特許 7574470 演算処理装置

(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】2024-10-18

(45)【発行日】2024-10-28

(54)【発明の名称】演算処理装置

(51)【国際特許分類】

   G06N 3/063 20230101AFI20241021BHJP

   G06N 3/0464 20230101ALI20241021BHJP

【ＦＩ】

G06N3/063

G06N3/0464

【請求項の数】 7

(21)【出願番号】P 2023562024

(86)(22)【出願日】2021-11-18

(86)【国際出願番号】 JP2021042496

(87)【国際公開番号】W WO2023089745

(87)【国際公開日】2023-05-25

【審査請求日】2024-03-12

(73)【特許権者】

【識別番号】000000376

【氏名又は名称】オリンパス株式会社

(74)【代理人】

【識別番号】100149548

【弁理士】

【氏名又は名称】松沼 泰史

(74)【代理人】

【識別番号】100139686

【弁理士】

【氏名又は名称】鈴木 史朗

(74)【代理人】

【識別番号】100147267

【弁理士】

【氏名又は名称】大槻 真紀子

(74)【代理人】

【識別番号】100207789

【弁理士】

【氏名又は名称】石田 良平

(72)【発明者】

【氏名】古川 英明

【審査官】北川 純次

(56)【参考文献】

【文献】特開２０２１－１２８７２０（ＪＰ，Ａ）

【文献】特開２０１６－１４９７０７（ＪＰ，Ａ）

【文献】米国特許出願公開第２０２０／０３６４２８９（ＵＳ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｎ ３／０２ － ３／１０

Ｇ０６Ｎ ２０／００

Ｇ０６Ｔ １／４０

Ｇ０６Ｔ ７／００

(57)【特許請求の範囲】

【請求項1】

入力される情報セットのデータストリームの先頭を被比較値として保持し、前記先頭以外のデータを比較値として、前記被比較値と前記比較値とを比較し、比較結果に基づいて双方の値を更新し、更新された前記比較値を後段に出力する比較更新部と、
前記比較更新部がＫ個多段に接続されているデータ比較部と、
Ｎ個のデータ列である情報セットが格納されているメモリからなるデータ格納バッファと、
多段に接続された前記比較更新部の出力データである前記比較値を順次取得し、その後、前記比較更新部の前記被比較値を取得するデータ取得部と、
メモリ制御部と、
を備え、
前記メモリ制御部は、
前記データ格納バッファに格納されたデータストリームから前記情報セットを連続的に読み出し、最初にＫ個の前記被比較値となるデータを読み出し、Ｋ個の前記被比較値をそれぞれ前記データ比較部のＫ個の前記比較更新部に送信し、
前記被比較値を前記データ格納バッファから全て読み終えたら、次は前記データ格納バッファから前記被比較値となったデータ以外の全てのデータを読み出し、
２回目以降の比較を行う場合は、前回の比較までの更新内容を前記データ格納バッファから取得したデータに反映させて前記比較更新部に出力する、
演算処理装置。

【請求項2】

更新されたデータ要素がゼロであるか否かを識別できるゼロ情報が格納されるメモリからなるゼロ情報バッファを更に備え、
前記データ取得部は、多段に接続された前記比較更新部の出力データある前記比較値を順次取得すると、値が更新されたデータ要素を識別できるゼロ情報を前記ゼロ情報バッファに書き出し、前記比較更新部から全ての前記比較値の取得が終わった後で前記比較更新部から前記被比較値を取得すると、前記被比較値についてもゼロ情報を前記ゼロ情報バッファに書き出し、
前記メモリ制御部は、２回目以降の比較を行う場合は、前記ゼロ情報バッファから比較を行うデータ要素と対になるゼロ情報を同時に読み出し、前回の比較までの更新内容を前記データ格納バッファから取得したデータに反映させて前記比較更新部に出力する、
請求項１に記載の演算処理装置。

【請求項3】

前記メモリ制御部は、変更内容をデータに反映させた結果、その値がそれ以上他のデータとの比較の必要が無い値となった場合、そのデータを無効データとしてデータストリームから除外する、請求項１または２に記載の演算処理装置。

【請求項4】

前記比較更新部は、保持している被比較値が、それ以上他のデータとの比較の必要が無い値となった場合、比較・更新を行わずにデータをスルー出力する、請求項１から３のいずれか１項に記載の演算処理装置。

【請求項5】

前記比較更新部は、ストリームデータと同期して比較・更新実行可否判定信号が入力され、比較・更新実行可否判定信号が実行を示すときだけ、データの比較・更新を行う、請求項１に記載の演算処理装置。

【請求項6】

前記情報セットは、ディープラーニングを用いたＣＮＮの後段の被写体推定処理において、被写体の特徴量からなる情報セットであって、前記情報セットの各々は、Ｍ次元の独立要素を持つクラス信頼性情報を含み、
前記クラス信頼性情報と１：１で対応し、検出した被写体の位置・サイズを格納した位置・サイズ情報格納バッファを更に備え、
前記比較更新部が行う比較・更新は、前記クラス信頼性情報の各次元同士で値を比較し、小さいほうの値をゼロに置換する操作であり、
ゼロ情報バッファに格納されるゼロ情報は、前記クラス信頼性情報の各次元の値がゼロか否かを判定できる情報であり、
前記比較更新部は、比較するクラス信頼性情報に対応する位置・サイズ情報から、情報セットから抽出した被写体の位置・サイズ情報を画像上に枠として表示した時の枠の重なり度合いを数値化したＩＯＵを計算し、前記ＩＯＵが所定の閾値以上の時にのみ比較・更新を実行する、
請求項２から５のいずれか一つに記載の演算処理装置。

【請求項7】

前記ゼロ情報バッファに格納されるゼロ情報は、前記クラス信頼性情報の各次元の値がゼロになっている部分を１、それ以外を０とするフラグであって、
前記メモリ制御部は、前記ゼロ情報バッファの全てのゼロ情報が１のときに他のデータとの比較の必要が無いと判断する、
請求項６に記載の演算処理装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、演算処理装置に関する。

【背景技術】

【0002】

従来、複数の処理層が階層的に接続されたニューラルネットワークを用いて演算を実行する演算処理装置がある。特に画像認識を行う演算処理装置では、畳み込みニューラルネットワーク（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ、以下ＣＮＮという）を用いたディープラーニングが広く行われている。

