学习装置、印刷控制装置以及存储装置制造方法及图纸

提供了一种可以选择适于印刷的图像作为推荐图像的学习装置、印刷控制装置以及存储装置等。学习装置(100)包括获取部(110)和学习部(120)。获取部(110)获取图像以及表示对图像是否进行过印刷的指示的指示履历信息。学习部(120)基于将图像与指示履历信息建立对应而得到的数据集，对应该推荐印刷的推荐图像的条件进行机器学习。

Learning device, printing control device and storage device

【技术实现步骤摘要】
学习装置、印刷控制装置以及存储装置
本专利技术涉及一种学习装置、印刷控制装置以及学习完成模型等。
技术介绍
近年，随着数码相机的普及等，用户可以获取的图像数据的量大幅地增多。由于图像的数量增多，作为印刷对象的图像的选择变得困难。例如，在用户通过手动作业选择图像时会消耗时间。专利文献1公开了一种基于评价值从多个图像中选择推荐印刷的图像的方案。专利文献1：日本特开2010-173323号公报
技术实现思路
在现有方案中，用于推荐适当的图像的参数设定所消耗的工时变得巨大。例如在专利文献1公开的方案中，用于设定适当的评价值的负担非常大。本公开的一方面涉及一种学习装置，其包括获取图像以及表示对所述图像是否进行过印刷的指示的指示履历信息的获取部、以及基于将所述图像与所述指示履历信息建立对应而得到的数据集对应该推荐印刷的推荐图像的条件进行机器学习的学习部。附图说明图1是学习装置的结构例。图2是包括学习装置的系统的结构例。图3是神经网络的结构例。图4是说明误差反向传播法的图。图5是印刷控制装置的结构例。图6是包括印刷控制装置的系统的结构例。图7是说明在推论处理中的输入数据和输出数据的例子的图。图8是说明推论处理的流程图。图9是学习装置的其他的结构例。图10是说明采用推论处理结果进行追加学习的处理的流程图。图11是说明推论处理中的输入数据和输出数据的其他例子的图。附图标记说明>10…印刷装置，20…处理装置，21…存储部，30…云，40…服务器系统，50…移动终端装置，60…摄像装置，100…学习装置，110…获取部，120…学习部，200…印刷控制装置，210…受理部，220…处理部，230…存储部。具体实施方式以下，对本实施方式进行说明。需要指出，以下说明的本实施方式并非对记载于专利权利要求的范围的内容进行不当地限定。此外，在本实施方式中说明的结构都不限定作为必须的构成要件。1.概要近年，数码相机的普及等成为主要因素，大量的图像可以容易地获取。在印刷装置中进行图像的印刷的情况下，需要从大量的候补图像中选择印刷对象图像。印刷对象图像是在印刷装置中成为印刷的对象的图像。候补图像是成为印刷对象图像的候补的图像并是用户可以访问的图像。由于候补图像的张数很多，因此在用户通过手动进行印刷对象图像的选择时，用户的负担很大。针对于此，从多个图像中自动地选择希望的图像的方案也被公开。例如，基于图像求出给定的特征量，进行该特征量与事先设定的参数的比较处理。如果用户能够将与希望印刷的图像共同的特征作为参数预先进行设定，那么基于上述比较处理可以自动地提取适当的图像，从而可以减轻用户的负担。但是，对上述参数进行适当地设定并不容易。例如，图像包括人物图像、风景图像等不同种类的图像。风景图像中自然物与人工物也可能有较大区别，还有即便是在自然物当中，也可以细分为山岳、溪流、黄昏等。从这么多种多样的图像中，在将选择推荐印刷的图像的参数通过手动进行设定的情况下，该设定的工时变得巨大。另外，如果要使用户的偏好得到反映，那么需要将上述参数针对每个用户进行调整。因此，参数设定的工时进一步增多。因此，在本实施方式中，对作为推荐印刷的图像的推荐图像的条件进行机器学习。由此，由于自动地学习推荐图像的条件，因此推荐印刷适当的图像的系统，例如作为输入对判定对象图像进行受理并判定该判定对象图像是否为推荐图像的系统的构建是容易的。另外，通过将学习所采用的数据作为用户固有的数据，也可以获取反映每个用户的偏好的学习结果。以下，分别对本实施方式中的学习处理、推论处理进行说明。学习处理是通过进行基于训练数据的机器学习而获取学习结果的处理。学习结果具体而言是学习完成模型。推论处理是采用通过学习处理生成的学习完成模型而输出基于输入的一些推论结果的处理。另外，也对基于推论处理的结果而更新学习完成模型的方案进行说明。2.学习处理2.1学习装置的结构例图1是示出本实施方式的学习装置100的结构例的图。学习装置100包括获取用于学习的训练数据的获取部110以及基于该训练数据进行机器学习的学习部120。获取部110例如是从其它装置获取训练数据的通信接口。或者，获取部110也可以获取学习装置100所保持的训练数据。例如，学习装置100包括未图示的存储部，获取部110是用于从该存储部读出训练数据的接口。本实施方式中的学习例如是监督式学习。监督式学习中的训练数据是将输入数据与正确标签建立对应而得到的数据集。正确标签也可以改述为教师数据。学习部120进行基于获取部110获取的训练数据的机器学习并生成学习完成模型。需要指出，本实施方式的学习部120由下述的硬件构成。硬件可以包括处理数字信号的电路以及处理模拟信号的电路中的至少一种。例如，硬件可以由安装于电路基板的一个或多个电路装置、一个或多个电路元件构成。一个或多个电路装置例如为IC(IntegratedCircuit集成电路)等。一个或多个电路元件例如为电阻、电容器等。另外，学习部120也可以通过下述的处理器实现。本实施方式的学习装置100包括存储信息的存储器以及基于存储于存储器的信息而进行动作的处理器。信息例如为程序和各种数据等。处理器包括硬件。处理器可以采用CPU(CentralProcessingUnit中央处理器)、GPU(GraphicsProcessingUnit图像处理器)、DSP(DigitalSignalProcessor数字信号处理器)等各种处理器。存储器可以是SRAM(StaticRandomAccessMemory静态随机存取存储器)、DRAM(DynamicRandomAccessMemory动态随机存取存储器)等半导体存储器，也可以是寄存器，也可以是硬盘装置等磁力存储装置，还可以是光盘装置等光学式存储装置。例如，存储器存储可以由计算机读取的命令，通过处理器执行该命令，作为处理可以实现学习装置100的各个部分的功能。此处的命令可以是构成程序的命令集的命令，也可以是对处理器的硬件电路指示动作的命令。更具体而言，获取部110获取图像和表示对图像是否进行过印刷指示的指示履历信息。指示履历信息是表示是否有指示印刷的履历的信息。另外，指示履历信息也可以包括印刷次数等信息。学习部120基于将图像与指示履历信息建立对应而得到的数据集，对应该推荐印刷的推荐图像的条件进行机器学习。由此，将与进行过印刷指示的图像具有近似特征的图像作为推荐图像，而获取选择的可能性高的学习结果。通过采用该学习结果，可以选择适当的图像作为推荐图像。尤其，在进行采用了给定的用户作为对象的指示履历信息的学习的情况下，易于选择具有该用户印刷倾向高的特征的图像作为推荐图像。即能够实现用于使反映用户的偏好的推荐图像的选择成为可能的学习处理。作为结果，即使在印刷对象图像的候补图像大量存在的情况下，也可以减轻选择印刷对象图像时的用户的负担。关于具本文档来自技高网...

