[发明专利]学习数据制作支援方法

说明书

技术领域

本公开涉及支援学习数据的制作的方法、装置以及记录有程序的记录介质。

背景技术

现在，通过深度学习(Deep learning)等技术，正在提高映在图像中的以人物为代表的对象物的识别或检测的精度。对于深度学习的识别，需要大量的学习数据。作为学习数据，需要图像和针对图像所映出的识别对象物的正解标签。专利文献1中记载了标注正解标签的技术。另外，已知有活用CG数据作为学习数据的图像(例如，参照专利文献2)。

现有技术文献

专利文献

专利文献1：日本特开2013-161295号公报

专利文献2：日本特开2010-211732号公报

发明内容

发明所要解决的课题

但是，在上述专利文献1所记载的方法中，存在无法制作合适的学习数据这一问题。

于是，本公开提供能够制作合适的学习数据的学习数据制作支援方法等。

用于解决课题的技术方案

本公开的一个技术方案的学习数据制作支援方法，对学习数据的制作进行支援，基于通过拍摄对象物而取得的拍摄图像，识别所述对象物的属性的内容以及行动的类别，将所识别出的所述对象物的属性的内容以及行动的类别保存于数据库，参照所述数据库，判定所识别出的所述类别的行动的发生频度是否小于预先确定的阈值，在判定为小于所述阈值时，输出基于所述拍摄图像制作如下CG(Computer Graphics；计算机图形)数据作为所述学习数据的指示，该CG数据表示具有与所识别出的所述属性的内容不同的内容的属性的所述对象物正在进行所识别出的所述类别的行动的状态。

此外，这些总括或具体的技术方案，既可以用系统、方法、集成电路、计算机程序或计算机可读取的CD-ROM等记录介质来实现，也可以通过系统、方法、集成电路、计算机程序以及记录介质的任意组合来实现。

发明的效果

本公开的学习数据制作支援方法能够制作合适的学习数据。

附图说明

图1是示出实施方式中的学习数据制作系统的构成的构成图。

图2是示出由实施方式中的提示部显示的画面的一例的图。

图3是示出实施方式中的识别结果保存部所保存的识别结果的一例的图。

图4是示出实施方式中的识别结果保存部所保存的行动的发生频度的一例的图。

图5是用于说明实施方式中的CG制作装置的处理的图。

图6是示出实施方式中的学习数据制作系统的处理工作的流程图。

图7A是示出本公开的一个技术方案的学习数据制作支援方法的流程图。

图7B是示出本公开的一个技术方案的学习数据制作支援装置的功能结构的框图。

标号的说明

10学习数据制作系统；20、100学习数据制作支援装置；21、101拍摄部；22、102识别部；23、104历史记录制作部；24、103a判定部；25、103b CG制作指示部；105提示部；106输入部；200CG制作装置；301识别结果保存部；302CG数据保存部

具体实施方式

(成为本公开的基础的见解)

本发明人发现，关于在“背景技术”一栏中记载的专利文献1的方法，存在以下的问题。

如上所述，基于深度学习的学习需要大量的图像作为学习数据。另外，在使用了该学习结果的、在图像中映出的人物的识别、检测或预测中，不仅要求该人物的属性，还要求该人物的行动的识别等。但是，将表示人物的步行等日常频繁地进行的行动的图像作为学习数据大量地收集是简单的，但是，将异常(特异)行动的图像作为学习数据来收集是困难的。异常行动例如是“飞奔出”、“跌倒”或“偷盗”等。在上述专利文献1中，对所收集的图像的识别对象物标注正解标签，但是，终究无法针对没有作为图像收集到的异常行动生成学习数据。因此，如上述专利文献2的方法那样，考虑使用CG数据生成异常行动的图像。在专利文献2中，通过活用CG数据，能够增加学习数据的变化(variation)。

但是，尽管已经通过实拍存在了大量的学习数据，无需通过CG追加该学习数据的实拍的图像，但应通过CG制作实拍中的发生频度不足的图像，但是，在专利文献2中，关于进行是否应通过该CG来制作的判断的方法，没有提及。也就是说，即便使用上述专利文献2的方法，也存在难以判断怎样的行动是异常行动的情况，结果，存在无法收集合适的学习数据这一问题。