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】特許公報(B2)
(11)【特許番号】
(24)【登録日】2025-06-04
(45)【発行日】2025-06-12
(54)【発明の名称】情報処理装置、情報処理方法、及びプログラム
(51)【国際特許分類】
G06F 18/213 20230101AFI20250605BHJP
G06N 3/044 20230101ALI20250605BHJP
G06N 3/0464 20230101ALI20250605BHJP
【ＦＩ】
G06F18/213
G06N3/044
G06N3/0464
【請求項の数】
9
(21)【出願番号】P 2023557575
(86)(22)【出願日】2021-11-08
(86)【国際出願番号】 JP2021040917
(87)【国際公開番号】W WO2023079723
(87)【国際公開日】2023-05-11
【審査請求日】2024-05-02
(73)【特許権者】
【識別番号】000004237
【氏名又は名称】日本電気株式会社
(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】澤田 あずさ
【審査官】大倉 崚吾
(56)【参考文献】
【文献】国際公開第２０１９／０１９６４５（ＷＯ，Ａ１）
【文献】中国特許出願公開第１１２７４９６１４（ＣＮ，Ａ）
【文献】YOO, Jin Hyeok et al.，"ScarfNet: Multi-scale Features with Deeply Fused and Redistributed Semantics for Enhanced Object Detection"，arXiv [online]，2020年，p. 4321-4329，［2024年12月12日検索］，インターネット＜ＵＲＬ：https://arxiv.org/abs/1908.00328v2＞，1908.00328v2
【文献】神谷龍司 ほか，"Convolutional-Recurrent Neural Networkによる自己運動識別"，第22回画像センシングシンポジウム ＳＳＩＩ２０１６，画像センシング技術研究会，2016年，p. 1-6，IS2-13
【文献】UPADHYAY, Shreya G. et al.，"Attentive Convolutional Recurrent Neural Network Using Phoneme-Level Acoustic Representation for Rare Sound Event Detection"，INTERSPEECH 2020，2020年10月25日，p. 3102-3106，［2024年12月12日検索］，インターネット＜ＵＲＬ：https://www.isca-archive.org/Interspeech_2020/upadhyay20_interspeech.pdf＞
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ １８／００－１８／４０
Ｇ０６Ｎ ３／００－９９／００
(57)【特許請求の範囲】
【請求項1】
入力データから複数のスケール別特徴マップを生成する特徴マップ生成手段と、前記複数のスケール別特徴マップから、特徴系列を生成する特徴系列生成手段と、
前記特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成手段と、
最大スケールを算出する最大スケール算出手段と
を備え、
前記特徴系列生成手段は、
前記最大スケールに応じた長さの特徴系列を生成し、
前記最大スケール算出手段は、
前記入力データ又は前記入力データに関連付けられた関連情報を参照して、前記最大スケールを算出する
情報処理装置。
【請求項2】
前記特徴マップ生成手段は、前記入力データに対して直列的に作用することによって、前記複数のスケール別特徴マップを生成する複数の畳み込み層を備えている
請求項１に記載の情報処理装置。
【請求項3】
前記特徴系列生成手段は、前記複数の畳み込み層の各々に関し、
当該畳み込み層が出力するスケール別特徴マップに作用するグローバルプーリング層と、
前記グローバルプーリング層の出力に作用する全結合層と
を備えている請求項２に記載の情報処理装置。
【請求項4】
前記特徴系列生成手段は、複数の前記全結合層の各々が出力する特徴データを、当該特徴データに対応するスケールの順に並べることによって前記特徴系列を生成する
請求項３に記載の情報処理装置。
【請求項5】
入力データから複数のスケール別特徴マップを生成する特徴マップ生成手段と、
前記複数のスケール別特徴マップから、特徴系列を生成する特徴系列生成手段と、
前記特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成手段と、
対象データを複数の長さに切り取ることによって複数の前記入力データを生成する入力データ生成手段と、
前記複数の長さのうち、推奨される長さを、複数の前記入力データの各々に対応する特徴情報を参照することによって決定する推奨手段と
を備えている情報処理装置。
【請求項6】
情報処理装置が、入力データから複数のスケール別特徴マップを生成することと、
前記複数のスケール別特徴マップから、特徴系列を生成することと、
前記特徴系列を再帰的モデルに入力することによって特徴情報を生成することと、
最大スケールを算出することと、
を含み、
前記特徴系列を生成することにおいて、
前記最大スケールに応じた長さの特徴系列を生成し、
前記最大スケールを算出することにおいて、
前記入力データ又は前記入力データに関連付けられた関連情報を参照して、前記最大スケールを算出する
情報処理方法。
【請求項7】
情報処理装置が、
入力データから複数のスケール別特徴マップを生成することと、
前記複数のスケール別特徴マップから、特徴系列を生成することと、
前記特徴系列を再帰的モデルに入力することによって特徴情報を生成することと、
対象データを複数の長さに切り取ることによって複数の前記入力データを生成することと、
前記複数の長さのうち、推奨される長さを、複数の前記入力データの各々に対応する特徴情報を参照することによって決定することと、
を含む情報処理方法。
【請求項8】
コンピュータを、入力データから複数のスケール別特徴マップを生成する特徴マップ生成手段と、
前記複数のスケール別特徴マップから、特徴系列を生成する特徴系列生成手段と、
前記特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成手段と、
最大スケールを算出する最大スケール算出手段と
として機能させ、
前記特徴系列生成手段は、
前記最大スケールに応じた長さの特徴系列を生成し、
前記最大スケール算出手段は、
前記入力データ又は前記入力データに関連付けられた関連情報を参照して、前記最大スケールを算出する
プログラム。
【請求項9】
コンピュータを、
入力データから複数のスケール別特徴マップを生成する特徴マップ生成手段と、
前記複数のスケール別特徴マップから、特徴系列を生成する特徴系列生成手段と、
前記特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成手段と、
対象データを複数の長さに切り取ることによって複数の前記入力データを生成する入力データ生成手段と、
前記複数の長さのうち、推奨される長さを、複数の前記入力データの各々に対応する特徴情報を参照することによって決定する推奨手段と
として機能させるプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、特徴情報を生成する情報処理装置、情報処理方法、及びプログラムに関する。
【背景技術】
【0002】
可変長データを入力データとして、当該可変長データの特徴を抽出するモデルが知られている。
【0003】
例えば、非特許文献１には、可変長音声を入力とし、短いターム及び長いタームのコンテキストの間でカーネルサイズの異なる畳み込み層への入力を切り替え、複数の畳み込みブロックの特徴マップをMultiscale Statistics Poolingに入力することにより、特徴を抽出する技術が開示されている。
