信息处理方法、信息处理装置及程序记录介质制造方法及图纸

目的是提供一种对于不特定的装置的结构或方法能够使学习用数据的多样性提高的信息处理方法、信息处理装置及程序记录介质。信息处理方法取得从搭载在车辆(200)上的传感器得到的感应数据、以及车辆(200)的1种以上的行驶数据；将感应数据与1种以上的行驶数据建立对应；判定1种以上的行驶数据相对于与1个以上的其他的感应数据建立了对应的1个以上的其他的行驶数据的脱离度；根据脱离度选择感应数据作为学习用数据。

Information Processing Method, Information Processing Device and Program Recording Media

【技术实现步骤摘要】
信息处理方法、信息处理装置及程序记录介质
本公开涉及选择作为学习用数据的感应数据的信息处理方法、信息处理装置及程序记录介质。
技术介绍
在专利文献1中，公开了一种使选择执行者或学习代理(agent)从所得到的检测值为预先设定的阈值以上的图像数据之中选择在学习中使用的信息的异常判定装置。专利文献1：日本特开2016－173682号公报
技术实现思路
但是，在专利文献1中，由于使用由异常判定装置得到的检测值，所以选择的是对于特定的异常判定装置中的学习有效的数据。由此，在专利文献1的技术中，对于不特定的装置的结构或方法并不一定能够确保学习用数据的多样性。所以，在本公开中，目的是提供一种对于不特定的装置的结构或方法能够使学习用数据的多样性提高的信息处理方法、信息处理装置及程序记录介质。有关本公开的信息处理方法，使用计算机执行如下处理：取得从搭载在车辆上的传感器得到的感应数据、以及上述车辆的1种以上的行驶数据；将上述感应数据与上述1种以上的行驶数据建立对应；判定上述1种以上的行驶数据相对于与1个以上的其他的感应数据建立了对应的1个以上的其他的行驶数据的脱离度；以及根据上述脱离度选择上述感应数据作为学习用数据。此外，有关本公开的另一技术方案的信息处理方法，使用计算机执行如下处理：取得从搭载在车辆上的传感器得到的感应数据、以及上述车辆的1种以上的行驶数据；将上述感应数据与上述1种以上的行驶数据建立对应；生成用来判定上述1种以上的行驶数据相对于与1个以上的其他的感应数据建立了对应的1个以上的其他的行驶数据的脱离度的计算模型；以及提供上述计算模型。另外，这些整体或具体的技术方案也可以由系统、装置、集成电路、计算机程序或计算机可读取的CD－ROM等的记录介质实现，也可以由系统、装置、集成电路、计算机程序及记录介质的任意的组合来实现。有关本公开的信息处理方法、信息处理装置及程序能够对于不特定的装置的结构或方法使学习用数据的多样性提高。附图说明图1是表示有关实施方式1的信息处理系统的外观图的图。图2是表示有关实施方式的信息处理装置的硬件结构的一例的框图。图3是表示有关实施方式1的车辆的硬件结构的一例的框图。图4是表示CAN数据的一例的图。图5是表示有关实施方式1的信息处理系统的功能结构的一例的框图。图6是用来说明由信息处理装置的对应建立部进行的图像数据与行驶数据的对应建立的图。图7是表示对应建立后的图像数据与行驶数据的组合的一例的图。图8是一维地表示多个种类的行驶数据的正态分布的概念图。图9是表示信息处理系统的动作的一例的序列图。图10是表示有关实施方式2的车辆的功能结构的一例的图。图11是表示有关实施方式2的车辆的动作的一例的流程图。具体实施方式(作为本公开的基础的认识)近年来，在自动驾驶、监视照相机、机器人等的领域，采用对于由照相机摄像的图像、使用深度学习等的机器学习的物体检测。在这样的物体检测中，大量地需要在机器学习中使用的教师数据。因此，收集由各种各样的照相机摄像的大量的图像，通过人对所收集到的图像赋予正解来生成教师数据。但是，由于在人对图像赋予正解方面花费成本，所以单单从所得到的全部的大量的图像生成教师数据并非优选。此外，即使不考虑成本而得到了对大量的图像的全部赋予了正解的教师数据，关于所得到的大量的教师数据也需要执行机器学习，所以在机器学习中花费的处理负荷变大，此外处理时间也变长。由此，为了效率良好地进行机器学习，需要从大量的图像之中选择对于机器学习有效的图像。这里，在机器学习中利用的大量的图像需要由在相互不同的各种各样的状况下摄像的多个图像构成，即由有多样性的多个图像构成。换言之，与使用在相互近似的状况下摄像的多个图像相比，使用在相互不同的状况下摄像的多个图像，对于实现效率较好的机器学习更有效。如上述那样，在专利文献1的异常判定装置中，从得到的图像数据之中缩减为基于图像数据的检测值是预先设定的阈值以上的图像数据，使选择执行者或学习代理从缩减后的图像数据之中选择在学习中使用的信息。即，在该异常判定装置中，作为用来将图像数据缩减为在机器学习中使用的图像的选择指标，使用该异常判定装置中的检测结果。因此，可以认为是适合于将对于特定的异常判定装置中的机器学习有效的图像数据缩减的方法。但是，如果装置的结构或方法变化，则得到的检测值变化，所以在专利文献1的异常判定装置中缩减后的图像数据在其他结构的装置或方法中不一定能够实现效率较好的机器学习。即，在以往技术中，难以从所取得的许多的感应数据中选择用来执行不论装置的结构或方法如何都效率较好的机器学习的感应数据。为了解决这样的问题，有关本公开的一技术方案的信息处理方法，使用计算机执行如下处理：取得从搭载在车辆上的传感器得到的感应数据、以及上述车辆的1种以上的行驶数据；将上述感应数据与上述1种以上的行驶数据建立对应；判定上述1种以上的行驶数据相对于与1个以上的其他的感应数据建立了对应的1个以上的其他的行驶数据的脱离度；以及根据上述脱离度选择上述感应数据作为学习用数据。由此，判定所取得的1种以上的行驶数据相对于与已经被选择为在机器学习中利用的学习用数据的感应数据建立了对应的1个以上的其他的行驶数据的脱离度，选择与判定出的脱离度为规定的阈值以上的1种以上的行驶数据建立了对应的感应数据作为学习用数据。因此，能够选择不和与已经被选择的感应数据建立了对应的1个以上的其他的行驶数据类似的1种以上的行驶数据所对应的感应数据，能够选择在不同的状况下感应出的感应数据。由此，在上述信息处理方法中，对于不特定的装置的结构或方法能够使学习用数据的多样性提高。即，能够从所取得的许多感应数据中，选择用来执行不论装置的结构或方法如何效率都较好的机器学习的感应数据。此外，也可以是，还将与被选择为上述学习用数据的感应数据建立了对应的1种以上的行驶数据添加到上述1个以上的其他的行驶数据中。由此，由于将1个以上的其他的行驶数据更新，所以在判定中，能够适当地判定与新的感应数据建立了对应的多个行驶数据的脱离度。此外，也可以是，在上述建立对应中，将上述感应数据与该感应数据的感应时的1种以上的行驶数据建立对应。由此，由于使用在感应出感应数据时得到的1种以上的行驶数据，选择作为学习用数据的感应数据，所以能够精度更好地选择用来执行效率较好的机器学习的感应数据。此外，也可以是，上述1种以上的行驶数据是2种以上的行驶数据；在上述选择中，根据使用上述2种以上的行驶数据判定出的上述脱离度，选择上述感应数据作为上述学习用数据。由此，由于使用2种以上的行驶数据选择用来执行机器学习的感应数据，所以能够精度更好地选择用来执行效率较好的机器学习的感应数据。此外，也可以是，在上述判定中，使用上述2种以上的行驶数据的组合判定上述脱离度，在上述选择中，根据使用上述组合判定出的上述脱离度，选择上述感应数据作为上述学习用数据。此外，也可以是，在上述判定中，使用2种以上的行驶数据，按照每个种类判定上述脱离度；在上述选择中，根据按照上述2种以上的行驶数据的每个种类判定出的2个以上的上述脱离度，选择上述感应数据作为上述学习用数据。此外，也可以是，在上述选择中，将上述2个以上的脱离度综合，根据综合结果选择上述感应数据作为上述学习用数据。此外，也可以是，在上述本文档来自技高网...