【0003】

図１は、ＣＮＮを用いたディープラーニングによる画像認識の処理の一例を示す図である。ＣＮＮを用いたディープラーニングによる画像認識では、入力された画像データ（ピクセルデータ）に対して、ＣＮＮの複数の処理層における処理が順次施されることにより、画像に含まれる対象物が認識された最終的な演算結果データが得られる。

【0004】

ＣＮＮの処理層は、畳み込み演算処理、非線形処理、縮小処理（プーリング処理）等を含むＣｏｎｖｏｌｕｔｉｏｎ処理を行うＣｏｎｖｏｌｕｔｉｏｎ層と、全ての入力データ（ピクセルデータ）にフィルタ係数を乗じて累積加算するＦｕｌｌＣｏｎｎｅｃｔ処理を行うＦｕｌｌＣｏｎｎｅｃｔ層（全結合層）とに大きく分類される。ただし、ＦｕｌｌＣｏｎｎｅｃｔ層がない畳み込みニューラルネットワークも存在する。

【0005】

ＣＮＮを用いたディープラーニングによる画像認識は以下のようにして行われる。まず、画像データに対して、ある領域を抽出してフィルタ係数の異なる複数のフィルタを乗じて特徴量マップ（Ｆｅａｔｕｒｅ Ｍａｐ、ＦＭ）を作成する畳み込み演算処理と、特徴量マップの一部領域を縮小する縮小処理（プーリング処理）の組合せを１つの処理層として、これを複数回（複数の処理層において）行う。これらの処理が、Ｃｏｎｖｏｌｕｔｉｏｎ層の処理である。

【0006】

Ｃｏｎｖｏｌｕｔｉｏｎ処理では、最初に、画像データから１ピクセルおよびその近傍のピクセルを抽出して、夫々にフィルタ係数の異なるフィルタ処理を行う（畳み込み演算処理）。これらを全て累積加算することにより、１ピクセルに対応するデータができる。作成されたデータに対し、非線形変換および縮小処理（プーリング処理）を行い、以上の処理を画像データの全ピクセルに対して行うことで、出力特徴量マップ（ｏＦＭ）が１面分生成される。これを複数回繰り返すことでｏＦＭを複数面生成する。実際の回路では上記全てがパイプライン処理される。

【0007】

生成された出力特徴量マップ（ｏＦＭ）を、次のＣｏｎｖｏｌｕｔｉｏｎ処理の入力特徴量マップ（ｉＦＭ）として、さらにフィルタ係数の異なるフィルタ処理を行うことにより、Ｃｏｎｖｏｌｕｔｉｏｎ処理を繰り返す。このようにして複数回のＣｏｎｖｏｌｕｔｉｏｎ処理を行い、出力特徴量マップ（ｏＦＭ）を得る。

【0008】

図２は、Ｃｏｎｖｏｌｕｔｉｏｎ処理によって、入力特徴量マップ（ｉＦＭ）から出力特徴量マップ（ｏＦＭ）を得るイメージ図である。Ｃｏｎｖｏｌｕｔｉｏｎ処理は、入力される全てのｉＦＭデータに異なるフィルタ係数をかけ（フィルタ処理）、それらを全て累積加算し、非線形変換、プーリング（縮小処理）などの処理を施すことにより、ｏＦＭデータを得る。ｏＦＭデータの１ピクセル（１画素）を計算するのに必要な情報として、出力（ｏＦＭの１ピクセル）に対応するｉＦＭデータの座標の近傍にある全てのピクセルの情報（ｉＦＭデータおよびフィルタ係数）が必要である。

【0009】

Ｎ面の入力特徴量マップ（ｉＦＭ）に、フィルタ処理、累積加算、非線形変換、プーリングなどのＣｏｎｖｏｌｕｔｉｏｎ処理を行い、Ｍ面の出力特徴量マップ（ｏＦＭ）を出力する。Ｎ面（Ｎ次元）の入力特徴量マップ（ｉＦＭ）は並列して処理され、Ｍ面（Ｍ次元）の出力特徴量マップ（ｏＦＭ）が並列して出力される。Ｎ、Ｍは１以上の正数である。この処理は、入力Ｎ並列×出力Ｍ並列の回路構成で実現することができる。

【0010】

Ｃｏｎｖｏｌｕｔｉｏｎ処理が進み、特徴量マップ（ＦＭ）をある程度まで小さくしたところで、画像データを１次元のデータ列と読み変える。この１次元のデータ列の各データに対して、各々異なる係数を乗じて累積加算を行うＦｕｌｌＣｏｎｎｅｃｔ処理を複数回（複数の処理層において）行う。これらの処理が、全結合層（ＦｕｌｌＣｏｎｎｅｃｔ層）の処理である。

【0011】

ＦｕｌｌＣｏｎｎｅｃｔ処理の後、得られた特徴量から被写体を検出・推定する処理（被写体推定処理）が行われる。被写体推定処理の結果として、画像に含まれる対象物が検出された確率（被写体検出の確率）が出力される。図１の例では、最終的な演算結果データとして、犬が検出された確率は０．０１（１％）、猫が検出された確率は０．０４（４％）、ボートが検出された確率は０．９４（９４％）、鳥が検出された確率は０．０２（２％）である。

【0012】

図１のＣＮＮは、元の画像に何が写っているかを確率表示するだけのもので、これで完結している。すなわち、被写体が、どこに、どのような大きさで写っているかの情報は得られない。しかし、デジタルカメラ等では、被写体が、どこに、どのような大きさで写っているかを知る必要がある。そうすると、図１のＣＮＮで得られる情報では不足しており、位置情報、サイズ情報などを得る必要がある。

【0013】

撮影者が撮影する画像には、一般に、様々な被写体が写っている。そのため、画像から、様々な被写体を、しかも複数（後述の説明ではＭ種類）検出する必要がある。そのような情報を出力するＣＮＮを作る事は可能だが、後述するような様々な問題があるため、本発明では、ＣＮＮの出力結果に対して欲しい情報だけを取り出す処理（＝被写体推定処理）を行う。