【先行技術文献】
【非特許文献】
【0004】
【文献】Yanfeng Wu et al., "Improving Deep CNN Architectures with Variable-Length Training Samples for Text-Independent Speaker Verification," In INTERSPEECH 2020
【発明の概要】
【発明が解決しようとする課題】
【0005】
非特許文献１に記載の技術においては、Multiscale Statistics Poolingに入力するすべての特徴マップが１以上の長さを持つ必要がある。そのため、非特許文献１に記載の技術は、適用可能なデータの長さに下限が生じるため、様々な長さを有するデータへの対応という点で改善の余地があった。
【0006】
本発明の一態様は、上記の問題に鑑みてなされたものであり、その目的の一例は、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供することである。
【課題を解決するための手段】
【0007】
本発明の一側面に係る情報処理装置は、入力データから複数のスケール別特徴マップを生成する特徴マップ生成手段と、前記複数のスケール別特徴マップから、特徴系列を生成する特徴系列生成手段と、前記特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成手段とを備える。
【0008】
本発明の一側面に係る情報処理方法は、情報処理装置が、入力データから複数のスケール別特徴マップを生成することと、前記複数のスケール別特徴マップから、特徴系列を生成することと、前記特徴系列を再帰的モデルに入力することによって特徴情報を生成することとを含む。
【0009】
本発明の一側面に係るプログラムは、コンピュータを、入力データから複数のスケール別特徴マップを生成する特徴マップ生成手段と、前記複数のスケール別特徴マップから、特徴系列を生成する特徴系列生成手段と、前記特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成手段と、として機能させる。
【発明の効果】
【0010】
本発明の一態様によれば、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供することができる。
【図面の簡単な説明】
【0011】
【図1】本発明の例示的実施形態１に係る情報処理装置の構成を示すブロック図である。
【図2】本発明の例示的実施形態１に係る情報処理方法の流れを示すフロー図である。
【図3】本発明の例示的実施形態２に係る情報処理装置の構成を示すブロック図である。
【図4】本発明の例示的実施形態２に係る制御部が実行する処理例を示す図である。
【図5】本発明の例示的実施形態２に係る情報処理装置の適用例を示す図である。
【図6】本発明の例示的実施形態２に係る情報処理装置の適用例を示す他の図である。
【図7】本発明の例示的実施形態２に係る情報処理装置が実行する処理の流れを示すフローチャートである。
【図8】本発明の例示的実施形態３に係る情報処理装置の構成を示すブロック図である。
【図9】本発明の例示的実施形態４に係る情報処理装置の構成を示すブロック図である。
【図10】本発明の例示的実施形態４に係る情報処理装置が実行する処理の流れを示すフローチャートである。
【図11】本発明の各例示的実施形態における情報処理装置のハードウェア構成の一例を示すブロック図である。
【発明を実施するための形態】
【0012】
〔例示的実施形態１〕
本発明の第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する例示的実施形態の基本となる形態である。
本発明の第１の例示的実施形態について、図面を参照して詳細に説明する。本例示的実施形態は、後述する例示的実施形態の基本となる形態である。
【0013】
【0014】
情報処理装置１は、入力データから当該入力データに関する特徴情報を生成する装置である。
【0015】
入力データの一例として、動画が挙げられる。また、特徴情報の一例として、入力された動画に含まれる物体を予測した結果を含む特徴情報が挙げられるが、これに限定されない。
【0016】
図１に示すように、情報処理装置１は、特徴マップ生成部１１、特徴系列生成部１２、及び特徴情報生成部１３を備えている。特徴マップ生成部１１、特徴系列生成部１２、及び特徴情報生成部１３は、本例示的実施形態においてそれぞれ特徴マップ生成手段、特徴系列生成手段、及び特徴情報生成手段を実現する構成である。
【0017】
特徴マップ生成部１１は、入力データから複数のスケール別特徴マップを生成する。特徴マップ生成部１１は、生成したスケール別特徴マップを、特徴系列生成部１２に供給する。特徴マップ生成部１１は、入力データに対して直列的に作用する複数の畳み込み層を用いることによって、複数のスケール別特徴マップを生成する。
【0018】
入力データに対して直列的に作用する複数の畳み込み層を用いることによって、上流側の畳み込み層からは、入力データの局所的な情報が反映された特徴マップ（スケールの小さい特徴マップ）が得られ、下流側の畳み込み層からは、入力データの大局的な情報が反映された特徴マップ（スケールの大きい特徴マップ）が得られる。なお、スケールの大小は所謂ＲＦ(Receptive Field)と正の相関を有している。
【0019】
ここで、特徴マップ生成部１１は、入力データに対して直列的に作用する複数の畳み込み層を用いることに限定されず、入力データに対して並列的に作用し、ＲＦが異なる特徴をマップが得られる複数の畳み込み層を用いる構成であってもよい。
【0020】
特徴系列生成部１２は、複数のスケール別特徴マップから、特徴系列を生成する。特徴系列生成部１２は、生成した特徴系列を、特徴情報生成部１３に供給する。特徴系列とは、特徴マップ生成部１１から出力される各スケール別特徴マップによって構成される系列のことであり、一例として、これらのスケール別特徴マップをスケール順に並べたものである。
【0021】
特徴情報生成部１３は、特徴系列を再帰的モデルに入力することによって特徴情報を生成する。再帰的モデルとは、系列のはじめから順に一単位ずつ繰り返して入力されるモデルである。再帰的モデルの一例として、ＲＮＮ（Recurrent Neural Network）、ＬＳＴＭ（Long Short Term Memory）、及びＧＲＵ（Gated Recurrent Unit）が挙げられるが、これらに限定されない。
【0022】
以上のように、本例示的実施形態に係る情報処理装置１においては、入力データから複数のスケール別特徴マップを生成する特徴マップ生成部１１と、複数のスケール別特徴マップから特徴系列を生成する特徴系列生成部１２と、特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成部１３とを備える構成が採用されている。
【0023】
このため、本例示的実施形態に係る情報処理装置１によれば、入力データから生成した複数のスケール別特徴マップによって構成される特徴系列を再帰的モデルに入力するので、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供できる。
【0024】
【0025】
（ステップＳ１１）
ステップＳ１１において、特徴マップ生成部１１は、入力データから複数のスケール別特徴マップを生成する。
ステップＳ１１において、特徴マップ生成部１１は、入力データから複数のスケール別特徴マップを生成する。
【0026】
（ステップＳ１２）
ステップＳ１２において、特徴系列生成部１２は、複数のスケール別特徴マップから、特徴系列を生成する。
ステップＳ１２において、特徴系列生成部１２は、複数のスケール別特徴マップから、特徴系列を生成する。
【0027】
（ステップＳ１３）
ステップＳ１３において、特徴情報生成部１３は、特徴系列を再帰的モデルに入力することによって特徴情報を生成する。
