机器学习系统、域变换装置、及机器学习方法制造方法及图纸

一种机器学习系统、域变换装置、及机器学习方法，机器学习系统具备：第一判定模型，判定输入图像是否是第二域图像；第二判定模型，判定从输入图像提取了存在对象物的区域后的提取图像是否是从第二域图像提取了存在对象物的区域后的提取图像，选择伪第二域图像及第二域图像的其中一个并输入至第一判定模型，选择伪第二域图像的第一提取图像和第二域图像的第二提取图像的其中一个并输入至图像提取部，基于第一判定模型的第一判定结果进行第一判定模型的学习，基于第二判定模型的第二判定结果进行第二判定模型的学习，基于第一判定结果和第二判定结果进行将对对象物进行拍摄而得到的第一域图像变换为伪第二域图像的伪图像生成模型的学习。

Machine learning system, domain transformation device and machine learning method

【技术实现步骤摘要】
机器学习系统、域变换装置、及机器学习方法
本专利技术涉及机器学习系统、域变换装置、及机器学习方法。
技术介绍
在专利文献1中，关于生成模型学习方法，关于抑制对用户来说不好的数据的生成的技术进行了记载。生成模型学习方法包含：第一学习工序，基于预先准备的学习数据，通过无监督学习对第一生成模型进行学习；生成工序，生成基于第一生成模型的生成数据；以及第二学习工序，基于学习数据和由用户判定为不好的生成数据，通过监督学习对第二生成模型进行学习。在非专利文献1中，关于通过对使用敌对的生成网络(生成对抗网络(GAN：GenerativeAdversarialnetwork))，保持来自模拟装置的注释(annotation)信息，且对使用实际数据来改善模拟装置的输出的现实感(reality)的模型进行学习，从而使合成图像和实际的图像的差距(gap)减少的技术进行了记载。现有技术文献专利文献专利文献1：(日本)特开2018-63504号公报非专利文献1："LearningfromSimulatedandUnsuper本文档来自技高网...

【技术保护点】
1.一种机器学习系统，是进行伪图像生成模型的学习的信息处理系统，该伪图像生成模型是将对作为辨识对象的物体的对象物进行拍摄而得到的第一域中的图像即第一域图像变换为与第二域中的图像即第二域图像相似的图像即伪第二域图像的机器学习模型，/n所述机器学习系统具备：/n第一判定模型，判定所输入的图像是否是所述第二域图像；/n第二判定模型，判定从所述输入的图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像即提取图像，是否是从所述第二域图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像；/n图像提取部，生成所述提取图像并输入至所述第二判定模型；/n选择输入部，选择所述伪第二域图...

【技术特征摘要】
20181211 JP 2018-2313331.一种机器学习系统，是进行伪图像生成模型的学习的信息处理系统，该伪图像生成模型是将对作为辨识对象的物体的对象物进行拍摄而得到的第一域中的图像即第一域图像变换为与第二域中的图像即第二域图像相似的图像即伪第二域图像的机器学习模型，
所述机器学习系统具备：
第一判定模型，判定所输入的图像是否是所述第二域图像；
第二判定模型，判定从所述输入的图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像即提取图像，是否是从所述第二域图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像；
图像提取部，生成所述提取图像并输入至所述第二判定模型；
选择输入部，选择所述伪第二域图像及所述第二域图像的其中一个并输入至所述第一判定模型，并且选择所述伪第二域图像和针对该伪第二域图像的所述区域信息即第一区域信息的第一组合、及所述第二域图像和针对该第二域图像的所述区域信息即第二区域信息的第二组合的其中一个并输入至所述图像提取部；以及
学习处理部，基于包含所述第一判定模型的判定的结果和针对该判定的正确解信息的第一判定结果进行所述第一判定模型的学习，基于包含所述第二判定模型的判定的结果和针对该判定的正确解信息的第二判定结果进行所述第二判定模型的学习，基于所述第一判定结果和所述第二判定结果进行所述伪图像生成模型的学习。


2.如权利要求1所述的机器学习系统，
所述图像提取部生成从所述输入的图像提取了存在所述对象物的区域后的图像作为所述提取图像。


3.如权利要求1所述的机器学习系统，
所述图像提取部生成从所述输入的图像提取了不存在所述对象物的区域后的图像作为所述提取图像。


4.如权利要求1所述的机器学习系统，
所述第一域图像是由能够取得表示距离被摄体的距离的信息的拍摄装置拍摄的图像，所述区域信息是基于与所述距离相关的信息而取得的信息。


5.如权利要求1所述的机器学习系统，
所述区域信息是通过对所述第一域图像进行图像处理从而取得的信息。


6.一种机器学习系统，是进行伪图像生成模型的学习的信息处理系统，该伪图像生成模型是将对作为辨识对象的物体的对象物进行拍摄而得到的第一域中的图像即第一域图像变换为与第二域中的图像即第二域图像相似的图像即伪第二域图像的机器学习模型，
所述机器学习系统具备：
第一判定模型，判定所输入的图像是否是所述第二域图像；
第二判定模型，判定从所述输入的图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像即第一提取图像，是否是从所述第二域图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像；
第三判定模型，判断从所述输入的图像基于所述区域信息而提取了不存在所述对象物的区域后的图像即第二提取图像，是否是从所述第二域图像基于所述区域信息而提取了不存在所述对象物的区域后的图像；
图像提取部，生成所述第一提取图像而输入至所述第二判定模型，生成所述第二提取图像而输入至所述第三判定模型；
选择输入部，选择所述伪第二域图像及所述第二域图像的其中一个而输入至所述第一判定模型，并且选择所述伪第二域图像和针对该伪第二域图像的所述区域信息即第一区域信息的第一组合、及所述第二域图像和针对该第二域图像的所述区域信息即第二区域信息的第二组合的其中一个组合而输入至所述图像提取部；以及
学习处理部，基于包含所述第一判定模型的判定的结果和针对该判定的正确解信息的第一判定结果进行所述第一判定模型的学习，基于包含所述第二判定模型的判定的结果和针对该判定的正确解信息的第二判定结果进行所述第二判定模型的学习，基于包含所述第三判定模型的判定的结果和针对该判定的正确解信息的第三判定结果进行所述第三判定模型的学习，基于所述第一判定结果、所述第二判定结果、及所述第三判定结果进行所述伪图像生成模型的学习。


7.如权利要求6所述的机器学习系统，
所述第一域图像是由能够取得与距离被摄体的距离相关的信息的拍摄装置拍摄的图像，所述区域信息是基于与所述距离相关的信息而取得的信息。

【专利技术属性】
技术研发人员：坂井亮，木村宣隆，三木崇弘，
申请(专利权)人：株式会社日立制作所，
类型：发明
国别省市：日本;JP