【技术保护点】
1.一种学习装置，其特征在于，包括：/n获取部，获取图像以及表示对所述图像是否进行过印刷的指示的指示履历信息；以及/n学习部，基于将所述图像与所述指示履历信息建立对应而得到的数据集，对应该推荐印刷的推荐图像的条件进行机器学习。/n

【技术特征摘要】
20181218 JP 2018-2360211.一种学习装置，其特征在于，包括：
获取部，获取图像以及表示对所述图像是否进行过印刷的指示的指示履历信息；以及
学习部，基于将所述图像与所述指示履历信息建立对应而得到的数据集，对应该推荐印刷的推荐图像的条件进行机器学习。


2.根据权利要求1所述的学习装置，其特征在于，
所述学习部基于将基于所述机器学习的结果而推荐的所述推荐图像与表示对所述推荐图像是否进行过印刷的指示的所述指示履历信息建立对应而得到的数据集，对所述推荐图像的条件进行机器学习。


3.根据权利要求1或2所述的学习装置，其特征在于，
所述学习部基于将所述图像、所述指示履历信息、表示所述图像的印刷设定的印刷设定信息建立对应而得到的数据集，对所述推荐图像的条件进行机器学习。


4.根据权利要求1或2所述的学习装置，其特征在于，
所述学习部基于将所述图像、所述指示履历信息、表示所述图像的印刷时间的印刷时间信息建立对应而得到的数据集，对所述推荐图像的条件进行机器学习。


5.根据权利要求1或2所述的学习装置，其特征在于，
所述学习部基于将所述图像、所述指示履历信息、表示印刷输出目的地的印刷输出目的地信息建立对应而得到的数据集，对所述推荐图像的条件进行机器学习。


6.根据权利要求1或2所述的学习装置，其特征在于，
所述学习部基于将所述图像、所述指示履历信息、表示所述图像的保存地点的保存地点信息建立对应而得到的数据集，对所述推荐图像的条件进行机器学习。


7.根据权利要求1或2所述的学习装置，其特征在于，包括：
存储部，存储所述学习部通...

【专利技术属性】
技术研发人员：新海正也，
申请(专利权)人：精工爱普生株式会社，
类型：发明
国别省市：日本;JP