机器学习模型、生成装置、计算机程序的制作方法

技术特征：
1.一种机器学习模型，用于生成与包含输入对象的输入图像的输入图像数据对应的输出图像数据，是已学习完毕的机器学习模型，其特征在于，所述机器学习模型是如下的模型：通过执行使用针对输入图像数据的多个运算参数的运算，从而进行所述输入图像数据的输入图像中所包含的输入对象的形状特征的提取、和包含基于所提取的形状特征的输出对象的输出图像的输出图像数据的生成，所述机器学习模型具备：输入层，该输入层执行使用所述输入图像数据的运算；以及输出层，该输出层设置于所述输入层的下游侧，且生成所述输出图像数据，所述输入层包括：第一提取部，该第一提取部提取所述输入对象中的包含于比所述输入图像小的第一输入范围中的部分的形状特征；第二提取部，该第二提取部与所述第一提取部并行设置，并提取所述输入对象中的包含于比所述输入图像小且比所述第一输入范围大的第二输入范围中的部分的形状特征；一个以上的位移信息取得部，该一个以上的位移信息取得部使用从所述第一提取部输出的数据执行运算，由此取得与由所述第一提取部提取出的所述形状特征在所述输入图像内的位置的位移相关的位移信息；以及加法运算部，该加法运算部将包括从所述第一提取部输出的数据、从所述第二提取部输出的数据和从所述一个以上的位移信息取得部输出的数据在内的多个数据相加。2.根据权利要求1所述的机器学习模型，其特征在于，所述输出层包括：第一复原部，该第一复原部使用处理对象的数据中的与比所述输出图像小的第一输出范围对应的部分来复原形状特征；以及第二复原部，该第二复原部与所述第一复原部并行设置，并使用所述处理对象的数据中的与比所述输出图像小且比所述第一输出范围大的第二输出范围对应的部分来复原形状特征。3.根据权利要求2所述的机器学习模型，其特征在于，所述输入层包括：所述第一提取部，该第一提取部是卷积层；所述第二提取部，该第二提取部是卷积层；以及所述位移信息取得部，该位移信息取得部是池化层，所述输出层不包括池化层而包括：所述第一复原部，该第一复原部是转置卷积层；以及所述第二复原部，该第二复原部是转置卷积层。4.根据权利要求1至3中任一项所述的机器学习模型，其特征在于，所述一个以上的位移信息取得部包括：第一位移信息取得部，该第一位移信息取得部取得与比所述输入图像小的第一位移范围内的位置的位移相关的第一位移信息；以及第二位移信息取得部，该第二位移信息取得部与所述第一位移信息取得部并行设置，并取得与比所述输入图像小且比所述第一位移范围大的第二位移范围内的位置的位移相关的第二位移信息，
所述加法运算部将包括从所述第一提取部输出的所述数据、从所述第二提取部输出的所述数据、从所述第一位移信息取得部输出的数据和从所述第二位移信息取得部输出的数据在内的所述多个数据相加。5.根据权利要求1至4中任一项所述的机器学习模型，其特征在于，所述输入层包括第三提取部，该第三提取部与所述第一提取部和所述第二提取部并行设置，并提取所述输入对象中的包含在比所述输入图像小且比所述第二输入范围大的第三输入范围中的部分的形状特征，所述加法运算部将包括从所述第一提取部输出的所述数据、从所述第二提取部输出的所述数据、从所述第三提取部输出的数据和从所述一个以上的位移信息取得部输出的所述数据在内的所述多个数据相加。6.根据权利要求1至5中任一项所述的机器学习模型，其特征在于，所述多个运算参数通过训练而被调整为，包含基准对象的基准图像的基准图像数据与通过将所述基准图像数据输入至所述机器学习模型而生成的输出图像数据之间的差变小。7.