特許 7559791 学習装置、その制御方法、及び、制御プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-09-24

(45)【発行日】2024-10-02

(54)【発明の名称】学習装置、その制御方法、及び、制御プログラム

(51)【国際特許分類】

   G06T 7/00 20170101AFI20240925BHJP

【ＦＩ】

G06T7/00 350B

【請求項の数】 17

(21)【出願番号】P 2022039112

(22)【出願日】2022-03-14

(65)【公開番号】P2023133872

(43)【公開日】2023-09-27

【審査請求日】2023-11-29

(73)【特許権者】

【識別番号】000003207

【氏名又は名称】トヨタ自動車株式会社

(74)【代理人】

【識別番号】100103894

【弁理士】

【氏名又は名称】家入 健

(72)【発明者】

【氏名】谷重 崇未

(72)【発明者】

【氏名】落合 亮吉

【審査官】吉川 康男

(56)【参考文献】

【文献】特開２０１６－０９９６６８（ＪＰ，Ａ）

【文献】特開２０２１－０５１５８９（ＪＰ，Ａ）

【文献】中国特許出願公開第１１４００５１４９（ＣＮ，Ａ）

【文献】特開２０１６－１４３３５４（ＪＰ，Ａ）

【文献】特開２０１９－１０１４９６（ＪＰ，Ａ）

【文献】特開２００４－０７７１６５（ＪＰ，Ａ）

【文献】Abnormal Detection based on User Feedback for Abstracted Pedestrian Video，，2019 International Conference on Information and Communication Technology Convergence，2019年10月16日，https://ieeexplore.ieee.org/document/8939600

【文献】人体姿勢推定における効率的な学習のための学習サンプル選択，電子情報通信学会技術研究報告，2014年01月16日

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｔ ７／００

(57)【特許請求の範囲】

【請求項1】

複数の種類の認識対象から第１種類の認識対象である第１認識対象を認識するように第１認識器に学習させる学習装置であって、
前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の認識対象である第１誤認識対象を抽出する抽出部と、
前記第１認識対象と前記第１誤認識対象とが共に映った画像を含む第１学習データを生成する学習データ生成部と、
前記第１学習データを用いて、前記第１認識器に対して、前記第１誤認識対象が前記第１認識対象とは異なる種類のものであることを学習させる学習制御部と、
を備えた、学習装置。

【請求項2】

前記学習制御部は、前記第１認識器において前記第１誤認識対象が前記第１認識対象と誤認識される確率が前記所定率未満になった場合には、前記第１学習データを用いた学習を停止させる、
請求項１に記載の学習装置。

【請求項3】

評価部をさらに備え、
前記学習データ生成部は、前記複数の種類の認識対象のそれぞれが個別に映った複数の画像を含む基準学習データをさらに生成し、
前記学習制御部は、前記基準学習データを用いて、前記第１認識器に対して、前記第１認識対象を正しく前記第１認識対象と認識するように、且つ、前記第１認識対象以外の認識対象を誤って前記第１認識対象と認識しないように、予め学習させ、
前記評価部は、前記第１認識器が、前記第１認識対象を正しく前記第１認識対象と認識するか、及び、前記第１認識対象以外の認識対象を誤って前記第１認識対象と認識しないか、を評価し、
前記抽出部は、前記評価部による評価結果から前記第１誤認識対象を抽出する、
請求項１又は２に記載の学習装置。

【請求項4】

前記学習データ生成部は、前記第１認識対象と前記第１誤認識対象とが共に映った複数の画像を含む前記第１学習データを生成し、
前記学習制御部は、前記第１学習データを用いて、前記第１認識器において前記第１誤認識対象が前記第１認識対象と誤認識される確率が前記所定率未満になるまで、前記第１認識器に対して、前記第１誤認識対象が前記第１認識対象とは異なる種類のものであることを学習させる、
請求項１～３の何れか一項に記載の学習装置。

【請求項5】

前記学習データ生成部は、前記抽出部から前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の認識対象である複数の前記第１誤認識対象が抽出された場合、前記第１認識対象と、複数の前記第１誤認識対象の各々と、が共に映った複数の画像を含む前記第１学習データを生成し、
前記学習制御部は、前記第１学習データを用いて、前記第１認識器において複数の前記第１誤認識対象のそれぞれが前記第１認識対象と誤認識される確率が前記所定率未満になるまで、前記第１認識器に対して、複数の前記第１誤認識対象が何れも前記第１認識対象とは異なる種類のものであることを学習させる、
請求項１～３の何れか一項に記載の学習装置。

【請求項6】

前記複数の種類の認識対象から第２種類の認識対象である第２認識対象を認識するように第２認識器にさらに学習させる学習装置であって、
前記抽出部は、前記複数の種類の認識対象のうち、前記第２認識器において前記第２認識対象と誤認識される確率が所定率以上の認識対象である第２誤認識対象をさらに抽出し、
前記学習データ生成部は、前記第２認識対象と前記第２誤認識対象とが共に映った画像を含む第２学習データをさらに生成し、
前記学習制御部は、さらに、前記第２学習データを用いて、前記第２認識器に対して、前記第２誤認識対象が前記第２認識対象とは異なる種類のものであることを学習させる、
請求項１又は２に記載の学習装置。

【請求項7】

前記学習制御部は、前記第２認識器において前記第２誤認識対象が前記第２認識対象と誤認識される確率が前記所定率未満になった場合には、前記第２学習データを用いた学習を停止させる、
請求項６に記載の学習装置。

【請求項8】

評価部をさらに備え、
前記学習データ生成部は、前記複数の種類の認識対象のそれぞれが個別に映った複数の画像を含む基準学習データをさらに生成し、
前記学習制御部は、前記基準学習データを用いて、前記第１認識器に対して、前記第１認識対象を正しく前記第１認識対象と認識するように、且つ、前記第１認識対象以外の認識対象を誤って前記第１認識対象と認識しないように、予め学習させるとともに、前記第２認識器に対して、前記第２認識対象を正しく前記第２認識対象と認識するように、且つ、前記第２認識対象以外の認識対象を誤って前記第２認識対象と認識しないように、予め学習させ、
前記評価部は、前記第１認識器が、前記第１認識対象を正しく前記第１認識対象と認識するか、及び、前記第１認識対象以外の認識対象を誤って前記第１認識対象と認識しないか、を評価するとともに、前記第２認識器が、前記第２認識対象を正しく前記第２認識対象と認識するか、及び、前記第２認識対象以外の認識対象を誤って前記第２認識対象と認識しないか、を評価し、
前記抽出部は、前記評価部による評価結果から前記第１誤認識対象及び前記第２誤認識対象を抽出する、
請求項６又は７に記載の学習装置。

【請求項9】

前記複数の種類の認識対象に新たな第３種類の認識対象である第３認識対象が追加された場合、前記評価部は、前記第１認識器によって前記第３認識対象が前記第１認識対象ではないことについての学習が行われる前に、前記第１認識器が、前記第３認識対象を誤って前記第１認識対象と認識しないか、をさらに評価するように構成され、
前記抽出部は、前記評価部による評価結果から、前記第３認識対象を含む前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の前記第１誤認識対象を抽出するように構成されている、
請求項３に記載の学習装置。

【請求項10】

前記複数の種類の認識対象に新たな第３種類の認識対象である第３認識対象が追加された場合、前記評価部は、前記第１認識器によって前記第３認識対象が第１認識対象ではないことについての学習が行われる前に、前記第１認識器が、前記第３認識対象を誤って前記第１認識対象と認識しないか、及び、前記第２認識器によって前記第３認識対象が第２認識対象ではないことについての学習が行われる前に、前記第２認識器が、前記第３認識対象を誤って前記第２認識対象と認識しないか、をさらに評価するように構成され、
前記抽出部は、前記評価部による評価結果から、前記第３認識対象を含む前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の前記第１誤認識対象と、前記第２認識器において前記第２認識対象と誤認識される確率が所定率以上の前記第２誤認識対象と、を抽出するように構成されている、
請求項８に記載の学習装置。

