知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2025154480
(43)【公開日】2025-10-10
(54)【発明の名称】色補正システム及び情報処理装置
(51)【国際特許分類】
H04N 1/60 20060101AFI20251002BHJP
G06T 1/00 20060101ALI20251002BHJP
G06T 5/60 20240101ALI20251002BHJP
G09G 5/02 20060101ALI20251002BHJP
G09G 5/00 20060101ALI20251002BHJP
G09G 5/37 20060101ALI20251002BHJP
G06Q 30/0601 20230101ALN20251002BHJP
【ＦＩ】
H04N1/60
G06T1/00 510
G06T5/60
G09G5/02 B
G09G5/00 X
G09G5/00 550C
G09G5/00 510H
G09G5/00 555G
G09G5/37 600
G09G5/00 510B
G06Q30/0601
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2024057509
(22)【出願日】2024-03-29
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＰＹＴＨＯＮ
２．ＷＩＮＤＯＷＳ
(71)【出願人】
【識別番号】000002886
【氏名又は名称】ＤＩＣ株式会社
(74)【代理人】
【識別番号】100107766
【弁理士】
【氏名又は名称】伊東 忠重
(74)【代理人】
【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦
(72)【発明者】
【氏名】中村 健二
(72)【発明者】
【氏名】金子 宗平
(72)【発明者】
【氏名】高橋 雅人
(72)【発明者】
【氏名】森原 康博
【テーマコード（参考）】
5B057
5C182
5L030
【Ｆターム（参考）】
5B057AA02
5B057CA01
5B057CA08
5B057CA12
5B057CA16
5B057CB01
5B057CB08
5B057CB12
5B057CB16
5B057CE17
5B057CE18
5B057DA16
5B057DA17
5B057DB02
5B057DB06
5B057DB09
5B057DC25
5B057DC40
5C182AA02
5C182AA03
5C182AB02
5C182AB08
5C182AB11
5C182AB14
5C182AB21
5C182BA01
5C182BA03
5C182BA04
5C182BA06
5C182BA14
5C182BA25
5C182BA26
5C182BA45
5C182BA75
5C182BC26
5C182CA12
5C182CA22
5C182CA33
5C182CA34
5C182CA36
5C182CA37
5C182CA42
5C182CB12
5C182CB44
5C182DA70
5L030BB22
(57)【要約】
【課題】対象物を撮影した画像データの色情報の補正を、より容易に行うことができる色補正システム及び情報処理装置を提供すること。
【解決手段】対象物を撮影した画像データの色情報を補正する情報処理装置と、画像データを表示する表示装置と、を有する色補正システムであって、同一の撮影環境において撮影装置が撮影した対象物及びカラーチャートの画像データから対象物の表示領域を認識する表示領域認識部と、画像データにおけるカラーチャートの色の色情報を用いて、対象物の表示領域又は画像データの全体の表示領域の色の色情報を補正する第１の色補正部と、対象物の表示領域の色の色情報のユーザによる補正内容を学習した機械学習モデルを用いて、対象物の表示領域の色の色情報を補正する第２の色補正部と、を有する色補正システムである。
【選択図】図４
【解決手段】対象物を撮影した画像データの色情報を補正する情報処理装置と、画像データを表示する表示装置と、を有する色補正システムであって、同一の撮影環境において撮影装置が撮影した対象物及びカラーチャートの画像データから対象物の表示領域を認識する表示領域認識部と、画像データにおけるカラーチャートの色の色情報を用いて、対象物の表示領域又は画像データの全体の表示領域の色の色情報を補正する第１の色補正部と、対象物の表示領域の色の色情報のユーザによる補正内容を学習した機械学習モデルを用いて、対象物の表示領域の色の色情報を補正する第２の色補正部と、を有する色補正システムである。
【選択図】図４
【特許請求の範囲】
【請求項1】
対象物を撮影した画像データの色情報を補正する情報処理装置と、前記画像データを表示する表示装置と、を有する色補正システムであって、
同一の撮影環境において撮影装置が撮影した対象物及びカラーチャートの画像データから前記対象物の表示領域を認識する表示領域認識部と、
前記画像データにおける前記カラーチャートの色の色情報を用いて、前記対象物の表示領域又は前記画像データの全体の表示領域の色の色情報を補正する第１の色補正部と、
前記対象物の表示領域の色の色情報のユーザによる補正内容を学習した機械学習モデルを用いて、前記対象物の表示領域の色の色情報を補正する第２の色補正部と、
を有する色補正システム。
同一の撮影環境において撮影装置が撮影した対象物及びカラーチャートの画像データから前記対象物の表示領域を認識する表示領域認識部と、
前記画像データにおける前記カラーチャートの色の色情報を用いて、前記対象物の表示領域又は前記画像データの全体の表示領域の色の色情報を補正する第１の色補正部と、
前記対象物の表示領域の色の色情報のユーザによる補正内容を学習した機械学習モデルを用いて、前記対象物の表示領域の色の色情報を補正する第２の色補正部と、
を有する色補正システム。
【請求項2】
色補正環境において、前記表示装置が表示する前記画像データの画像の色の色情報を補正する第３の色補正部、を更に有する
請求項１記載の色補正システム。
請求項１記載の色補正システム。
【請求項3】
前記第３の色補正部は、モニターキャリブレーション装置を用いた色補正、又は前記撮影環境において撮影された前記カラーチャートの画像の色と前記表示装置に表示された色補正用画像ファイルのカラーチャートの画像の色とを一致させるように前記表示装置の色情報を補正する
請求項２記載の色補正システム。
請求項２記載の色補正システム。
【請求項4】
前記第２の色補正部により前記色情報が異なるように補正された複数の前記画像データの画像を前記表示装置に表示し、採用する前記画像データの画像を決定する操作をユーザから受け付ける操作受付部、を更に有する
請求項１又は２記載の色補正システム。
請求項１又は２記載の色補正システム。
【請求項5】
前記操作受付部は、前記色情報を修正する前記画像データの画像を選択するユーザの操作を受け付けた場合に、選択された前記画像データの画像の色の色情報を修正する操作をユーザから受け付ける画面を前記表示装置に表示する