一种生成装置，生成图像数据，其特征在于，具备：取得部，该取得部取得包含输入对象的输入图像的输入图像数据；输出图像数据生成部，该输出图像数据生成部通过将所述输入图像数据输入到已学习完毕的机器学习模型而生成与所述输入图像数据对应的输出图像数据；以及差分图像数据生成部，该差分图像数据生成部生成表示所述输入图像与所述输出图像数据的输出图像之间的差异的差分图像的差分图像数据，所述机器学习模型是如下的模型：通过执行使用针对输入图像数据的多个运算参数的运算，从而进行所述输入图像数据的输入图像中所包含的输入对象的形状特征的提取、和包含基于所提取的形状特征的输出对象的输出图像的输出图像数据的生成，所述机器学习模型具备：输入层，该输入层执行使用所述输入图像数据的运算；以及输出层，该输出层设置于所述输入层的下游侧，且生成所述输出图像数据，所述输入层包括：第一提取部，该第一提取部提取所述输入对象中的包含于比所述输入图像小的第一输入范围中的部分的形状特征；第二提取部，该第二提取部与所述第一提取部并行设置，并提取所述输入对象中的包含于比所述输入图像小且比所述第一输入范围大的第二输入范围中的部分的形状特征；一个以上的位移信息取得部，该一个以上的位移信息取得部使用从所述第一提取部输出的数据执行运算，由此取得与由所述第一提取部提取出的所述形状特征在所述输入图像内的位置的位移相关的位移信息；以及加法运算部，该加法运算部将包括从所述第一提取部输出的数据、从所述第二提取部输出的数据和从所述一个以上的位移信息取得部输出的数据在内的多个数据相加，所述多个运算参数通过训练而被调整为，包含基准对象的基准图像的基准图像数据与通过将所述基准图像数据输入至所述机器学习模型而生成的输出图像数据之间的差变小。8.根据权利要求7所述的生成装置，其特征在于，所述差分图像数据生成部通过对所述输入图像数据进行平滑化处理而取得被平滑化的输入图像数据，
所述差分图像数据生成部通过对所述输出图像数据进行平滑化处理而取得被平滑化的输出图像数据，所述差分图像数据生成部使用所述被平滑化的输入图像数据和所述被平滑化的输出图像数据来生成所述差分图像数据。9.根据权利要求8所述的生成装置，其特征在于，所述差分图像数据生成部进行边缘提取处理，该边缘提取处理提取所述被平滑化的输出图像数据的图像内的边缘部分，所述差分图像数据生成部对所述差分图像数据进行从所述差分图像中提取与所述边缘部分不同的非边缘部分的处理，由此修正所述差分图像数据。10.一种计算机程序，用于生成图像数据的计算机，该计算机程序的特征在于，所述计算机程序使计算机实现如下功能：取得功能，该取得功能取得包含输入对象的输入图像的输入图像数据；输出图像数据生成功能，该输出图像数据生成功能通过将所述输入图像数据输入到已学习完毕的机器学习模型而生成与所述输入图像数据对应的输出图像数据；以及差分图像数据生成功能，该差分图像数据生成功能生成表示所述输入图像与所述输出图像数据的输出图像之间的差异的差分图像的差分图像数据，所述机器学习模型是如下的模型：通过执行使用针对输入图像数据的多个运算参数的运算，从而进行所述输入图像数据的输入图像中所包含的输入对象的形状特征的提取、和包含基于所提取的形状特征的输出对象的输出图像的输出图像数据的生成，所述机器学习模型具备：输入层，该输入层执行使用所述输入图像数据的运算；以及输出层，该输出层设置于所述输入层的下游侧，且生成所述输出图像数据，所述输入层包括：第一提取部，该第一提取部提取所述输入对象中的包含于比所述输入图像小的第一输入范围中的部分的形状特征；第二提取部，该第二提取部与所述第一提取部并行设置，并提取所述输入对象中的包含于比所述输入图像小且比所述第一输入范围大的第二输入范围中的部分的形状特征；一个以上的位移信息取得部，该一个以上的位移信息取得部使用从所述第一提取部输出的数据执行运算，由此取得与由所述第一提取部提取出的所述形状特征在所述输入图像内的位置的位移相关的位移信息；以及加法运算部，该加法运算部将包括从所述第一提取部输出的数据、从所述第二提取部输出的数据和从所述一个以上的位移信息取得部输出的数据在内的多个数据相加，所述多个运算参数通过训练而被调整为，包含基准对象的基准图像的基准图像数据与通过将所述基准图像数据输入至所述机器学习模型而生成的输出图像数据之间的差变小。