【請求項11】

前記学習データ生成部は、前記複数の種類の認識対象のうち前記第３認識対象が単独で映った画像をさらに含むように前記基準学習データを更新し、
前記学習制御部は、前記第１認識器による前記第１学習データを用いた学習が行われたにも関わらず、前記第１認識器において前記第１誤認識対象が前記第１認識対象と誤認識される確率が前記所定率以上に維持される場合には、前記第１認識器による学習内容を初期化したうえで、前記第１認識器に対して、少なくとも更新された前記基準学習データを用いて学習させる、
請求項９に記載の学習装置。

【請求項12】

前記学習データ生成部は、前記複数の種類の認識対象のうち前記第３認識対象が単独で映った画像をさらに含むように前記基準学習データを更新し、
前記学習制御部は、前記第１認識器による前記第１学習データを用いた学習が行われたにも関わらず、前記第１認識器において前記第１誤認識対象が前記第１認識対象と誤認識される確率が前記所定率以上に維持される場合には、前記第１認識器による学習内容を初期化したうえで、前記第１認識器に対して、少なくとも更新された前記基準学習データを用いて学習させ、且つ、前記第２認識器による前記第２学習データを用いた学習が行われたにも関わらず、前記第２認識器において前記第２誤認識対象が前記第２認識対象と誤認識される確率が前記所定率以上に維持される場合には、前記第２認識器による学習内容を初期化したうえで、前記第２認識器に対して、少なくとも更新された前記基準学習データを用いて学習させる、
請求項１０に記載の学習装置。

【請求項13】

前記複数の種類の認識対象から前記第３認識対象を認識するように第３認識器にさらに学習させる学習装置であって、
前記抽出部は、前記複数の種類の認識対象のうち、前記第３認識器において前記第３認識対象と誤認識される確率が所定率以上の認識対象である第３誤認識対象をさらに抽出し、
前記学習データ生成部は、前記第３認識対象と前記第３誤認識対象とが共に映った画像を含む第３学習データをさらに生成し、
前記学習制御部は、さらに、前記第３学習データを用いて、前記第３認識器に対して、前記第３誤認識対象が前記第３認識対象とは異なる種類のものであることを学習させる、
請求項９～１２の何れか一項に記載の学習装置。

【請求項14】

前記複数の種類の認識対象から第４種類の認識対象である第４認識対象が除外された場合、前記抽出部は、前記学習制御部によって前記第１認識器による前記第１学習データを用いた学習内容が初期化された状態で、前記複数の種類の認識対象のうち前記第４認識対象を除く認識対象から、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の前記第１誤認識対象を新たに抽出し、
前記学習データ生成部は、前記第１認識対象と、新たに抽出された前記第１誤認識対象と、が共に映った画像を含む前記第１学習データを新たに生成し、
前記学習制御部は、前記第１認識器による前記第１学習データを用いた学習内容を初期化することに加えて、前記第１認識器に対して、新たに生成された前記第１学習データを用いて学習させる、
請求項１～３の何れか一項に記載の学習装置。

【請求項15】

前記複数の種類の認識対象から第４種類の認識対象である第４認識対象が除外された場合、前記抽出部は、前記学習制御部によって前記第１認識器による前記第１学習データを用いた学習内容が初期化された状態、且つ、前記学習制御部によって前記第２認識器による前記第２学習データを用いた学習内容が初期化された状態で、前記複数の種類の認識対象のうち前記第４認識対象を除く認識対象から、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の前記第１誤認識対象、及び、前記第２認識器において前記第２認識対象と誤認識される確率が所定率以上の前記第２誤認識対象を新たに抽出し、
前記学習データ生成部は、前記第１認識対象と、新たに抽出された前記第１誤認識対象と、が共に映った画像を含む前記第１学習データ、及び、前記第２認識対象と、新たに抽出された前記第２誤認識対象と、が共に映った画像を含む前記第２学習データを新たに生成し、
前記学習制御部は、前記第１認識器による前記第１学習データを用いた学習内容を初期化することに加えて、前記第１認識器に対して、新たに生成された前記第１学習データを用いて学習させ、且つ、前記第２認識器による前記第２学習データを用いた学習内容を初期化することに加えて、前記第２認識器に対して、新たに生成された前記第２学習データを用いて学習させる、
請求項６～８の何れか一項に記載の学習装置。

【請求項16】

複数の種類の認識対象から第１種類の認識対象である第１認識対象を認識するように第１認識器に学習させる学習装置の制御方法であって、
前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の認識対象である第１誤認識対象を抽出し、
前記第１認識対象と前記第１誤認識対象とが共に映った画像を含む第１学習データを生成し、
前記第１学習データを用いて、前記第１認識器に対して、前記第１誤認識対象が前記第１認識対象とは異なる種類のものであることを学習させる、
学習装置の制御方法。

【請求項17】

複数の種類の認識対象から第１種類の認識対象である第１認識対象を認識するように第１認識器に学習させる学習装置の制御プログラムであって、
前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の認識対象である第１誤認識対象を抽出する処理と、
前記第１認識対象と前記第１誤認識対象とが共に映った画像を含む第１学習データを生成する処理と、
前記第１学習データを用いて、前記第１認識器に対して、前記第１誤認識対象が前記第１認識対象とは異なる種類のものであることを学習させる処理と、
をコンピュータに実行させる制御プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、学習装置、その制御方法、及び、制御プログラムに関する。

【背景技術】

【0002】

近年では、例えばコンビニエンスストア等の商店において販売されている複数の種類の商品（認識対象）のそれぞれを個別に認識するように複数の認識器に学習させる学習装置の開発が進んでいる。

【0003】

認識器による学習に関する技術は、例えば特許文献１に開示されている。特許文献１には、入力パターンを認識辞書と照合して入力パターンを認識し、認識結果に基づいて入力パターンにおける真のカテゴリと誤認識結果として求められたカテゴリとを特定し、各カテゴリに基づいて、誤認識を引き起こした真のカテゴリを含むパターンと、誤認識結果として求められたカテゴリを含むパターンと、を学習用のパターンとして入力し、各パターンを用いて認識辞書の学習及び更新を行う、パターン認識装置が開示されている。

【先行技術文献】

【特許文献】

【0004】

【文献】特公平６－５４５０３号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

しかしながら、特許文献１には、複数の種類の認識対象のそれぞれを個別に認識するように複数の認識器に学習させる場合において、複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることについて開示も示唆もされていない。そのため、特許文献１の構成では、複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることができない、という課題があった。

【0006】

本発明は、以上の背景に鑑みなされたものであり、複数の種類の認識対象のそれぞれを個別に認識する複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることが可能な、学習装置、その制御方法、及び、制御プログラム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】

【0007】

本発明の一実施態様に係る学習装置は、複数の種類の認識対象から第１種類の認識対象である第１認識対象を認識するように第１認識器に学習させる学習装置であって、前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の認識対象である第１誤認識対象を抽出する抽出部と、前記第１認識対象と前記第１誤認識対象とが共に映った画像を含む第１学習データを生成する学習データ生成部と、前記第１学習データを用いて、前記第１認識器に対して、前記第１誤認識対象が前記第１認識対象とは異なる種類のものであることを学習させる学習制御部と、を備える。この学習装置は、所定の種類の第１認識対象を認識するための第１認識器の学習において、第１認識対象と誤認識される確率が所定率以上の、第１認識対象とは別の種類の認識対象（誤認識対象）、が存在する場合にのみ、当該誤認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる。それにより、この学習装置は、第１認識対象以外の全ての認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる場合よりも、効率よく学習させることができる。その結果、この学習装置は、複数の種類の認識対象のそれぞれを個別に認識する複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることができる。

【0008】

前記学習制御部は、前記第１認識器において前記第１誤認識対象が前記第１認識対象と誤認識される確率が前記所定率未満になった場合には、前記第１学習データを用いた学習を停止させてもよい。

【0009】

評価部をさらに備え、前記学習データ生成部は、前記複数の種類の認識対象のそれぞれが個別に映った複数の画像を含む基準学習データをさらに生成し、前記学習制御部は、前記基準学習データを用いて、前記第１認識器に対して、前記第１認識対象を正しく前記第１認識対象と認識するように、且つ、前記第１認識対象以外の認識対象を誤って前記第１認識対象と認識しないように、予め学習させ、前記評価部は、前記第１認識器が、前記第１認識対象を正しく前記第１認識対象と認識するか、及び、前記第１認識対象以外の認識対象を誤って前記第１認識対象と認識しないか、を評価し、前記抽出部は、前記評価部による評価結果から前記第１誤認識対象を抽出してもよい。

