JP6494679B2 - Analysis device, information providing device, analysis method, and program - Google Patents
Analysis device, information providing device, analysis method, and program Download PDFInfo
- Publication number
- JP6494679B2 JP6494679B2 JP2017053542A JP2017053542A JP6494679B2 JP 6494679 B2 JP6494679 B2 JP 6494679B2 JP 2017053542 A JP2017053542 A JP 2017053542A JP 2017053542 A JP2017053542 A JP 2017053542A JP 6494679 B2 JP6494679 B2 JP 6494679B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter
- image
- evaluation value
- original image
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims description 54
- 238000011156 evaluation Methods 0.000 claims description 94
- 230000006872 improvement Effects 0.000 claims description 86
- 238000000034 method Methods 0.000 claims description 72
- 238000012545 processing Methods 0.000 claims description 58
- 238000005457 optimization Methods 0.000 claims description 40
- 230000009471 action Effects 0.000 claims description 10
- 238000005309 stochastic process Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 4
- 102100031051 Cysteine and glycine-rich protein 1 Human genes 0.000 description 73
- 230000006870 function Effects 0.000 description 51
- 238000004891 communication Methods 0.000 description 25
- 238000003860 storage Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 14
- 238000009826 distribution Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 108010064535 CCAAT-Enhancer-Binding Protein-beta Proteins 0.000 description 5
- 102100031621 Cysteine and glycine-rich protein 2 Human genes 0.000 description 5
- 102100027364 Cysteine-rich protein 3 Human genes 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 108010023942 cysteine and glycine-rich protein 3 Proteins 0.000 description 5
- 101710185487 Cysteine and glycine-rich protein 1 Proteins 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、解析装置、情報提供装置、解析方法、およびプログラムに関する。 The present invention relates to an analysis device, an information providing device, an analysis method, and a program.
従来、インターネット上で公開されるウェブページなどの電子ページには、ニュース記事などのコンテンツと共に、そのコンテンツの内容に関連した画像が掲載されている。一般的に、電子ページにおける画像の掲載領域のサイズには、電子ページの見やすさやアクセス負荷などの兼ね合いから一定の制限が設けられている。そのため、専ら、編集者などが原画像から画像の一部を切り出し、その切り出した一部画像を電子ページに掲載している。これに関連し、原画像から画像の一部を自動的に切り出す技術が知られている（例えば、特許文献１参照）。 2. Description of the Related Art Conventionally, on an electronic page such as a web page published on the Internet, an image related to the content is posted along with content such as a news article. In general, there is a certain restriction on the size of an image posting area in an electronic page in view of the ease of viewing the electronic page and the access load. For this reason, an editor or the like exclusively cuts out a part of the image from the original image and places the cut out part of the image on the electronic page. In relation to this, a technique for automatically cutting out a part of an image from an original image is known (for example, see Patent Document 1).
しかしながら、従来の技術では、電子ページのアクセス数の向上などを目的とした場合、自動的に切り出された画像が必ずしも目的を達成すのにふさわしい画像とは限られなかった。 However, in the prior art, when the purpose is to increase the number of accesses to an electronic page, an automatically cut image is not necessarily an image suitable for achieving the purpose.
本発明は、上記の課題に鑑みてなされたものであり、電子ページに掲載する画像として、より好適な画像を自動的に生成することができる解析装置、情報提供装置、解析方法、およびプログラムを提供することを目的としている。 The present invention has been made in view of the above problems, and an analysis device, an information providing device, an analysis method, and a program capable of automatically generating a more suitable image as an image to be posted on an electronic page are provided. It is intended to provide.
本発明の一態様は、原画像から切り出されたクロッピング画像が掲載された電子ページを閲覧したユーザによってとられた行動が評価された評価値を取得する取得部と、前記原画像において前記クロッピング画像が切り出された領域に関するパラメータと、前記取得部により取得された評価値とに基づいて、未知関数の最適化手法により、前記パラメータとして好ましい改善パラメータを決定する決定部と、を備える解析装置である。 One aspect of the present invention is an acquisition unit that acquires an evaluation value in which an action taken by a user who viewed an electronic page on which an cropped image cut out from an original image is posted; and the cropped image in the original image A determination unit that determines a preferable improvement parameter as the parameter by an optimization method of an unknown function based on a parameter related to the region from which the parameter is cut out and an evaluation value acquired by the acquisition unit .
本発明の一態様によれば、電子ページに掲載する画像として、より好適な画像を自動的に生成することができる解析装置、情報提供装置、解析方法、およびプログラムを提供することができる。 According to one embodiment of the present invention, an analysis device, an information providing device, an analysis method, and a program that can automatically generate a more suitable image as an image to be posted on an electronic page can be provided.
以下、本発明を適用した解析装置、情報提供装置、解析方法、およびプログラムを、図面を参照して説明する。 Hereinafter, an analysis apparatus, an information providing apparatus, an analysis method, and a program to which the present invention is applied will be described with reference to the drawings.
［概要］
解析装置は、一以上のプロセッサによって実現される。解析装置は、原画像ＯＲＧから切り出されたクロッピング画像ＣＲＰが掲載された電子ページを閲覧したユーザによってとられた行動が評価された評価値を取得する。そして、解析装置は、原画像ＯＲＧにおいてクロッピング画像ＣＲＰが切り出された領域に関するパラメータと、取得した評価値とに基づいて、未知関数の最適化手法により、クロッピング画像ＣＲＰを切り出す領域のパラメータとして好ましい改善パラメータを決定し、決定した改善パラメータを出力する。これによって、自装置が、或いは他装置が、電子ページに掲載する画像として、より好適な画像を自動的に生成することができる。
[Overview]
The analysis device is realized by one or more processors. The analysis device acquires an evaluation value in which an action taken by a user who has viewed an electronic page on which a cropped image CRP cut out from the original image ORG is posted is evaluated. Then, the analysis apparatus preferably improves as a parameter of the region from which the cropped image CRP is to be cut out by an unknown function optimization method based on the parameter related to the region from which the cropped image CRP is cut out in the original image ORG and the acquired evaluation value. The parameter is determined and the determined improvement parameter is output. Thereby, a more suitable image can be automatically generated as an image to be posted on the electronic page by the own device or another device.
