学习辅助装置具有：导出部，其基于以将对象数据分类为第1标签和第2标签中的任意一方的方式使用教师数据进行过学习的模型以及包含被赋予了第1标签的第1数据和被赋予了第2标签的第2数据的教师数据，按照每个教师数据导出教师数据的特征量，并且，基于各自被赋予了第1标签和第2标签中的任意一方的至少1个教师候选数据和模型，按照每个教师候选数据导出教师候选数据的特征量；计算部，其按照每个教师候选数据计算出教师候选数据与第1数据的距离和教师候选数据与第2数据的距离中的至少一方；以及选择部，其根据距离，从教师候选数据中选择作为教师数据而追加的数据。选择作为教师数据而追加的数据。选择作为教师数据而追加的数据。
【技术实现步骤摘要】
【国外来华专利技术】学习辅助装置、学习装置、学习辅助方法和学习辅助程序
[0001]本专利技术涉及学习辅助装置、学习装置、学习辅助方法和学习辅助程序。
技术介绍
[0002]专利文献1公开了使用包含神经网络和滤波系数的模型识别图像的装置。模型从神经网络的输入层输入样本图像，在中间层进行基于滤波系数的滤波处理，在输出层输出表示样本图像的分类的信息(类别ID)作为识别结果。关于模型，要使用作为被赋予了正确的类别ID的图像的教师图像来预先学习。具体而言，以输入了教师图像的神经网络输出正确的类别ID的方式设定滤波系数。进而，该装置将由模型识别出的类别ID与图像一起提示给用户，在由用户修正了类别ID的情况下，使模型再次学习类别ID修正后的图像。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本特开2016
‑
143354号公报
技术实现思路
[0006]专利技术要解决的课题
[0007]另外，模型无法容易识别的图像对神经网络的参数的决定的贡献度高，能够成为学习效果高的教师数据。因此，通过使用模型无法容易识别的图像使模型再次学习，能够实现较高的学习效率。但是，虽然专利文献1所记载的装置使模型再次学习了类别ID被用户修正后的图像，但是实际上，在模型正确解答的图像中也可能包含以微小差异偶然被分类为正确类别的图像。这种图像可以说是模型无法容易识别的图像，但却被从再次学习的候选中排除掉。因此，专利文献1所记载的装置可能无法高效地使模型进行学习。
[0008]本专利技术的目的在于，提供能够恰当地对模型的学习进行辅助的学习辅助装置、学习装置、学习辅助方法和学习辅助程序。
[0009]用于解决课题的手段
[0010]本专利技术的学习辅助装置具有：教师数据取得部，其取得教师数据，该教师数据包含被赋予了第1标签的第1数据和被赋予了第2标签的第2数据；教师候选数据取得部，其取得各自被赋予了第1标签和第2标签中的任意一方的至少1个教师候选数据；导出部，其基于以将对象数据分类为第1标签和第2标签中的任意一方的方式使用教师数据进行过学习的模型以及教师数据，按照每个教师数据导出教师数据的由预定的维度的特征空间表现的特征量，并且，基于模型和至少1个教师候选数据，按照每个教师候选数据导出教师候选数据的由特征空间表现的特征量；计算部，其基于教师数据的特征量和至少1个教师候选数据的特征量，按照每个教师候选数据计算出如下的第1距离和第2距离中的至少一方，该第1距离是教师候选数据与第1数据在特征空间中的距离，该第2距离是教师候选数据与第2数据在特征空间中的距离；以及选择部，其根据由计算部计算出的每个教师候选数据的距离，从至少1个教师候选数据中选择作为教师数据而追加的数据。
[0011]专利技术效果
[0012]根据本专利技术的各个方面和实施方式，能够恰当地对模型的学习进行辅助。
附图说明
[0013]图1是示出实施方式的学习装置和学习辅助装置的功能的一例的框图。
[0014]图2是示出图1所示的装置的硬件结构的框图。
[0015]图3是学习部中使用的神经网络的示意图。
[0016]图4是示出通过神经网络运算出的特征量的分布的图。
[0017]图5是示出合格品距离和不合格品距离的要素的说明图。
[0018]图6是示出合格品距离和不合格品距离的要素的说明图。
[0019]图7是示出合格品距离和不合格品距离的要素的说明图。
[0020]图8是学习装置和学习辅助装置中的学习辅助方法的流程图。
[0021]图9是学习处理的流程图。
[0022]图10的(A)～图10的(D)是示出显示部中显示的画面例的图。
具体实施方式
[0023]下面，参照附图对本专利技术的实施方式进行说明。另外，在以下的说明中，对相同或相当的要素标注相同标号并省略重复的说明。
[0024][学习辅助装置的功能结构][0025]图1是示出实施方式的学习装置和学习辅助装置的功能的一例的框图。图1所示的学习装置10是使模型M1进行学习的装置。模型M1具有包含神经网络和参数的构造。神经网络具有使多个神经元结合得到的构造。作为一例，神经网络也可以是连接将多个神经元分组得到的层而成的层级型的多层神经网络。神经网络由神经元的个数和结合关系来定义。神经元之间或层之间的结合强度使用参数(权重系数等)来定义。在神经网络中，被输入数据，根据多个神经元的运算结果和参数，输出数据的特征作为解。学习装置10具有学习部11，该学习部11学习模型M1的参数，以便能够获得目标能力。学习是指将参数调整为最佳值。神经网络的详细情况在后面叙述。