【0010】

前記学習データ生成部は、前記第１認識対象と前記第１誤認識対象とが共に映った複数の画像を含む前記第１学習データを生成し、前記学習制御部は、前記第１学習データを用いて、前記第１認識器において前記第１誤認識対象が前記第１認識対象と誤認識される確率が前記所定率未満になるまで、前記第１認識器に対して、前記第１誤認識対象が前記第１認識対象とは異なる種類のものであることを学習させてもよい。

【0011】

前記学習データ生成部は、前記抽出部から前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の認識対象である複数の前記第１誤認識対象が抽出された場合、前記第１認識対象と、複数の前記第１誤認識対象の各々と、が共に映った複数の画像を含む前記第１学習データを生成し、前記学習制御部は、前記第１学習データを用いて、前記第１認識器において複数の前記第１誤認識対象のそれぞれが前記第１認識対象と誤認識される確率が前記所定率未満になるまで、前記第１認識器に対して、複数の前記第１誤認識対象が何れも前記第１認識対象とは異なる種類のものであることを学習させてもよい。

【0012】

前記複数の種類の認識対象から第２種類の認識対象である第２認識対象を認識するように第２認識器にさらに学習させる学習装置であって、前記抽出部は、前記複数の種類の認識対象のうち、前記第２認識器において前記第２認識対象と誤認識される確率が所定率以上の認識対象である第２誤認識対象をさらに抽出し、前記学習データ生成部は、前記第２認識対象と前記第２誤認識対象とが共に映った画像を含む第２学習データをさらに生成し、前記学習制御部は、さらに、前記第２学習データを用いて、前記第２認識器に対して、前記第２誤認識対象が前記第２認識対象とは異なる種類のものであることを学習させてもよい。

【0013】

前記学習制御部は、前記第２認識器において前記第２誤認識対象が前記第２認識対象と誤認識される確率が前記所定率未満になった場合には、前記第２学習データを用いた学習を停止させてもよい。

【0014】

評価部をさらに備え、前記学習データ生成部は、前記複数の種類の認識対象のそれぞれが個別に映った複数の画像を含む基準学習データをさらに生成し、前記学習制御部は、前記基準学習データを用いて、前記第１認識器に対して、前記第１認識対象を正しく前記第１認識対象と認識するように、且つ、前記第１認識対象以外の認識対象を誤って前記第１認識対象と認識しないように、予め学習させるとともに、前記第２認識器に対して、前記第２認識対象を正しく前記第２認識対象と認識するように、且つ、前記第２認識対象以外の認識対象を誤って前記第２認識対象と認識しないように、予め学習させ、前記評価部は、前記第１認識器が、前記第１認識対象を正しく前記第１認識対象と認識するか、及び、前記第１認識対象以外の認識対象を誤って前記第１認識対象と認識しないか、を評価するとともに、前記第２認識器が、前記第２認識対象を正しく前記第２認識対象と認識するか、及び、前記第２認識対象以外の認識対象を誤って前記第２認識対象と認識しないか、を評価し、前記抽出部は、前記評価部による評価結果から前記第１誤認識対象及び前記第２誤認識対象を抽出してもよい。

【0015】

前記複数の種類の認識対象に新たな第３種類の認識対象である第３認識対象が追加された場合、前記評価部は、前記第１認識器によって前記第３認識対象が前記第１認識対象ではないことについての学習が行われる前に、前記第１認識器が、前記第３認識対象を誤って前記第１認識対象と認識しないか、をさらに評価するように構成され、前記抽出部は、前記評価部による評価結果から、前記第３認識対象を含む前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の前記第１誤認識対象を抽出するように構成されていてもよい。

【0016】

前記複数の種類の認識対象に新たな第３種類の認識対象である第３認識対象が追加された場合、前記評価部は、前記第１認識器によって前記第３認識対象が第１認識対象ではないことについての学習が行われる前に、前記第１認識器が、前記第３認識対象を誤って前記第１認識対象と認識しないか、及び、前記第２認識器によって前記第３認識対象が第２認識対象ではないことについての学習が行われる前に、前記第２認識器が、前記第３認識対象を誤って前記第２認識対象と認識しないか、をさらに評価するように構成され、前記抽出部は、前記評価部による評価結果から、前記第３認識対象を含む前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の前記第１誤認識対象と、前記第２認識器において前記第２認識対象と誤認識される確率が所定率以上の前記第２誤認識対象と、を抽出するように構成されていてもよい。

【0017】

前記学習データ生成部は、前記複数の種類の認識対象のうち前記第３認識対象が単独で映った画像をさらに含むように前記基準学習データを更新し、前記学習制御部は、前記第１認識器による前記第１学習データを用いた学習が行われたにも関わらず、前記第１認識器において前記第１誤認識対象が前記第１認識対象と誤認識される確率が前記所定率以上に維持される場合には、前記第１認識器による学習内容を初期化したうえで、前記第１認識器に対して、少なくとも更新された前記基準学習データを用いて学習させてもよい。

【0018】

前記学習データ生成部は、前記複数の種類の認識対象のうち前記第３認識対象が単独で映った画像をさらに含むように前記基準学習データを更新し、前記学習制御部は、前記第１認識器による前記第１学習データを用いた学習が行われたにも関わらず、前記第１認識器において前記第１誤認識対象が前記第１認識対象と誤認識される確率が前記所定率以上に維持される場合には、前記第１認識器による学習内容を初期化したうえで、前記第１認識器に対して、少なくとも更新された前記基準学習データを用いて学習させ、且つ、前記第２認識器による前記第２学習データを用いた学習が行われたにも関わらず、前記第２認識器において前記第２誤認識対象が前記第２認識対象と誤認識される確率が前記所定率以上に維持される場合には、前記第２認識器による学習内容を初期化したうえで、前記第２認識器に対して、少なくとも更新された前記基準学習データを用いて学習させてもよい。

【0019】

前記複数の種類の認識対象から前記第３認識対象を認識するように第３認識器にさらに学習させる学習装置であって、前記抽出部は、前記複数の種類の認識対象のうち、前記第３認識器において前記第３認識対象と誤認識される確率が所定率以上の認識対象である第３誤認識対象をさらに抽出し、前記学習データ生成部は、前記第３認識対象と前記第３誤認識対象とが共に映った画像を含む第３学習データをさらに生成し、前記学習制御部は、さらに、前記第３学習データを用いて、前記第３認識器に対して、前記第３誤認識対象が前記第３認識対象とは異なる種類のものであることを学習させてもよい。

【0020】

前記複数の種類の認識対象から第４種類の認識対象である第４認識対象が除外された場合、前記抽出部は、前記学習制御部によって前記第１認識器による前記第１学習データを用いた学習内容が初期化された状態で、前記複数の種類の認識対象のうち前記第４認識対象を除く認識対象から、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の前記第１誤認識対象を新たに抽出し、前記学習データ生成部は、前記第１認識対象と、新たに抽出された前記第１誤認識対象と、が共に映った画像を含む前記第１学習データを新たに生成し、前記学習制御部は、前記第１認識器による前記第１学習データを用いた学習内容を初期化することに加えて、前記第１認識器に対して、新たに生成された前記第１学習データを用いて学習させてもよい。

【0021】

前記複数の種類の認識対象から第４種類の認識対象である第４認識対象が除外された場合、前記抽出部は、前記学習制御部によって前記第１認識器による前記第１学習データを用いた学習内容が初期化された状態、且つ、前記学習制御部によって前記第２認識器による前記第２学習データを用いた学習内容が初期化された状態で、前記複数の種類の認識対象のうち前記第４認識対象を除く認識対象から、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の前記第１誤認識対象、及び、前記第２認識器において前記第２認識対象と誤認識される確率が所定率以上の前記第２誤認識対象を新たに抽出し、前記学習データ生成部は、前記第１認識対象と、新たに抽出された前記第１誤認識対象と、が共に映った画像を含む前記第１学習データ、及び、前記第２認識対象と、新たに抽出された前記第２誤認識対象と、が共に映った画像を含む前記第２学習データを新たに生成し、前記学習制御部は、前記第１認識器による前記第１学習データを用いた学習内容を初期化することに加えて、前記第１認識器に対して、新たに生成された前記第１学習データを用いて学習させ、且つ、前記第２認識器による前記第２学習データを用いた学習内容を初期化することに加えて、前記第２認識器に対して、新たに生成された前記第２学習データを用いて学習させてもよい。