ステップＳ１３において、特徴情報生成部１３は、特徴系列を再帰的モデルに入力することによって特徴情報を生成する。
【0028】
以上のように、本例示的実施形態に係る情報処理方法Ｓ１においては、ステップＳ１１において、特徴マップ生成部１１が入力データから複数のスケール別特徴マップを生成し、ステップＳ１２において、特徴系列生成部１２が複数のスケール別特徴マップから、特徴系列を生成し、ステップＳ１３において、特徴情報生成部１３が、特徴系列を再帰的モデルに入力することによって特徴情報を生成する構成が採用されている。このため、本例示的実施形態に係る情報処理方法Ｓ１によれば、情報処理装置１と同様の効果が得られる。
【0029】
〔例示的実施形態２〕
本発明の第２の例示的実施形態について、図面を参照して詳細に説明する。なお、例示的実施形態１にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。
本発明の第２の例示的実施形態について、図面を参照して詳細に説明する。なお、例示的実施形態１にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。
【0030】
【0031】
情報処理装置２は、入力データＩＮを取得し、入力データＩＮに関する特徴情報ＦＩを生成する装置である。
【0032】
上述した例示的実施形態と同様、入力データＩＮの一例として、動画が挙げられる。また、特徴情報ＦＩの一例として、入力された動画に含まれる物体を予測した結果を含む特徴情報が挙げられるが、これに限定されない。
【0033】
図３に示すように、情報処理装置２は、制御部２０、記憶部２１、通信部２２、入力部２３、及び出力部２４を備えている。
【0034】
記憶部２１には、後述する制御部２０が参照するデータが格納される。記憶部２１に格納されるデータの一例として、入力データＩＮ、スケール別特徴マップＦＭ、最大スケールＭＳ、特徴系列ＳＦ、及び特徴情報ＦＩが挙げられるが、これらに限定されない。入力データＩＮ、スケール別特徴マップＦＭ、特徴系列ＳＦ、及び特徴情報ＦＩについては、上述した通りである。最大スケールＭＳについては後述する。
【0035】
通信部２２は、図示しないネットワークを介して他の装置と通信する通信モジュールである。一例として、通信部２２は、後述する制御部２０から供給されたデータを、ネットワークを介して他の装置に出力したり、他の装置から出力されたデータを、ネットワークを介して取得し、制御部２０に供給したりする。
【0036】
入力部２３は、接続されている他の装置からデータを取得するインタフェースである。入力部２３は、他の装置から取得したデータを、後述する制御部２０に供給する。
【0037】
出力部２４は、接続されている他の装置にデータを出力するインタフェースである。出力部２４は、後述する制御部２０から供給されたデータを、他の装置に出力する。
【0038】
（制御部２０）
制御部２０は、情報処理装置２が備える各部を制御する。一例として、制御部２０は、通信部２２及び入力部２３から取得したデータを記憶部２１に格納したり、記憶部２１に格納されているデータを通信部２２及び出力部２４に供給したりする。
制御部２０は、情報処理装置２が備える各部を制御する。一例として、制御部２０は、通信部２２及び入力部２３から取得したデータを記憶部２１に格納したり、記憶部２１に格納されているデータを通信部２２及び出力部２４に供給したりする。
【0039】
制御部２０は、図３に示すように、特徴マップ生成部１１、特徴系列生成部１２、特徴情報生成部１３、及び最大スケール算出部１４としても機能する。特徴マップ生成部１１、特徴系列生成部１２、特徴情報生成部１３、及び最大スケール算出部１４は、本例示的実施形態においてそれぞれ特徴マップ生成手段、特徴系列生成手段、特徴情報生成手段、及び最大スケール算出手段を実現する構成である。
【0040】
特徴マップ生成部１１は、記憶部２１から入力データＩＮを取得し、取得した入力データＩＮから複数のスケール別特徴マップＦＭを生成する。特徴マップ生成部１１は、入力データＩＮに対して直列的に作用する複数の畳み込み層を用いることによって、複数のスケール別特徴マップＦＭを生成する。特徴マップ生成部１１は、生成した複数のスケール別特徴マップＦＭを記憶部２１に格納する。
【0041】
特徴系列生成部１２は、記憶部２１から複数のスケール別特徴マップＦＭ及び後述する最大スケール算出部１４が算出した最大スケールＭＳを取得する。そして、特徴系列生成部１２は、取得した複数のスケール別特徴マップＦＭから、取得した最大スケールＭＳに応じた長さの特徴系列ＳＦを生成する。特徴系列生成部１２は、生成した特徴系列ＳＦを記憶部２１に格納する。
【0042】
また、特徴系列生成部１２は、図３に示すように、スケール別整形部１２１及び複数スケール結合部１２２としても機能する。
【0043】
スケール別整形部１２１は、複数のスケール別特徴マップＦＭの長さ及び次元数の違いを吸収した特徴データを生成する。一例として、スケール別整形部１２１は、グローバルプーリング層（ＧＰ：Grobal Pooling）、チャネル数を変える線形変換層、及び活性化関数の組み合わせによって構成される。チャネル数を変える線形変換層は、一例として、入力されるスケール別特徴マップＦＭに応じて、全結合層（ＦＣ：Fully Connected）又はカーネルサイズ１の畳み込み層によって構成される。スケール別整形部１２１は、生成した特徴データを複数スケール結合部１２２に供給する。
【0044】
複数スケール結合部１２２は、スケール別整形部１２１が出力した特徴データを取得し、当該特徴データを、当該特徴データに対応するスケールの順に並べた特徴系列ＳＦを生成する。特徴データに対応するスケールの順に並べるとは、換言すれば、各全結合層に対応する畳み込み層の順に並べることである。
【0045】
特徴情報生成部１３は、記憶部２１から特徴系列ＳＦを取得し、取得した特徴系列ＳＦを再帰的モデルに入力することによって特徴情報ＦＩを生成する。再帰的モデルについては、上述した通りである。
【0046】
最大スケール算出部１４は、記憶部２１から入力データＩＮを取得し、最大スケールＭＳを算出する。最大スケールとは、入力データＩＮの長さ以下、かつ、最も大きいスケールである。一例として、最大スケール算出部１４は、入力データＩＮ又は入力データＩＮに関連付けられた関連情報（入力データＩＮの長さを示す情報など）を参照して、最大スケールＭＳを算出する。最大スケール算出部１４は、算出した最大スケールＭＳを記憶部２１に格納する。
【0047】
【0048】
（特徴マップ生成部１１が実行する処理例）
図４に示すように、制御部２０の特徴マップ生成部１１は、長さがLであり次元数がCである入力データＩＮを記憶部２１から取得する。ここで、長さがLであり次元数がCであるデータのことを「ShapeがL*Cであるデータ」と表現することもある。「*」は積の演算記号を表す。また、図４に示すように、特徴マップ生成部１１は、入力データＩＮに対して直列的に作用することによって、複数のスケール別特徴マップを生成するＭ個（Ｍ≧２）の畳み込み層である畳み込みブロックＣＢ１～畳み込みブロックＣＢＭ（畳み込みブロックＣＢＭは図４に不図示）を備えている。
図４に示すように、制御部２０の特徴マップ生成部１１は、長さがLであり次元数がCである入力データＩＮを記憶部２１から取得する。ここで、長さがLであり次元数がCであるデータのことを「ShapeがL*Cであるデータ」と表現することもある。「*」は積の演算記号を表す。また、図４に示すように、特徴マップ生成部１１は、入力データＩＮに対して直列的に作用することによって、複数のスケール別特徴マップを生成するＭ個（Ｍ≧２）の畳み込み層である畳み込みブロックＣＢ１～畳み込みブロックＣＢＭ（畳み込みブロックＣＢＭは図４に不図示）を備えている。
【0049】
特徴マップ生成部１１は、入力データＩＮを取得すると、直列的に作用させるＭ個の畳み込みブロックＣＢ１～畳み込みブロックＣＢＭのうち、最初に作用させる畳み込みブロックＣＢ１に、取得した入力データＩＮを入力する。畳み込みブロックＣＢ１からは、ShapeがL1*C1のスケール別特徴マップＦＭ１が出力される。
