ）。

【0124】

次に、検出用モデル生成部２１は、地点Ｐ２を示す検出地点情報が記憶部２３に保存されたことを確認した場合（ステップＳ２１においてＹＥＳ）、第２の教師データＴ２が記憶部２３に保存されるまで待機する（ステップＳ２２においてＮＯ）。

【0125】

次に、検出用モデル生成部２１は、第２の教師データＴ２が記憶部２３に保存されていることを確認した場合（ステップＳ２２においてＹＥＳ）、第１の教師データＴ１および第２の教師データＴ２を用いて、検出用モデルＫを生成する。検出用モデル生成部２１は、生成した検出用モデルＫを記憶部２３に保存する。また、検出用モデル生成部２１は、検出用モデルＫを生成した旨を検出部２２に通知する（ステップＳ２３）。

【0126】

次に、検出部２２は、検出用モデル生成部２１から検出用モデルＫを生成した旨の通知を受けた場合、記憶部２３に保存されている検出地点情報を参照する。検出部２２は、参照した検出地点情報が示す地点Ｐ２において撮影された第２の画像データＤ２を記憶部２３から取得する（ステップＳ２４）。

【0127】

次に、検出部２２は、検出用モデル生成部２１によって生成された検出用モデルＫへ、記憶部２３から取得した第２の画像データＤ２を入力する。たとえば、検出部２２は、上述したように、記憶部２３から検出用モデルＫを読み出し、読み出した検出用モデルＫへ、記憶部２３から取得した第２の画像データＤ２を入力する。そして、検出部２２は、検出部２２は、第２の画像データＤ２が入力された検出用モデルＫから出力される検出結果を、地点Ｐ２における検出結果として取得する。検出部２２は、取得した検出結果を記憶部２３に保存する（ステップＳ２５）。

【0128】

次に、検出部２２は、取得した検出結果を表示装置に表示する（ステップＳ２６）。

【0129】

なお、本開示の実施の形態に係る学習モデル生成装置１０において、第２の生成部１３は、取得部１２によって取得された第２の教師データＴ２、および第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を生成する構成であるとしたが、これに限定するものではない。第２の生成部１３は、第１の教師データ用モデルＲ１へ、第１の教師データＴ１および取得部１２によって取得された第２の教師データＴ２を入力することにより、第２の教師データ用モデルＲ２を生成してもよい。

【0130】

また、本開示の実施の形態に係る学習モデル生成装置１０では、第１の生成部１１が第１の教師データ用モデルＲ１を生成する構成であるとしたが、これに限定するものではない。学習モデル生成装置１０は、他の装置によって生成された第１の教師データ用モデルＲ１を記憶部１４に保存する構成であってもよい。すなわち、学習モデル生成装置１０は、第１の生成部１１を備えない構成であってもよい。

【0131】

また、本開示の実施の形態に係る学習モデル生成装置１０において、図４に示す地点Ｐ２における検出対象Ｍの種類および地点Ｐ３における検出対象Ｍの種類が、地点Ｐ１における検出対象Ｍの種類と同じであるとしたが、これに限定するものではない。地点Ｐ２における検出対象Ｍの種類および地点Ｐ３における検出対象Ｍの種類は、地点Ｐ１における検出対象Ｍの種類と異なってもよい。すなわち、地点Ｐ１以外の対象地点における検出対象Ｍの種類は、地点Ｐ１における検出対象Ｍの種類と異なってもよい。

【0132】

また、本開示の実施の形態に係る検出システム３０１では、記憶部１４および記憶部２３は、検出装置１０１に設けられる構成であるとしたが、これに限定するものではない。記憶部１４および記憶部２３のいずれか一方または両方が、検出装置１０１以外の外部装置に設けられる構成であってもよい。

【0133】

また、本開示の実施の形態に係る検出装置１０１の機能の一部または全部が、クラウドコンピューティングによって提供されてもよい。すなわち、本開示の実施の形態に係る検出装置１０１が、複数のサーバによって構成されるクラウドサーバであってもよい。

