估计用学习装置和估计用学习方法与流程

本发明涉及从用户收集数据并使用该数据而生成估计模型的估计用学习装置和估计用学习方法。

背景技术：

1、在深度学习等机器学习中，生成示教数据，使用该示教数据进行深度学习。在示教数据的生成时需要人力，导致耗费较大的成本。于是，提出了以低成本收集质量高的示教数据的方法。例如，在专利文献1中，生成用于使用第1特征向量从与特定领域相关的参照数据中收集与该特定领域相关的数据的检索条件。然后，使用该检索条件来收集数据，计算该收集到的数据的第2特征向量，如果第1特征向量和第2特征向量的相似度处于规定范围，则将使用检索条件收集到的数据提取为示教数据。

2、现有技术文献

3、专利文献

4、专利文献1：日本特开2018-124617号公报

技术实现思路

1、发明要解决的问题

2、根据上述专利文献1所记载的数据收集方法，能够以低成本收集示教数据。但是，专利文献1的数据收集方法将收集特定领域的数据作为前提。另一方面，使用示教数据而生成的估计模型不限于预先假定的特定领域（特定类别）中的数据，应用范围还扩宽到未知类别（未知的领域），有时必须估计。

3、于是，在未知类别中，如果使用特性与以往的数据不同的数据来生成估计模型，则也能够对该未知类别的数据进行估计。但是，在生成能够与未知类别对应的估计模型时，必须收集与其特性匹配的数据，导致耗费时间和成本。

4、本发明是鉴于上述情况而完成的，其目的在于，提供如下的估计用学习装置和估计用学习方法：不限于预先假定的类别的数据，在未知类别中，即便在数据的特性相对于之前蓄积的数据而改变的情况下，也能够进行适当的估计。

5、用于解决问题的手段

6、为了实现上述目的，第1发明的估计用学习装置具有：输入部，其输入来自第1图像取得装置的图像数据；以及学习部，其使用对所述图像数据进行注释得到的示教数据进行学习，从而得到估计模型，其中，所述估计用学习装置具备图像加工部，该图像加工部在为了图像输入特性与所述第1图像取得装置不同的第2图像取得装置而对所述估计模型进行重新学习时，对从第1图像取得装置得到的图像数据进行与所述图像输入特性的差异相应的加工并设为所述示教数据。

7、第2发明的估计用学习装置在上述第1发明的基础上，所述图像加工部以使从第1图像取得装置得到的图像数据所包含的第1对象物图像数据适合于从所述第2图像取得装置得到的图像数据所包含的第2对象物图像数据的方式进行加工。

8、第3发明的估计用学习装置在上述第1发明的基础上，所述图像输入特性是由摄像传感器的规格、性能、摄像用光学特性、图像处理规格、性能、以及照明光的种类中的至少1个差异引起的。

9、第4发明的估计用学习装置在上述第1发明的基础上，所述图像加工部包括以使得所述示教数据中的从第1图像取得装置得到的图像数据成为与所述图像输入特性的差异相应的示教数据的方式变更对同一图像的注释。

10、第5发明的估计用学习装置在上述第1发明的基础上，从所述第1图像取得装置得到的图像数据是现有的示教数据，所述图像加工部根据来自所述第2图像取得装置的图像数据的特性，对所述现有的示教数据进行图像处理。

11、第6发明的估计用学习装置在上述第1发明的基础上，从所述第1图像取得装置得到的图像数据是现有的示教数据，所述图像加工部根据来自所述第2图像取得装置的图像数据的特性，进行所述现有的示教数据的取舍选择。

12、第7发明的估计用学习装置在上述第5发明的基础上，所述图像加工部以使所述示教数据中的从第1图像取得装置得到的图像数据适合于来自所述第2图像取得装置的图像数据的方式进行加工。

13、第8发明的估计用学习装置在上述第1发明的基础上，来自所述第2图像取得装置的图像数据属于未知类别。

14、第9发明的估计用学习装置在上述第8发明的基础上，通过人工智能自动判断是否属于所述未知类别，或者，由所述第2图像取得装置的使用者手动地设定是否属于所述未知类别。

15、第10发明的估计用学习装置在上述第8发明的基础上，基于所述第2图像取得装置的机型信息、及/或从来自所述第2图像取得装置的图像数据中估计为基准图像的图像，来判定是否属于所述未知类别。

16、第11发明的估计用学习装置在上述第1发明的基础上，从所述第1图像取得装置得到的图像数据是现有的示教数据，所述图像加工部在估计模型的用途不同的情况下，根据该用途，对所述现有的示教数据进行图像处理，或者进行所述现有的示教数据的取舍选择。

17、第12发明的估计用学习装置在上述第1发明至第11发明中任意一个发明的基础上，来自所述第1图像取得装置的图像数据以及来自所述第2图像取得装置的图像数据是内窥镜图像数据。

18、在第13发明的估计用学习方法中，输入来自第1图像取得装置的图像数据，

19、在为了特性与所述第1图像取得装置不同的第2图像取得装置而对估计模型进行学习时，对所述示教数据中的从第1图像取得装置得到的图像数据进行加工并设为示教数据，通过使用了对所述图像数据进行注释得到的示教数据的学习而得到估计模型。

20、第14发明的估计用学习装置具有：输入部，其输入来自第1图像取得装置的图像数据；以及学习部，其使用对所述图像数据进行注释得到的示教数据进行学习，从而得到估计模型，其中，所述估计用学习装置具备图像加工部，该图像加工部在为了在与所述第1图像取得装置不同的条件下使用的第2图像取得装置而对所述估计模型进行定制时，对从第1图像取得装置得到的图像数据进行与图像取得特性的差异相应的包含取舍选择或注释的加工并设为所述示教数据。

21、在第15发明的估计用学习方法中，输入来自第1图像取得装置的图像数据，

22、在为了在与所述第1图像取得装置不同的条件下使用的第2图像取得装置而对估计模型进行定制时，对从所述第1图像取得装置得到的图像数据进行与图像取得特性的差异相应的包含取舍选择或注释的加工并设为所述示教数据，使用对所述图像数据进行注释得到的示教数据进行学习，从而得到估计模型。

23、发明的效果

24、根据本发明，能够提供如下的估计用学习装置和估计用学习方法：不限于预先假定的类别的数据，在未知类别中，即便在数据的特性相对于之前蓄积的数据而改变的情况下，也能够进行适当的估计。

1.一种估计用学习装置，其特征在于，所述估计用学习装置具有：

2.根据权利要求1所述的估计用学习装置，其特征在于，

3.根据权利要求1所述的估计用学习装置，其特征在于，

4.根据权利要求1所述的估计用学习装置，其特征在于，

5.根据权利要求1所述的估计用学习装置，其特征在于，

6.根据权利要求1所述的估计用学习装置，其特征在于，

7.一种学习委托装置，其特征在于，所述学习委托装置具有：

8.一种估计用学习方法，其特征在于，

9.根据权利要求8所述的估计用学习方法，其特征在于，

10.根据权利要求8所述的估计用学习方法，其特征在于，

11.根据权利要求8所述的估计用学习方法，其特征在于，

12.根据权利要求8所述的估计用学习方法，其特征在于，

13.根据权利要求8所述的估计用学习方法，其特征在于，

14.根据权利要求8所述的估计用学习方法，其特征在于，

15.一种学习委托方法，其特征在于，