【技术保护点】
1.一种信息处理方法，其特征在于，使用计算机执行如下处理：取得从搭载在车辆上的传感器得到的感应数据、以及上述车辆的1种以上的行驶数据；将上述感应数据与上述1种以上的行驶数据建立对应；判定上述1种以上的行驶数据相对于与1个以上的其他的感应数据建立了对应的1个以上的其他的行驶数据的脱离度；以及根据上述脱离度选择上述感应数据作为学习用数据。

【技术特征摘要】
2018.07.25 JP 2018-139709;2017.12.14 US 62/5987451.一种信息处理方法，其特征在于，使用计算机执行如下处理：取得从搭载在车辆上的传感器得到的感应数据、以及上述车辆的1种以上的行驶数据；将上述感应数据与上述1种以上的行驶数据建立对应；判定上述1种以上的行驶数据相对于与1个以上的其他的感应数据建立了对应的1个以上的其他的行驶数据的脱离度；以及根据上述脱离度选择上述感应数据作为学习用数据。2.如权利要求1所述的信息处理方法，其特征在于，还将与被选择为上述学习用数据的感应数据建立了对应的1种以上的行驶数据添加到上述1个以上的其他的行驶数据中。3.如权利要求1或2所述的信息处理方法，其特征在于，在上述建立对应中，将上述感应数据与该感应数据的感应时的1种以上的行驶数据建立对应。4.如权利要求1或2所述的信息处理方法，其特征在于，上述1种以上的行驶数据是2种以上的行驶数据；在上述选择中，根据使用上述2种以上的行驶数据判定出的上述脱离度，选择上述感应数据作为上述学习用数据。5.如权利要求4所述的信息处理方法，其特征在于，在上述判定中，使用上述2种以上的行驶数据的组合判定上述脱离度，在上述选择中，根据使用上述组合判定出的上述脱离度，选择上述感应数据作为上述学习用数据。6.如权利要求4所述的信息处理方法，其特征在于，在上述判定中，使用2种以上的行驶数据，按照每个种类判定上述脱离度；在上述选择中，根据按照上述2种以上的行驶数据的每个种类判定出的2个以上的上述脱离度，选择上述感应数据作为上述学习用数据。7.如权利要求6所述的信息处理方法，其特征在于，在上述选择中，将上述2个以上的脱离度综合，根据综合结果选择上述感应数据作为上述学习用数据。8.如权利要求6所述的信息处理方法，其特征在于，在上述判定中，使用...

【专利技术属性】
技术研发人员：山口拓也，石川和史，
申请(专利权)人：松下电器美国知识产权公司，
类型：发明
国别省市：美国,US