信息处理系统技术方案

本发明专利技术提供一种能够使学习模型有效地学习的技术。一种信息处理系统，其中，具备：学习模型提供部，其提供使用第1用户的第1数据通过机械学习的方式进行学习的学习模型；输入部，其接收购买了学习模型的第2用户输入的第2数据；以及更新部，其通过使用第2数据的机械学习更新学习模型。更新学习模型。更新学习模型。

【技术实现步骤摘要】
【国外来华专利技术】信息处理系统


[0001]本专利技术涉及一种信息处理系统。

技术介绍

[0002]本专利技术提出一种可提供学习完毕的学习模型的系统(例如参照专利文献1)。
[0003]在先技术文献
[0004]专利文献
[0005]专利文献1日本特许第6695534号说明书

技术实现思路

[0006]专利技术所要解决的课题
[0007]但是，学习完毕的模型可能无法保证使用者期望的精度。
[0008]本专利技术是鉴于这种背景而制作的，其目的在于提供一种能够使学习模型有效学习的技术。
[0009]用于解决课题的方案
[0010]为了解决上述课题，本专利技术的主要专利技术为一种信息处理系统，其特征在于，具备：学习模型提供部，其提供使用第1用户的第1数据通过机械学习方式进行学习的学习模型；输入部，其接收购买所述学习模型的第2用户输入的第2数据；以及更新部，其通过使用所述第2数据的机械学习更新所述学习模型。
[0011]关于其他本申请公开的课题及其解決方法，可通过专利技术的实施方式栏及图纸进一步明确。
[0012]专利技术效果
[0013]根据本专利技术，能够提供一种可使学习模型有效学习的技术。
附图说明
[0014]图1是显示本专利技术的一实施方式所涉及的AI系统的整体构成例的图。
[0015]图2是显示管理服务器2的硬件构成例的图。
[0016]图3是显示管理服务器2的软件构成例的图。
[0017]图4是显示注释数据的输入画面11的一例的图。
[0018]图5是说明提供者提供学习模型的处理流程的图。
[0019]图6是说明使用者调整学习模型的处理流程的图。
[0020]图7是说明预测处理的流程的图。
具体实施方式
[0021]专利技术概要
[0022]以下列举本专利技术的实施方式的内容进行说明。本专利技术具备如下构成。
[0023][项目1][0024]一种信息处理系统，其特征在于，具备：
[0025]学习模型提供部，其提供使用第1用户的第1数据通过机械学习方式进行学习的学习模型；
[0026]输入部，其接收购买所述学习模型的第2用户输入的第2数据；以及
[0027]更新部，其通过使用所述第2数据的机械学习更新所述学习模型。
[0028][项目2][0029]根据项目1所述的信息处理系统，其特征在于，
[0030]还具备参数设定部，其接受所述第2用户对所述学习模型的参数设定。
[0031][项目3][0032]根据项目1或2所述的信息处理系统，其特征在于，还具备：
[0033]所述第1和第2数据为图像数据，
[0034]所述学习模型为分类器，
[0035]还具备学习模型存储部，其存储多个所述学习模型，以及
[0036]预测试行部，其获取将所接收的所述第2数据提供给所述学习模型时的可信度，
[0037]所述学习模型提供部根据所述可信度将所述学习模型提示给所述第2用户，接受所述第2用户对所述学习模型的指定，并提供所指定的所述学习模型。
[0038][项目4][0039]根据项目1至3中任一项所述的信息处理系统，其特征在于，
[0040]还具备预测部，其接收输入的所述第3数据，将所接收的所述第3数据适用到更新后的所述学习模型中进行预测。
[0041][项目5][0042]根据项目3所述的信息处理系统，其特征在于，
[0043]还具备收费处理部，其根据使用所述第3数据实施所述预测的情况，向所述第2用户收取费用。
[0044]<系统概要>