【0014】

被写体推定処理の一例を説明する。本発明で対象とするＣＮＮの出力結果である被写体の特徴量は、次のような情報を１単位とした複数（Ｎ個とする）の情報セットである。
・被写体の位置情報
・被写体の大きさ（サイズ）情報
・被写体の信頼性情報
・クラス信頼性情報（Ｍ次元）

【0015】

図３は、情報セットの内容の一例を示す図である。本発明で対象とするＣＮＮは、図３に示すＮ個の高次元データ（位置、サイズ、被写体信頼性、クラス信頼性）を出力する。なお、情報セットの内容はネットワークによって異なる。被写体の位置情報は、画像内における被写体の位置（Ｘ、Ｙ）である。被写体の大きさ（サイズ）情報は、画像内における被写体のサイズ（Ｗ、Ｈ）である。被写体の信頼性情報は、被写体である確からしさを示す指標である。

【0016】

クラス信頼性情報は、クラス信頼性（信頼度）を示し、例えば、「犬」７０％、「猫」１０％、…などである。Ｍ次元のクラス信頼性情報はクラス分けしたい被写体の種類をＭ個用意できる。例えば、クラス信頼性情報において、１次元目に被写体が「犬」である確からしさ７０％が書き込まれ、２次元目に被写体が「猫」である確からしさ１０％が書き込まれ、これがＭ次元目まで続いている。

【0017】

なお、この結果だけではノイズが多いので、出力された情報セットに対して、被写体推定処理でノイズを減らして欲しい情報だけをピックアップする。図４は、画像認識を行う画像データであり、被写体として、犬、自転車、トラックが含まれている。被写体推定処理では、情報セットを取得する。図５は、取得した情報セットから抽出した被写体の位置情報とサイズ情報の全てを画像上に枠として表示した時のイメージである被写体推定処理終了後の結果を、ファームウェア（またはＧＰＵ、回路）によって画像上に枠として重畳している。

【0018】

被写体推定処理において、図５のように、同じ被写体を複数の情報セットが検出している事が多々ある。例えば図５では、犬の情報セットを示す境界ボックスが３つ、自転車の情報セットを示す境界ボックスが３つ、トラックの情報セットを示す境界ボックスが２つ描かれているが、このように、同じ被写体の情報セットが大量に出てくる。これを防ぐため、最もクラス信頼性の高い情報セットだけを残し、重複する情報セットを排除する必要がある。

【0019】

そこで、枠の重なり度合いを数値化したＩＯＵを計算する。ＩＯＵが大きい情報セットがあれば、クラス信頼性の高い方だけを残し、クラス信頼性の低い方の値をゼロにする。

【0020】

図６は、情報セットから抽出した被写体の位置情報とサイズ情報を画像上に枠として表示した時の枠の重なり度合い（ＩＯＵ）を示す図である。ＩＯＵは、情報セットＰと情報セットＱの重なり部分ｃの全体に対する割合である。重なり部分を除いた情報セットＰの面積をｐ、重なり部分を除いた情報セットＱの面積をｑ、重なり部分の面積をｃとすると、ＩＯＵ＝ｃ／ｐ＋ｑ＋ｃとなる。なお、これは一例であり、例えば、ＩＯＵ＝ｃ／ｐ＋ｑとしてもよい。

【0021】

ＩＯＵを求める演算では、Ｎ個の情報セットの先頭から順に、総当たりで、２つのクラス信頼性情報の大小比較を行い、クラス信頼性の高い方だけ残す（クラス信頼性の小さい方の値を変更する）。採用するモデルによるが、Ｎは数千、Ｍは数十となる事があり、この場合、比較回数は数千万となる。この比較演算の総当たり処理を並列でおこなう。ひとつのフレームでこれだけの処理が必要となるので、動画フレームレートが６０ｆｐｓの場合、比較回数は億を超え、パイプライン処理したとしても処理時間が掛かりすぎる問題がある。

【先行技術文献】

【特許文献】

【0022】

【文献】特開２０１７－４４８０号公報

【発明の概要】

【発明が解決しようとする課題】

【0023】

上述のように、ＩＯＵを求める演算では、全ての情報セットを、先頭から順に総当たりに比較・更新するため、被写体推定処理において、被写体の特徴量からなる情報セットのクラス信頼性情報の大小の比較をおこなう演算の処理時間を短縮する課題がある。

【0024】

特許文献１は、ディープニューラルネットワーク（ＤＮＮ）によって得られた特徴量から算出する「顕著度」の信頼性を向上する方法の提案である。顕著度の算出の過程で初期に取得した顕著度を修整処理している。しかし、特許文献１は処理を高速化する事に関する言及がない。これは、特徴量の数が少ないか、動画対応のシステムでない為と思われる。

【0025】

上述の事情を踏まえ、本発明は、演算処理装置において、情報セットの大小の比較をおこなう演算の処理時間を短縮することを目的とする。

【課題を解決するための手段】

【0026】

本発明の一態様は、入力される情報セットのデータストリームの先頭を被比較値として保持し、前記先頭以外のデータを比較値として、前記被比較値と前記比較値とを比較し、比較結果に基づいて双方の値を更新し、更新された前記比較値を後段に出力する比較更新部と、前記比較更新部がＫ個多段に接続されているデータ比較部と、Ｎ個のデータ列である情報セットが格納されているメモリからなるデータ格納バッファと、多段に接続された前記比較更新部の出力データである前記比較値を順次取得し、その後、前記比較更新部の前記被比較値を取得するデータ取得部と、メモリ制御部と、を備え、前記メモリ制御部は、前記データ格納バッファに格納されたデータストリームから前記情報セットを連続的に読み出し、最初にＫ個の前記被比較値となるデータを読み出し、Ｋ個の前記被比較値をそれぞれ前記データ比較部のＫ個の前記比較更新部に送信し、前記被比較値を前記データ格納バッファから全て読み終えたら、次は前記データ格納バッファから前記被比較値となったデータ以外の全てのデータを読み出し、２回目以降の比較を行う場合は、前回の比較までの更新内容を前記データ格納バッファから取得したデータに反映させて前記比較更新部に出力する、演算処理装置である。