【0022】

本発明の一実施態様に係る学習装置の制御方法は、複数の種類の認識対象から第１種類の認識対象である第１認識対象を認識するように第１認識器を少なくとも学習させる学習装置の制御方法であって、前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の認識対象である第１誤認識対象を抽出し、前記第１認識対象と前記第１誤認識対象とが共に映った画像を含む第１学習データを生成し、前記第１学習データを用いて、前記第１認識器に対して、前記第１誤認識対象が前記第１認識対象とは異なる種類のものであることを学習させる。この学習装置の制御方法は、所定の種類の第１認識対象を認識するための第１認識器の学習において、第１認識対象と誤認識される確率が所定率以上の、第１認識対象とは別の種類の認識対象（誤認識対象）、が存在する場合にのみ、当該誤認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる。それにより、この学習装置の制御方法は、第１認識対象以外の全ての認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる場合よりも、効率よく学習させることができる。その結果、この学習装置の制御方法は、複数の種類の認識対象のそれぞれを個別に認識する複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることができる。

【0023】

本発明の一実施態様に係る学習装置の制御プログラムは、複数の種類の認識対象から第１種類の認識対象である第１認識対象を認識するように第１認識器を少なくとも学習させる学習装置の制御プログラムであって、前記複数の種類の認識対象のうち、前記第１認識器において前記第１認識対象と誤認識される確率が所定率以上の認識対象である第１誤認識対象を抽出する処理と、前記第１認識対象と前記第１誤認識対象とが共に映った画像を含む第１学習データを生成する処理と、前記第１学習データを用いて、前記第１認識器に対して、前記第１誤認識対象が前記第１認識対象とは異なる種類のものであることを学習させる処理と、をコンピュータに実行させる。この制御プログラムは、所定の種類の第１認識対象を認識するための第１認識器の学習において、第１認識対象と誤認識される確率が所定率以上の、第１認識対象とは別の種類の認識対象（誤認識対象）、が存在する場合にのみ、当該誤認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる。それにより、この制御プログラムは、第１認識対象以外の全ての認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる場合よりも、効率よく学習させることができる。その結果、この制御プログラムは、複数の種類の認識対象のそれぞれを個別に認識する複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることができる。

【発明の効果】

【0024】

本発明によれば、複数の種類の認識対象のそれぞれを個別に認識する複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることが可能な、学習装置、その制御方法、及び、制御プログラムを提供することができる。

【図面の簡単な説明】

【0025】

【図1】図１は、実施の形態１に係る学習システムの構成例を示すブロック図である。

【図2】図２は、実施の形態１に係る学習装置の構成例を示すブロック図である。

【図3】図３は、図２に示す学習装置の動作を示すフローチャートである。

【図4】図４は、基準学習データに含まれる画像の一例を示す図である。

【図5】図５は、追加学習データに含まれる画像の一例を示す図である。

【図6】図６は、実施の形態２に係る学習装置の動作を示すフローチャートである。

【図7】図７は、基準学習データに含まれる画像の一例を示す図である。

【図8】図８は、追加学習データに含まれる画像の一例を示す図である。

【図9】図９は、実施の形態３に係る学習装置の動作を示すフローチャートである。

【発明を実施するための形態】

【0026】

以下、発明の実施の形態を通じて本発明を説明するが、特許請求の範囲に係る発明を以下の実施形態に限定するものではない。また、実施形態で説明する構成の全てが課題を解決するための手段として必須であるとは限らない。説明の明確化のため、以下の記載及び図面は、適宜、省略、及び簡略化がなされている。各図面において、同一の要素には同一の符号が付されており、必要に応じて重複説明は省略されている。

【0027】

＜実施の形態１＞
図１は、実施の形態１に係る学習システム１の構成例を示すブロック図である。学習システム１は、学習装置１１を用いて、複数の種類の認識対象のそれぞれを個別に認識するように複数の認識器に学習させるシステムである。ここで、学習システム１に設けられた学習装置１１は、所定の種類の第１認識対象を認識するための第１認識器の学習において、第１認識対象と誤認識される確率が所定率以上の、第１認識対象とは別の種類の認識対象（誤認識対象）、が存在する場合にのみ、当該誤認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる。それにより、学習装置１１は、第１認識対象以外の全ての認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる場合よりも、効率よく学習させることができる。その結果、学習装置１１は、複数の種類の認識対象のそれぞれを個別に認識する複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることができる。以下、具体的に説明する。

【0028】

図１に示すように、学習システム１は、学習装置１１と、ｎ（ｎは２以上の整数）個の認識器１２＿１～１２＿ｎと、を備える。

【0029】

ｎ個の認識器１２＿１～１２＿ｎは、ｎ個の種類の認識対象ＴＧ１～ＴＧｎのそれぞれを個別に認識するための装置である。ｎ個の種類の認識対象ＴＧ１～ＴＧｎは、例えばコンビニエンスストア等の商店で販売されているｎ個の種類の商品等である。

【0030】

例えば、認識器（第１認識器）１２＿１は、ｎ個の種類の認識対象から第１種類の認識対象（第１認識対象）ＴＧ１を認識するための装置である。また、認識器（第２認識器）１２＿２は、ｎ個の種類の認識対象ＴＧ１～ＴＧｎから第２種類の認識対象（第２認識対象）ＴＧ２を認識するための装置である。同様にして、認識器１２＿ｉ（ｉは１～ｎの何れかの整数）は、ｎ個の種類の認識対象ＴＧ１～ＴＧｎから、第ｉ種類の認識対象ＴＧｉを認識するための装置である。

【0031】

学習装置１１は、認識器１２＿１～１２＿ｎに対して、認識対象ＴＧ１～ＴＧｎのそれぞれを個別に認識するように学習させる。換言すると、学習装置１１は、認識対象ＴＧ１～ＴＧｎのそれぞれを個別に認識するように認識器１２＿１～１２＿ｎを訓練する。

【0032】

例えば、学習装置１１は、認識器１２＿１に対して、認識対象ＴＧ１～ＴＧｎから第１種類の認識対象ＴＧ１を認識するように学習させる。また、学習装置１１は、認識器１２＿２に対して、認識対象ＴＧ１～ＴＧｎから第２種類の認識対象ＴＧ２を認識するように学習させる。同様にして、学習装置１１は、認識器１２＿ｉに対して、認識対象ＴＧ１～ＴＧｎから第ｉ種類の認識対象ＴＧｉを認識するように学習させる。

【0033】

図２は、学習装置１１の構成例を示すブロック図である。図２に示すように、学習装置１１は、学習データ生成部１１１と、学習制御部１１２と、評価部１１３と、抽出部１１４と、を少なくとも備える。

【0034】

学習データ生成部１１１は、認識器１２＿１～１２＿ｎによる学習の際に用いられる学習データを生成する。

【0035】

具体的には、学習データ生成部１１１は、認識対象ＴＧ１～ＴＧｎのそれぞれが個別に映った複数の画像を含む基準学習データを生成する。換言すると、学習データ生成部１１１は、認識対象ＴＧ１～ＴＧｎのそれぞれが単独で映った複数の画像を含む基準学習データを生成する。また、学習データ生成部１１１は、追加学習データを生成する。学習データ生成部１１１による追加学習データの生成については後述する。

【0036】

学習制御部１１２は、学習データ生成部１１１によって生成された学習データを用いて、認識器１２＿１～１２＿ｎに学習させる。

【0037】

例えば、学習制御部１１２は、基準学習データを用いて、認識器１２＿１に対して、認識対象ＴＧ１を正しく認識対象ＴＧ１と認識するように、且つ、認識対象ＴＧ１以外の認識対象を誤って認識対象ＴＧ１と認識しないように、学習させる。また、学習制御部１１２は、基準学習データを用いて、認識器１２＿２に対して、認識対象ＴＧ２を正しく認識対象ＴＧ２と認識するように、且つ、認識対象ＴＧ２以外の認識対象を誤って認識対象ＴＧ２と認識しないように、学習させる。同様にして、学習制御部１１２は、基準学習データを用いて、認識器１２＿ｉに対して、認識対象ＴＧｉを正しく認識対象ＴＧｉと認識するように、且つ、認識対象ＴＧｉ以外の認識対象を誤って認識対象ＴＧｉと認識しないように、学習させる。また、学習制御部１１２は、追加学習データを用いて、認識器１２＿１～１２＿ｎに追加学習させる。学習制御部１１２による追加学習データを用いた学習制御については後述する。