【0050】
特徴マップ生成部１１は、畳み込みブロックＣＢ１を恒等写像として入力データＩＮと同一のスケール別特徴マップＦＭ0が出力されるよう構成してもよい。
【0051】
続いて、特徴マップ生成部１１は、畳み込みブロックＣＢ１から出力されたスケール別特徴マップＦＭ１を、スケール別特徴マップＦＭ１よりスケールの大きい（ＲＦの大きい）畳み込みブロックＣＢ２に供給する。また、特徴マップ生成部１１は、スケール別特徴マップＦＭ１を記憶部２１に格納する。
【0052】
特徴マップ生成部１１は、畳み込みブロックＣＢ２から出力されたShapeがL2*C2のスケール別特徴マップＦＭ２を、図４に図示しない畳み込みブロックＣＢ３に供給する。また、特徴マップ生成部１１は、スケール別特徴マップＦＭ２を記憶部２１に格納する。
【0053】
このように、特徴マップ生成部１１は、畳み込みブロックＣＢｎ（１≦ｎ≦Ｍ－２）から出力されたShapeがLn*Cnのスケール別特徴マップＦＭｎを、畳み込みブロックＣＢｎ＋１に供給する。また、特徴マップ生成部１１は、畳み込みブロックＣＢＭ－１から出力されるスケール別特徴マップＦＭＭ－１（スケール別特徴マップＦＭＭ－１のShapeはLM-1*CM-1）を取得するまで、スケール別特徴マップＦＭｎを記憶部２１に格納する。
【0054】
ここで、Lj（１≦ｊ≦Ｍ－１）とLj+1との大小関係は特に限定されないが、一例として、LjがLj+1より大きくなるように特徴マップ生成部１１を構成することができる。また、CjとCj+1との大小関係も特に限定されないが、一例として、CjはCj+1より大きくなるように特徴マップ生成部１１を構成することができる。
【0055】
最後に、特徴マップ生成部１１は、畳み込みブロックＣＢＭ－１から出力されたスケール別特徴マップＦＭＭ－１を、最後に作用させる畳み込みブロックＣＢＭに入力する。特徴マップ生成部１１は、畳み込みブロックＣＢＭから出力された、ShapeがLM*CMのスケール別特徴マップＦＭＭを、記憶部２１に格納する。
【0056】
（特徴系列生成部１２が実行する処理例）
図４に示すように、特徴系列生成部１２は、Ｍ個の畳み込みブロックＣＢ１～畳み込みブロックＣＢＭの各々に関し、畳み込みブロックＣＢｋ（１≦ｋ≦Ｍ）が出力するスケール別特徴マップＦＭｋに作用するＧＰ（グローバルプーリング層）１２ａｋと、ＧＰ１２ａｋの出力に作用するＦＣ（全結合層）１２ｂｋとを備えている。
図４に示すように、特徴系列生成部１２は、Ｍ個の畳み込みブロックＣＢ１～畳み込みブロックＣＢＭの各々に関し、畳み込みブロックＣＢｋ（１≦ｋ≦Ｍ）が出力するスケール別特徴マップＦＭｋに作用するＧＰ（グローバルプーリング層）１２ａｋと、ＧＰ１２ａｋの出力に作用するＦＣ（全結合層）１２ｂｋとを備えている。
【0057】
特徴系列生成部１２は、記憶部２１に格納されているスケール別特徴マップＦＭ１～スケール別特徴マップＦＭＭのそれぞれを、スケール別特徴マップに作用するＧＰ１２ａ１～ＧＰ１２ａＭに入力する。
【0058】
そして、ＧＰ１２ａ１～ＧＰ１２ａＭのそれぞれは、スケール別特徴マップＦＭ１～スケール別特徴マップＦＭＭが入力されると、スケール別特徴マップＦＭ１～スケール別特徴マップＦＭＭの互いの長さ（Ｌ）の違いを吸収した特徴マップＦＭ１＿１～ＦＭＭ＿１を出力する。
【0059】
一例として、スケール別特徴マップＦＭ１がＧＰ１２ａ１に入力されると、長さ（Ｌ）の違いが吸収され、ＧＰ１２ａ１からShapeが(1*)C1の特徴マップＦＭ１＿１が出力される。他の例として、スケール別特徴マップＦＭＭがＧＰ１２ａＭに入力されると、長さ（Ｌ）の違いが吸収され、ＧＰ１２ａＭからShapeが(1*)CMの特徴マップＦＭＭ＿１が出力される。
【0060】
続いて、特徴系列生成部１２は、ＧＰ１２ａ１～ＧＰ１２ａＭのそれぞれから出力された特徴マップＦＭ１＿１～特徴マップＦＭＭ＿１を、ＦＣ１２ｂ１～ＦＣ１２ｂＭにそれぞれ入力する。ＦＣ１２ｂ１～ＦＣ１２ｂＭのそれぞれは、特徴マップＦＭ１＿１～特徴マップＦＭＭ＿１が入力されると、特徴マップＦＭ１＿１～特徴マップＦＭＭ＿１の互いの次元数（Ｃ）の違いを吸収した特徴データＦＤ１～特徴データＦＤＭを出力する。
【0061】
一例として、特徴マップＦＭ１＿１がＦＣ１２ｂ１に入力されると、次元数（Ｃ）の違いが吸収され、ＦＣ１２ｂ１からShapeがCfの特徴データＦＤ１が出力される。他の例として、特徴マップＦＭＭ＿１がＦＣ１２ｂＭに入力されると、次元数（Ｃ）の違いが吸収され、ＦＣ１２ｂＭからShapeがC fの特徴データＦＤＭが出力される。
【0062】
次に、特徴系列生成部１２は、記憶部２１から最大スケールＭＳを取得し、最大スケールＭＳを参照し、ＦＣ１２ｂ１～ＦＣ１２ｂＭから出力された特徴データＦＤ１～特徴データＦＤＭを、特徴データＦＤ１～特徴データＦＤＭに対応するスケールの順に並べ、ShapeがCf*mの特徴系列ＳＦを生成する。ここで、mは長さＬ以下のＲＦを持つブロック数であり、かつ、ｍ≦Ｍ（すなわち、mは最大スケールＭＳの値）である。特徴系列生成部１２は、生成した特徴系列ＳＦを、特徴情報生成部１３に供給する。
【0063】
（特徴情報生成部１３が実行する処理例）
特徴情報生成部１３は、取得した特徴系列ＳＦを再帰的ブロックに入力し、ShapeがCfの特徴情報ＦＩを生成する。
特徴情報生成部１３は、取得した特徴系列ＳＦを再帰的ブロックに入力し、ShapeがCfの特徴情報ＦＩを生成する。
【0064】
特徴情報生成部１３が生成した特徴情報ＦＩは、出力する形式に応じて、ＦＣ１８に供給されたり、通信部２２又は出力部２４に供給されたりする。
【0065】
（情報処理装置２の適用例）
情報処理装置２の適用例について、図５及び図６を用いて説明する。図５は、本例示的実施形態に係る情報処理装置２の適用例を示す図であり、図６は、本例示的実施形態に係る情報処理装置２の適用例を示す他の図である。
情報処理装置２の適用例について、図５及び図６を用いて説明する。図５は、本例示的実施形態に係る情報処理装置２の適用例を示す図であり、図６は、本例示的実施形態に係る情報処理装置２の適用例を示す他の図である。
【0066】
図５及び図６に示す例において、情報処理装置２は、液体が入った容器ＣＮを揺動させた様子を撮影した動画像を入力データＩＮとして取得し、容器ＣＮの中に含まれる物体が気泡であるか否かを示す特徴情報ＦＩを出力する。
【0067】
一例として、図５の左側に示す容器ＣＮには、液体の中に物体ＤＭ１及び物体ＤＭ２が含まれている。図５の左側に示すように、容器ＣＮを揺動すると、図５の右側に示すように、物体ＤＭ１は軌跡ＤＬ１を描き、物体ＤＭ２は軌跡ＤＬ２及び軌跡ＤＬ３を描いて移動する。情報処理装置２の制御部２０は、容器ＣＮを揺動させた様子を撮影した動画像を入力データＩＮとして取得し、物体ＤＭ１が描いた軌跡ＤＬ１と、物体ＤＭ２が描いた軌跡ＤＬ２及び軌跡ＤＬ３を識別する。
【0068】
次に、制御部２０は、識別した軌跡から、容器ＣＮに含まれる物体を特定する。図５に示す図において、制御部２０は、軌跡ＤＬ１は気泡が描く軌跡であると判定し、軌跡ＤＬ１を描いた物体ＤＭ１は気泡であることを示す特徴情報ＦＩを出力する。また、図５に示す図において、制御部２０は、軌跡ＤＬ２は気泡が描く軌跡であり、軌跡ＤＬ３は気泡以外の物体が描く軌跡であると判定し、物体ＤＭ２は気泡以外の物体であることを示す特徴情報ＦＩを出力する。
【0069】
他の例として、図６の左側に示す容器ＣＮには、液体の中に物体ＤＭ４及び物体ＤＭ５が含まれている。図６の左側に示すように、容器ＣＮを揺動すると、図６の右側に示すように、物体ＤＭ４は軌跡ＤＬ４を描き、物体ＤＭ５は軌跡ＤＬ５を描いて移動する。制御部２０は、容器ＣＮを揺動させた様子を撮影した動画像を入力データＩＮとして取得し、軌跡ＤＬ４及び軌跡ＤＬ５を識別する。そして、制御部２０は、軌跡ＤＬ４及び軌跡ＤＬ５は、両方とも気泡が描く軌跡であると判定し、軌跡ＤＬ４を描いた物体ＤＭ４及び軌跡ＤＬ５を描いた物体ＤＭ５は、両方とも気泡であることを示す特徴情報ＦＩを出力する。
【0070】