【0027】

更新されたデータ要素がゼロであるか否かを識別できるゼロ情報が格納されるメモリからなるゼロ情報バッファを更に備え、前記データ取得部は、多段に接続された前記比較更新部の出力データある前記比較値を順次取得すると、値が更新されたデータ要素を識別できるゼロ情報を前記ゼロ情報バッファに書き出し、前記比較更新部から全ての前記比較値の取得が終わった後で前記比較更新部から前記被比較値を取得すると、前記被比較値についてもゼロ情報を前記ゼロ情報バッファに書き出し、前記メモリ制御部は、２回目以降の比較を行う場合は、前記ゼロ情報バッファから比較を行うデータ要素と対になるゼロ情報を同時に読み出し、前回の比較までの更新内容を前記データ格納バッファから取得したデータに反映させて前記比較更新部に出力してもよい。

【0028】

前記メモリ制御部は、変更内容をデータに反映させた結果、その値がそれ以上他のデータとの比較の必要が無い値となった場合、そのデータを無効データとしてデータストリームから除外してもよい。

【0029】

前記比較更新部は、保持している被比較値が、それ以上他のデータとの比較の必要が無い値となった場合、比較・更新を行わずにデータをスルー出力してもよい。

【0030】

前記比較更新部は、ストリームデータと同期して比較・更新実行可否判定信号が入力され、比較・更新実行可否判定信号が実行を示すときだけ、データの比較・更新を行ってもよい。

【0031】

前記情報セットは、ディープラーニングを用いたＣＮＮの後段の被写体推定処理において、被写体の特徴量からなる情報セットであって、前記情報セットの各々は、Ｍ次元の独立要素を持つクラス信頼性情報を含み、前記クラス信頼性情報と１：１で対応し、検出した被写体の位置・サイズを格納した位置・サイズ情報格納バッファを更に備え、前記比較更新部が行う比較・更新は、前記クラス信頼性情報の各次元同士で値を比較し、小さいほうの値をゼロに置換する操作であり、前記ゼロ情報バッファに格納される前記ゼロ情報は、前記クラス信頼性情報の各次元の値がゼロか否かを判定できる情報であり、前記比較更新部は、比較するクラス信頼性情報に対応する位置・サイズ情報から枠の重なり度合いを数値化したＩＯＵを計算し、前記ＩＯＵが所定の閾値以上の時にのみ比較・更新を実行してもよい。

【0032】

前記ゼロ情報バッファに格納されるゼロ情報は、前記クラス信頼性情報の各次元の値がゼロになっている部分を１、それ以外を０とするフラグであって、前記メモリ制御部は、前記ゼロ情報バッファの全てのゼロ情報が１のときに他のデータとの比較の必要が無いと判断してもよい。

【発明の効果】

【0033】

本発明の各態様によれば、演算処理装置において、情報セットの大小の比較をおこなう演算の処理時間を短縮することができる。

【図面の簡単な説明】

【0034】

【図1】ＣＮＮを用いたディープラーニングによる画像認識の処理の一例を示す図である。

【図2】Ｃｏｎｖｏｌｕｔｉｏｎ処理によって、入力特徴量マップ（ｉＦＭ）から出力特徴量マップ（ｏＦＭ）を得るイメージ図である。

【図3】情報セットの内容の一例を示す図である。

【図4】画像認識を行う画像データである。

【図5】取得した情報セットから抽出した被写体の位置情報とサイズ情報の全てを画像上に枠として表示した時のイメージである。

【図6】情報セットから抽出した被写体の位置情報とサイズ情報を画像上に枠として表示した時の枠の重なり度合い（ＩＯＵ）を示す図である。

【図7】画像データにおいて、Ａ、Ｂ、Ｃの３つの被写体が密集している例を示す図である。

【図8】比較・更新の順番が異なる場合の比較更新処理の結果を示す図である。

【図9】情報セットの構成を示す図である。

【図10】本発明の第１実施形態の１回目の比較更新処理を示す図である。

【図11】本発明の第１実施形態の２回目以降の比較更新処理を示す図である。

【図12】本発明の第１実施形態の並列処理を行う回路（演算処理装置）の例を示す図である。

【図13】各比較更新部でのデータ処理を示すタイミングチャートである。

【図14】データ取得時に情報セットの全要素がゼロである場合の比較更新処理を示す図である。

【図15】被比較値側の全要素が途中でゼロになった場合の比較更新処理を示す図である。

【図16】本発明の第２実施形態のデータ処理を示すタイミングチャートである。

【図17】データ処理のサイクルを示すタイミングチャートである。

【図18】本実施形態の第３実施形態に係るクラス信頼性判定部を示すブロック図である。

【図19】判定部で得られた信頼性判定結果の例を示す図である。

【図20】本実施形態の第３実施形態のタイミングチャートの例を示す図である。

【発明を実施するための形態】

【0035】

情報セットのうち、クラス信頼性の部分を抽出して配列Ｄ[ｎ]とする。Ｄ[ｎ]はそれぞれがＭ次元の情報（Ｍは０以上の整数）を持つ。Ｄ[ｎ]のｐ番目とｑ番目を比較・更新する処理を、関数ｆ(Ｄ[ｐ]、Ｄ[ｑ])であらわしたとき、比較更新処理は、以下の式（１）を実施した後のＤ[ ]となる。比較更新処理を１回実施する毎にＤ[ｎ]の要素は更新される。

【0036】

【数1】

【0037】

この処理を、並列処理により高速化したいが、比較・更新の順番を守らなければならない。同じクラスの被写体が密集している様なケースで、比較・更新の順番が異なる場合を考える。図７は、画像データにおいて、Ａ、Ｂ、Ｃの３つの被写体が密集している例を示す。被写体ＡとＢの間は、ＩＯＵが小さいので、異なる被写体であると考え、ＡとＢの間の比較更新処理は行わない。ＡとＣの間は、ＩＯＵが大きいので、クラス信頼性を比較・更新する。同様に、ＢとＣの間は、ＩＯＵが大きいので、クラス信頼性を比較・更新する。

【0038】

このようなケースでは、比較・更新の順番が異なると結果が異なる。図８は、比較・更新の順番が異なる場合の比較更新処理の結果を示す図である。被写体Ａのクラス信頼性は５０、被写体Ｂのクラス信頼性は２００、被写体Ｃのクラス信頼性は１００である。

