IMAGE CLASSIFICATION LEARNING DEVICE, IMAGE CLASSIFICATION LEARNING METHOD, IMAGE CLASSIFICATION LEARNING PROGRAM, AND POST-IMAGE-CLASSIFICATION LEARNING MODEL

• Main Authors: TSURUTA Shuichi, NAKASHIMA Yuta, LI Liangzhi, WANG Bowen
• Format: Patent
• Language: English; French; Japanese
• Published: 25.04.2024
• Subjects: CALCULATING; COMPUTING; COUNTING; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; PHYSICS

The present invention provides an image classification learning device that makes it possible to learn a "concept" to be used by a post-learning model to make a determination. A concept learner 200 performs machine learning of a plurality of concepts in image data on the basis of learning data including the image data and an image label. A concept prototype processing unit 2100 is an attention mechanism that, in a concept matrix comprising slot vectors, converts the slot vectors according to image features defined in the slot vectors, the slot vectors respectively corresponding to a plurality of concepts and defining an image region in which feature quantities emphasized in identification processing by an image identification means appear. A learning processing control unit 700 controls learning processing so as to decrease a loss calculated on the basis of: an identification loss that decreases as the identification rate of a classifier 400 increases, and a separation loss that decreases as the degree of mutual separation of the feature quantities corresponding to the plurality of concepts in a feature quantity space increases. La présente invention concerne un dispositif d'apprentissage de classification d'images qui rend possible l'apprentissage d'un « concept » à utiliser par un modèle post-apprentissage pour effectuer une détermination. Un moyen 200 d'apprentissage de concepts effectue un apprentissage automatique d'une pluralité de concepts dans des données d'images d'après des données d'apprentissage incluant les données d'images et une étiquette d'image. Une unité 2100 de traitement de prototypes de concepts est un mécanisme d'attention qui, dans une matrice de concepts comportant des vecteurs de créneaux, convertit les vecteurs de créneaux selon des caractéristiques d'image définies dans les vecteurs de créneaux, les vecteurs de créneaux correspondant respectivement à une pluralité de concepts et définissant une région d'image dans laquelle apparaissent des quantités caractéristiques que fait ressortir un traitement d'identification par un moyen d'identification d'image. Une unité 700 de commande de traitement d'apprentissage commande un traitement d'apprentissage de façon à diminuer une perte calculée d'après : une perte d'identification qui diminue à mesure que le taux d'identification d'un classificateur 400 augmente, et une perte de séparation qui diminue à mesure que le degré de séparation mutuelle des quantités caractéristiques correspondant à la pluralité de concepts dans un espace de quantités caractéristiques augmente. 学習済みモデルが判断に利用する「概念」を学習することができる画像分類学習装置を提供する。概念学習器２００は、画像データと画像ラベルとを含む学習データに基づいて、画像データ中の複数のコンセプトを機械学習する。概念プロトタイプ処理部２１００は、複数のコンセプトの各々に対応し、画像識別手段の識別処理において重視される特徴量の出現する画像領域を規定するスロットベクトルからなる概念行列において、スロットベクトルで規定される画像特徴に応じて、スロットベクトルを変換する注意機構である。学習処理制御部７００は、分類器４００の識別率が上昇するほど減少する識別損失と、複数のコンセプトに対応する特徴量が特徴量空間において互いに分離する程度が大きいほど減少する分離化損失とに基づいて算出される損失を減少させるように学習処理を制御する。