【0134】

［教師データの変形例］
本開示の実施の形態に係る学習モデル生成装置１０では、取得部１２は、たとえば、第１の教師データ用モデルＲ１から出力される第２の教師データＴ２をそのまま、第２の教師データ用モデルＲ２を生成するモデル生成処理ＳＴ２に用いる教師データとして取得する構成であるとしたが、これに限定するものではない。取得部１２は、時系列の第２の画像データＤ２が入力された第１の教師データ用モデルＲ１から出力される複数の出力データのうち、モデル生成処理ＳＴ２に用いる出力データを選択してもよい（変形例１および変形例２）。また、学習モデル生成装置１０は、第１の教師データ用モデルＲ１から出力される第２の教師データＴ２を修正し、修正した第２の教師データＴ２をモデル生成処理ＳＴ２に用いてもよい（変形例３）。

【0135】

（変形例１）
図９は、本開示の実施の形態に係る学習モデル生成装置の変形例１において、第１の教師データ用モデルから出力される複数の出力データの一例を示す図である。なお、図９において、時刻ｔ１，ｔ２，ｔ３，ｔ４，ｔ５は、第２の画像データＤ２１，Ｄ２２，Ｄ２３，Ｄ２４，Ｄ２５がそれぞれ撮影された時刻である。以下、第２の画像データＤ２１，Ｄ２２，Ｄ２３，Ｄ２４，Ｄ２５は、この順で撮影されているものとする。

【0136】

図４および図９を参照して、時系列の第２の画像データＤ２１，Ｄ２２，Ｄ２３，Ｄ２４，Ｄ２５が入力された第１の教師データ用モデルＲ１は、検出情報Ｇを含む第２の教師データＴ２１，Ｔ２２，Ｔ２４，Ｔ２５を出力する一方で、検出情報Ｇを含まない出力データを第２の教師データＴ２３として出力する可能性がある

【0137】

より詳細には、第１の教師データ用モデルＲ１は、第２の画像データＤ２１，Ｄ２２，Ｄ２４，Ｄ２５に対して検出枠Ｅ１，Ｅ２，Ｅ４，Ｅ５をそれぞれ設定し、検出情報Ｇを含む第２の教師データＴ２１，Ｔ２２，Ｔ２４，Ｔ２５を出力する。第１の教師データ用モデルＲ１の信頼度が低い場合、第１の教師データ用モデルＲ１は、検出対象Ｍを含む第２の画像データＤ２３において、検出枠Ｅを設定しない可能性がある。言い換えれば、第１の教師データ用モデルＲ１は、検出情報Ｇが漏れた出力データを出力する可能性がある。

【0138】

変形例１では、取得部１２は、時系列の第２の画像データＤ２が入力された第１の教師データ用モデルＲ１から出力される複数の第２の教師データＴ２のうち、第２の教師データＴ２に加えて、第２の教師データＴ２に対応する第２の画像データＤ２と時間的に連続して地点Ｐ２において撮影された画像データＤ（以下、「関連画像データ」とも称する。）を含む関連教師データを取得する。関連教師データは、関連画像データと、地点Ｐ２における検出対象Ｍに関する検出情報とが対応付けられたデータである。

【0139】

図１０は、本開示の実施の形態に係る学習モデル生成装置の変形例１において、取得部が取得する第２の教師データおよび関連教師データの一例を示す図である。

【0140】

図１０を参照して、取得部１２は、たとえば、図９に示す複数の出力データのうち、第２の教師データＴ２４に加えて、第２の教師データＴ２４に対応する第２の画像データＤ２４と時間的に連続して撮影された関連画像データＤ１２３，Ｄ１２５にそれぞれ対応する関連教師データＴ１２３，Ｔ１２５を取得する抽出処理を行う。