【0039】

図８の左側では、まずＡとＣの間で比較更新処理を行い、Ｃのクラス信頼性の方が大きいので、Ａのクラス信頼性を０に更新する。次にＢとＣの間で比較更新処理を行い、Ｂのクラス信頼性の方が大きいので、Ｃのクラス信頼性を０に更新する。比較更新処理の結果、被写体Ａのクラス信頼性は０、被写体Ｂのクラス信頼性は２００、被写体Ｃのクラス信頼性は０となる。

【0040】

図８の右側では、まずＢとＣの間で比較更新処理を行い、Ｂのクラス信頼性の方が大きいので、Ｃのクラス信頼性を０に更新する。次にＡとＣの間で比較更新処理を行い、Ａのクラス信頼性の方が大きいので、Ｃのクラス信頼性は０のままとなる。比較更新処理の結果、被写体Ａのクラス信頼性は５０、被写体Ｂのクラス信頼性は２００、被写体Ｃのクラス信頼性は０となる。そのため、図８の左側と右側とで、比較更新処理の結果が異なる。

【0041】

このように、比較更新処理の順番を変えると結果が変わる可能性があるため、比較更新処理の順番を変えない必要がある。そこで、これを、比較更新処理の順番を変えないように並列処理することが本発明のポイントである。すなわち、式（１）の順番を変えずに並列処理できる回路を実現する。

【0042】

（第１実施形態）
本発明の第１実施形態について、図面を用いて説明する。まず、情報セットの比較方法について説明する。図９は、情報セットの構成を示す図である。以下、情報セットのクラス信頼性の部分に注目して説明する。クラス信頼性を６次元と仮定する。

【0043】

図１０は、本実施形態の１回目の比較更新処理を示す図である。情報セット格納バッファに格納されていた２つの情報セットのクラス信頼性を比較する。一方の情報セットのクラス信頼性を「被比較値」、他方の情報セットのクラス信頼性を「比較値」とする。被比較値と比較値を次元ごとに比較して、小さい方の値をゼロに置換する。そして、比較結果がゼロだった部分に対応するゼロ情報バッファにフラグ１を書き込む。その結果、クラス信頼性が大きい値に対応するゼロ情報バッファは、フラグ０のままである。このように、更新した値を情報セット格納バッファに書き戻すのでなく、別バッファ（ゼロ情報バッファ）に、書き換えた部分に関する情報（ゼロ情報）を記憶しておく。

【0044】

図１１は、本実施形態の２回目以降の比較更新処理を示す図である。まず、情報セット格納バッファに格納されていた２つの情報セットのクラス信頼性に、ゼロ情報バッファから取得した変更情報を反映させる。すなわち、ゼロ情報バッファにフラグ１が書き込まれていた部分に対応するクラス信頼性の値をゼロに置換する（ゼロ反映）。そして、ゼロが反映された２つの情報セットのクラス信頼性各要素を比較して、小さい方の値をゼロに置換する（比較・更新）。このように、２回目以降の比較更新処理では、ゼロ情報バッファから取得した変更情報を反映させてから比較実施する。そして、比較結果がゼロだった値に対応するゼロ情報バッファにフラグ１を上書きする。

【0045】

図１２は、本実施形態の並列処理を行う回路（演算処理装置）の例を示す図である。演算処理装置１は、データ比較部１０と、データ格納バッファ２０と、ゼロ情報バッファ３０とを備える。データ格納バッファ２０は、Ｎ個のデータ列（情報セット）が、格納されているメモリからなる。ゼロ情報バッファ３０は、更新されたデータ要素がゼロであるかを識別できる内容が格納されるメモリからなる。

【0046】

データ比較部１０は、多段に接続されている比較更新部１１、１２、１３と、データ取得部１５と、メモリ制御部１６とを備える。比較更新部の段数（並列度に対応）は任意に設定可能であるが、この例では、並列度Ｋ＝３、すなわち３並列である。各比較更新部は、最初に入力されるデータストリーム（Ｄ＊）の先頭を被比較値（ＣＰ＊）として保持する。そして、各比較更新部は、他のデータ（２番目以降に入力されるデータ）を比較値として、順次、被比較値と比較値とを比較して、その結果により双方の値を更新し、後段には比較値を出力する。

【0047】

具体的には、第１比較更新部１１は、１番目のデータ（Ｄ１）を被比較値として保持し続け、２番目以降のデータ（Ｄ２、Ｄ３、…、ＤＮ）を比較値として比較・更新する。第２比較更新部１２は、２番目のデータ（Ｄ２）を被比較値として保持し続け、３番目以降のデータ（Ｄ３、Ｄ４、…、ＤＮ）を比較値として比較・更新する。第３比較更新部１３は、３番目のデータ（Ｄ３）を被比較値として保持し続け、４番目以降のデータ（Ｄ４、Ｄ５、…、ＤＮ）を比較値として比較・更新する。このような構成により、１番目のデータの比較・更新、２番目のデータの比較・更新、および３番目のデータの比較・更新を同時に行うことができる。

【0048】

データ取得部１５は、多段に接続された比較更新部の出力データを順次取得し、値が更新された要素が識別できる内容（ゼロ情報）をゼロ情報バッファ３０に書き出す。そして、データ取得部１５は、全てのデータの取得が終わったら、比較更新部の被比較値についても同様の情報（ゼロ情報）を書き出す。

【0049】

メモリ制御部１６は、データ格納バッファ２０およびゼロ情報バッファ３０を制御する。メモリ制御部１６は、被比較値となるデータを先頭に、全データを読み出し、これを繰り返す。メモリ制御部１６は、全てのデータとの比較・更新が終わったデータへのアクセスは行わない。

【0050】

具体的には、メモリ制御部１６は、データ格納バッファ２０に格納されたデータストリームからＮ個のデータを連続的に読み出し、最初にＫ個の被比較値となるデータを読み出す。Ｋ個の被比較値はそれぞれデータ比較部１０のＫ個（図の例では３個）の比較更新部に送られる。メモリ制御部１６は、被比較値をデータ格納バッファ２０から全て読み終えたら、次は、データ格納バッファ２０から、他のデータ（被比較値となったデータ以外の全て）を読み出す。この時も、先頭のＫ個のデータを被比較値とする。

【0051】

２回目以降の比較を行う場合は、メモリ制御部１６は、そのデータ要素と対になるゼロ情報バッファからデータを同時に読み出し、前回までの変更内容をデータ格納バッファから取得したデータに反映させて出力する。