ここで、容器ＣＮを揺動させた様子を撮影した動画像を解析し、容器ＣＮに含まれる物体の軌跡を識別する処理は、制御部２０が行ってもよいし、情報処理装置２以外の装置が行ってもよい。情報処理装置２以外の装置が容器ＣＮに含まれる物体の軌跡を識別する場合、情報処理装置２は入力データＩＮとして、情報処理装置２以外の装置が識別した軌跡を取得する構成であってもよい。
【0071】
例えば、図５及び図６に示す例では、情報処理装置２は入力データＩＮとして、軌跡ＤＬ１～軌跡ＤＬ５を取得する。そして、情報処理装置２は、軌跡ＤＬ１～軌跡ＤＬ５を参照し、物体ＤＭ１～物体ＤＭ５が気泡であるか否かを示す特徴情報ＦＩを出力する。
【0072】
このように、情報処理装置２は、液体を入れた容器ＣＮに含まれる物体が気泡であるか否かを示す特徴情報ＦＩを出力する。そのため、情報処理装置２は、液体に異物が含まれているか否かの検査に用いることができる。また、情報処理装置２は、様々な長さを有する軌跡ＤＬ１～軌跡ＤＬ５を入力データＩＮとして入力されても、好適に液体に異物が含まれているか否かを推定することができる。
【0073】
（情報処理装置２が実行する処理Ｓ２）
情報処理装置２が実行する処理Ｓ２の流れについて、図７を用いて説明する。図７は、本例示的実施形態に係る情報処理装置２が実行する処理Ｓ２の流れを示すフローチャートである。図７に示す処理の前に、情報処理装置２は、通信部２２又は入力部２３を介して入力データＩＮを取得し、取得した入力データＩＮを記憶部２１に格納する。また、図７に示す処理の前、又は後述するステップＳ２４の処理の前に、最大スケール算出部１４は最大スケールＭＳを算出し、算出した最大スケールＭＳを記憶部２１に格納する。
情報処理装置２が実行する処理Ｓ２の流れについて、図７を用いて説明する。図７は、本例示的実施形態に係る情報処理装置２が実行する処理Ｓ２の流れを示すフローチャートである。図７に示す処理の前に、情報処理装置２は、通信部２２又は入力部２３を介して入力データＩＮを取得し、取得した入力データＩＮを記憶部２１に格納する。また、図７に示す処理の前、又は後述するステップＳ２４の処理の前に、最大スケール算出部１４は最大スケールＭＳを算出し、算出した最大スケールＭＳを記憶部２１に格納する。
【0074】
（ステップＳ２１）
ステップＳ２１において、特徴マップ生成部１１は、記憶部２１から入力データＩＮを取得する。特徴マップ生成部１１は、入力データに対して直列的に作用することによって複数のスケール別特徴マップを生成する複数の畳み込み層に、取得した入力データＩＮを入力し、畳み込み層による計算を実施する。
ステップＳ２１において、特徴マップ生成部１１は、記憶部２１から入力データＩＮを取得する。特徴マップ生成部１１は、入力データに対して直列的に作用することによって複数のスケール別特徴マップを生成する複数の畳み込み層に、取得した入力データＩＮを入力し、畳み込み層による計算を実施する。
【0075】
（ステップＳ２２）
ステップＳ２２において、特徴マップ生成部１１は、畳み込み層による計算により、複数のスケール別特徴マップＦＭを生成する。特徴マップ生成部１１がスケール別特徴マップＦＭを生成する処理の詳細は、上述した通りである。特徴マップ生成部１１は、生成した複数のスケール別特徴マップＦＭを、記憶部２１に格納する。
ステップＳ２２において、特徴マップ生成部１１は、畳み込み層による計算により、複数のスケール別特徴マップＦＭを生成する。特徴マップ生成部１１がスケール別特徴マップＦＭを生成する処理の詳細は、上述した通りである。特徴マップ生成部１１は、生成した複数のスケール別特徴マップＦＭを、記憶部２１に格納する。
【0076】
（ステップＳ２３）
ステップＳ２３において、特徴系列生成部１２は、記憶部２１から複数のスケール別特徴マップＦＭを取得する。特徴系列生成部１２は、取得した複数のスケール別特徴マップＦＭをスケール別整形部１２１に入力し、取得した複数のスケール別特徴マップＦＭのそれぞれの長さ及び次元数の違いを吸収することにより整形し、特徴データを生成する。特徴系列生成部１２が特徴データを生成する処理の詳細は、上述した通りである。特徴系列生成部１２は、生成した特徴データを複数スケール結合部１２２に供給する。
ステップＳ２３において、特徴系列生成部１２は、記憶部２１から複数のスケール別特徴マップＦＭを取得する。特徴系列生成部１２は、取得した複数のスケール別特徴マップＦＭをスケール別整形部１２１に入力し、取得した複数のスケール別特徴マップＦＭのそれぞれの長さ及び次元数の違いを吸収することにより整形し、特徴データを生成する。特徴系列生成部１２が特徴データを生成する処理の詳細は、上述した通りである。特徴系列生成部１２は、生成した特徴データを複数スケール結合部１２２に供給する。
【0077】
（ステップＳ２４）
ステップＳ２４において、複数スケール結合部１２２は、スケール別整形部１２１が生成した特徴データと、記憶部２１に格納された最大スケールＭＳとを取得する。続いて、複数スケール結合部１２２は、最大スケールＭＳが示す値に対応する特徴系列ＳＦを生成する。複数スケール結合部１２２が特徴系列ＳＦを生成する処理の詳細は、上述した通りである。複数スケール結合部１２２は、生成した特徴系列ＳＦを、記憶部２１に格納する。
ステップＳ２４において、複数スケール結合部１２２は、スケール別整形部１２１が生成した特徴データと、記憶部２１に格納された最大スケールＭＳとを取得する。続いて、複数スケール結合部１２２は、最大スケールＭＳが示す値に対応する特徴系列ＳＦを生成する。複数スケール結合部１２２が特徴系列ＳＦを生成する処理の詳細は、上述した通りである。複数スケール結合部１２２は、生成した特徴系列ＳＦを、記憶部２１に格納する。
【0078】
（ステップＳ２５）
ステップＳ２５において、特徴情報生成部１３は、記憶部２１に格納されている特徴系列ＳＦを取得する。そして、特徴情報生成部１３は、取得した特徴系列ＳＦを再帰的モデルである再帰的ブロックに入力し、特徴情報ＦＩを生成する。
ステップＳ２５において、特徴情報生成部１３は、記憶部２１に格納されている特徴系列ＳＦを取得する。そして、特徴情報生成部１３は、取得した特徴系列ＳＦを再帰的モデルである再帰的ブロックに入力し、特徴情報ＦＩを生成する。
【0079】
上述したように、特徴情報生成部１３が生成した特徴情報ＦＩは、出力する形式に応じて、ＦＣ１８に供給されたり、通信部２２又は出力部２４に供給されたりする。
【0080】
以上のように、本例示的実施形態に係る情報処理装置２は、入力データＩＮから複数のスケール別特徴マップＦＭを生成する特徴マップ生成部１１と、複数のスケール別特徴マップＦＭから特徴系列ＳＦを生成する特徴系列生成部１２と、特徴系列ＳＦを再帰的モデルに入力することによって特徴情報ＦＩを生成する特徴情報生成部１３とを備える構成が採用されている。このため、本例示的実施形態に係る情報処理装置２によれば、情報処理装置１と同様の効果が得られる。
【0081】
［例示的実施形態３］
本発明の第３の例示的実施形態について、図面を参照して詳細に説明する。なお、上述の例示的実施形態にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。
本発明の第３の例示的実施形態について、図面を参照して詳細に説明する。なお、上述の例示的実施形態にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。
【0082】
【0083】
情報処理装置２Ａは、上述した情報処理装置２が備える制御部２０に替えて、制御部２０Ａを備える構成である。記憶部２１、通信部２２、入力部２３、及び出力部２４については、上述した通りである。
【0084】
（制御部２０Ａ）
制御部２０Ａは、情報処理装置２Ａが備える各部を制御する。一例として、制御部２０Ａは、通信部２２及び入力部２３から取得したデータを記憶部２１に格納したり、記憶部２１に格納されているデータを通信部２２及び出力部２４に供給したりする。
制御部２０Ａは、情報処理装置２Ａが備える各部を制御する。一例として、制御部２０Ａは、通信部２２及び入力部２３から取得したデータを記憶部２１に格納したり、記憶部２１に格納されているデータを通信部２２及び出力部２４に供給したりする。