[0045]图1是显示本专利技术的一实施方式所涉及的AI系统的整体构成例的图。本实施方式的AI系统的结构中含有管理服务器2。管理服务器2能够透过通信网络4分别连接至提供者端末1和使用者端末3，并进行通信。通信网络4例如为因特网，由公共电话网和移动电话网、无线通信通道以及以太网(注册商标)等构成。
[0046]本实施方式的AI系统能够在提供者提供学习完毕的模型并由使用者对该学习模型进行调整的基础上加以使用。提供者和使用者可以分别大量存在。本实施方式中，学习模型是用来识别图像中含有的特定对象的分类器，分类器设想为使用多层构造的神经网络(深度学习)的Faster RCNN或Mask RCNN等，但并不限于此，也可以是支持向量机、随机森林、XGBOOST等。此外，在本实施方式中，还能够通过向学习过某物品的图像的学习模型提供其他物品的图像，使其进一步学习来进行调整。例如，能够通过向温州蜜桔的学习模型提供桔子的图像，作为桔子的分类器调整学习模型。使用已经学习过温州蜜桔的图像的学习模型时，仅需少量相近但不相同的桔子的图像，即可高效率地制作高精度的桔子的分类器。
[0047]提供者端末1是提供者操作的计算机，例如可列举个人计算机和智能手机、平板计
算机等。提供者端末1也可以是通过云计算实现的虚拟计算机。提供者使用提供者端末1将学习模型登记到管理服务器2中。本实施方式中，提供者能够操作提供者端末1访问管理服务器2，并登记使用TensorFlow(注册商标)等记载的学习模型。此外，还可以进行以下学习，即通过提供者端末1将用于学习模型的输入数据即图像数据(例如温州蜜桔的图像)上传到管理服务器2，对各图像进行注释，指定表示应分类的对象(例如温州蜜桔)的区域，并将通过注释指定的区域和图像数据提供给学习模型，从而更新学习模型，以便能够从图像数据中提取对象(例如温州蜜桔)。另外，还可以使用管理服务器2以外的计算机(例如提供者端末1等)实施学习处理，将学习完毕的学习模型与参数一同上传到管理服务器2。
[0048]使用者端末3是想要使用学习完毕的学习模型的使用者操作的计算机。使用者端末3例如可列举个人计算机和智能手机、平板计算机等。使用者端末3也可以是通过云计算实现的虚拟计算机。使用者能够操作使用者端末3访问管理服务器2，通过提供者购买学习完毕的学习模型，并将使用者的图像数据(例如桔子的图像)提供给所购买的学习模型(例如温州蜜桔的分类器)，使其进一步学习，从而进行调整(例如制作桔子的分类器)。此外，使用者端末3还能够使用通过使用者的图像进行调整后的学习模型(例如桔子的分类器)，从图像中提取桔子并对其进行分类。
[0049]<管理服务器>
[0050]管理服务器2是用来对学习模型实施学习处理以及使用学习模型实施预测(分类)处理的计算机。管理服务器2可以是例如工作站或个人计算机那样的通用计算机，或者也可以通过云计算在逻辑上实现。
[0051]图2是显示管理服务器2的硬件构成例的图。另外，图中所示的构成是示例，也可以具有除此之外的其他构成。管理服务器2具备CPU201、内存202、存储装置203、通信接口204、输入装置205以及输出装置206。存储装置203是用来存储各种数据和程序的装置，例如硬盘驱动器和本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种信息处理系统，其中，具备学习模型提供部，其提供使用第1用户的第1图像数据通过机械学习方式进行学习的学习模型，输入部，其接收购买了所述学习模型的第2用户输入的第2图像数据，更新部，其通过使用了所述第2图像数据的机械学习，更新分类器即所述学习模型，学习模型存储部，其存储多个所述学习模型，以及预测试行部，其获取将所接收的所述第2图像数据提供给所述学习模型时的可信度，所述学习模型提供部根据所述可信度将所述学习模型提示给所述第2用户，接受所述第...

【专利技术属性】
技术研发人员：濑濑润，
申请(专利权)人：人类组学实验室有限公司，
类型：发明
国别省市：