【0052】

このように、メモリからＮ個の情報セットを、処理順に連続的に回路に投入し、それを複数回繰り返す事で、総当たりで比較・更新する処理を、処理順序を変えることなく並列実行できる。これにより処理を高速化できる。

【0053】

図１３は、各比較更新部でのデータ処理を示すタイミングチャートである。なお、比較・更新処理の内容は処理の並列化に関して言えば実際方法を問わない。しかし、以降の説明での一貫性を確保するために、情報セット中のクラス信頼性情報（信頼度）を次元毎に比較して小さいほうの値をゼロにする処理であるとして説明する。

【0054】

図において、ひとつの箱Ｄ＊＊はひとつの情報セットを示し、末尾の数値は情報セットのＩＤであり、情報セットの配列Ｄ[ｎ]のｎに相当する。ｚは情報セット数Ｎである。Ｄ＊＊の中央の添え字（ａ、ｂ、ｃ、…）は比較・更新されて値が変化していく過程を示す。信号Ｌ＊は、最後の情報セットを識別する信号である。

【0055】

１回目は、ゼロ情報バッファにはデータがない（ＺＥＲＯ＿Ｒ）。まず、メモリ制御部がデータ格納バッファからデータ列（＝情報セット）Ｄ＊＊を先頭から順に全て読み出す。メモリ制御部は、データ列Ｄ＊＊を、有効であることを示す有効信号ｅｎ＊とともに出力する。データを出力する際、最初の情報セットについては先頭を識別する信号Ｆ＊を付け、最後の情報セットについては最後を識別する信号Ｌ＊を付けて後段に出力する。

【0056】

第１比較更新部において、データ格納バッファからのデータ列（Ｄａ１、…、Ｄａｚ）が入力され、Ｄ１（Ｄｂ１、…、Ｄｂｚ）となる。同時に有効信号ｅｎ１、先頭を識別する信号Ｆ１、最後を識別する信号Ｌ１が入力される。第１比較更新部では、Ｆ１とともに入力される最初の情報セット（Ｄｂ１）を被比較値ＣＰ２として保持し、その次から入力されるデータ（Ｄｂ２、…、Ｄｂｚ）を比較値としてＣＰ２（＝Ｄｂ１）と順次比較・更新したのち、比較値側を後段に出力する。図のＣＰ２はレジスタを表し、比較・更新で値が変化していく。Ｄ２（Ｄｃ２、…、Ｄｃｚ）は、第１比較更新部から後段（第２比較更新部）へ出力されるデータ列である。

【0057】

第２比較更新部において、第１比較更新部からのデータ列Ｄ２（Ｄｃ２、…、Ｄｃｚ）が入力される。同時に有効信号ｅｎ２、先頭を識別する信号Ｆ２、最後を識別する信号Ｌ２が入力される。第２比較更新部では、Ｆ２とともに入力される最初の情報セット（Ｄｃ２）を被比較値ＣＰ３として保持し、その次から入力されるデータ（Ｄｃ３、…、Ｄｃｚ）を比較値としてＣＰ３（＝Ｄｃ２）と順次比較・更新したのち、比較値側を後段に出力する。図のＣＰ３はレジスタを表し、比較・更新で値が変化していく。Ｄ３（Ｄｄ３、…、Ｄｄｚ）は、第２比較更新部から後段（第３比較更新部）へ出力されるデータ列である。

【0058】

第３比較更新部において、第２比較更新部からのデータ列Ｄ３（Ｄｄ３、…、Ｄｄｚ）が入力される。同時に有効信号ｅｎ３、先頭を識別する信号Ｆ３、最後を識別する信号Ｌ３が入力される。第３比較更新部では、Ｆ３とともに入力される最初の情報セット（Ｄｄ３）を被比較値ＣＰ４として保持し、その次から入力されるデータ（Ｄｄ４、…、Ｄｄｚ）を比較値としてＣＰ４（＝Ｄｄ３）と順次比較・更新したのち、比較値側を後段に出力する。図のＣＰ４はレジスタを表し、比較・更新で値が変化していく。Ｄ４（Ｄｅ４、…、Ｄｅｚ）は、第３比較更新部から後段へ出力されるデータ列である。

【0059】

ゼロ情報バッファには、該当する要素の値がゼロであればフラグ１が、そうでなければフラグ０が書き込まれている。データ取得部は、この値がフラグ１だった部分の情報セットの要素をゼロに置換して後段に出力する。なお、説明の都合上、ゼロ情報はデータと１：１で対応するイメージとして描いているが、一つの要素に対してゼロ情報は１ビットで良いので、一つの情報セットのゼロ情報を一度に読み出して内部レジスタに記憶する。

【0060】

比較更新部の最終段の出力はデータ取得部で取得し、データ要素がゼロであればフラグ１、そうでなければフラグ０をゼロ情報バッファに書き出す。また、データ取得部は、Ｌ４信号を受け取ったら、その信号で情報セットは最後と見做し、ゼロ情報バッファへの出力が終わったあとに各比較更新部で抱えている被比較値（ＣＰ２＝Ｄｃ１、ＣＰ３＝Ｄｄ２、ＣＰ４＝Ｄｅ３）を順に取得してゼロ情報バッファにゼロ情報（ＺＥＲＯ＿Ｗ）を書き出す（Ｚ１、Ｚ２、Ｚ３）。

【0061】

以上で３段の比較更新部が異なる被比較値を持って、順番を守って全てのデータとの比較・更新を並列実行し、更新結果はゼロ情報バッファに格納される。以降同様にして先頭番地をＫずつ増やしながら、Ｎと等しくなるかＮを超えるまで繰り返す事で、上述の式（１）を実行可能である。情報セットが並列度Ｋで割り切れない場合は、比較更新処理に影響を与えない全ゼロのデータを水増しして入力させれば良い。

【0062】

情報セットが一度以上比較・更新されると、値が変更されている可能性がある。本実施形態ではデータ格納バッファを更新するのではなく、データが変化している事を記憶するゼロ情報バッファから対応するデータを読み込んで情報セットの更新結果を反映する。

