[发明专利]分类装置、分类方法、程序以及信息记录介质

说明书

本发明提供一种基于对对象拍摄所得的对象图像、和与对象建立有对应关系的1个以上的属性参数，通过神经网络对对象进行分类的分类装置(101)。分类装置(101)具备受理部(102)、神经网络部(103)、分类部(104)。受理部(102)受理对对象进行拍摄所得的对象图像、和与对象建立有对应关系的1个以上的属性参数。分类部(104)通过神经网络部(103)对对象进行分类。在这里，在神经网络部(103)中，卷积部(105)对给予的特征图的各要素和受理到的1个以上的属性参数进行卷积。

技术领域

本发明涉及基于对对象拍摄所得的对象图像、和与对象建立有对应关系的1个以上的属性参数，通过神经网络对对象分类的优选的分类装置、分类方法、程序、以及信息记录介质。

背景技术

以往，提出了通过具有卷积层的神经网络，对图像进行分类的技术。

在这样的卷积神经网络中，通过在多个卷积层之间适当地夹持池化层(部分取样层)，并按层次卷积图像的局部信息，能够高精度地对该图像进行分类。以往，通常交替地配置卷积层和池化层，但近年来，也正在进行有关不利用或适当地省略池化层，而主要通过卷积层进行学习以及判别的方法的研究。

在这样的技术中，在学习阶段，预先准备多个表示对象的图像(各种照片等)，并将确定出分类结果的图像用作教师数据使卷积神经网络进行学习。在运用阶段，将想要分类的图像(分类结果不清楚的图像)给予给上述的卷积神经网络，并基于获得的特征图(用二进制、标量、向量、矩阵等来表现)来进行分类。

在安装这些神经网络时，在计算机所具有的CPU(Central Processing Unit：中央处理器)的控制下，通过作为协处理器利用适合图像处理的GPU(Graphic ProcessingUnit：图形处理单元)，而广泛地进行执行高速的学习以及判定。

另外，在专利文献1中，为了使用皮肤图像诊断皮肤疾病，将对皮肤图像实施第一转换后的第一图像给予给第一卷积网络，对该皮肤图像实施第二转换后的第二图像给予给第二卷积网络，并对从2个卷积网络获得的识别值进行统合，来进行判定。

另一方面，在判断是否应对患者应用白内障手术等眼内手术的情况下，目前，拍摄该患者的角膜内皮的照片，由医生、化验员通过手动或手动与基于计算机的半自动处理的组合来测定角膜内皮细胞的密度、面积、六边形细胞的出现频率等，基于这些信息，医生判定针对患者的眼内手术的风险的高低，进而判定是否应进行眼内手术。

因此，为了基于容易出现患者的症状的部位的照片，来判定该症状中的风险，认为可以应用卷积神经网络。

然而，医生不光通过目视观察来观察患部、其照片，还要通过综合考虑患者的年龄、性别、身高、体重、肥胖程度、骨密度等各种属性参数，来进行疾病的诊断、风险的有无的判断。

在专利文献1中，由于统合2个卷积神经网络的输出，所以若利用该技术，则似乎很容易想到统合对象的图像和对象的属性参数。

专利文献1:日本特开2017-45341号公报

在专利文献1所公开的技术中，对多个卷积神经网络的输出，例如通过平均来进行统合，而获得最终判定值。即使是简单的平均，获得适当的性能也是因为给予给该卷积神经网络的图像是从相同的原图像转换而来的。

然而，在对缘于图像的输出和缘于图像以外的属性参数的输出进行统合的情况下，无法应用这样的简单的“平均”。另外，在作为“平均”，采用加权平均的情况下，很难确定适当的权重。

在用于在GPU中处理神经网络的库TensorFlow以及Keras中，具有将多个输出简单地连结的库函数Concatenate。然而，即使利用该库函数，也不能说连结两者时的权重的调整很充分，而很难进行高精度的分类。