【0038】

評価部１１３は、各認識器１２＿１～１２＿ｎが、指定された認識対象を正しく認識するか否か、を評価する。なお、評価部１１３による認識器１２＿１～１２＿ｎの評価では、実物の認識対象が用いられてもよいし、認識対象が映った画像が用いられてもよい。

【0039】

例えば、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１を正しく認識対象ＴＧ１と認識するか、及び、認識対象ＴＧ１以外の認識対象を誤って認識対象ＴＧ１と認識しないか、を評価する。また、評価部１１３は、認識器１２＿２が、認識対象ＴＧ２を正しく認識対象ＴＧ２と認識するか、及び、認識対象ＴＧ２以外の認識対象を誤って認識対象ＴＧ２と認識しないか、を評価する。同様にして、評価部１１３は、認識器１２＿ｉが、認識対象ＴＧｉを正しく認識対象ＴＧｉと認識するか、及び、認識対象ＴＧｉ以外の認識対象を誤って認識対象ＴＧｉと認識しないか、を評価する。

【0040】

抽出部１１４は、各認識器１２＿１～１２＿ｎにおいて、指定された認識対象と誤認識される確率が所定率以上の認識対象である誤認識対象、を抽出する。

【0041】

例えば、抽出部１１４は、認識対象ＴＧ１～ＴＧｎのうち、認識器１２＿１において認識対象ＴＧ１と誤認識される確率が所定率以上の認識対象である誤認識対象（第１誤認識対象）ＦＴＧ１を抽出する。また、抽出部１１４は、認識対象ＴＧ１～ＴＧｎのうち、認識器１２＿２において認識対象ＴＧ２と誤認識される確率が所定率以上の認識対象である誤認識対象（第２誤認識対象）ＦＴＧ２を抽出する。同様にして、抽出部１１４は、認識対象ＴＧ１～ＴＧｎのうち、認識器１２＿ｉにおいて認識対象ＴＧｉと誤認識される確率が所定率以上の認識対象である誤認識対象ＦＴＧｉを抽出する。

【0042】

ここで、学習データ生成部１１１は、認識対象ＴＧ１～ＴＧｎのそれぞれが個別に映った複数の画像を含む基準学習データだけでなく、抽出部１１４によって抽出された誤認識対象と、認識対象と、が共に映った画像を含む追加学習データをさらに生成する。

【0043】

例えば、学習データ生成部１１１は、認識対象ＴＧ１～ＴＧｎのうち、例えば認識器１２＿１において認識対象ＴＧ１と誤認識される確率が所定率以上の認識対象である誤認識対象ＦＴＧ１と、認識対象ＴＧ１と、が共に映った画像を含む追加学習データ（第１学習データ）を生成する。また、学習データ生成部１１１は、認識対象ＴＧ１～ＴＧｎのうち、例えば認識器１２＿２において認識対象ＴＧ２と誤認識される確率が所定率以上の認識対象である誤認識対象ＦＴＧ２と、認識対象ＴＧ２と、が共に映った画像を含む追加学習データ（第２学習データ）を生成する。同様にして、学習データ生成部１１１は、認識対象ＴＧ１～ＴＧｎのうち、例えば認識器１２＿ｉにおいて認識対象ＴＧｉと誤認識される確率が所定率以上の認識対象である誤認識対象ＦＴＧｉと、認識対象ＴＧｉと、が共に映った画像を含む追加学習データを生成する。

【0044】

そして、学習制御部１１２は、学習データ生成部１１１によって生成された追加学習データを用いて、認識器１２＿１～１２＿ｎに追加学習させる。

【0045】

例えば、学習制御部１１２は、誤認識対象ＦＴＧ１と認識対象ＴＧ１とが共に映った画像を含む追加学習データを用いて、認識器１２＿１に対して、誤認識対象ＦＴＧ１が認識対象ＴＧ１とは異なる種類のものであることを学習させる。また、学習制御部１１２は、誤認識対象ＦＴＧ２と認識対象ＴＧ２とが共に映った画像を含む追加学習データを用いて、認識器１２＿２に対して、誤認識対象ＦＴＧ２が認識対象ＴＧ２とは異なる種類のものであることを学習させる。同様にして、学習制御部１１２は、誤認識対象ＦＴＧｉと認識対象ＴＧｉとが共に映った画像を含む追加学習データを用いて、認識器１２＿ｉに対して、誤認識対象ＦＴＧｉが認識対象ＴＧｉとは異なる種類のものであることを学習させる。

【0046】

なお、学習制御部１１２は、誤認識対象ＦＴＧ１～ＦＴＧｎが無くなった場合には、認識器１２＿１～１２＿ｎによる学習を停止させる。

【0047】

（学習装置１１の動作）
続いて、図３～図５を用いて、学習装置１１の動作について説明する。図３は、学習装置１１の動作を示すフローチャートである。図４は、基準学習データに含まれる画像の一例を示す図である。図５は、追加学習データに含まれる画像の一例を示す図である。

【0048】

なお、以下では、学習装置１１が、３種類の認識対象ＴＧ１～ＴＧ３から、第１種類の認識対象（第１認識対象）ＴＧ１を認識するように、認識器（第１認識器）１２＿１に学習させる場合を例に説明する。具体的には、学習装置１１が、３種類の認識対象ＴＧ１～ＴＧ３である３種類の商品“ＡＢＣ茶”、“ＤＥＦ茶”、“ＧＨＩ茶”から、第１種類の認識対象ＴＧ１である商品“ＡＢＣ茶”を認識するように、認識器１２＿１に学習させる場合を例に説明する。

【0049】

まず、学習データ生成部１１１は、認識対象ＴＧ１～ＴＧ３のそれぞれが個別に映った複数の画像を含む基準学習データを生成する（ステップＳ１０１）。

【0050】

具体的には、学習データ生成部１１１は、図４の例に示すように、認識対象ＴＧ１である商品“ＡＢＣ茶”が単独で映った画像、認識対象ＴＧ２である商品“ＤＥＦ茶”が単独で映った画像、及び、認識対象ＴＧ３である商品“ＧＨＩ茶”が単独で映った画像、を含む基準学習データを生成する。

【0051】

その後、学習制御部１１２は、基準学習データを用いて認識器１２＿１の訓練を実施する（ステップＳ１０２）。即ち、学習制御部１１２は、基準学習データを用いて認識器１２＿１に学習させる。

【0052】

具体的には、学習制御部１１２は、基準学習データを用いて、認識器１２＿１に対して、認識対象ＴＧ１を正しく認識対象ＴＧ１と認識するように、且つ、認識対象ＴＧ２，ＴＧ３を誤って認識対象ＴＧ１と認識しないように、学習させる。本例では、学習制御部１１２は、認識器１２＿１に対して、認識対象ＴＧ１である商品“ＡＢＣ茶”を正しく商品“ＡＢＣ茶”と認識するように、且つ、認識対象ＴＧ２，ＴＧ３である商品“ＤＥＦ茶”及び商品“ＧＨＩ茶”を誤って商品“ＡＢＣ茶”と認識しないように、学習させる。

【0053】

その後、評価部１１３は、認識器１２＿１の評価を行う（ステップＳ１０３）。具体的には、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１を正しく認識対象ＴＧ１と認識するか、及び、認識対象ＴＧ２，ＴＧ３を誤って認識対象ＴＧ１と認識しないか、を評価する。本例では、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１である商品“ＡＢＣ茶”を正しく商品“ＡＢＣ茶”と認識するか、及び、認識対象ＴＧ２，ＴＧ３である商品“ＤＥＦ茶”及び商品“ＧＨＩ茶”を誤って商品“ＡＢＣ茶”と認識しないか、を評価する。