請求項４記載の色補正システム。
請求項４記載の色補正システム。
【請求項6】
前記画面から前記色情報が修正された前記画像データの画像を採用する操作をユーザから受け付けた場合に、修正前の前記画像データの前記色情報と修正後の前記画像データの前記色情報とを、学習用データとして用いて、前記機械学習モデルを再学習する
請求項５記載の色補正システム。
請求項５記載の色補正システム。
【請求項7】
前記対象物は、電子商取引を行うＷｅｂサイトに掲載する商品であり、
前記第２の色補正部及び前記第３の色補正部は、前記Ｗｅｂサイトにおいて前記商品の画像を閲覧する閲覧者の表示装置の機種特性を考慮して前記色情報を補正する
請求項２又は３記載の色補正システム。
前記第２の色補正部及び前記第３の色補正部は、前記Ｗｅｂサイトにおいて前記商品の画像を閲覧する閲覧者の表示装置の機種特性を考慮して前記色情報を補正する
請求項２又は３記載の色補正システム。
【請求項8】
対象物を撮影した画像データの色情報を補正する情報処理装置であって、
同一の撮影環境において撮影装置が撮影した対象物及びカラーチャートの画像データから前記対象物の表示領域を認識する表示領域認識部と、
前記画像データにおける前記カラーチャートの色の色情報を用いて、前記対象物の表示領域又は前記画像データの全体の表示領域の色の色情報を補正する第１の色補正部と、
前記対象物の表示領域の色の色情報のユーザによる補正内容を学習した機械学習モデルを用いて、前記対象物の表示領域の色の色情報を補正する第２の色補正部と、
補正後の前記画像データを出力する出力部と、
を有する情報処理装置。
同一の撮影環境において撮影装置が撮影した対象物及びカラーチャートの画像データから前記対象物の表示領域を認識する表示領域認識部と、
前記画像データにおける前記カラーチャートの色の色情報を用いて、前記対象物の表示領域又は前記画像データの全体の表示領域の色の色情報を補正する第１の色補正部と、
前記対象物の表示領域の色の色情報のユーザによる補正内容を学習した機械学習モデルを用いて、前記対象物の表示領域の色の色情報を補正する第２の色補正部と、
補正後の前記画像データを出力する出力部と、
を有する情報処理装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、色補正システム及び情報処理装置に関する。
【背景技術】
【0002】
近年、商品販売の一形態として電子商取引を行うＷｅｂサイト（ＥＣサイト）が利用されるようになった。ＥＣサイトにおいて商品販売を行う販売者は、販売する商品の情報をＥＣサイトに掲載する必要がある。ＥＣサイトに掲載する商品の情報の制作業務は、ささげ業務と呼ばれている。ささげ業務では、商品の撮影（画像の加工を含む）と、商品の採寸と、商品の説明文の作成とを行っている。なお、ささげ業務は、商品の売り上げを左右する重要な役割を果たすことが多い。このため、ＥＣサイトにおいて商品販売を行う販売者は、ささげ業務を代行する業者（ささげ業務代行業者）を利用する場合もある。
【0003】
ささげ業務に含まれる商品の撮影（画像の加工を含む）では、商品を撮影し、商品を撮影した画像に対して各種の加工を行い、ＥＣサイトに掲載する画像を制作する。各種の加工には、写り込みの消し込み、切り抜き、トリミング、リサイズ、及び色補正などが含まれている。
【0004】
色補正には、色合わせの為の色補正及び見栄えを良くする為の色補正が含まれる。色合わせの為の色補正は、実際の商品の色と、撮影した画像の商品の色と、を合わせるように行われる。この色合わせの為の色補正は、実際の商品の色と、ＥＣサイトに掲載した画像の商品の色とが異なると、商品を購入する購入者からのクレームにも繋がる為に重要な作業である。また、見栄えを良くする為の色補正は、商品の魅力を引き出し、商品の売り上げをアップさせる為の重要な作業である。ただし、見栄えを良くしすぎて、実際の商品の色と異なりすぎた場合は、商品の購入者からのクレームにつながる。見栄えを良くする為の色補正は、購入者にとってより好印象を与えるため、購入者のクレームにつながらない程度に明るさや色調を微調整する作業であり、ささげ業務者の職人的な技術が必要となる。
【0005】
例えば、ＷＥＢマーケティングにおいて、提供側の情報が正しく表示されないと返品などに繋がり、社会的コストが増えることから、カラーチャートを用いて携帯通信端末の表示部の色補正を行う技術は、従来から知られている（例えば特許文献１参照）。
【先行技術文献】
【特許文献】
【0006】
【特許文献1】特開２０２２－６４１００号公報
【発明の概要】
【発明が解決しようとする課題】
【0007】
しかしながら、ささげ業務に含まれる色補正の作業は、作業を行うユーザが、画像の加工が可能なソフトウェアを用いて手動で行っていた。したがって、ささげ業務に含まれる色補正の作業は、ささげ業務の作業を行うユーザにとって大変な作業であり、且つ、時間が掛かる作業の一つであった。なお、商品は、撮影する対象物の一例である。
【0008】
本発明の一実施形態は、対象物を撮影した画像データの色情報の補正を、より容易に行うことができる色補正システム及び情報処理装置を提供することを目的とする。
【課題を解決するための手段】
【0009】
本発明の一実施形態は、対象物を撮影した画像データの色情報を補正する情報処理装置と、前記画像データを表示する表示装置と、を有する色補正システムであって、同一の撮影環境において撮影装置が撮影した対象物及びカラーチャートの画像データから前記対象物の表示領域を認識する表示領域認識部と、前記画像データにおける前記カラーチャートの色の色情報を用いて、前記対象物の表示領域又は前記画像データの全体の表示領域の色の色情報を補正する第１の色補正部と、前記対象物の表示領域の色の色情報のユーザによる補正内容を学習した機械学習モデルを用いて、前記対象物の表示領域の色の色情報を補正する第２の色補正部と、を有する色補正システムである。
【0010】
また、本発明の一実施形態は、対象物を撮影した画像データの色情報を補正する情報処理装置であって、同一の撮影環境において撮影装置が撮影した対象物及びカラーチャートの画像データから前記対象物の表示領域を認識する表示領域認識部と、前記画像データにおける前記カラーチャートの色の色情報を用いて、前記対象物の表示領域又は前記画像データの全体の表示領域の色の色情報を補正する第１の色補正部と、前記対象物の表示領域の色の色情報のユーザによる補正内容を学習した機械学習モデルを用いて、前記対象物の表示領域の色の色情報を補正する第２の色補正部と、補正後の前記画像データを出力する出力部と、を有する情報処理装置である。
【発明の効果】
【0011】
対象物を撮影した画像データの色情報の補正を、より容易に行うことができる。
【図面の簡単な説明】
【0012】
【図1】本実施形態で用いるカラーチャート１の一例の模式図である。
【図2】本実施形態に係る色補正システムの一例の構成図である。