11.根据权利要求10所述的计算机程序，其特征在于，所述差分图像数据生成功能通过对所述输入图像数据进行平滑化处理而取得被平滑化的输入图像数据，所述差分图像数据生成功能通过对所述输出图像数据进行平滑化处理而取得被平滑化的输出图像数据，所述差分图像数据生成功能使用所述被平滑化的输入图像数据和所述被平滑化的输
出图像数据来生成所述差分图像数据。12.根据权利要求11所述的计算机程序，其特征在于，所述差分图像数据生成功能进行边缘提取处理，该边缘提取处理提取所述被平滑化的输出图像数据的图像内的边缘部分，所述差分图像数据生成功能对所述差分图像数据进行从所述差分图像中提取与所述边缘部分不同的非边缘部分的处理，由此修正所述差分图像数据。13.一种生成装置，生成图像数据，该生成装置的特征在于，具备：取得部，该取得部取得包含输入对象的输入图像的输入图像数据；以及输出图像数据生成部，该输出图像数据生成部通过将所述输入图像数据输入到已学习完毕的机器学习模型而生成与所述输入图像数据对应的输出图像数据，所述机器学习模型是如下的模型：通过执行使用针对输入图像数据的多个运算参数的运算，从而进行所述输入图像数据的输入图像中所包含的输入对象的形状特征的提取、和包含基于所提取的形状特征的输出对象的输出图像的输出图像数据的生成，所述机器学习模型具备：输入层，该输入层执行使用所述输入图像数据的运算；以及输出层，该输出层设置于所述输入层的下游侧，且生成所述输出图像数据，所述输入层包括：第一提取部，该第一提取部提取所述输入对象中的包含于比所述输入图像小的第一输入范围中的部分的形状特征；第二提取部，该第二提取部与所述第一提取部并行设置，并提取所述输入对象中的包含于比所述输入图像小且比所述第一输入范围大的第二输入范围中的部分的形状特征；一个以上的位移信息取得部，该一个以上的位移信息取得部使用从所述第一提取部输出的数据执行运算，由此取得与由所述第一提取部提取出的所述形状特征在所述输入图像内的位置的位移相关的位移信息；以及加法运算部，该加法运算部将包括从所述第一提取部输出的数据、从所述第二提取部输出的数据和从所述一个以上的位移信息取得部输出的数据在内的多个数据相加，所述多个运算参数通过训练而被调整为，包含基准对象的基准图像的基准图像数据与通过将所述基准图像数据输入至所述机器学习模型而生成的输出图像数据之间的差变小。

技术总结
生成表示具有细致形状的输出对象的输出图像数据。机器学习模型具备输入层和输出层。输入层包括第一提取部、第二提取部、一个以上的位移信息取得部和加法运算部。第一提取部提取输入对象中的包含于第一输入范围中的部分的形状特征。第二提取部与第一提取部并行设置，并提取输入对象中的包含于比第一输入范围大的第二输入范围中的部分的形状特征。一个以上的位移信息取得部取得与由第一提取部提取的形状特征在输入图像内的位置的位移相关的位移信息。加法运算部将包括从第一提取部输出的数据、从第二提取部输出的数据和从一个以上的位移信息取得部输出的数据在内的多个数据相加。相加。相加。


技术研发人员：近藤真树
受保护的技术使用者：兄弟工业株式会社
技术研发日：2020.09.15
技术公布日：2022/5/25