【0063】

このような構成により、本実施形態では、メモリからＮ個の情報セットを、処理順に連続的に回路に投入し、それを複数回繰り返すことで、総当たりで比較・更新する処理を、処理順序を変えることなく並列実行できる。すなわち、並列処理だが比較の順序を変えずに処理できるので、高精度の結果が得られ、被写体認識の処理速度の向上に効果がある。

【0064】

（第２実施形態）
次に、本発明の第２実施形態について説明する。第１実施形態では、更新処理が「小さいほうの値をゼロにする」であったが、どちらかの情報セットの全要素がゼロであれば比較・更新しても結果は変わらない。そこで、本実施形態の第１の例では、先にゼロ情報バッファのデータを読んで、比較・更新結果が変わらない、すなわち、情報セットの全要素値がゼロである事が判明したら、そのデータを無効化してしまう。

【0065】

図１４は、データ取得時に情報セットの全要素がゼロである場合の比較更新処理を示す図である。第１実施形態の２回目以降の比較更新処理と同様に、情報セット格納バッファに格納されていた２つの情報セットのクラス信頼性に、ゼロ情報バッファから取得した変更情報を反映させる。すなわち、ゼロ情報バッファにフラグ１が書き込まれていた部分に対応するクラス信頼性の値をゼロにする（ゼロ反映）。

【0066】

この時、比較値のゼロ情報バッファの全要素がフラグ１であるとする。ゼロ反映させると、比較値の情報セットの全要素がゼロとなる。そして、ゼロが反映された２つの情報セットのクラス信頼性各要素を比較して、小さい方の値をゼロに置換する（比較・更新）。しかし、比較値の情報セットの全要素がゼロであるので、比較・更新の結果は変わらない。

【0067】

そこで、本例では、ゼロ情報バッファのデータを読んで、情報セットの全要素値がゼロである事が判明したら、そのデータを無効化してしまう。すなわち、ゼロ情報バッファのデータを読んで、ゼロ情報バッファの全要素がフラグ１の場合、そのデータを無効化してしまう。そのデータを無効データとしてデータストリームから除外してもよい。

【0068】

このように、本例では、比較結果に影響を及ぼさなくなった情報セットを除外して、比較・更新を行わずにデータをスルー出力するので、処理を高速化でき、消費電力を削減できる。

【0069】

次に、本実施形態の第２の例について説明する。図１５は、被比較値側の全要素が途中でゼロになった場合の比較更新処理を示す図である。図１５のケースでは、比較更新処理の後、被比較値の全要素が途中で全てゼロになっている。このような状態になった後は、比較値側は比較更新処理を行っても変わらない。すなわち、このような状態になった以降は比較値との比較を実行する必要はなくなる。

【0070】

そこで、本例では、保持している被比較値が、それ以上他のデータとの比較の必要が無い値となった場合、比較・更新を行わずにデータをスルー出力する。図の例では、被比較値の全要素が途中で全てゼロになった場合、それ以降は比較値との比較を行わない。

【0071】

このように、本例では、被比較値が比較更新処理に影響しなくなった時に、比較・更新を行わない。すなわち、比較結果に影響を及ぼさなくなった情報セットを除外して、比較・更新を行わずにデータをスルー出力するので、処理を高速化でき、消費電力を削減できる。

【0072】

図１６は、本実施形態のデータ処理を示すタイミングチャートである。このケースでは、ゼロ情報バッファから取り出した値（ＺＥＲＯ＿Ｒ）において、ｚ６の全要素がゼロである。そこで、データ格納バッファからの不要なデータＤａ６を第１比較更新部に送ることを入口で防止している。また、ＣＰ３は、最初の値がＤｃ５となる被比較値であるが、Ｄｃ９との比較・更新の結果、ある時点から全要素がゼロになり、それ以降の入力（Ｄｃａ以降）は比較・更新機能を停止してそのままスルー出力している。ちなみに、第３比較更新部にはＤｃ６に相当する信号が入力されないので、Ｄｃ７を被比較値として抱える事になる。

【0073】

図１７は、データ処理のサイクルを示すタイミングチャートである。図１７の（ａ）では、毎サイクル１個ずつのデータを処理する回路において、ＭサイクルでＭビットのデータを処理している。全要素がゼロの場合、全要素がゼロであるｚ６の部分は処理の空きサイクルが生じるように見える。すなわち、図１６において、ゼロ情報バッファの情報を反映して情報セットの全要素がゼロになった場合は、ｅｎがゼロとなって無効データが流れるだけに見える。

【0074】

実際には、１つの箱がデータセットであるので、全てゼロの場合、Ｍサイクルかけずに、１サイクルで処理を飛ばすことができる。すなわち、図１７の（ｂ）に示すように、ｚ３の全要素がゼロと分かったら、Ｍサイクルを１サイクルに縮めて処理することができ、処理を高速化できる。

【0075】

先述した通り、ゼロ情報バッファから情報セットに対応するＭ次元分のデータ取得は短いサイクル（例えば１サイクル）で取り出せるので、直ぐに比較・更新を行わない判断ができる。すなわち、要素が全てゼロであるかを認識するのは、１クロックでよい。

【0076】

なお、情報セットの最初のＫ個（＝並列度数）の中で上記のような全要素ゼロのデータが生じた場合、その情報セットはスキップしてＫ個分の情報セットを取得できるまでループを増やせばよい。

【0077】

（第３実施形態）
次に、本発明の第３実施形態について説明する。本実施例では、ディープラーニングにおける被写体推定処理への適用を例に説明する。図３のように、ＣＮＮの最終出力がＭ次元の情報セットＮ個である。この情報セットから、被写体信頼性を計算する。その際、図６に示すように、情報セットのＰ番目とＱ番目に着目し、位置・サイズ情報からＩＯＵを計算する。

【0078】

ＩＯＵが所定の閾値より大きい場合は、被写体の重なり度合いが大きく、同じ被写体である可能性が高い。そこで、ＩＯＵが所定の閾値より大きい（つまり、重なり度合が大きい）情報セットがあれば、Ｍ次元のクラス信頼性の各要素を比較して、クラス信頼性の高い方だけを残す。すなわち、クラス信頼性の低い方の値をゼロに変更する。この処理を、全ての情報セットの組み合わせについて行う。すなわち、被写体推定処理では、全ての情報セットの先頭から順にＩＯＵを算出し、比較・変更する。

