本公開涉及一種分類模型生成系統(tǒng)、分類模型生成方法以及程序。

背景技術(shù)：

1、已知在進行深度學(xué)習(xí)等機器學(xué)習(xí)的情況下，為了確保機器學(xué)習(xí)后的模型的精度，需要大量的圖像來作為學(xué)習(xí)數(shù)據(jù)。

2、但是，例如在對制造工序的檢查用途的模型進行機器學(xué)習(xí)的情況下，雖然能夠容易地獲得很多合格品圖像，但是往往難以獲得很多不合格圖像。這是由于，在檢查工序中得到的不合格圖像往往相對于分母、即進行了檢查工序時的總圖像數(shù)而言少。另外，即使假設(shè)在獲得了很多不合格圖像的情況下，一般而言不合格模式也存在偏頗。因此，存在如下問題：無法確保用作學(xué)習(xí)數(shù)據(jù)的不合格圖像的變異性，即使使用所獲得的不合格圖像和合格品圖像來對模型進行機器學(xué)習(xí)，也難以確保經(jīng)得起實用的檢查精度。

3、并且，即使在獲得了很多不合格圖像的情況下，挑選作業(yè)也需要大量的工時，并且，還存在如下維護管理方面的問題：在由于不合格模式的變更或追加等而重建模型的情況下，需要再次進行挑選作業(yè)。

4、對此，例如在專利文獻1中公開了能夠使不合格圖像增多的不合格品圖像生成方法等。根據(jù)專利文獻1所公開的方法，能夠根據(jù)合格品圖像和包括不合格部位的局部圖像，來生成更接近真實的不合格品圖像。

5、現(xiàn)有技術(shù)文獻

6、專利文獻

7、專利文獻1：日本特開2021-135903號公報

8、非專利文獻

9、非專利文獻1：maayan?frid-adar,idit?diamant,eyal?klang,michal?amitai,jacob?goldberger,hayit?greenspan:gan-based?synthetic?medical?imageaugmentation?for?increased?cnn?performance?in?liver?lesion?classification(提高cnn在肝臟病變分類中的性能的基于gan的合成醫(yī)學(xué)圖像增強技術(shù)).neurocomputingvolume?321,10december?2018,pages?321-331

技術(shù)實現(xiàn)思路

1、發(fā)明要解決的問題

2、然而，在專利文獻1所公開的技術(shù)中，需要制作不合格部位的數(shù)據(jù)庫，在此基礎(chǔ)上，為了使不合格圖像增多，需要收集并挑選包括不合格部位的不合格圖像。

3、本公開是鑒于上述情況而完成的，其目的在于提供一種不用進行不合格圖像的收集及挑選就能夠生成能夠?qū)细衿穲D像與不合格圖像進行分類的分類模型的分類模型生成系統(tǒng)等。

4、用于解決問題的方案

5、為了解決上述問題，本公開的一個方式所涉及的分類模型生成系統(tǒng)具備：獲取部，其獲取包括多個合格品圖像的合格品圖像組；不合格部位圖像生成部，其基于種子圖像組來生成多個不合格部位圖像，其中，所述種子圖像組是對通過人工描繪而生成的、模仿了不合格部位的種子圖像進行幾何變換而得到的；合成處理部，其通過將所述多個不合格部位圖像分別與所述合格品圖像組進行合成來生成不合格圖像組；以及分類模型生成部，其使用所述合格品圖像組和所述不合格圖像組的一部分作為學(xué)習(xí)用圖像組來進行分類學(xué)習(xí)，由此生成分類模型。

6、此外，這些整體或具體的方式可以通過裝置、方法、系統(tǒng)、集成電路、計算機程序或計算機可讀取的cd-rom等記錄介質(zhì)來實現(xiàn)，也可以通過裝置、方法、系統(tǒng)、集成電路、計算機程序以及記錄介質(zhì)的任意的組合來實現(xiàn)。

7、發(fā)明的效果

8、根據(jù)本公開的分類模型生成系統(tǒng)等，不用進行不合格圖像的收集及挑選就能夠生成能夠?qū)细衿穲D像與不合格圖像進行分類的分類模型。

技術(shù)特征：

1.一種分類模型生成系統(tǒng)，具備：

2.根據(jù)權(quán)利要求1所述的分類模型生成系統(tǒng)，其中，

3.根據(jù)權(quán)利要求1所述的分類模型生成系統(tǒng)，其中，

4.根據(jù)權(quán)利要求3所述的分類模型生成系統(tǒng)，其中，

5.根據(jù)權(quán)利要求4所述的分類模型生成系統(tǒng)，其中，

6.根據(jù)權(quán)利要求1～5中的任一項所述的分類模型生成系統(tǒng)，其中，

7.根據(jù)權(quán)利要求6所述的分類模型生成系統(tǒng)，其中，

8.根據(jù)權(quán)利要求1～5中的任一項所述的分類模型生成系統(tǒng)，其中，

9.根據(jù)權(quán)利要求1～5中的任一項所述的分類模型生成系統(tǒng)，其中，

10.根據(jù)權(quán)利要求9所述的分類模型生成系統(tǒng)，其中，

11.一種分類模型生成方法，包括：

12.一種程序，使計算機執(zhí)行以下步驟：

技術(shù)總結(jié)
具備：獲取部(11)，其獲取包括多個合格品圖像的合格品圖像組；不合格部位圖像生成部(12)，其基于種子圖像組來生成多個不合格部位圖像，其中，所述種子圖像組是對通過人工描繪而生成的、模仿了不合格部位的種子圖像進行幾何變換而得到的；合成處理部(13)，其通過將多個不合格部位圖像分別與合格品圖像組進行合成來生成不合格圖像組；以及分類模型生成部(23)，其使用合格品圖像組和不合格圖像組的一部分作為學(xué)習(xí)用圖像組來進行分類學(xué)習(xí)，由此生成分類模型。

技術(shù)研發(fā)人員：古田喜信,小田島賢和
受保護的技術(shù)使用者：松下知識產(chǎn)權(quán)經(jīng)營株式會社
技術(shù)研發(fā)日：
技術(shù)公布日：2025/6/3