【図3】本実施形態に係るコンピュータの一例のハードウェア構成図である。
【図4】本実施形態に係る色補正システムの一例の機能構成図である。
【図5】本実施例に係る色補正システムの処理手順の一例を示したフローチャートである。
【図6】作業者が使用する表示装置の色補正方法の一例を示した説明図である。
【図7】画像選択のＵＩ画面の一例のイメージ図である。
【図8】画像修正のＵＩ画面の一例のイメージ図である。
【図9】画像選択のＵＩ画面と画像修正のＵＩ画面との間の画面遷移の一例を示した説明図である。
【図10】本実施例に係る色補正システムの処理手順の一例を示したフローチャートである。
【発明を実施するための形態】
【0013】
次に、本発明の実施形態について詳細に説明する。本実施形態では、対象物を撮影した画像データの色情報を補正する作業の一例として、商品を撮影した画像データの色情報を補正する「ささげ業務」の色補正について説明する。また、本実施形態では、ささげ業務を行うユーザを作業者と呼び、ＥＣサイトに掲載された商品をスマートフォンなどの情報処理端末で閲覧するユーザを閲覧者と呼ぶ。作業者は、例えば、ささげ業務代行業者（ささげ業者）などである。閲覧者は、ＥＣサイトから商品を購入する消費者などである。
【0014】
＜カラーチャート＞
本実施形態では、例えば図１に示すカラーチャート（色見本）を用いる。図１は、本実施形態で用いるカラーチャート１の一例の模式図である。図１に示したカラーチャート１は、複数のパッチ（色票）と、自動認識用マーカ１１ａ及び１１ｂと、を少なくとも有している。
本実施形態では、例えば図１に示すカラーチャート（色見本）を用いる。図１は、本実施形態で用いるカラーチャート１の一例の模式図である。図１に示したカラーチャート１は、複数のパッチ（色票）と、自動認識用マーカ１１ａ及び１１ｂと、を少なくとも有している。
【0015】
複数のパッチは、例えば、明度が異なる複数の無彩色のパッチを有する。また、複数のパッチは、例えば、複数の有彩色のパッチを有する。さらに、カラーチャート１は、複数のパッチの少なくとも一つを自動認識するための自動認識用マーカ１１ａ及び１１ｂを有することが望ましい。図１に示すように、カラーチャート１が自動認識用マーカ１１ａ及び１１ｂを有することにより、画像データにおけるカラーチャート１の各パッチを認識する作業は、自動化できる。
【0016】
カラーチャート１は、模様が異なる自動認識用マーカ１１ａ及び１１ｂを有する。自動認識用マーカ１１ａ及び１１ｂを用いる場合には、自動認識用マーカ１１ａ及び１１ｂの相対的な位置関係を考慮して各パッチの自動認識が行われることから、各パッチの自動認識性が向上する。
【0017】
自動認識用マーカ１１ａ及び１１ｂは、自動認識を可能とするマーカであれば特に制限されるものではない。自動認識用マーカ１１ａ及び１１ｂは、二次元バーコード等によりカラーチャート１のバージョン情報、使用方法へのリンク、又は使用期限等の情報を付加してもよい。
【0018】
ここで、自動認識用マーカ１１ａ及び１１ｂを用いてカラーチャートの各パッチを自動認識する方法の一例を説明する。
【0019】
まず、カラーチャート１を撮影して得られた画像の中から、自動認識用マーカ１１ａ及び１１ｂを検知する。自動認識用マーカ１１ａ及び１１ｂの検知は、例えば、画像認識処理ソフトウェアなどの画像認識機能を利用することで、行うことができる。
【0020】
具体的には、画像認識機能を用いて、あらかじめ記憶されている自動認識用マーカ１１ａ及び１１ｂの画像と、カラーチャート１を撮影して得られた画像とのパターンマッチングを行い、カラーチャート１を撮影して得られた画像の中から、自動認識用マーカ１１ａ及び１１ｂを検知する。
【0021】
また、画像認識機能は、あらかじめ記憶されているカラーチャート１における自動認識用マーカ１１ａ及び１１ｂと各パッチとの位置関係と、検知した自動認識用マーカ１１ａ及び１１ｂを用いて、撮影して得られた画像のカラーチャート１に、カラーチャート１における自動認識用マーカ１１ａ及び１１ｂと各パッチとの位置関係を当てはめ、撮影して得られた画像のカラーチャート１中の各パッチを自動認識することができる。
【0022】
なお、図１に示すカラーチャート１の詳細は、特許第６９８１５６１号公報に開示されているため、説明を省略する。
【0023】
＜カラーチャートを用いた色補正方法＞
ここでは、カラーチャート１を用いた色補正方法の一例である「色補正法１」について説明する。図１に示したカラーチャート１の色は、標準光源下で観測した際の色の三値であるＬ*ａ*ｂ*値、ＲＧＢ値、又はＸＹＺ値、すなわち色の真値で記録されている。
ここでは、カラーチャート１を用いた色補正方法の一例である「色補正法１」について説明する。図１に示したカラーチャート１の色は、標準光源下で観測した際の色の三値であるＬ*ａ*ｂ*値、ＲＧＢ値、又はＸＹＺ値、すなわち色の真値で記録されている。
【0024】
ＥＣサイトに掲載する商品を撮影した画像データの色情報は、商品とカラーチャート１とを一緒に撮影するなど、商品と同一の撮影環境で撮影したカラーチャート１の色の三値が真値に合うように補正行列を掛け合わせ、その補正行列を商品の画像の色の三値に適用することにより、撮影環境によらない商品の正しい色（色味）を算出できる。
【0025】
色の色情報を補正する色補正方法は、例えばデジタル画像データをＸＹＺ値に一度変換してから出力画像データのＲＧＢ値に変換することが好ましい。このとき、標準光源を仮定してもよい。この仮定は、商品の撮影を標準光源下で行えば成立する。ＸＹＺ値は、ヒトが視覚を認知する三刺激値をそのまま使っている。このため、ＸＹＺ値は、ＲＧＢ値又はＬ*ａ*ｂ*値で補正を行うよりもヒトの色覚を定量的に扱う色補正が可能である。
【0026】
ＸＹＺ値に変換した後の色補正方法としては、例えばガンマ補正と重回帰とを組み合わせる方法がある。
【0027】
まず、カラーチャート１の無彩色のパッチを利用してガンマ補正を行う。ガンマ補正はカラーチャート１の無彩色パッチの真のＹ値（Ｙ*とする）と撮影した画像のＹ値（Ｙとする）とを用いて、Ｙ＊＝ａＹｇ＋ｂの式でフィッティングを行なって、変数aとbの値を求める。この式を用いて、撮影した画像の全体のＸＹＺ値を補正する。撮影した画像の全体には、カラーチャート１、背景、モデル、商品の表示領域が含まれる。
【0028】
次に、ガンマ補正した画像のうち、カラーチャート１のパッチを対象として、各パッチの真のＸＹＺ値（Ｘ*Ｙ*Ｚ*とする）を撮影した画像のＸＹＺ値（ＸＹＺとする）を用いてＸＹＺごとに重回帰式を組む。例えば、Ｘ*を求めたい場合は、Ｘ＊＝ａＸ＋ｂＹ＋ｃＺ＋ｄの式で重回帰フィッティングを行って、変数ａ、ｂ、ｃ、及びｄの値を求める。このような式を用いて色補正を行うと、撮影した画像の商品の表示領域の色が現物の色（色味）となる。なお、ｓＲＧＢのデジタル画像データにする場合は、ＸＹＺ値からＲＧＢ値に変換する必要がある。
【0029】
＜システム構成＞