【0141】

関連画像データＤ１２３は、第２の画像データＤ２４よりも時間的に前に撮影されており、関連画像データＤ１２５は、第２の画像データＤ２４よりも時間的に後に撮影されている。

【0142】

取得部１２は、関連画像データＤ１２５に対して検出枠Ｅ５を設定する。そして、取得部１２は、関連画像データＤ１２５と、検出枠Ｅ５に関する検出情報Ｇとが対応付けられた関連教師データＴ１２５を取得する。

【0143】

また、取得部１２は、検出枠Ｅが設定されていない関連画像データＤ１２３に対して、予想検出枠Ｆを設定する。そして、取得部１２は、関連画像データＤ１２３と、予想検出枠Ｆに関する情報である予想検出情報Ｈとが対応付けられた関連教師データＴ１２３を取得する。予想検出情報Ｈは、たとえば、検出情報Ｇと同様に、種類情報、位置情報、サイズ情報および信頼度情報を含む。

【0144】

より詳細には、取得部１２は、たとえば、関連画像データＤ１２３と時間的に連続して撮影された第２の画像データＤ２２，Ｄ２４に設定された検出枠Ｅ２，Ｅ４における４つの頂点の座標に基づいて、関連画像データＤ１２３に予想検出枠Ｆを設定する。

【0145】

取得部１２は、たとえば、検出枠Ｅ２における左上の頂点の座標と検出枠Ｅ４の左上の頂点の座標との平均値を、予想検出枠Ｆにおける左上の頂点の座標として算出する。取得部１２は、同様の方法により、予想検出枠Ｆの左下、右上、右下の頂点の座標を算出し、算出した４つの頂点の座標を示す位置情報を作成する。

【0146】

図９および図１０において、紙面左右方向を「ｘ軸方向」および紙面上下方向を「ｙ軸方向」とした場合、取得部１２は、算出した４つの頂点の座標に基づいて、予想検出枠Ｆのｘ軸方向の長さおよび予想検出枠Ｆのｙ軸方向の長さを示すサイズ情報を作成する。そして、取得部１２は、作成した位置情報およびサイズ情報に基づいて、関連画像データＤ１２３に予想検出枠Ｆを設定する。

【0147】

なお、取得部１２は、検出枠Ｅ２，Ｅ４における１つの頂点の座標、検出枠Ｅ２，Ｅ４のｘ軸方向の長さ、および検出枠Ｅ２，Ｅ４のｙ軸方向の長さに基づいて、関連画像データＤ１２３に予想検出枠Ｆを設定してもよい。たとえば、取得部１２は、検出枠Ｅ２の左下の頂点の座標と検出枠Ｅ４の左下の頂点の座標との平均値を、予想検出枠Ｆの左下の頂点の座標として算出し、算出した左下の頂点の座標を示す位置情報を作成する。

【0148】

また、取得部１２は、検出枠Ｅ２のｘ軸方向の長さと検出枠Ｅ４のｘ軸方向の長さとの平均値を、予想検出枠Ｆのｘ軸方向の長さとして算出し、検出枠Ｅ２のｙ軸方向の長さと検出枠Ｅ４のｙ軸方向の長さとの平均値を、予想検出枠Ｆのｙ軸方向の長さとして算出する。取得部１２は、算出した予想検出枠Ｆのｘ軸方向の長さおよび予想検出枠Ｆのｙ軸方向の長さを示すサイズ情報を作成する。そして、取得部１２は、作成した位置情報およびサイズ情報に基づいて、関連画像データＤ１２３に予想検出枠Ｆを設定する。

【0149】

図１０において、第２の生成部１３は、取得部１２によって取得された第２の教師データＴ２４および関連教師データＴ１２３，Ｔ１２５、ならびに第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を生成する。より詳細には、第２の生成部１３は、第１の教師データ用モデルＲ１へ、取得部１２によって取得された第２の教師データＴ２４および関連教師データＴ１２３，Ｔ１２５を入力することにより、第２の教師データ用モデルＲ２を生成する。