[0026]学习装置10的学习结果在处理装置12中被运用。处理装置12具备可供模型M2进行动作的执行环境，该模型M2具有与被学习装置10设为学习对象的模型M1相同的神经网络和参数。模型M2是与模型M1相同的模型，模型M1是主(原始)模型。在处理装置12中，向模型M2输入对象数据D1，从模型M2输出结果。对象数据D1是为了实现处理装置12的目的而被处理的数据，例如是图像数据、声音数据、坐标图数据等。对象数据D1是赋予后述的标签之前的数据。处理装置12的目的是识别(分类)、判定等。处理装置12可以在物理上或逻辑上与学习装置10分离，也可以与学习装置10合并而在物理上或逻辑上与学习装置10一体化。
[0027]处理装置12的模型M2识别对象数据D1的内容，输出标签作为识别结果R1。标签是识别预先设定的种类的信息，用于对对象数据D1进行分类或判别。在对象数据D1是图像数据的情况下，标签例如能够设为被摄体的种类(人物、交通工具、动物等)、被摄体的品质(合格品、不合格品等)。处理装置12可以对对象数据D1赋予所输出的标签。赋予的意思是进行关联，例如，可以在表等中记录对象数据D1与标签的关系性，也可以以包含标签的方式变更
对象数据D1的属性信息，还可以对对象数据本身嵌入标签。
[0028]下面，将输入以电子部件为被摄体的对象数据D1，并且由处理装置12的模型M2输出与电子部件的品质有关的标签的情况作为一例进行说明。该情况下，学习装置10的学习部11使得处理装置12的模型M2为了能够准确地判别对象数据D1的标签而学习模型M1的神经网络的参数。
[0029]学习部11基于教师数据D2来使模型M1学习。教师数据D2是与对象数据D1相同形式的数据(这里为图像数据)，预先被赋予正确的标签。例如，通过注解者(作业者)等对教师数据D2正确地赋予表示作为被摄体的电子部件满足外观品质基准的合格品标签(第1标签的一例)、表示作为被摄体的电子部件不满足外观品质基准的不合格品标签(第2标签的一例)中的任意一方。因此，教师数据D2包含被赋予了合格品标签的合格品数据(第1数据的一例)和被赋予了不合格品标签的不合格品数据(第2数据的一例)。
[0030]学习部11根据作为教师数据D2的合格品数据和不合格品数据，使模型M1的神经网络学习合格本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种学习辅助装置，其具有：教师数据取得部，其取得教师数据，该教师数据包含被赋予了第1标签的第1数据和被赋予了第2标签的第2数据；教师候选数据取得部，其取得各自被赋予了所述第1标签和所述第2标签中的任意一方的至少1个教师候选数据；导出部，其基于以将对象数据分类为所述第1标签和所述第2标签中的任意一方的方式使用所述教师数据进行学习得到的模型以及所述教师数据，按照每个所述教师数据导出所述教师数据的由预定的维度的特征空间表现的特征量，并且，基于所述模型和所述至少1个教师候选数据，按照每个所述教师候选数据导出所述教师候选数据的由所述特征空间表现的特征量；计算部，其基于所述教师数据的所述特征量和所述至少1个教师候选数据的特征量，按照每个所述教师候选数据计算出如下的第1距离和第2距离中的至少一方，该第1距离是所述教师候选数据与所述第1数据在所述特征空间中的距离，该第2距离是所述教师候选数据与所述第2数据在所述特征空间中的所述距离；以及选择部，其根据由所述计算部计算出的每个所述教师候选数据的所述距离，从所述至少1个教师候选数据中选择作为所述教师数据而追加的数据。2.根据权利要求1所述的学习辅助装置，其中，被赋予了所述第2标签的所述教师候选数据的所述第1距离越短，则所述选择部越提高该教师候选数据从所述至少1个教师候选数据中被选择的概率。3.根据权利要求1所述的学习辅助装置，其中，被赋予了所述第1标签的所述教师候选数据的所述第2距离越短，则所述选择部越提高该教师候选数据从所述至少1个教师候选数据中被选择的概率。4.根据权利要求1～3中的任意一项所述的学习辅助装置，其中，所述计算部按照每个所述教师候选数据使用所述第1距离和所述第2距离计算出评价值，所述选择部根据每个所述教师候选数据的所述评价值，从所述至少1个教师候选数据中选择作为所述教师数据而追加的数据。5.根据权利要求1～4中的任意一项所述的学习辅助装置，其中，所述学习辅助装置还具有显示部，该显示部显示由所述选择部选择出的所述数据。6.根据权利要求5所述的学习辅助装置，其中，所述学习辅助装置还具有：输入部，其受理用户操作的输入；以及变更部，在向所述输入部输入了用于对由所述显示部显示的所述数据被赋予的标签进行变更的用户操作的情况下，该变更部对所述数据被赋予的标签进行变更。7.根据权利要求5所述的学习辅助装置，其中，所述选择部在根据所述第1距离和所述第2距离判定为所述至少1个教师候选数据中不存在要作为所述教师数据而追加的数据的情...
【专利技术属性】
技术研发人员：横山嘉彦，加藤嗣，菊地大树，梅野拓马，
申请(专利权)人：株式会社摩如富，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。