本実施形態に係る色補正システムは、例えば図２に示すように構成される。図２は、本実施形態に係る色補正システム２０Ａ及び２０Ｂの一例の構成図である。図２０（Ａ）は、色補正システム２０Ａの一例の構成図を示している。図２０（Ｂ）は、色補正システム２０Ｂの一例の構成図を示している。
本実施形態に係る色補正システムは、例えば図２に示すように構成される。図２は、本実施形態に係る色補正システム２０Ａ及び２０Ｂの一例の構成図である。図２０（Ａ）は、色補正システム２０Ａの一例の構成図を示している。図２０（Ｂ）は、色補正システム２０Ｂの一例の構成図を示している。
【0030】
図２０（Ａ）に示す色補正システム２０Ａは、撮影装置２２、情報処理装置２４、及び表示装置２６を有する。撮影装置２２は、例えば、カメラ、カメラ機能付きの電子機器などである。カメラ機能付きの電子機器は、例えば、ＰＣ（Personal Computer）、スマートフォン、タブレット端末、ゲーム端末、又は携帯電話などである。カメラ機能付きの電子機器のカメラ機能は、内蔵カメラであってもよいし、外付けのカメラであってもよい。
【0031】
撮影装置２２は、商品及びカラーチャート１を撮影し、画像データを取得する。撮影装置２２は、商品及びカラーチャート１を撮影した画像データを、情報処理装置２４に送信する通信機能を有していることが望ましい。なお、撮影装置２２は、撮影した画像データをＵＳＢ（Universal Serial Bus）メモリなどの記録媒体に記録し、その記録媒体から撮影した画像データを読み出させてもよい。
【0032】
情報処理装置２４は、例えば、ＰＣ、スマートフォン、タブレット端末、ゲーム端末、又は携帯電話などである。情報処理装置２４は、撮影装置２２が撮影した画像データを取得して、撮影装置２２が撮影した画像データの色情報を後述のように補正する。
【0033】
表示装置２６は、例えば、モニター、モニター機能付きの電子機器などである。モニター機能付きの電子機器は、例えば、ＰＣ、スマートフォン、タブレット端末、ゲーム端末、又は携帯電話などである。表示装置２６は、情報処理装置２４が色情報を補正した画像データなどを表示する。また、表示装置２６は、情報処理装置２４が作業者からの各種操作を受け付けるＵＩ（User Interface）画面を表示する。
【0034】
なお、色補正システム２０Ａは、撮影装置２２、情報処理装置２４、及び表示装置２６が別々の独立した装置であってもよいし、撮影装置２２、情報処理装置２４、及び表示装置２６の少なくとも二つが同一の装置であってもよい。例えば内蔵カメラを有するノートパソコン、スマートフォン、又はタブレット端末などの電子機器であれば、一台の電子機器で色補正システム２０Ａを実現できる。
【0035】
図２０（Ｂ）に示す色補正システム２０Ｂは、撮影装置２２、情報処理装置２４、及び表示装置２６がインターネットなどの通信ネットワーク２８を介してデータ通信可能に接続されている。色補正システム２０Ｂは、情報処理装置２４がクラウド環境により実現されている。なお、色補正システム２０Ｂの情報処理装置２４は、クラウド環境のインフラ領域（サーバ、ネットワーク、及びオペレーティングシステム（ＯＳ）など）を利用して実現されている。
【0036】
撮影装置２２は、色補正システム２０Ａの撮影装置２２と同様である。通信機能を有している撮影装置２２は、撮影した画像データを通信ネットワーク２８経由で情報処理装置２４に送信する。また、撮影装置２２は、通信機能を提供する通信装置を利用し、撮影した画像データを通信ネットワーク２８経由で情報処理装置２４に送信してもよい。
【0037】
情報処理装置２４は、撮影装置２２が撮影した画像データを受信して、撮影装置２２が撮影した画像データの色情報を後述のように補正する。情報処理装置２４は、色情報を補正した画像データを表示装置２６に送信する。また、情報処理装置２４は、表示装置２６にＵＩ画面を表示させるための各種データを表示装置２６に送信する。
【0038】
表示装置２６は、通信機能及びモニター機能付きの電子機器などである。通信機能及びモニター機能付きの電子機器は、例えば、ＰＣ、スマートフォン、又はタブレット端末などである。表示装置２６は、情報処理装置２４が色情報を補正した画像データなどを情報処理装置２４から受信して表示する。また、表示装置２６は、作業者からの各種操作を受け付けるＵＩ画面を表示する。表示装置２６は、作業者から受け付けた各種操作の内容を情報処理装置２４に送信する。
【0039】
なお、色補正システム２０Ｂは、撮影装置２２及び表示装置２６が別々の独立した装置であってもよいし、撮影装置２２及び表示装置２６が同一の装置であってもよい。例えば内蔵カメラを有するノートパソコン、スマートフォン、又はタブレット端末などの電子機器であれば、一台の電子機器で撮影装置２２及び表示装置２６を実現できる。
【0040】
【0041】
図３のコンピュータは、入力装置５０１、出力装置５０２、外部Ｉ／Ｆ５０３、ＲＡＭ（Random Access Memory）５０４、ＲＯＭ（Read Only Memory）５０５、ＣＰＵ（Central Processing Unit）５０６、通信Ｉ／Ｆ５０７、及びＨＤＤ（Hard Disk Drive）５０８などを備えており、それぞれがバスＢで相互に接続されている。
【0042】
入力装置５０１は、入力に用いるキーボード、マウス、タッチパネルなどである。出力装置５０２は、画面を表示する液晶や有機ＥＬなどのディスプレイ、音声や音楽などの音データを出力するスピーカなどで構成されている。通信Ｉ／Ｆ５０７は、コンピュータを通信ネットワーク２８に接続するインタフェースである。ＨＤＤ５０８は、プログラムやデータを格納している不揮発性の記憶装置の一例である。コンピュータは、ＨＤＤ５０８に替えて又はＨＤＤ５００と共に、ＳＳＤ（Solid State Drive）を備えていてもよい。
【0043】
外部Ｉ／Ｆ５０３は、外部装置とのインタフェースである。外部Ｉ／Ｆ５０３は、記録媒体５０３ａからデータを読み取る。また、外部Ｉ／Ｆ５０３は、記録媒体５０３ａにデータを書き込む。記録媒体５０３ａは、ＤＶＤ（Digital Versatile Disc）、ＳＤ（Secure Digital）メモリカード、ＵＳＢメモリなどがある。
【0044】
ＣＰＵ５０６は、ＲＯＭ５０５やＨＤＤ５０８などの記憶装置からプログラムやデータをＲＡＭ５０４上に読み出し、処理を実行することで、コンピュータ全体の制御及び機能を実現する演算装置である。情報処理装置２４は、上記したハードウェア構成のコンピュータにおいてプログラムを実行することにより各種機能を実現できる。
【0045】
なお、図３のハードウェア構成は一例であって、用途や目的に応じて様々な構成例があることは言うまでもない。例えば、入力装置５０１及び出力装置５０２は、筐体に内蔵されていてもよいし、外付けであってもよい。
【0046】
＜機能構成＞