【0150】

図１に示す設定部４０は、予想検出枠Ｆの表示処理に関する表示設定内容を受け付ける。設定部４０は、たとえば、入力装置を介してユーザにより入力された表示設定内容を示す表示設定情報を記憶部１４に保存する。取得部１２は、記憶部１４に保存された表示設定内容に基づいて、予想検出枠Ｆの表示および非表示を切り替える。

【0151】

図１１は、本開示の実施の形態に係る学習モデル生成装置の変形例１において、取得部が取得する第２の教師データおよび関連教師データの他の例を示す図である。

【0152】

図１１を参照して、取得部１２は、たとえば、図９に示す複数の出力データのうち、検出情報Ｇを含む第２の教師データＴ２２に加えて、第２の教師データＴ２２に対応する第２の画像データＤ２２より時間的に後に撮影された関連画像データＤ１２３および第２の画像データＤ２４にそれぞれ対応する関連教師データＴ１２３および第２の教師データＴ２４を取得する抽出処理を行う。

【0153】

図１１において、取得部１２は、図１０と同様に、検出枠Ｅが設定されていない関連画像データＤ１２３に対して、予想検出枠Ｆを設定する。そして、取得部１２は、関連画像データＤ１２３と予想検出情報Ｈとが対応付けられた関連教師データＴ１２３を取得する。

【0154】

第２の生成部１３は、取得部１２によって取得された第２の教師データＴ２２，Ｔ２４および関連教師データＴ１２３、ならびに第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を生成する。より詳細には、第２の生成部１３は、第１の教師データ用モデルＲ１へ、取得部１２によって取得された第２の教師データＴ２２，Ｔ２４および関連教師データＴ１２３を入力することにより、第２の教師データ用モデルＲ２を生成する。

【0155】

なお、変形例１において、取得部１２が、検出枠Ｅ２，Ｅ４における４つの頂点の座標に基づいて予想検出枠Ｆを設定する構成、または、取得部１２が、検出枠Ｅ２，Ｅ４における１つの頂点の座標、検出枠Ｅ２，Ｅ４のｘ軸方向の長さ、および検出枠Ｅ２，Ｅ４のｙ軸方向の長さに基づいて予想検出枠Ｆを設定する構成であるとしたが、これに限定するものではない。取得部１２は、たとえば、検出枠Ｅ２，Ｅ４のいずれか一方における各頂点の座標と同じ座標の頂点を有する予想検出枠Ｆを、第２の画像データＤ２に設定してもよい。

【0156】

また、変形例１において、取得部１２は、時間的に連続する３つの第２の画像データＤ２２，Ｄ２３，Ｄ２４にそれぞれ対応する３つの出力データを取得する構成であるとしたが、これに限定するものではない。取得部１２は、時間的に連続する２つ以上の第２の画像データＤ２に対応する出力データを取得する構成であればよい。

【0157】

（変形例２）
図１２は、本開示の実施の形態に係る学習モデル生成装置の変形例２において、第１の教師データ用モデルから出力される第２の教師データの一例を示す図である。

【0158】

図４および図１２を参照して、時系列の第２の画像データＤ２が入力された第１の教師データ用モデルＲ１は、検出対象Ｍを含まない第２の画像データＤ２３，Ｄ２５に検出枠Ｅ１，Ｅ２を設定し、第２の画像データＤ２３，Ｄ２５を、検出情報Ｇを含む第２の教師データＴ２３，Ｔ２５として出力する場合がある。

【0159】

より詳細には、第１の教師データ用モデルＲ１は、たとえば、第１の教師データ用モデルＲ１の信頼度が低い場合、検出対象Ｍを含まない第２の画像データＤ２３，Ｄ２５に検出枠Ｅ３，Ｅ５を誤って設定する場合がある。