【0079】

なお、もともと被写体推定処理では、ＩＯＵが大きいときに比較・更新を行い、ＩＯＵが小さいときには何もしない。そこで、ＩＯＵが所定の閾値より大きいか否か、すなわち、比較・更新する必要のある／なしを外部から指示できるようにする必要がある。

【0080】

図１８は、本実施形態に係るクラス信頼性判定部４０を示すブロック図である。図１２の第１実施形態のデータ比較部１０と異なる点は、判定部４１、４２、４３が設けられていることと、データ格納バッファが、位置・サイズ情報バッファ２１とクラス信頼性情報バッファ２２に分かれていることである。判定部と比較更新部は対になっており、同じ情報セットのデータに対して処理を行う。判定部は、ＩＯＵが所定の閾値より大きいか否かを判定する。

【0081】

判定部には、メモリ制御部１６を介して、情報セットに含まれる位置・サイズ情報（Ｐ＊）が入力される。判定部は、情報セットの位置・サイズ情報からＩＯＵを計算し、ＩＯＵが所定の閾値より大きい場合は、同じ被写体である可能性が高いと判断し、トリガｅｘｅｃ＝１（比較・更新実行可否判定信号）を比較更新部に送信する。

【0082】

比較更新部は、クラス信頼性情報を受け取り、ｅｘｅｃ＝１であり、かつ、比較値または被比較値の全要素がゼロでないときに、Ｍ次元のクラス信頼性の各要素を比較・更新処理し、それ以外の場合はスルーする。すなわち、比較更新部は、ストリームデータと同期して比較・更新実行可否判定信号が入力され、比較・更新実行可否判定信号が実行を示すときだけ、データの比較・更新を行う。このように、比較更新部は、ＩＯＵが大きい場合のみ処理を行う。

【0083】

比較更新部の動作としては、判定部からトリガｅｘｅｃが入力される点以外は、図１２の第１実施形態と同じである。すなわち、本実施形態では、ＩＯＵ計算結果による信頼性判定結果（ｅｘｅｃ）を外部（判定部）から入力している。

【0084】

図１９は、判定部で得られた信頼性判定結果の例を示す図である。フラグ１の所は、ＩＯＵが大きいと判定されたことを示す。例えば、Ｄ１とＤ２の間、Ｄ１とＤ５の間、およびＤ１とＤ６の間はＩＯＵが大きいと判定されている。

【0085】

図２０は、本実施形態のタイミングチャートの例を示す図である。図の下のほうには比較更新部の処理の流れが記載されているが、比較更新部の処理は、図１３の第１実施形態と同様である。また、図１６の例と同様に、最初に全要素がゼロのデータ（ｚ３＝０）が入力され、ＣＰ３の全要素が途中からゼロになったケースを示している。

【0086】

図１９の信頼性判定結果で、Ｄ１とＤ２の間、Ｄ１とＤ５の間、およびＤ１とＤ６の間はＩＯＵが大きいと判定されたので、その部分でｅｘｅｃ１のパルスが立っている。それとタイミングを合わせて、比較更新部では、ｅｘｅｃ１のパルスが立っているときにだけ比較・更新を行う。

【0087】

第１比較更新部において、Ｄ１は、ｅｘｅｃ１＝１となるＤｂ２、Ｄｂ５、Ｄｂ６について被比較値と比較・更新される。第２比較更新部において、Ｄ２は、ｅｘｅｃ２＝１となるＤｃ４、Ｄｃ６、Ｄｃ８が被比較値と比較・更新されるが、ＣＰ３とＤｃ６とを比較した結果、ＣＰ３の全要素がゼロになるので、それ以降に被写体信頼性が低いと知らされても比較・更新の結果が変わらない。このためＤｃ７以降の比較・更新は実行されずにスルーとなり、比較・更新対象であったＤｃ８もそのまま出力される。

【0088】

上述のような構成により、本実施形態は、ディープラーニングの被写体推定処理に適用できる。なお、上述の説明において、判定部と比較更新部は別の構成として説明したが、同じ回路上にあってもよい。この場合、比較更新部に、比較するクラス信頼性情報に対応する位置・サイズ情報が入力され、ＩＯＵを計算して、比較・更新実行可否の判定を行う。

【0089】

以上、本発明の実施形態について説明したが、本発明の技術範囲は上記実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲において構成要素の組み合わせを変えたり、各構成要素に種々の変更を加えたり、削除したりすることができる。

【0090】

各構成要素は、それぞれの構成要素に係る機能や処理を説明するためのものである。複数の構成要素に係る機能や処理を、１つの構成（回路）が同時に実現してもよい。

【0091】

各構成要素は、それぞれもしくは全体として、１個又は複数のプロセッサ、論理回路、メモリ、入出力インタフェース及びコンピュータ読み取り可能な記録媒体などからなるコンピュータで実現するようにしてもよい。その場合、各構成要素もしくは全体の機能を実現するためのプログラムを記録媒体に記録しておき、記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって、上述した種々の機能や処理を実現してもよい。

【0092】

この場合、例えば、プロセッサは、ＣＰＵ、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、およびＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）の少なくとも１つである。例えば、論理回路は、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）およびＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）の少なくとも１つである。

【0093】

また、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器などのハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリなどの書き込み可能な不揮発性メモリ、ＣＤ－ＲＯＭなどの可搬媒体、コンピュータシステムに内蔵されるハードディスクなどの記憶装置をいう。

【0094】

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネットなどのネットワークや電話回線などの通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ））のように、一定時間プログラムを保持しているものも含むものとする。

【0095】

また、上記プログラムは、このプログラムを記憶装置などに格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネットなどのネットワーク（通信網）や電話回線などの通信回線（通信線）のように情報を伝送する機能を有する媒体をいう。また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。

【産業上の利用可能性】

【0096】

本発明は、演算処理装置に広く適用できる。

【符号の説明】

【0097】

１０ データ比較部
１１、１２、１３ 比較更新部
１５ データ取得部
１６ メモリ制御部
２０ データ格納バッファ
２１ 位置・サイズ情報バッファ
２２ クラス信頼性情報バッファ
３０ ゼロ情報バッファ
４０ クラス信頼性判定部
４１、４２、４３ 判定部（比較更新部）

【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】