本実施形態に係る色補正システム２０Ａ及び２０Ｂは、例えば図４に示す機能構成で実現される。図４は、本実施形態に係る色補正システム２０Ａ及び２０Ｂの一例の機能構成図である。色補正システム２０Ａ及び２０Ｂの情報処理装置２４は、図４に示す機能構成をＯＳ及びアプリケーションなどのプログラムを実行することで実現する。なお、図４の機能構成図は、本実施形態の説明に不要な構成について適宜省略している。
本実施形態に係る色補正システム２０Ａ及び２０Ｂは、例えば図４に示す機能構成で実現される。図４は、本実施形態に係る色補正システム２０Ａ及び２０Ｂの一例の機能構成図である。色補正システム２０Ａ及び２０Ｂの情報処理装置２４は、図４に示す機能構成をＯＳ及びアプリケーションなどのプログラムを実行することで実現する。なお、図４の機能構成図は、本実施形態の説明に不要な構成について適宜省略している。
【0047】
図４では、商品２が服の例を示している。図４では、商品２である服を、例えばモデル又はマネキンに着せて撮影する例を示している。商品２は、通信販売用サンプルであってもよい。撮影装置２２は、カラーチャート１及び商品２を同一の撮影環境で撮影し、撮影した画像データを情報処理装置２４に送信する。カラーチャート１及び商品２は同一の撮影環境で撮影すれば良いため、商品２と一緒にカラーチャート１を撮影しても良いし、撮影環境の照明の光量が変わらないのであればカラーチャート１と商品２を別々に撮影しても良い。カラーチャート１と商品２を別々に撮影する場合は、カラーチャート１と一緒に市販のグレーボールとクロムボールを一緒に撮影することができる。カラーチャート１と一緒に市販のグレーボールとクロムボールを一緒に撮影した場合は、光の方向や反射に関する情報も得ることができる。
【0048】
情報処理装置２４は、プログラムを実行することにより、画像データ取得部６０、表示領域認識部６２、第１の色補正部６４、第２の色補正部６６、第３の色補正部６８、第１の機械学習部７０、第２の機械学習部７２、出力部７４、及び操作受付部７６を実現している。
【0049】
画像データ取得部６０は、同一の撮影環境においてカラーチャート１及び商品２が撮影された画像データを撮影装置２２から取得する。表示領域認識部６２は、画像データ取得部６０が取得した画像データから商品２の表示領域を、第１の機械学習部７０を用いて認識する。第１の機械学習部７０は、例えばモデル又はマネキン込みで商品２を撮影した画像データから、商品２の表示領域のみを抽出するように機械学習した第１の機械学習モデルを有している。
【0050】
機械学習としては、物体検出に特化した畳み込みニューラルネットワーク（ＣＮＮ）による手法を使ったＲ－ＣＮＮ又はセマンティックセグメンテーションの一種であるＵ－Ｎｅｔなどを使用できる。Ｒ－ＣＮＮ又はＵ－Ｎｅｔは、Ｐｙｔｈｏｎ又はＣ＋＋を使ってプログラミングをしても良いし、市販の画像認識ソフト又は画像認識クラウドサービスを利用しても良い。
【0051】
第１の色補正部６４は、画像データ取得部６０が取得した画像データのカラーチャート１の色の色情報を用いて、商品２の表示領域又は画像データの全体の表示領域の色の色情報を補正する。第１の色補正部６４の処理の詳細は、後述する。
【0052】
第２の色補正部６６は、第２の機械学習部７２を用いて、商品２の表示領域の色の色情報を補正する。第２の機械学習部７２は、例えば商品２の見栄えを良くする為に作業者が行った色補正を機械学習した第２の機械学習モデルを有している。このように、第２の色補正部６６は、商品２の見栄えを良くする為に作業者が行った色補正を機械学習した第２の機械学習モデルを用いて、商品２の見栄えが良くなるように商品２の表示領域の色の色情報を補正する
第３の色補正部６８は、色補正環境において、表示装置２６が表示する画像データの画像の色の色情報を補正する。表示装置２６が表示する画像の色は、表示装置２６が設置されている場所の照明環境、表示装置２６の品質、個体差、又は調整などの色補正環境により変化する。そこで、第３の色補正部６８は、色補正環境における表示装置２６の色（色味）補正であるキャリブレーションを実施する。なお、色補正環境における表示装置２６の色（色味）補正であるキャリブレーションの詳細は、後述する。
第３の色補正部６８は、色補正環境において、表示装置２６が表示する画像データの画像の色の色情報を補正する。表示装置２６が表示する画像の色は、表示装置２６が設置されている場所の照明環境、表示装置２６の品質、個体差、又は調整などの色補正環境により変化する。そこで、第３の色補正部６８は、色補正環境における表示装置２６の色（色味）補正であるキャリブレーションを実施する。なお、色補正環境における表示装置２６の色（色味）補正であるキャリブレーションの詳細は、後述する。
【0053】
出力部７４は、色情報を補正後の商品２の画像を含む画像選択のＵＩ画面を表示装置２６に表示させる。作業者は、表示装置２６に表示された色情報を補正後の商品２の画像を確認し、画像選択のＵＩ画面を操作することでＥＣサイトに掲載する商品２の画像を選択できる。また、作業者は、画像選択のＵＩ画面を操作することで、画像選択のＵＩ画面に表示された商品２の画像の色情報を修正し、ＥＣサイトに掲載する商品２の画像として選択することもできる。操作受付部７６は、画像選択のＵＩ画面に対して作業者が行った操作内容を受け付ける。出力部７４は、操作受付部７６が受け付けた操作内容に従って、表示装置２６に表示されるＵＩ画面を後述のように遷移させる。
【0054】
＜処理＞
図５は、本実施例に係る色補正システム２０Ａ及び２０Ｂの処理手順の一例を示したフローチャートである。
図５は、本実施例に係る色補正システム２０Ａ及び２０Ｂの処理手順の一例を示したフローチャートである。
【0055】
ステップＳ１０において、撮影装置２２は、例えば図４に示したように、商品２を撮影する。なお、撮影装置２２は、ＲＧＢ値を持つデジタル画像データが出力できるものであれば、市販のもので構わない。撮影装置２２は、カラーチャート１と商品２とを、同一の撮影環境で撮影する。例えば、撮影装置２２は、カラーチャート１と商品２とを、同時に撮影することで、カラーチャート１と商品２とを、同一の撮影環境で撮影できる。
【0056】
カラーチャート１は、図１のカラーチャート１を利用できる。カラーチャート１は、市販のものでもよく、例えばＸ－ｒｉｔｅ社のマクベスカラーチェッカーを利用できる。好ましくは、商品２の種別によるが、例えば被服、バック、又はアクセサリが多い場合、カラーチャート１のパッチの色としては、彩度と明度とが高い色を必ず入れ、ガンマ補正のための無彩色の色を最低4点、赤、茶、又は黄などの暖色を中心に揃えると良い。
【0057】
カラーチャート１の色の数は、多いほど補正精度が高くなり、最低１２色、１８色以上が好ましく、２５色以上がより好ましい。また、カラーチャート１は、撮影装置２２で各パッチの色が判別できるパッチサイズのものを使用する。具体的に、カラーチャート１のパッチサイズは、０．２５ｃｍ２以上で、１６ｃｍ２以下が好ましい。
【0058】