【0160】

変形例２では、取得部１２は、時系列の第２の画像データＤ２が入力された第１の教師データ用モデルＲ１から出力される複数の出力データのうち、検出情報Ｇが所定条件を満たす第２の教師データＴ２を取得する。

【0161】

より詳細には、取得部１２は、第１の教師データ用モデルＲ１から出力される複数の出力データのうち、検出情報Ｇに対応する検出枠Ｅが所定条件（以下、「条件１」とも称する。）を満たす第２の教師データＴ２を取得する抽出処理を行う。

【0162】

たとえば、取得部１２は、第１の教師データ用モデルＲ１から出力される複数の出力データのうち、検出枠Ｅが設定され、かつ時間的に連続して撮影された複数の第２の画像データＤ２のそれぞれに対応する複数の第２の教師データＴ２を取得する。

【0163】

図１２に示す例では、検出枠Ｅ３が設定された第２の画像データＤ２３と時間的に連続して撮影された第２の画像データＤ２２，Ｄ２４には、検出枠Ｅが設定されていない。そのため、取得部１２は、第２の画像データＤ２３に対応する第２の教師データＴ２３を取得しない。

【0164】

たとえば、取得部１２は、第１の教師データ用モデルＲ１から出力される複数の出力データのうち、検出情報Ｇに含まれるサイズ情報が所定条件（以下、「条件２」とも称する。）を満たす第２の教師データＴ２を取得する抽出処理を行う。

【0165】

取得部１２は、たとえば、検出枠Ｅのｙ軸方向の長さが所定の閾値より大きく、かつ検出枠Ｅのｘ軸方向の長さが所定の閾値より大きいと判定した場合、当該検出枠Ｅが設定された第２の画像データＤ２に対応する第２の教師データＴ２を取得する。条件２は、たとえば、ｙ軸方向の長さが１００ピクセルより大きく、かつｘ軸方向の長さが５０ピクセルより大きいことである。図１０に示す例では、検出枠Ｅ５は条件２を満たさないため、取得部１２は、検出枠Ｅ５が設定された第２の画像データＤ２５に対応する第２の教師データＴ２５を取得しない。

【0166】

このように、変形例２において、取得部１２は、抽出処理として、第１の教師データ用モデルＲ１から出力される複数の出力データのうち、検出情報Ｇが所定条件を満たす第２の教師データＴ２を取得するフィルタ処理を行う。なお、変形例２において、取得部１２は、抽出処理を行うにあたって、条件１および条件２に優先順位を定めてもよい。取得部１２は、たとえば、第１の教師データ用モデルＲ１から出力される複数の第２の教師データＴ２に対して、条件２に従って抽出処理を行った後、条件１に従って抽出処理を行ってもよい。

【0167】

また、取得部１２は、第１の教師データ用モデルＲ１から出力される複数の出力データのうち、検出情報Ｇに含まれる位置情報が所定条件（以下、「位置条件」とも称する。）を満たす第２の教師データＴ２を取得する抽出処理を行ってもよい。

【0168】

より詳細には、設定部４０は、位置条件に関する入力を受け付ける。設定部４０は、たとえば、入力装置を介してユーザにより入力された位置条件を示す位置設定情報を記憶部１４に保存する。ユーザは、第２の画像データＤ２が示す画像における所定の領域の座標を位置条件として入力する。ユーザは、たとえば、対象地点の遠方に位置する検出対象Ｍの検出を検出装置１０１に要求する場合、第２の画像データＤ２が示す画像における隅部の座標を位置条件として入力する。

【0169】

取得部１２は、記憶部１４に保存されている位置設定情報を参照する。取得部１２は、時系列の第２の画像データＤ２が入力された第１の教師データ用モデルＲ１から出力される複数の出力データのうち、検出情報Ｇの位置情報が位置設定情報と同じである第２の教師データＴ２を取得する。