【0054】

この評価部１１３による評価結果から、認識対象ＴＧ１～ＴＧ３のうち、認識器１２＿１において認識対象ＴＧ１と誤認識される確率が所定率以上の認識対象である誤認識対象（第１誤認識対象）ＦＴＧ１の存在の有無が明らかになる（ステップＳ１０４）。

【0055】

ここで、誤認識対象ＦＴＧ１が存在しない場合（ステップＳ１０４のＮＯ）、認識器１２＿１の認識性能が十分な能力に達したと判断され、抽出部１１４による抽出が行われることなく、認識器１２＿１による学習は終了する。

【0056】

それに対し、誤認識対象ＦＴＧ１が存在する場合（ステップＳ１０４のＹＥＳ）、認識器１２＿１の認識性能が十分な能力に達していないと判断され、認識器１２＿１による学習は続行される。

【0057】

具体的には、まず、抽出部１１４は、誤認識対象ＦＴＧ１を抽出する（ステップＳ１０５のＮＯ→ステップＳ１０６）。その後、学習データ生成部１１１は、抽出部１１４によって抽出された誤認識対象ＦＴＧ１と、認識対象ＴＧ１と、が共に映った画像を含む追加学習データ（第１学習データ）を生成する（ステップＳ１０７）。

【0058】

例えば、抽出部１１４は、誤認識対象ＦＴＧ１として、認識対象ＴＧ３である商品“ＧＨＩ茶”を抽出する。その場合、学習データ生成部１１１は、図５の例に示すように、認識対象ＴＧ１である商品“ＡＢＣ茶”と、誤認識対象ＦＴＧ１として抽出された商品“ＧＨＩ茶”と、が共に映った画像が含まれる追加学習データを生成する。

【0059】

その後、学習制御部１１２は、追加学習データを用いて認識器１２＿１の追加の訓練を実施する（ステップＳ１０２）。即ち、学習制御部１１２は、追加学習データを用いて認識器１２＿１に追加学習させる。

【0060】

具体的には、学習制御部１１２は、追加学習データを用いて、認識器１２＿１に対して、誤認識対象ＦＴＧ１が認識対象ＴＧ１とは異なる種類のものであることを学習させる。本例では、学習制御部１１２は、追加学習データを用いて、認識器１２＿１に対して、誤認識対象ＦＴＧ１として抽出された商品“ＧＨＩ茶”が認識対象ＴＧ１である商品“ＡＢＣ茶”とは異なる種類のものであることを学習させる。

【0061】

その後、評価部１１３は、再び認識器１２＿１の評価を行う（ステップＳ１０３）。具体的には、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１を正しく認識対象ＴＧ１と認識するか、及び、認識対象ＴＧ２，ＴＧ３を誤って認識対象ＴＧ１と認識しないか、を評価する。本例では、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１である商品“ＡＢＣ茶”を正しく商品“ＡＢＣ茶”と認識するか、及び、認識対象ＴＧ２，ＴＧ３である商品“ＤＥＦ茶”及び商品“ＧＨＩ茶”を誤って商品“ＡＢＣ茶”と認識しないか、を評価する。

【0062】

この評価部１１３による評価結果から、認識対象ＴＧ１～ＴＧ３のうち、認識器１２＿１において認識対象ＴＧ１と誤認識される確率が所定率以上の認識対象である誤認識対象ＦＴＧ１の存在の有無が明らかになる（ステップＳ１０４）。

【0063】

ここで、誤認識対象ＦＴＧ１が存在しない場合（ステップＳ１０４のＮＯ）、認識器１２＿１の認識性能が十分な能力に達したと判断され、抽出部１１４による抽出が行われることなく、認識器１２＿１による学習は終了する。

【0064】

それに対し、誤認識対象ＦＴＧ１が存在する場合（ステップＳ１０４のＹＥＳ）、認識器１２＿１の認識性能が十分な能力に達していないと判断され、認識器１２＿１による学習は続行される。

【0065】

その後は、誤認識対象ＦＴＧ１の抽出（ステップＳ１０５のＮＯ→ステップＳ１０６）、追加学習データの生成（ステップＳ１０７）、追加学習データを用いた認識器１２＿１の訓練（ステップＳ１０２）、及び、認識器１２＿１の評価（ステップＳ１０３）が、誤認識対象ＦＴＧ１が無くなるまで繰り返される。但し、誤認識対象ＦＴＧ１が無くなる前に、追加学習データを用いた訓練の回数が所定回数に到達した場合（ステップＳ１０４のＹＥＳ→ステップＳ１０５のＹＥＳ）、誤認識対象ＦＴＧ１が無くなる見込みがないものと判断され、その旨が例えば本システムのユーザに通知される（ステップＳ１０８）。通知を受けたユーザは、例えば、学習の手法を変更する等の対策をとることができる。

【0066】

なお、上記の動作の説明では、学習装置１１が、認識器１２＿１の訓練を実施する場合について説明したが、これに限られない。学習装置１１は、認識器１２＿１に対する処理と同様の処理を行うことにより、認識器１２＿１以外の認識器１２＿２，１２＿３の訓練も実施することができる。

【0067】

また、上記の動作の説明では、学習装置１１が、認識器１２＿１の訓練を実施する過程において、認識対象ＴＧ３である商品“ＧＨＩ茶”を誤認識対象ＦＴＧ１として抽出した場合を例に説明したが、これに限られない。学習装置１１は、認識対象ＴＧ２である商品“ＤＥＦ茶”を誤認識対象ＦＴＧ１として抽出することもあれば、認識対象ＴＧ２，ＴＧ３を何れも誤認識対象ＦＴＧ１として抽出することもあり得る。

【0068】

このように、本実施の形態にかかる学習装置１１は、所定の種類の第１認識対象を認識するための第１認識器の学習において、第１認識対象と誤認識される確率が所定率以上の、第１認識対象とは別の種類の認識対象（誤認識対象）、が存在する場合にのみ、当該誤認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる。それにより、学習装置１１は、第１認識対象以外の全ての認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる場合よりも、効率よく学習させることができる。その結果、学習装置１１は、複数の種類の認識対象のそれぞれを個別に認識する複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることができる。

【0069】

＜実施の形態２＞
本実施の形態では、図６～図８を用いて、新たな種類の認識対象が追加された場合の学習装置１１の動作について説明する。図６は、実施の形態２に係る学習装置１１の動作を示すフローチャートである。図７は、基準学習データに含まれる画像の一例を示す図である。図８は、追加学習データに含まれる画像の一例を示す図である。

【0070】

なお、以下では、学習装置１１が、例えば図３に示すような処理を経て、３種類の認識対象ＴＧ１～ＴＧ３から第１種類の認識対象（第１認識対象）ＴＧ１を認識するように認識器（第１認識器）１２＿１に学習させた後に、新たな種類の認識対象ＴＧ４が追加されたことに伴って、認識器１２＿１に再学習させる場合について説明する。

【0071】

まず、認識対象ＴＧ４が追加される（ステップＳ２０１）。このとき、学習データ生成部１１１は、認識対象ＴＧ４が単独で映った画像を生成して基準学習データに含める。即ち、学習データ生成部１１１は、基準学習データを、認識対象ＴＧ１～ＴＧ３のそれぞれが個別に映った複数の画像に加えて、認識対象ＴＧ４が単独で映った画像もさらに含んだ基準学習データに更新する（ステップＳ２０２）。

【0072】

具体的には、学習データ生成部１１１は、図７の例に示すように、認識対象ＴＧ１である商品“ＡＢＣ茶”が単独で映った画像、認識対象ＴＧ２である商品“ＤＥＦ茶”が単独で映った画像、及び、認識対象ＴＧ３である商品“ＧＨＩ茶”が単独で映った画像に加えて、認識対象ＴＧ４である商品“ＪＫＬ茶”が単独で映った画像もさらに含むように、基準学習データを更新する。

【0073】

なお、説明を省略するが、認識対象ＴＧ４を認識するための認識器１２＿４の訓練は、例えば図３に示すような処理によって認識器１２＿１の訓練とは別に行われる。

【0074】

その後、評価部１１３は、更新された基準学習データを用いて認識器１２＿１の訓練が行われる前に、認識器１２＿１の評価を行う（ステップＳ２０３）。具体的には、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１を正しく認識対象ＴＧ１と認識するか、及び、認識対象ＴＧ２，ＴＧ３，ＴＧ４を誤って認識対象ＴＧ１と認識しないか、を評価する。本例では、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１である商品“ＡＢＣ茶”を正しく商品“ＡＢＣ茶”と認識するか、及び、認識対象ＴＧ２，ＴＧ３，ＴＧ４である商品“ＤＥＦ茶”、商品“ＧＨＩ茶”及び商品“ＪＫＬ茶”を誤って商品“ＡＢＣ茶”と認識しないか、を評価する。