撮影環境につかう光源は、光の強度が安定している標準光源が望ましい。撮影には、ストロボを使用しても良いが、カラーチャート１の各パッチが、過剰露出又は不足露出にならないことが必要である。カラーチャート１を配置する場所は、商品２にあたる照明光とカラーチャート１にあたる照明光とが、同様に当たる場所であることが望ましい。撮影環境が同一であれば、撮影装置２２は、最初にカラーチャート１を撮影して、その後に商品２を連続撮影しても良い。
【0059】
ステップＳ１０において撮影された画像データを取得すると、情報処理装置２４の表示領域認識部６２は、ステップＳ１２において、画像データから商品２の表示領域を、次のように認識する。
【0060】
例えば、通信販売用サンプルなどの商品２が服又はバック等の場合、商品２は、モデルと一緒に撮影する可能性がある。この場合は、画像データに含まれる人肌の表示領域の色を適切に色補正したのち、商品２の表示領域の色補正を行うことが望ましい。そこで、表示領域認識部６２は、画像データに含まれる人肌（顔）の色補正を行ったあと、第１の機械学習部７０を用いて、画像データから商品２の表示領域を認識する。ステップＳ１４以降の色補正は、商品２の表示領域を対象とする。
【0061】
ステップＳ１４において、情報処理装置２４は、表示装置２６の色補正、商品２の表示領域の色補正、及び商品種による商品２の色調補正の処理を行う。
【0062】
《表示装置の色補正》
作業者が画像データに含まれる商品２の表示領域の色補正を行うときは、撮影した商品２を表示装置２６に表示して、商品２の表示領域の色を確認しながら実施する。しかしながら、表示装置２６は、照明環境、表示装置２６の品質、個体差、又は調整などの色補正環境により色味が変わる。したがって、作業者の色補正環境における表示装置２６の色味補正（キャリブレーション）を実施してもよい。例えば、作業者の色補正環境における表示装置２６の色味補正は、同じ照明環境であるならば、その日の作業の開始時点に１回だけ行えばよい。
作業者が画像データに含まれる商品２の表示領域の色補正を行うときは、撮影した商品２を表示装置２６に表示して、商品２の表示領域の色を確認しながら実施する。しかしながら、表示装置２６は、照明環境、表示装置２６の品質、個体差、又は調整などの色補正環境により色味が変わる。したがって、作業者の色補正環境における表示装置２６の色味補正（キャリブレーション）を実施してもよい。例えば、作業者の色補正環境における表示装置２６の色味補正は、同じ照明環境であるならば、その日の作業の開始時点に１回だけ行えばよい。
【0063】
表示装置２６の色補正としては、例えば市販のモニターキャリブレーション装置が有効である。例えば、Ｘ－ｒｉｔｅ社の「i1 DISPLAY PRO」は、モニターキャリブレーション装置として好適に使用できる。
【0064】
また、表示装置２６の色補正としては、特開２０２２－６４１００号公報に記載の「表示部の色補正方法」を適用してもよい。特開２０２２－６４１００号公報に記載の「表示部の色補正方法」を適用した場合は、例えば図６に示すように、作業者が使用する表示装置２６の表示部３２の色補正を行う。図６の表示装置２６の表示部３２の色補正は、以下のようにクラウドベースでシステム運用してもよい。クラウドベースでシステム運用する場合は、表示装置２６の表示部３２の色補正を半自動で実行できる。
【0065】
図６は、作業者が使用する表示装置２６の色補正方法の一例を示した説明図である。図６に一例として示した表示装置２６は、カメラ３０と表示部３２とを含むノートパソコンである。また、図６では、印刷物などの現物のカラーチャート３４が表示装置２６の表示部と並ぶように置かれている。
【0066】
また、図６（Ｂ）に示すように、表示装置２６の表示部３２に表示される画像と、表示部３２に並ぶように置かれた現物のカラーチャート３４とが、カメラ３０により撮影されるように、表示装置２６の手前に鏡３８が置かれる。
【0067】
表示装置２６は、クラウドシステムにアクセスすることで、例えば図６に示す色補正用画像ファイル（カラーチャート３４の画像ファイルなど）の画像３６が表示される。表示装置２６は、図６（Ｂ）に示すように、鏡３８に写る表示部３２の画像３６と、表示部３２に並ぶように置かれている現物のカラーチャート３４とを、カメラ３０で撮影する。表示部３２の画面には、図６（Ｂ）に示すように、色補正用画像ファイルの画像３６が表示されている。
【0068】
第３の色補正部６８は、カメラ３０で撮影された現物のカラーチャート３４の色及び表示装置２６に表示された色補正用画像ファイルの画像３６の色から、前述した「色補正法１」を用いて、色補正式を計算する。第３の色補正部６８は、計算した色補正式から表示装置２６の表示部３２の色味を変換する。
【0069】
このとき、作業者は、表示装置２６に搭載されているＯＳのユーティリティを使用できることがある。この場合、作業者は「Ｗｉｎｄｏｗｓ１１およびＷｉｎｄｏｗｓ１０でＬＣＤパネルの色温度を調整する方法」＜https://www.dell.com/support/kbdoc/ja-jp/000194424/＞などに記載されているように、手動で値を入れて表示装置２６の表示部３２の色味を調整してもよい。
【0070】
また、計算した色補正式から表示装置２６の表示部３２の色味の調整を自動で実施する場合は、クラウド上からＯＳ又は表示装置２６にアクセスし、色味を変換する方法も考えられる。
【0071】
また、事前にクラウドと対応したユーティリティソフトを表示装置２６にインストールしておいて、クラウド上の結果と連携して自動で表示部３２の色補正する方法、及びクラウドに対応して自動で表示部３２の色補正を実行する表示装置２６により色補正する方法が考えられる。
【0072】
その他、表示装置２６の表示部３２の色味の調整を作業者が手動で以下のように補正する方法も考えられる。
【0073】
作業者は、色補正用画像ファイル（カラーチャート３４の画像ファイルなど）を表示装置２６の表示部３２に表示させる。作業者は、現物のカラーチャート３４を手元に置いて確認しながら、表示部３２に表示させた色補正用画像と一致するように、手動で表示部３２の画面の色を調整する。このとき、作業者は、ＯＳのユーティリティを使用できることがある。作業者は、グレースケール（白～黒）を合わせたあと、カラーＲＧＢ／ＣＭＹを合わせる。
【0074】
上記した表示装置２６の色補正により、作業者は、表示装置２６の表示部３２に表示する色を調整（キャリブレーション）したあとで、商品２の画像を表示装置２６の表示部３２に表示して確認できる。
【0075】
《商品の表示領域の色補正》
撮影装置２２が撮影した商品２のデジタル画像は、撮影時の光源環境などの撮影環境により実際の色彩と異なる。このため、商品２の表示領域の色補正では、カラーチャート１を用いて、商品２の画像の色を商品２の販売者にとって好ましい色に補正する。
撮影装置２２が撮影した商品２のデジタル画像は、撮影時の光源環境などの撮影環境により実際の色彩と異なる。このため、商品２の表示領域の色補正では、カラーチャート１を用いて、商品２の画像の色を商品２の販売者にとって好ましい色に補正する。
【0076】