【0170】

また、変形例１および変形例２において、取得部１２は、第１の教師データ用モデルＲ１の信頼度の判定結果に基づいて、抽出処理を行ってもよい。たとえば、取得部１２は、第１の教師データ用モデルＲ１の信頼度が所定の閾値より小さいと判定した場合、抽出処理を行ってもよい。また、取得部１２は、ユーザの操作に従い、抽出処理を行ってもよい。たとえば、ユーザは、第１の教師データ用モデルＲ１の信頼度が低いと判断した場合、取得部１２による抽出処理の実行を指示する操作を検出装置１０１に対して行ってもよい。

【0171】

（変形例３）
図１３は、本開示の実施の形態に係る学習モデル生成装置の変形例３の構成を示すブロック図である。

【0172】

図１３を参照して、学習モデル生成装置１０の変形例３は、図３に示す学習モデル生成装置１０と比べて、さらに、修正部１５を備える。

【0173】

修正部１５は、取得部１２によって取得された第２の教師データＴ２を所定条件に従って修正する。

【0174】

より詳細には、修正部１５は、取得部１２によって取得された第２の教師データＴ２を、図示しない表示装置に表示する。ユーザは、たとえば、表示された第２の教師データＴ２における検出枠Ｅの位置が検出対象Ｍに対してずれていると判断した場合、検出枠Ｅのずれを修正する操作を、学習モデル生成装置１０に対して行う。ユーザは、たとえば、入力装置を操作して、検出枠Ｅのずれを修正する。

【0175】

修正部１５は、ユーザの操作内容を示す操作情報を取得する。修正部１５は、取得した操作情報に基づいて、検出枠Ｅの位置を移動する方向および検出枠Ｅの移動量を含む修正情報を作成する。修正部１５は、作成した修正情報に基づいて、検出枠Ｅのずれを修正する。修正部１５は、修正した検出枠Ｅが設定された第２の画像データＤ２に対応する第２の教師データＴ２を、記憶部１４および記憶部２３に保存する。

【0176】

第２の生成部１３は、修正部１５による修正後の第２の教師データＴ２および第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を生成する。より詳細には、第２の生成部１３は、修正後の第２の教師データＴ２および第１の教師データ用モデルＲ１を記憶部１４から読み出し、読み出した修正後の第２の教師データＴ２および第１の教師データ用モデルＲ１を用いて、第２の教師データ用モデルＲ２を生成する。第２の生成部１３は、生成した第２の教師データ用モデルＲ２を記憶部１４に保存する。

【0177】

図１に示す検出用モデル生成部２１は、第１の教師データＴ１および修正部１５による修正後の第２の教師データＴ２を用いて、検出用モデルＫを生成する。より詳細には、検出用モデル生成部２１は、第２の教師データＴ２が記憶部２３に保存されたことを確認した場合、第２の教師データＴ２に加えて、第１の教師データＴ１を記憶部２３から取得し、取得した第１の教師データＴ１および第２の教師データＴ２を用いて、検出用モデルＫを生成する。検出用モデル生成部２１は、生成した検出用モデルＫを記憶部２３に保存する。

【0178】

上記実施の形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記説明ではなく特許請求の範囲によって示され、特許請求の範囲と均等の意味および範囲内でのすべての変更が含まれることが意図される。