【0085】
制御部２０Ａは、図８に示すように、特徴マップ生成部１１、特徴系列生成部１２、特徴情報生成部１３、最大スケール算出部１４、及び学習部１５としても機能する。特徴マップ生成部１１、特徴系列生成部１２、特徴情報生成部１３、及び最大スケール算出部１４は、本例示的実施形態においてそれぞれ特徴マップ生成手段、特徴系列生成手段、特徴情報生成手段、及び最大スケール算出手段を実現する構成である。
【0086】
特徴マップ生成部１１、特徴系列生成部１２、特徴情報生成部１３、及び最大スケール算出部１４については、上述した通りである。
【0087】
学習部１５は、入力データＩＮと、入力データＩＮに関連付けられた正解ラベルとを参照し、特徴マップ生成部１１が備える畳み込みブロックと、特徴系列生成部１２が備えるＧＰ及びＦＣとの少なくとも何れかのパラメータを更新する。例えば、学習部１５は、入力データＩＮを特徴マップ生成部１１に入力し、特徴情報生成部１３から出力された特徴情報ＦＩが、正解ラベルと一致しない場合、特徴情報ＦＩと正解ラベルとの相違が小さくなるように、特徴マップ生成部１１が備える畳み込みブロックと、特徴系列生成部１２が備えるＧＰ及びＦＣとの少なくとも何れかのパラメータを更新する。
【0088】
以上のように、本例示的実施形態に係る情報処理装置２Ａにおいては、入力データＩＮと、入力データＩＮに関連付けられた正解ラベルとを参照し、畳み込みブロック、ＧＰ、及びＦＣの少なくとも何れかのパラメータを更新する構成が採用されている。このように、本例示的実施形態に係る情報処理装置２Ａにおいては、畳み込みブロック、ＧＰ、及びＦＣを学習させることができるので、好適に適用できる推論技術を提供できる。
【0089】
［例示的実施形態４］
本発明の第４の例示的実施形態について、図面を参照して詳細に説明する。なお、上述の例示的実施形態にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。
本発明の第４の例示的実施形態について、図面を参照して詳細に説明する。なお、上述の例示的実施形態にて説明した構成要素と同じ機能を有する構成要素については、同じ符号を付し、その説明を適宜省略する。
【0090】
【0091】
情報処理装置２Ｂは、対象データＴＤを取得し、対象データＴＤを複数の長さに切り取ることによって複数の入力データＩＮを生成する。そして、情報処理装置２Ｂは、複数の長さのうち、推奨される長さを示す推奨値ＲＶを、複数の入力データＩＮの各々に対応する特徴情報ＦＩを参照することによって決定する。
【0092】
情報処理装置２Ｂは、上述した情報処理装置２が備える記憶部２１及び制御部２０に替えて、記憶部２１Ｂ及び制御部２０Ｂを備える構成である。通信部２２、入力部２３、及び出力部２４については、上述した通りである。
【0093】
記憶部２１Ｂは、後述する制御部２０Ｂが参照するデータが格納される。一例として、記憶部２１Ｂには、上述した記憶部２１に格納されるデータに加えて、対象データＴＤ及び推奨値ＲＶが格納される。
【0094】
（制御部２０Ｂ）
制御部２０Ｂは、情報処理装置２Ｂが備える各部を制御する。一例として、制御部２０Ｂは、通信部２２及び入力部２３から取得したデータを記憶部２１Ｂに格納したり、記憶部２１Ｂに格納されているデータを通信部２２及び出力部２４に供給したりする。
制御部２０Ｂは、情報処理装置２Ｂが備える各部を制御する。一例として、制御部２０Ｂは、通信部２２及び入力部２３から取得したデータを記憶部２１Ｂに格納したり、記憶部２１Ｂに格納されているデータを通信部２２及び出力部２４に供給したりする。
【0095】
制御部２０Ｂは、図９に示すように、特徴マップ生成部１１、特徴系列生成部１２、特徴情報生成部１３、最大スケール算出部１４、入力データ生成部１６、及び推奨部１７としても機能する。特徴マップ生成部１１、特徴系列生成部１２、特徴情報生成部１３、最大スケール算出部１４、入力データ生成部１６、及び推奨部１７は、本例示的実施形態においてそれぞれ特徴マップ生成手段、特徴系列生成手段、特徴情報生成手段、最大スケール算出手段、入力データ生成手段、及び推奨手段を実現する構成である。
【0096】
特徴マップ生成部１１、特徴系列生成部１２、特徴情報生成部１３、及び最大スケール算出部１４については、上述した通りである。
【0097】
入力データ生成部１６は、対象データＴＤを複数の長さに切り取ることによって複数の入力データＩＮを生成する。入力データ生成部１６は、一例として、対象データＴＤを所定の時間（３秒、５秒、及び１０秒など）に切り取った入力データＩＮを生成する。入力データ生成部１６は、生成した入力データＩＮを記憶部２１Ｂに格納する。
【0098】
推奨部１７は、入力データ生成部１６が切り取った複数の長さのうち、推奨される長さを示す推奨値ＲＶを、複数の入力データＩＮの各々に対応する特徴情報ＦＩを参照することによって決定する。推奨部１７は、一例として、特徴情報ＦＩに含まれる確度情報が所定の値より高く、かつ、最も入力データＩＮが短い長さを、推奨値ＲＶに決定する。推奨部１７は、決定した推奨値ＲＶを記憶部２１Ｂに格納する。
【0099】
（情報処理装置２Ｂが実行する処理Ｓ２Ａ）
情報処理装置２Ｂが実行する処理の流れについて、図１０を用いて説明する。図１０は、本例示的実施形態に係る情報処理装置２Ｂが実行する処理Ｓ２Ａの流れを示すフローチャートである。図１０に示す処理の前に、情報処理装置２は、通信部２２又は入力部２３を介して対象データＴＤを取得し、取得した対象データＴＤを記憶部２１Ｂに格納する。また、図７に示す処理と同様に、図１０に示す処理の前、又はステップＳ２４の処理の前に、最大スケール算出部１４は最大スケールＭＳを算出し、算出した最大スケールＭＳを記憶部２１Ｂに格納する。
情報処理装置２Ｂが実行する処理の流れについて、図１０を用いて説明する。図１０は、本例示的実施形態に係る情報処理装置２Ｂが実行する処理Ｓ２Ａの流れを示すフローチャートである。図１０に示す処理の前に、情報処理装置２は、通信部２２又は入力部２３を介して対象データＴＤを取得し、取得した対象データＴＤを記憶部２１Ｂに格納する。また、図７に示す処理と同様に、図１０に示す処理の前、又はステップＳ２４の処理の前に、最大スケール算出部１４は最大スケールＭＳを算出し、算出した最大スケールＭＳを記憶部２１Ｂに格納する。
【0100】
（ステップＳ３１）
ステップＳ３１において、入力データ生成部１６は、記憶部２１Ｂから対象データＴＤを取得する。そして、入力データ生成部１６は、取得した対象データＴＤを複数の長さに切り取ることによって複数の入力データＩＮを生成する。入力データ生成部１６は、生成した複数の入力データＩＮを記憶部２１Ｂに格納する。
ステップＳ３１において、入力データ生成部１６は、記憶部２１Ｂから対象データＴＤを取得する。そして、入力データ生成部１６は、取得した対象データＴＤを複数の長さに切り取ることによって複数の入力データＩＮを生成する。入力データ生成部１６は、生成した複数の入力データＩＮを記憶部２１Ｂに格納する。
【0101】
（ステップＳ２１～ステップＳ２５）
特徴マップ生成部１１が記憶部２１Ｂから入力データＩＮを取得し、特徴情報生成部１３が特徴情報ＦＩを生成する処理であるステップＳ２１～ステップＳ２５は、上述した通りである。
特徴マップ生成部１１が記憶部２１Ｂから入力データＩＮを取得し、特徴情報生成部１３が特徴情報ＦＩを生成する処理であるステップＳ２１～ステップＳ２５は、上述した通りである。
【0102】
（ステップＳ３２）
ステップＳ３２において、推奨部１７は、ステップＳ３１において入力データ生成部１６が切り取った複数の長さのうち、推奨される長さを示す推奨値ＲＶを、複数の入力データＩＮの各々に対応する特徴情報ＦＩを参照することによって決定する。推奨部１７は、決定した推奨値ＲＶを記憶部２１Ｂに格納する。
ステップＳ３２において、推奨部１７は、ステップＳ３１において入力データ生成部１６が切り取った複数の長さのうち、推奨される長さを示す推奨値ＲＶを、複数の入力データＩＮの各々に対応する特徴情報ＦＩを参照することによって決定する。推奨部１７は、決定した推奨値ＲＶを記憶部２１Ｂに格納する。