手順として、第１の色補正部６４は、商品２の画像の表示領域について、ヒトの３値刺激（ＸＹＺ値）に対応した色補正を行い、その後、好ましい色補正を行う。この手順の処理は、ディープラーニング（深層学習）などを用いて機械学習させ、機械学習させた機械学習モデルに推論させてもよい。
【0077】
色補正の方法としては、前述した「色補正法１」を利用できる。第１の色補正部６４による色補正は、商品２の表示領域のみであってもよいし、商品２を含むデジタル画像全体であってもよい。
【0078】
商品２の表示領域のみを色補正する場合は、ステップＳ１２で認識した商品２の表示領域の色の色情報を補正する。第１の色補正部６４は、得られた色補正式を用いて、商品２の表示領域の色補正を行うことで、商品２の表示領域の色を現物の商品２の色味に調整できる。ｓＲＧＢのデジタル画像にする場合は、ＸＹＺ値からＲＧＢ値に変換する。
【0079】
上記した商品２の表示領域の色補正により、作業者は、商品２の表示領域の色を現物の商品２の色味に調整できる。
【0080】
《商品種による商品の色調補正》
作業者は、上記した商品２の表示領域の色補正のあと、ＥＣサイト上で商品２を魅力的に見せるなど、見栄えを良くする為に、商品２の色調及び光沢感を微調整する色調補正を行う。なお、商品２の商品種又は色調により、商品２の見栄えを良くする為の色調補正は異なる。
作業者は、上記した商品２の表示領域の色補正のあと、ＥＣサイト上で商品２を魅力的に見せるなど、見栄えを良くする為に、商品２の色調及び光沢感を微調整する色調補正を行う。なお、商品２の商品種又は色調により、商品２の見栄えを良くする為の色調補正は異なる。
【0081】
例えば、作業者は、照明条件又は商品２の配置により、画像の明るい部分が過剰に露出して画素値が飽和した白飛びの補正といった撮影時（撮影環境）の問題で発生する現象の補正、撮影装置２２の機器特性を考慮した補正、赤い洋服ならば色調補正した画像から若干の光沢感を出す補正などの好ましい色補正（以下、色調再補正と呼ぶ）を行う。
【0082】
この色調再補正の処理は、第２の機械学習部７２に代行させることができる。第２の機械学習部７２は、画像認識システム及び画像生成システムを組み合わせることにより実現できる。画像認識システムは、画像認識ＡＩを利用して実現できる。また、画像生成システムは、画像生成ＡＩを利用して実現できる。
【0083】
例えば、第２の機械学習部７２は、例えばＣＮＮを用いて画像認識を行ったあと、変分オートエンコーダＶＡＥ又は敵対的生成ネットワークＧＡＮなどの生成ＡＩを用いて、商品２の表示領域の微修正などの色調再補正を行う。第２の機械学習部７２は、Ｐｙｔｈｏｎなどのプログラミング言語を使って認識部分も生成部分もプログラミングをしても良いし、市販の画像認識ソフト又は画像認識クラウドサービスを併用しても良い。
【0084】
第２の機械学習部７２の構築の為には、例えば商品２の見栄えを良くする為に作業者が行った色調再補正を機械学習した第２の機械学習モデルが必要である。第２の機械学習モデルの機械学習の為には、学習用データが必要である。
【0085】
まず、第２の機械学習モデルは、事前学習用データを用いて機械学習する。事前学習用データのインプット画像は、上記した商品２の表示領域の色補正を行った商品２の画像である。事前学習用データのアウトプットの教師データ画像は、上記したように作業者がインプット画像に対して色調再補正を行った商品２の画像である。
【0086】
機械学習用の特性値は、このインプット画像及び教師データ画像から得る。機械学習用の特性値としては、インプット画像及び教師データ画像の統計的なＲＧＢ値又はＬ値、ＲＧＢ値又はＬ値をＸＹＺ値に変換した値などが用いられる。機械学習用の特性値は、二次元画像のＲＧＢ値を一次元ベクトル化した後、主成分分析などにより１０００点程度のベクトルに変換し、このベクトルを用いても構わない。
【0087】
なお、商品２の商品種（鞄、服、アクセサリなど）により、作業者が行う色調再補正の内容が異なる場合も想定されるため、事前学習用データは、商品種（カテゴリ別）に分類しても構わない。
【0088】
例えば事前学習用データの画像は、１０００点程度準備し、左右反転又は領域切りぬきなどの画像拡張のテクニックにより１０倍に拡張した１００００点程度の画像データを事前学習用データとして用いてもよい。第２の機械学習部７２は、上記の事前学習用データを第２の機械学習モデルに機械学習させることで、生成ＡＩ型の第２の機械学習部７２を構築できる。
【0089】
第２の機械学習部７２は、上記したように作業者がインプット画像に対して行った色調再補正を機械学習した第２の機械学習モデルを用いて、ＥＣサイト上で商品２を魅力的に見せるなど、見栄えを良くする為の色調再補正を行った商品２の画像を複数作成する。なお、第２の機械学習部７２が色調再補正を行った商品２の画像は、第２の機械学習モデルにより点数付けがされている。第２の機械学習モデルにより付けられた点数は、ＥＣサイトに掲載する商品２の画像としての相応しさの程度を表している。
【0090】
なお、第２の機械学習モデルは、後述するように、商品２の表示領域の色補正を行った商品２の画像と、その商品２の画像に対して色調再補正を行った複数の商品２の画像から作業者によりＥＣサイトへの掲載用として選択された商品２の画像とを、学習用データとして用いて再学習することで、第２の機械学習部７２が行う色調再補正の精度は向上し続ける。
【0091】
《色調再補正を行った複数の商品２の画像の選択》
ステップＳ１８において、出力部７４は、ステップＳ１４の色補正の処理により複数作成された色調再補正が完了した商品２の画像を含む画像選択のＵＩ画面１０００を、例えば表示装置２６に図７に示すように表示する。図７は、画像選択のＵＩ画面１０００の一例のイメージ図である。
ステップＳ１８において、出力部７４は、ステップＳ１４の色補正の処理により複数作成された色調再補正が完了した商品２の画像を含む画像選択のＵＩ画面１０００を、例えば表示装置２６に図７に示すように表示する。図７は、画像選択のＵＩ画面１０００の一例のイメージ図である。
【0092】
図７の画像選択のＵＩ画面１０００は、４点の商品２の画像１００２が含まれている例である。画像選択のＵＩ画面１０００に表示される４点の商品２の画像１００２は、例えば、ステップＳ１４の色補正の処理により複数作成された色調再補正が完了した商品２の画像のうち、第２の機械学習モデルにより付けられた点数が高得点だった４点の商品２の画像である。
【0093】
ステップＳ２０において、情報処理装置２４の操作受付部７６は、作業者による操作を受け付ける。作業者は、画像選択のＵＩ画面１０００に表示された４点の商品２の画像１００２のうち、ＥＣサイトに掲載するのに相応しい商品２の画像１００２があれば、その商品２の画像１００２を選択して決定ボタン１００４を操作することで、ＥＣサイトに掲載する商品２の画像１００２を決定できる。出力部７４は、操作受付部７６が作業者から決定ボタン１００４の操作を受け付けると、画像選択が終了と判定し、ステップＳ２４の処理を行う。
