MACHINE LEARNING SYSTEM

• Main Authors: ISHIKAWA Masayoshi, ASAI Daisuke, MINEKAWA Yohei, SASAKI Goshi, ABE Yuichi, IKEDA Mitsuji
• Format: Patent
• Language: English; French; Japanese
• Published: 27.06.2024
• Subjects: CALCULATING; COMPUTING; COUNTING; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; PHYSICS

Provided is a machine learning system that can determine more significant decrease in reliability even with respect to image processing in which reliability is likely to decrease around a recognition object boundary represented by segmentation.　A machine learning system 100 evaluates reliability of a prediction result of a machine learning model and has: a machine learning model 201 that generates a feature extraction result 202 by extracting an image feature amount from a prediction result 102 and the input data 101 through execution of a prescribed task on input data 101; a label generation unit 203 that generates a generation label 103 by dividing, on the basis of the similarity of the image feature amount in the input data 101, the feature extraction result 202 into a plurality of divided regions; and a determination unit 204 that evaluates the machine learning model 201 on the basis of the overlapping degree between the prediction result 102 and the generation label 103. The present invention comprises: a label generation unit that outputs a generation label by dividing data inputted to a machine learning model for each vicinity region in which feature amount is similar; and a determination unit that evaluates the overlapping degree between the generation label and a prediction result of the machine learning model to determine a region in which the overlapping degree is low. L'invention concerne un système d'apprentissage automatique qui peut déterminer une diminution plus significative de la fiabilité même par rapport à un traitement d'image dans lequel la fiabilité est susceptible de diminuer autour d'une limite d'objet de reconnaissance représentée par une segmentation.　Un système d'apprentissage automatique (100) évalue la fiabilité d'un résultat de prédiction d'un modèle d'apprentissage automatique et comprend : un modèle d'apprentissage automatique (201) qui génère un résultat d'extraction de caractéristiques (202) par extraction d'une quantité de caractéristiques d'image à partir d'un résultat de prédiction (102) et des données d'entrée (101) par l'exécution d'une tâche prescrite sur des données d'entrée (101) ; une unité de génération d'étiquette (203) qui génère une étiquette de génération (103) en divisant, sur la base de la similarité de la quantité de caractéristiques d'image dans les données d'entrée (101), le résultat d'extraction de caractéristique (202) en une pluralité de régions divisées ; et une unité de détermination (204) qui évalue le modèle d'apprentissage automatique (201) sur la base du degré de chevauchement entre le résultat de prédiction (102) et l'étiquette de génération (103). La présente invention comprend : une unité de génération d'étiquette qui délivre une étiquette de génération en divisant des données entrées dans un modèle d'apprentissage automatique pour chaque région de voisinage dans laquelle une quantité de caractéristiques est similaire ; et une unité de détermination qui évalue le degré de chevauchement entre l'étiquette de génération et un résultat de prédiction du modèle d'apprentissage automatique pour déterminer une région dans laquelle le degré de chevauchement est faible. セグメンテーションが代表する認識対象境界付近で信頼性が低下しやすい画像処理に対しても、より顕著な信頼性の低下を判定可能な機械学習システムを提供する。　機械学習モデルの予測結果の信頼性を評価する機械学習システム１００であって、入力データ１０１に対して、所定タスクを実行して予測結果１０２および前記入力データ１０１から画像特徴量を抽出して、特徴抽出結果２０２を生成する機械学習モデル２０１と、前記特徴抽出結果２０２を、当該入力データ１０１における前記画像特徴量の類似性に基づいて、複数の区分領域に区分して、生成ラベル１０３を生成するラベル生成部２０３と、前記予測結果１０２と前記生成ラベル１０３の重なり度合いに基づいて、前記機械学習モデル２０１の評価を行う判定部２０４を有する。 機械学習モデルに入力されたデータを特徴量が類似する近傍領域毎に分割し生成ラベルを出力するラベル生成部と、前記機械学習モデルの予測結果と前記生成ラベルの重なり度合いを評価し重なり度合いが低い領域を判定する判定部と、を備える。