【0103】
推奨値ＲＶは、入力データ生成部１６が参照し、推奨値ＲＶの長さの入力データＩＮを生成する構成であってもよい。また、推奨値ＲＶは、情報処理装置２以外の装置において参照され、当該装置において推奨値ＲＶの長さの入力データＩＮを生成し、生成された入力データＩＮが情報処理装置２Ｂに入力される構成であってもよい。
【0104】
以上のように、本例示的実施形態に係る情報処理装置２Ｂにおいては、対象データＴＤを複数の長さに切り取ることによって複数の入力データＩＮを生成する入力データ生成部１６と、複数の長さのうち、推奨される長さを示す推奨値ＲＶを、複数の入力データＩＮの各々に対応する特徴情報ＦＩを参照することによって決定する推奨部１７と、を備える構成が採用されている。このように、本例示的実施形態に係る情報処理装置２Ｂにおいては、確度が高く、かつ、処理する時間が短くなる入力データＩＮを生成することができる。
【0105】
〔ソフトウェアによる実現例〕
情報処理装置１、２、２Ａ、２Ｂの一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。
情報処理装置１、２、２Ａ、２Ｂの一部又は全部の機能は、集積回路（ＩＣチップ）等のハードウェアによって実現してもよいし、ソフトウェアによって実現してもよい。
【0106】
後者の場合、情報処理装置１、２、２Ａ、２Ｂは、例えば、各機能を実現するソフトウェアであるプログラムの命令を実行するコンピュータによって実現される。このようなコンピュータの一例（以下、コンピュータＣと記載する）を図１１に示す。コンピュータＣは、少なくとも１つのプロセッサＣ１と、少なくとも１つのメモリＣ２と、を備えている。メモリＣ２には、コンピュータＣを情報処理装置１、２、２Ａ、２Ｂとして動作させるためのプログラムＰが記録されている。コンピュータＣにおいて、プロセッサＣ１は、プログラムＰをメモリＣ２から読み取って実行することにより、情報処理装置１、２、２Ａ、２Ｂの各機能が実現される。
【0107】
プロセッサＣ１としては、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphic Processing Unit）、ＤＳＰ（Digital Signal Processor）、ＭＰＵ（Micro Processing Unit）、ＦＰＵ（Floating point number Processing Unit）、ＰＰＵ（Physics Processing Unit）、マイクロコントローラ、又は、これらの組み合わせなどを用いることができる。メモリＣ２としては、例えば、フラッシュメモリ、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又は、これらの組み合わせなどを用いることができる。
【0108】
なお、コンピュータＣは、プログラムＰを実行時に展開したり、各種データを一時的に記憶したりするためのＲＡＭ（Random Access Memory）を更に備えていてもよい。また、コンピュータＣは、他の装置との間でデータを送受信するための通信インタフェースを更に備えていてもよい。また、コンピュータＣは、キーボードやマウス、ディスプレイやプリンタなどの入出力機器を接続するための入出力インタフェースを更に備えていてもよい。
【0109】
また、プログラムＰは、コンピュータＣが読み取り可能な、一時的でない有形の記録媒体Ｍに記録することができる。このような記録媒体Ｍとしては、例えば、テープ、ディスク、カード、半導体メモリ、又はプログラマブルな論理回路などを用いることができる。コンピュータＣは、このような記録媒体Ｍを介してプログラムＰを取得することができる。また、プログラムＰは、伝送媒体を介して伝送することができる。このような伝送媒体としては、例えば、通信ネットワーク、又は放送波などを用いることができる。コンピュータＣは、このような伝送媒体を介してプログラムＰを取得することもできる。
【0110】
〔付記事項１〕
本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能である。例えば、上述した実施形態に開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。
本発明は、上述した実施形態に限定されるものでなく、請求項に示した範囲で種々の変更が可能である。例えば、上述した実施形態に開示された技術的手段を適宜組み合わせて得られる実施形態についても、本発明の技術的範囲に含まれる。
【0111】
〔付記事項２〕
上述した実施形態の一部又は全部は、以下のようにも記載され得る。ただし、本発明は、以下の記載する態様に限定されるものではない。
上述した実施形態の一部又は全部は、以下のようにも記載され得る。ただし、本発明は、以下の記載する態様に限定されるものではない。
【0112】
（付記１）
入力データから複数のスケール別特徴マップを生成する特徴マップ生成手段と、前記複数のスケール別特徴マップから、特徴系列を生成する特徴系列生成手段と、前記特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成手段とを備える情報処理装置。
入力データから複数のスケール別特徴マップを生成する特徴マップ生成手段と、前記複数のスケール別特徴マップから、特徴系列を生成する特徴系列生成手段と、前記特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成手段とを備える情報処理装置。
【0113】
上記の構成によれば、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供することができる。
【0114】
（付記２）
最大スケールを算出する最大スケール算出手段を備え、前記特徴系列生成手段は、前記最大スケールに応じた長さの特徴系列を生成する付記１に記載の情報処理装置。
最大スケールを算出する最大スケール算出手段を備え、前記特徴系列生成手段は、前記最大スケールに応じた長さの特徴系列を生成する付記１に記載の情報処理装置。
【0115】
上記の構成によれば、不要なデータの処理を省略することができる。
【0116】
（付記３）
前記最大スケール算出手段は、前記入力データ又は前記入力データに関連付けられた関連情報を参照して、前記最大スケールを算出する付記２に記載の情報処理装置。
前記最大スケール算出手段は、前記入力データ又は前記入力データに関連付けられた関連情報を参照して、前記最大スケールを算出する付記２に記載の情報処理装置。
【0117】
上記の構成によれば、データを好適に処理することができる。
【0118】
（付記４）
前記特徴マップ生成手段は、前記入力データに対して直列的に作用することによって、前記複数のスケール別特徴マップを生成する複数の畳み込み層を備えている付記１から３の何れかに記載の情報処理装置。
前記特徴マップ生成手段は、前記入力データに対して直列的に作用することによって、前記複数のスケール別特徴マップを生成する複数の畳み込み層を備えている付記１から３の何れかに記載の情報処理装置。
【0119】
上記の構成によれば、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供することができる。
【0120】
（付記５）
前記特徴系列生成手段は、前記複数の畳み込み層の各々に関し、当該畳み込み層が出力するスケール別特徴マップに作用するグローバルプーリング層と、前記グローバルプーリング層の出力に作用する全結合層とを備えている付記４に記載の情報処理装置。
前記特徴系列生成手段は、前記複数の畳み込み層の各々に関し、当該畳み込み層が出力するスケール別特徴マップに作用するグローバルプーリング層と、前記グローバルプーリング層の出力に作用する全結合層とを備えている付記４に記載の情報処理装置。
【0121】
上記の構成によれば、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供することができる。