【0094】
また、作業者は、画像選択のＵＩ画面１０００に表示された４点の商品２の画像１００２のうち、微修正を加えることでＥＣサイトに掲載するのに相応しい商品２の画像１００２があれば、その商品２の画像１００２を選択して修正ボタン１００６を操作する。出力部７４は、操作受付部７６が修正ボタン１００６の操作を作業者から受け付けることにより、図８の画像修正のＵＩ画面１１００を表示装置２６に表示する。図８は、画像修正のＵＩ画面１１００の一例のイメージ図である。
【0095】
図８の画像修正のＵＩ画面１１００は、図７の画面選択のＵＩ画面１０００において作業者に選択された商品２の画像（例えば、図７の画面選択のＵＩ画面１０００に表示されている４点の商品２の画像１００２のうち「３」が付された商品２の画像１００２）の色情報を修正する操作を作業者から受け付ける。作業者は、画像修正のＵＩ画面１１００の商品２の表示領域に対する補正欄１１０２から、商品２の画像の色情報を修正する操作を行うことができる。
【0096】
図８の画像修正のＵＩ画面１１００に表示されている商品２の画像は、商品２の表示領域に対する補正欄１１０２から受け付けた作業者の操作に従って、その商品２の画像の色の色情報が補正される。作業者は、微修正を加えることでＥＣサイトに掲載するのに相応しい商品２の画像１００２となれば、修正完了ボタン１１０４を操作することで、画像修正のＵＩ画面１１００に表示されている商品２の画像を、ＥＣサイトに掲載する商品２の画像１００２として決定できる。
【0097】
また、作業者は、微修正を加えることでＥＣサイトに掲載するのに相応しい商品２の画像１００２とならなければ、修正リセットボタン１１０６を操作することで、商品２の表示領域に対する補正欄１１０２において行った微修正をリセットして、図８の画像修正のＵＩ画面１１００に遷移したときの商品２の画像１００２に戻すことができる。
【0098】
さらに、作業者は、「候補選択に戻る」ボタン１１０８を操作することで、図７の画面選択のＵＩ画面１０００に戻ることもできる。図７の画面選択のＵＩ画面１０００において「他の候補」ボタン１００８を操作することで、作業者は、ステップＳ１４の色補正の処理により複数作成された色調再補正が完了した商品２の画像のうち、第２の機械学習モデルにより付けられた点数が次に高得点だった４点の商品２の画像を表示装置２６に表示させることもできる。
【0099】
出力部７４は、操作受付部７６が作業者から決定ボタン１００４又は修正完了ボタン１１０４の操作を受け付けなければ、画像選択が終了していない判定し、ステップＳ１４の処理に戻ることで、ＥＣサイトに掲載するのに相応しい商品２の画像１００２の選択を継続する。
【0100】
ステップＳ２２において、画像選択が終了と判定された場合は、ステップＳ２４の処理に進み、作業者がＥＣサイトに掲載するのに相応しい商品２の画像１００２として選択した結果を、第２の機械学習部７２の学習用データとしてフィードバックする。
【0101】
例えば、画像選択のＵＩ画面１０００に表示された４点の商品２の画像１００２から１点の商品２の画像１００２を選択し、作業者が微修正した場合は、作業者が選択した商品２の画像をインプット画像、作業者が微修正した後の商品２の画像を教師データ画像とする学習用データとして、第２の機械学習モデルの再学習に利用できる。
【0102】
図９は、画像選択のＵＩ画面１０００と画像修正のＵＩ画面１１００との間の画面遷移の一例を示した説明図である。図９に示したように、作業者は、画像選択のＵＩ画面１０００と画像修正のＵＩ画面１１００との間を遷移しながら、ＥＣサイトに掲載するのに相応しい商品２の画像１００２を選択することで、商品２を撮影した画像データの色情報の補正を、より容易に行うことができる。
【0103】
なお、第２の色補正部６６及び第３の色補正部６８は、ＥＣサイトに掲載された商品２の画像を閲覧する閲覧者（消費者など）が使用するスマートフォン又はＰＣなどの表示装置の機種特性を考慮するため、閲覧者が使用する表示装置に表示させた商品２の画像を確認しながら、ＥＣサイトに掲載するのに相応しい商品２の画像１００２を選択するようにしてもよい。
【0104】
このように、閲覧者が使用する表示装置に表示させた商品２の画像を確認しながら、ＥＣサイトに掲載するのに相応しい商品２の画像１００２を選択することで、閲覧者が使用する表示装置の色味などの機種特性に合うように、商品２の画像１００２の色補正を行うことができる。
【0105】
図５のフローチャートの処理では、作業者が画像選択のＵＩ画面１０００に表示された複数の商品２の画像１００２からＥＣサイトに掲載するのに相応しい１点の商品２の画像１００２を選択しているが、作業者に選択させず、第２の機械学習モデルにより付けられた点数が最も高得点だった商品２の画像を自動的に選択してよい。
【0106】
【0107】
ステップＳ５６において、出力部７４は、ステップＳ５４の色補正の処理により複数作成された色調再補正が完了した商品２の画像のうち、第２の機械学習モデルにより付けられた点数が最も高得点の商品２の画像を、ＥＣサイトに掲載するのに相応しい１点の商品２の画像１００２として選択する。
【0108】
ステップＳ５８において、出力部７４は、ステップＳ５６で選択した１点の色調再補正が完了した商品２の画像１００２を、画面表示のＵＩ画面に表示する。このように、図５のフローチャートの処理によれば、色調再補正が完了した複数の商品２の画像１００２からＥＣサイトに掲載するのに相応しい１点の商品２の画像１００２を自動的に選択させることができる。
【0109】
（まとめ）
本実施形態によれば、商品２を撮影した画像データの色情報を、ＥＣサイトに掲載するのに相応しく補正する「ささげ業務」の作業を支援することで、「ささげ業務」の作業が容易化し、作業時間が短縮化される。
本実施形態によれば、商品２を撮影した画像データの色情報を、ＥＣサイトに掲載するのに相応しく補正する「ささげ業務」の作業を支援することで、「ささげ業務」の作業が容易化し、作業時間が短縮化される。
【0110】
本発明は、具体的に開示された上記の実施形態に限定されるものではなく、特許請求の範囲から逸脱することなく、種々の変形や変更が可能である。
【符号の説明】
【0111】
１ カラーチャート
２０Ａ、２０Ｂ 色補正システム
２２ 撮影装置
２４ 情報処理装置
２６ 表示装置
６０ 画像データ取得部
６２ 表示領域認識部
６４ 第１の色補正部
６６ 第２の色補正部
６８ 第３の色補正部
７０ 第１の機械学習部
７２ 第２の機械学習部
７４ 出力部
７６ 操作受付部
２０Ａ、２０Ｂ 色補正システム
２２ 撮影装置
２４ 情報処理装置
２６ 表示装置
６０ 画像データ取得部
６２ 表示領域認識部
６４ 第１の色補正部
６６ 第２の色補正部
６８ 第３の色補正部
７０ 第１の機械学習部
７２ 第２の機械学習部
７４ 出力部
７６ 操作受付部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】