【0179】

上述の実施形態の各処理（各機能）は、１または複数のプロセッサを含む処理回路（Ｃｉｒｃｕｉｔｒｙ）により実現される。上記処理回路は、上記１または複数のプロセッサに加え、１または複数のメモリ、各種アナログ回路、各種デジタル回路が組み合わされた集積回路等で構成されてもよい。上記１または複数のメモリは、上記各処理を上記１または複数のプロセッサに実行させるプログラム（命令）を格納する。上記１または複数のプロセッサは、上記１または複数のメモリから読み出した上記プログラムに従い上記各処理を実行してもよいし、予め上記各処理を実行するように設計された論理回路に従って上記各処理を実行してもよい。上記プロセッサは、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、およびＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）等、コンピュータの制御に適合する種々のプロセッサであってよい。なお、物理的に分離した上記複数のプロセッサが互いに協働して上記各処理を実行してもよい。たとえば、物理的に分離した複数のコンピュータのそれぞれに搭載された上記プロセッサがＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ （Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、およびインターネット等のネットワークを介して互いに協働して上記各処理を実行してもよい。上記プログラムは、外部のサーバ装置等から上記ネットワークを介して上記メモリにインストールされても構わないし、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、および半導体メモリ等の記録媒体に格納された状態で流通し、上記記録媒体から上記メモリにインストールされても構わない。

【0180】

以上の説明は、以下に付記する特徴を含む。
［付記１］
対象地点において撮影された画像データと前記対象地点における検出対象に関する情報である検出情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成装置であって、
第１の前記対象地点において撮影された第１の前記画像データと前記第１の対象地点における第１の前記検出対象に関する第１の検出情報とが対応付けられた第１の前記教師データを用いて、第１の前記教師データ用モデルを生成する第１の生成部と、
第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される第１の出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記第１の出力データである第２の教師データを取得する取得部と、
前記取得部によって取得された前記第２の教師データおよび前記第１の生成部によって生成された前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成する第２の生成部とを備え、
前記取得部は、前記第２の生成部によって生成された前記第２の教師データ用モデルへ、第３の対象地点において撮影された第３の画像データを入力し、前記第２の教師データ用モデルから出力される第２の出力データであって、前記第３の画像データと前記第３の対象地点における第３の検出対象に関する第３の検出情報とが対応付けられた前記第２の出力データである第３の教師データを取得する、学習モデル生成装置。

【0181】

［付記２］
検出装置であって、対象地点において撮影された画像データと前記対象地点における前記検出対象に関する情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成装置を備え、
前記学習モデル生成装置は、
第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記出力データである第２の教師データを取得する取得部と、
前記取得部によって取得された前記第２の教師データ、および前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成する生成部とを含み、
前記検出装置は、さらに、
前記第１の教師データおよび前記取得部によって取得された前記第２の教師データを用いて、対象地点における検出対象に関する検出結果を出力する学習モデルである検出用モデルを生成する検出用モデル生成部と、
前記検出用モデル生成部によって生成された前記検出用モデルへ、前記第２の対象地点において撮影された前記第２の画像データを入力し、前記検出用モデルから出力される前記検出結果を前記第２の対象地点における検出結果として取得する検出部とを備える、検出装置。

【0182】

［付記３］
対象地点において撮影された画像データと前記対象地点における検出対象に関する情報である検出情報とが対応付けられた教師データを出力する学習モデルである教師データ用モデルを生成する学習モデル生成装置であって、
処理回路を備え、
前記処理回路は、
第１の対象地点において撮影された第１の画像データと前記第１の対象地点における第１の検出対象に関する第１の検出情報とが対応付けられた第１の教師データを用いて生成された第１の教師データ用モデルへ、第２の対象地点において撮影された第２の画像データを入力し、前記第１の教師データ用モデルから出力される出力データであって、前記第２の画像データと前記第２の対象地点における第２の検出対象に関する第２の検出情報とが対応付けられた前記出力データである第２の教師データを取得し、
取得した前記第２の教師データ、および前記第１の教師データ用モデルを用いて、第２の教師データ用モデルを生成する、学習モデル生成装置。

【符号の説明】

【0183】

１０ 学習モデル生成装置
１１ 第１の生成部
１２ 取得部
１３ 第２の生成部
１４，２３ 記憶部
１５ 修正部
２０ 検出処理部
２１ 検出用モデル生成部
２２ 検出部
３０ 画像取得部
４０ 設定部
１０１ 検出装置
２０１ カメラ
３０１ 検出システム

【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】