【0122】
（付記６）
前記特徴系列生成手段は、複数の前記全結合層の各々が出力する特徴データを、当該特徴データに対応するスケールの順に並べることによって前記特徴系列を生成する付記５に記載の情報処理装置。
前記特徴系列生成手段は、複数の前記全結合層の各々が出力する特徴データを、当該特徴データに対応するスケールの順に並べることによって前記特徴系列を生成する付記５に記載の情報処理装置。
【0123】
上記の構成によれば、データを好適に処理することができる。
【0124】
（付記７）
対象データを複数の長さに切り取ることによって複数の前記入力データを生成する入力データ生成手段と、前記複数の長さのうち、推奨される長さを、複数の前記入力データの各々に対応する特徴情報を参照することによって決定する推奨手段とを備えている付記１から６の何れかに記載の情報処理装置。
対象データを複数の長さに切り取ることによって複数の前記入力データを生成する入力データ生成手段と、前記複数の長さのうち、推奨される長さを、複数の前記入力データの各々に対応する特徴情報を参照することによって決定する推奨手段とを備えている付記１から６の何れかに記載の情報処理装置。
【0125】
上記の構成によれば、データを好適に処理することができる。
【0126】
（付記８）
情報処理装置が、入力データから複数のスケール別特徴マップを生成することと、前記複数のスケール別特徴マップから、特徴系列を生成することと、前記特徴系列を再帰的モデルに入力することによって特徴情報を生成することとを含む情報処理方法。
情報処理装置が、入力データから複数のスケール別特徴マップを生成することと、前記複数のスケール別特徴マップから、特徴系列を生成することと、前記特徴系列を再帰的モデルに入力することによって特徴情報を生成することとを含む情報処理方法。
【0127】
上記の構成によれば、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供することができる。
【0128】
（付記９）
前記情報処理装置が、最大スケールを算出することを含み、前記特徴系列を生成することにおいて、前記最大スケールに応じた長さの特徴系列を生成する付記８に記載の情報処理方法。
前記情報処理装置が、最大スケールを算出することを含み、前記特徴系列を生成することにおいて、前記最大スケールに応じた長さの特徴系列を生成する付記８に記載の情報処理方法。
【0129】
上記の構成によれば、不要なデータの処理を省略することができる。
【0130】
（付記１０）
前記最大スケールを算出することにおいて、前記入力データ又は前記入力データに関連付けられた関連情報を参照して、前記最大スケールを算出する付記９に記載の情報処理方法。
前記最大スケールを算出することにおいて、前記入力データ又は前記入力データに関連付けられた関連情報を参照して、前記最大スケールを算出する付記９に記載の情報処理方法。
【0131】
上記の構成によれば、データを好適に処理することができる。
【0132】
（付記１１）
前記特徴マップを生成することにおいて、複数の畳み込み層が、前記入力データに対して直列的に作用することによって、前記複数のスケール別特徴マップを生成する付記８から１０の何れかに記載の情報処理方法。
前記特徴マップを生成することにおいて、複数の畳み込み層が、前記入力データに対して直列的に作用することによって、前記複数のスケール別特徴マップを生成する付記８から１０の何れかに記載の情報処理方法。
【0133】
上記の構成によれば、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供することができる。
【0134】
（付記１２）
前記特徴系列を生成することにおいて、前記複数の畳み込み層の各々に関し、グローバルプーリング層が、当該畳み込み層が出力するスケール別特徴マップに作用することと、全結合層が、前記グローバルプーリング層の出力に作用することとを含む付記１１に記載の情報処理方法。
前記特徴系列を生成することにおいて、前記複数の畳み込み層の各々に関し、グローバルプーリング層が、当該畳み込み層が出力するスケール別特徴マップに作用することと、全結合層が、前記グローバルプーリング層の出力に作用することとを含む付記１１に記載の情報処理方法。
【0135】
上記の構成によれば、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供することができる。
【0136】
（付記１３）
前記特徴系列を生成することにおいて、複数の前記全結合層の各々が出力する特徴データを、当該特徴データに対応するスケールの順に並べることによって前記特徴系列を生成する付記１２に記載の情報処理方法。
前記特徴系列を生成することにおいて、複数の前記全結合層の各々が出力する特徴データを、当該特徴データに対応するスケールの順に並べることによって前記特徴系列を生成する付記１２に記載の情報処理方法。
【0137】
上記の構成によれば、データを好適に処理することができる。
【0138】
（付記１４）
前記情報処理装置が、対象データを複数の長さに切り取ることによって複数の前記入力データを生成することと、前記複数の長さのうち、推奨される長さを、複数の前記入力データの各々に対応する特徴情報を参照することによって決定することとを含む付記８から１３の何れかに記載の情報処理方法。
前記情報処理装置が、対象データを複数の長さに切り取ることによって複数の前記入力データを生成することと、前記複数の長さのうち、推奨される長さを、複数の前記入力データの各々に対応する特徴情報を参照することによって決定することとを含む付記８から１３の何れかに記載の情報処理方法。
【0139】
上記の構成によれば、データを好適に処理することができる。
【0140】
（付記１５）
コンピュータを付記１～７の何れか一に記載の情報処理装置として動作させるためのプログラムであって、前記コンピュータを前記各手段として機能させる、ことを特徴とするプログラム。
コンピュータを付記１～７の何れか一に記載の情報処理装置として動作させるためのプログラムであって、前記コンピュータを前記各手段として機能させる、ことを特徴とするプログラム。
【0141】
上記の構成によれば、様々な長さを有するデータが入力される場合にも好適に適用できる推論技術を提供することができる。
【0142】
〔付記事項３〕
上述した実施形態の一部又は全部は、更に、以下のように表現することもできる。
上述した実施形態の一部又は全部は、更に、以下のように表現することもできる。
【0143】
少なくとも１つのプロセッサを備え、前記プロセッサは、入力データから複数のスケール別特徴マップを生成する特徴マップ生成処理と、前記複数のスケール別特徴マップから、特徴系列を生成する特徴系列生成処理と、前記特徴系列を再帰的モデルに入力することによって特徴情報を生成する特徴情報生成処理とを実行する情報処理装置。
【0144】
なお、この情報処理装置は、更にメモリを備えていてもよく、このメモリには、前記特徴マップ生成処理と、前記特徴系列生成処理と、前記特徴情報生成処理とを前記プロセッサに実行させるためのプログラムが記憶されていてもよい。また、このプログラムは、コンピュータ読み取り可能な一時的でない有形の記録媒体に記録されていてもよい。
【符号の説明】
【0145】
１、２、２Ａ、２Ｂ 情報処理装置
１１ 特徴マップ生成部
１２ 特徴系列生成部
１３ 特徴情報生成部
１４ 最大スケール算出部
１５ 学習部
１６ 入力データ生成部
１７ 推奨部
２０、２０Ａ、２０Ｂ 制御部
２１、２１Ｂ 記憶部
２２ 通信部
２３ 入力部
２４ 出力部
１２１ スケール別整形部
１２２ 複数スケール結合部
１１ 特徴マップ生成部
１２ 特徴系列生成部
１３ 特徴情報生成部
１４ 最大スケール算出部
１５ 学習部
１６ 入力データ生成部
１７ 推奨部
２０、２０Ａ、２０Ｂ 制御部
２１、２１Ｂ 記憶部
２２ 通信部
２３ 入力部
２４ 出力部
１２１ スケール別整形部
１２２ 複数スケール結合部
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】