学習モデル再学習を効率化する装置

本技術は、学習済みモデルを用いてデータごとに推論を行い、推論の尤度を出力します。推論で検知された複数対象の特徴量を抽出し、尤度に基づいて第1検知対象を特定します。続いて、第1検知対象と特徴量空間上で距離が近い第2検知対象を抽出し、これを含む学習データを用いて学習済みモデルを再学習します。再学習データは、尤度が低く、優先度情報に対応する属性を有するものを優先します。優先度情報は属性と対応づけられ、表示制御部が再学習用データを一覧表示し、境界や属性分布を可視化します。距離の尺度はユークリッドやマハラノビスを用い、次元削減にはPCAやLDAを併用します。

本技術は、学習済みモデルを用いた推論と特徴量抽出を組み合わせ、再学習を効率化します。推論部は学習データごとに検知対象を推論し、尤度を推論結果記憶部に蓄積します。特徴量抽出部は検知対象の特徴量を抽出して特徴量記憶部に保存します。特定部は尤度閾値と優先度情報で第1検知対象を決定し、対象抽出部は第1対象と特徴量空間上で距離が所定内となる第2検知対象を抽出します。学習部は第2対象を含む学習データを再構築して学習済みモデルを再学習します。再学習の対象は、尤度が低く、優先度情報に基づく属性を有する検知対象です。優先度情報記憶部と表示制御部により、再学習対象の属性分布を可視化し、どの属性が再学習の効果に寄与したかを把握できます。距離尺度はユークリッドやマハラノビスが選択可能で、次元削減にはPCAやLDAを併用します。表示制御部は境界や分布を画像で示し、再学習データの一覧表示や誤検知の可視化も行います。