【0075】

この評価部１１３による評価結果から、認識対象ＴＧ１～ＴＧ３のうち、認識器１２＿１において認識対象ＴＧ１と誤認識される確率が所定率以上の認識対象である誤認識対象（第１誤認識対象）ＦＴＧ１の存在の有無が明らかになる（ステップＳ２０４）。

【0076】

ここで、誤認識対象ＦＴＧ１が存在しない場合（ステップＳ２０４のＮＯ）、認識器１２＿１の認識性能が十分な能力に達したと判断され、抽出部１１４による抽出が行われることなく、認識器１２＿１による学習は終了する。

【0077】

それに対し、誤認識対象ＦＴＧ１が存在する場合（ステップＳ２０４のＹＥＳ）、認識器１２＿１の認識性能が十分な能力に達していないと判断され、認識器１２＿１による学習は続行される。

【0078】

具体的には、まず、抽出部１１４は、誤認識対象ＦＴＧ１を抽出する（ステップＳ２０５のＮＯ→ステップＳ２０６）。その後、学習データ生成部１１１は、抽出部１１４によって抽出された誤認識対象ＦＴＧ１と、認識対象ＴＧ１と、が共に映った画像を含む追加学習データ（第１学習データ）を生成する（ステップＳ２０７）。

【0079】

例えば、抽出部１１４は、誤認識対象ＦＴＧ１として、認識対象ＴＧ４である商品“ＪＫＬ茶”を抽出する。その場合、学習データ生成部１１１は、図８の例に示すように、認識対象ＴＧ１である商品“ＡＢＣ茶”と、誤認識対象ＦＴＧ１として抽出された商品“ＪＫＬ茶”と、が共に映った画像が含まれる追加学習データを生成する。

【0080】

その後、学習制御部１１２は、追加学習データを用いて認識器１２＿１の追加の訓練を実施する（ステップＳ２０８）。即ち、学習制御部１１２は、追加学習データを用いて認識器１２＿１に追加学習させる。

【0081】

具体的には、学習制御部１１２は、追加学習データを用いて、認識器１２＿１に対して、誤認識対象ＦＴＧ１が認識対象ＴＧ１とは異なる種類のものであることを学習させる。本例では、学習制御部１１２は、追加学習データを用いて、認識器１２＿１に対して、誤認識対象ＦＴＧ１として抽出された商品“ＪＫＬ茶”が認識対象ＴＧ１である商品“ＡＢＣ茶”とは異なる種類のものであることを学習させる。

【0082】

その後、評価部１１３は、再び認識器１２＿１の評価を行う（ステップＳ２０３）。具体的には、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１を正しく認識対象ＴＧ１と認識するか、及び、認識対象ＴＧ２，ＴＧ３，ＴＧ４を誤って認識対象ＴＧ１と認識しないか、を評価する。本例では、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１である商品“ＡＢＣ茶”を正しく商品“ＡＢＣ茶”と認識するか、及び、認識対象ＴＧ２，ＴＧ３，ＴＧ４である商品“ＤＥＦ茶”、商品“ＧＨＩ茶”及び商品“ＪＫＬ茶”を誤って商品“ＡＢＣ茶”と認識しないか、を評価する。

【0083】

この評価部１１３による評価結果から、認識対象ＴＧ１～ＴＧ３のうち、認識器１２＿１において認識対象ＴＧ１と誤認識される確率が所定率以上の認識対象である誤認識対象ＦＴＧ１の存在の有無が明らかになる（ステップＳ２０４）。

【0084】

ここで、誤認識対象ＦＴＧ１が存在しない場合（ステップＳ２０４のＮＯ）、認識器１２＿１の認識性能が十分な能力に達したと判断され、抽出部１１４による抽出が行われることなく、認識器１２＿１による学習は終了する。

【0085】

それに対し、誤認識対象ＦＴＧ１が存在する場合（ステップＳ２０４のＹＥＳ）、認識器１２＿１の認識性能が十分な能力に達していないと判断され、認識器１２＿１による学習は続行される。

【0086】

その後は、誤認識対象ＦＴＧ１の抽出（ステップＳ２０５のＮＯ→ステップＳ２０６）、追加学習データの生成（ステップＳ２０７）、追加学習データを用いた認識器１２＿１の訓練（ステップＳ２０８）、及び、認識器１２＿１の評価（ステップＳ２０３）が、誤認識対象ＦＴＧ１が無くなるまで繰り返される。

【0087】

但し、誤認識対象ＦＴＧ１が無くなる前に、追加学習データを用いた訓練の回数が所定回数に到達した場合（ステップＳ２０４のＹＥＳ→ステップＳ２０５のＹＥＳ）、一回に限り、認識器１２＿１の学習内容が全て初期化される（ステップＳ２０９のＹＥＳ→ステップＳ２１０）。

【0088】

初期化後、学習制御部１１２は、更新された基準学習データを用いて認識器１２＿１の訓練を実施する（ステップＳ２０８）。つまり、学習制御部１１２は、認識対象ＴＧ１～ＴＧ４のそれぞれが個別に映った複数の画像を含む更新後の基準学習データを用いて、認識器１２＿１の訓練をやり直す。

【0089】

その後、評価部１１３は、認識器１２＿１の評価を行う（ステップＳ２０３）。この評価部１１３による評価結果から、誤認識対象ＦＴＧ１の存在の有無が明らかになる（ステップＳ２０４）。

【0090】

ここで、誤認識対象ＦＴＧ１が存在しない場合（ステップＳ２０４のＮＯ）、認識器１２＿１の認識性能が十分な能力に達したと判断され、抽出部１１４による抽出が行われることなく、認識器１２＿１による学習は終了する。

【0091】

それに対し、誤認識対象ＦＴＧ１が存在する場合（ステップＳ２０４のＹＥＳ）、認識器１２＿１の認識性能が十分な能力に達していないと判断され、認識器１２＿１による学習は続行される。

【0092】

その後は、誤認識対象ＦＴＧ１の抽出（ステップＳ２０５のＮＯ→ステップＳ２０６）、追加学習データの生成（ステップＳ２０７）、追加学習データを用いた認識器１２＿１の訓練（ステップＳ２０８）、及び、認識器１２＿１の評価（ステップＳ２０３）が、誤認識対象ＦＴＧ１が無くなるまで繰り返される。

【0093】

但し、誤認識対象ＦＴＧ１が無くなる前に、追加学習データを用いた訓練の回数が再び所定回数に到達した場合（ステップＳ２０４のＹＥＳ→ステップＳ２０５のＹＥＳ→ステップＳ２０９のＮＯ）、誤認識対象ＦＴＧ１が無くなる見込みがないものと判断され、その旨が例えば本システムのユーザに通知される（ステップＳ２１１）。通知を受けたユーザは、例えば、学習の手法を変更する等の対策をとることができる。

【0094】

このように、本実施の形態にかかる学習装置１１は、所定の種類の第１認識対象を認識するための第１認識器の学習において、第１認識対象と誤認識される確率が所定率以上の、第１認識対象とは別の種類の認識対象（誤認識対象）、が存在する場合にのみ、当該誤認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる。それにより、学習装置１１は、第１認識対象以外の全ての認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる場合よりも、効率よく学習させることができる。その結果、学習装置１１は、複数の種類の認識対象のそれぞれを個別に認識する複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることができる。

【0095】

また、本実施の形態にかかる学習装置１１は、第１認識器による学習後に新たな種類の認識対象が追加された場合でも、第１認識器に再学習させる前に当該第１認識器の評価を行って、必要な場合にのみ第１認識器に再学習させている。それにより、学習装置１１は、第１認識器に不要に再学習させるのを防ぐことができる。そして、学習装置１１は、第１認識器に再学習させる場合でも、既に学習させた内容を残した状態で第１認識器に再学習させている。それにより、学習装置１１は、第１認識器に効率よく再学習させることができる。

【0096】

＜実施の形態３＞
本実施の形態では、図９を用いて、複数の認識対象の何れかが除外された場合の学習装置１１の動作について説明する。図９は、実施の形態３に係る学習装置１１の動作を示すフローチャートである。

【0097】

なお、以下では、学習装置１１が、例えば図３に示すような処理を経て、３種類の認識対象ＴＧ１～ＴＧ３から第１種類の認識対象（第１認識対象）ＴＧ１を認識するように認識器（第１認識器）１２＿１に学習させた後に、例えば認識対象ＴＧ２が除外されたことに伴って、認識器１２＿１に再学習させる場合について説明する。

【0098】

まず、認識対象ＴＧ２が除外される（ステップＳ３０１）。このとき、学習データ生成部１１１は、基準学習データに含まれる複数の画像から、認識対象ＴＧ２が単独で映った画像を削除してもよい。即ち、学習データ生成部１１１は、基準学習データを、認識対象ＴＧ２が単独で映った画像が削除された基準学習データに更新してもよい。

【0099】

その後、追加学習データを用いた学習内容が認識器１２＿１から初期化される（ステップＳ３０２）。それにより、認識対象ＴＧ１であるか否かを判断する必要の無い認識対象ＴＧ２についての学習内容が消去されるため、認識器１２＿１の性能向上が見込まれる。なお、このとき、追加学習データを用いた学習内容だけでなく、基準学習データを用いた学習内容が認識器１２＿１から初期化されてもよい。即ち、認識器１２＿１から全ての学習内容が初期化されてもよい。

【0100】

その後、評価部１１３は、認識器１２＿１の訓練が行われる前に、認識器１２＿１の評価を行う（ステップＳ３０３）。具体的には、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１を正しく認識対象ＴＧ１と認識するか、及び、認識対象ＴＧ３を誤って認識対象ＴＧ１と認識しないか、を評価する。

【0101】

この評価部１１３による評価結果から、認識対象ＴＧ１，ＴＧ３のうち、認識器１２＿１において認識対象ＴＧ１と誤認識される確率が所定率以上の認識対象である誤認識対象（第１誤認識対象）ＦＴＧ１の存在の有無が明らかになる（ステップＳ３０４）。

【0102】

ここで、誤認識対象ＦＴＧ１が存在しない場合（ステップＳ３０４のＮＯ）、認識器１２＿１の認識性能が十分な能力に達したと判断され、抽出部１１４による抽出が行われることなく、認識器１２＿１による学習は終了する。

【0103】

それに対し、誤認識対象ＦＴＧ１が存在する場合（ステップＳ３０４のＹＥＳ）、認識器１２＿１の認識性能が十分な能力に達していないと判断され、認識器１２＿１による学習は続行される。

【0104】

具体的には、まず、抽出部１１４は、誤認識対象ＦＴＧ１を抽出する（ステップＳ３０５のＮＯ→ステップＳ３０６）。その後、学習データ生成部１１１は、抽出部１１４によって抽出された誤認識対象ＦＴＧ１と、認識対象ＴＧ１と、が共に映った画像を含む追加学習データ（第１学習データ）を生成する（ステップＳ３０７）。

【0105】

その後、学習制御部１１２は、追加学習データを用いて認識器１２＿１の追加の訓練を実施する（ステップＳ３０８）。即ち、学習制御部１１２は、追加学習データを用いて認識器１２＿１に追加学習させる。具体的には、学習制御部１１２は、追加学習データを用いて、認識器１２＿１に対して、誤認識対象ＦＴＧ１が認識対象ＴＧ１とは異なる種類のものであることを学習させる。

【0106】

その後、評価部１１３は、再び認識器１２＿１の評価を行う（ステップＳ３０３）。具体的には、評価部１１３は、認識器１２＿１が、認識対象ＴＧ１を正しく認識対象ＴＧ１と認識するか、及び、認識対象ＴＧ３を誤って認識対象ＴＧ１と認識しないか、を評価する。

【0107】

この評価部１１３による評価結果から、認識対象ＴＧ１，ＴＧ３のうち、認識器１２＿１において認識対象ＴＧ１と誤認識される確率が所定率以上の認識対象である誤認識対象ＦＴＧ１の存在の有無が明らかになる（ステップＳ３０４）。

【0108】

ここで、誤認識対象ＦＴＧ１が存在しない場合（ステップＳ３０４のＮＯ）、認識器１２＿１の認識性能が十分な能力に達したと判断され、抽出部１１４による抽出が行われることなく、認識器１２＿１による学習は終了する。

【0109】

それに対し、誤認識対象ＦＴＧ１が存在する場合（ステップＳ３０４のＹＥＳ）、認識器１２＿１の認識性能が十分な能力に達していないと判断され、認識器１２＿１による学習は続行される。

【0110】

その後は、誤認識対象ＦＴＧ１の抽出（ステップＳ３０５のＮＯ→ステップＳ３０６）、追加学習データの生成（ステップＳ３０７）、追加学習データを用いた認識器１２＿１の訓練（ステップＳ３０８）、及び、認識器１２＿１の評価（ステップＳ３０３）が、誤認識対象ＦＴＧ１が無くなるまで繰り返される。

【0111】

但し、誤認識対象ＦＴＧ１が無くなる前に、追加学習データを用いた訓練の回数が所定回数に到達した場合（ステップＳ３０４のＹＥＳ→ステップＳ３０５のＹＥＳ）、誤認識対象ＦＴＧ１が無くなる見込みがないものと判断され、その旨が例えば本システムのユーザに通知される（ステップＳ３０９）。通知を受けたユーザは、例えば、学習の手法を変更する等の対策をとることができる。

【0112】

このように、本実施の形態にかかる学習装置１１は、所定の種類の第１認識対象を認識するための第１認識器の学習において、第１認識対象と誤認識される確率が所定率以上の、第１認識対象とは別の種類の認識対象（誤認識対象）、が存在する場合にのみ、当該誤認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる。それにより、学習装置１１は、第１認識対象以外の全ての認識対象が第１認識対象とは異なる種類のものであることを第１認識器に学習させる場合よりも、効率よく学習させることができる。その結果、学習装置１１は、複数の種類の認識対象のそれぞれを個別に認識する複数の認識器の各々に対して、複数の種類の認識対象間での誤認識が発生しないように効率よく学習させることができる。

【0113】

また、本実施の形態にかかる学習装置１１は、第１認識器による学習後に、第１認識対象とは別の学習済みの認識対象が除外された場合、除外された認識対象についての学習内容を第１認識器から初期化することにより、第１認識対象であるか否かを判断する必要の無い認識対象についての学習内容が消去されるため、第１認識器の性能を向上させることができる。

【0114】

なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。

【0115】

さらに、本開示は、搬送システムにおける制御処理の一部又は全部を、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）にコンピュータプログラムを実行させることにより実現することが可能である。

【0116】

上述したプログラムは、コンピュータに読み込まれた場合に、実施形態で説明された１又はそれ以上の機能をコンピュータに行わせるための命令群（又はソフトウェアコード）を含む。プログラムは、非一時的なコンピュータ可読媒体又は実体のある記憶媒体に格納されてもよい。限定ではなく例として、コンピュータ可読媒体又は実体のある記憶媒体は、ｒａｎｄｏｍ－ａｃｃｅｓｓ ｍｅｍｏｒｙ（ＲＡＭ）、ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ（ＲＯＭ）、フラッシュメモリ、ｓｏｌｉｄ－ｓｔａｔｅ ｄｒｉｖｅ（ＳＳＤ）又はその他のメモリ技術、ＣＤ－ＲＯＭ、ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｃ（ＤＶＤ）、Ｂｌｕ－ｒａｙ（登録商標）ディスク又はその他の光ディスクストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ又はその他の磁気ストレージデバイスを含む。プログラムは、一時的なコンピュータ可読媒体又は通信媒体上で送信されてもよい。限定ではなく例として、一時的なコンピュータ可読媒体又は通信媒体は、電気的、光学的、音響的、またはその他の形式の伝搬信号を含む。

【符号の説明】

【0117】

１ 学習システム
１１ 学習装置
１２＿１～１２＿ｎ 認識器
１１１ 学習データ生成部
１１２ 学習制御部
１１３ 評価部
１１４ 抽出部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】