未知関数の最適化手法とは、事前に形状が分からない未知関数（未知の目的関数）を最適化する手法であり、例えば、ベイズ的最適化手法、遺伝的アルゴリズム、差分進化法、焼きなまし法、グリッドサーチ法などである。以下の実施形態では、未知関数の最適化手法としてベイズ的最適化手法を適用した場合の例について説明するが、遺伝的アルゴリズムや差分進化法などの他の手法を用いてもよい。この場合、更に、分布推定アルゴリズム（Estimation of Distribution Algorithms）などを利用して、最適化手法として行われる探索処理の過程で得られるパラメータ（探索点）を基に、ある確率モデルに従う関数（分布）を求めてもよい。 The unknown function optimization method is a method for optimizing an unknown function (an unknown objective function) whose shape is not known in advance, such as a Bayesian optimization method, a genetic algorithm, a differential evolution method, an annealing method, For example, the grid search method. In the following embodiment, an example in which a Bayesian optimization method is applied as an optimization method for an unknown function will be described. However, other methods such as a genetic algorithm and a differential evolution method may be used. In this case, further, a function (distribution) according to a certain probability model based on parameters (search points) obtained in the process of search processing performed as an optimization technique using a distribution estimation algorithm (Estimation of Distribution Algorithms) or the like. You may ask for.
ベイズ的最適化手法とは、上述したように、ある未知関数を導出する際に、何かしらの事前分布を仮定し、関数の事後分布を基に未知関数を最適化する手法である。本実施形態では、一例として、ガウス過程（Gaussian process）と呼ばれる確率過程（確率変数の集合）を用いて事前分布を仮定するベイズ的最適化手法について説明するが、他の確率過程を用いて事前分布を仮定してもよい。 As described above, the Bayesian optimization method is a method of optimizing an unknown function based on a posterior distribution of a function assuming a certain prior distribution when a certain unknown function is derived. In this embodiment, as an example, a Bayesian optimization method that assumes a prior distribution using a stochastic process (a set of random variables) called a Gaussian process will be described. A distribution may be assumed.
＜第１実施形態＞
［全体構成］
図１は、第１実施形態における解析装置２００を含む解析システム１の一例を示す図である。第１実施形態における解析システム１は、例えば、一以上の端末装置１０と、サービス提供装置１００と、解析装置２００とを備える。これらの装置は、ネットワークＮＷを介して接続される。なお、サービス提供装置１００は、解析装置２００内に集約されていてもよい。サービス提供装置１００は、「情報提供装置」の一例である。
<First Embodiment>
[overall structure]
FIG. 1 is a diagram illustrating an example of an
図１に示す各装置は、ネットワークＮＷを介して種々の情報を送受信する。ネットワークＮＷは、例えば、無線基地局、Ｗｉ‐Ｆｉアクセスポイント、通信回線、プロバイダ、インターネットなどを含む。なお、図１に示す各装置の全ての組み合わせが相互に通信可能である必要はなく、ネットワークＮＷは、一部にローカルなネットワークを含んでもよい。 Each apparatus shown in FIG. 1 transmits and receives various information via the network NW. The network NW includes, for example, a radio base station, a Wi-Fi access point, a communication line, a provider, the Internet, and the like. Note that it is not necessary for all combinations of the devices shown in FIG. 1 to be able to communicate with each other, and the network NW may partially include a local network.
端末装置１０は、ユーザによって使用される装置である。端末装置１０は、例えば、スマートフォンなどの携帯電話、タブレット端末、パーソナルコンピュータなどのコンピュータ装置である。
The
端末装置１０は、ユーザから所定の操作を受け付けると、ウェブブラウザを介して、サービス提供装置１００が提供するウェブサイトにアクセスする。例えば、サービス提供装置１００により提供されるウェブサイトは、ニュースや天気予報などの情報提供サイトや、検索サイト、ショッピングサイトなどであってもよいし、ＳＮＳ（Social Networking Service）やメールサービスなどを享受可能なウェブサイトであってもよい。
Upon receiving a predetermined operation from the user, the
また、端末装置１０は、ユーザから所定の操作を受け付けると、予めインストールされたアプリケーションを介してサービス提供装置１００と通信を行い、アプリケーション上で表示或いは再生するコンテンツを取得する。コンテンツは、例えば、テキストデータや、画像データ、動画データ、音声データなどである。これによって、端末装置１０には、アプリケーションを介して、上述した各種ウェブサイトにより提供されるサービス（情報提供、検索、ショッピングなど）と同様のサービスが提供される。
Further, when receiving a predetermined operation from the user, the
サービス提供装置１００は、インターネット上において、ショッピングサイトや検索サイトなどのウェブサイトを提供するウェブサーバ装置であってよいし、アプリケーションが起動された端末装置１０と通信を行って、各種情報の受け渡しを行うアプリケーションサーバ装置であってもよい。
The
以下、サービス提供装置１００によりサービスとして提供されるウェブページまたはアプリケーション用のページを、電子ページと総称して説明する。
Hereinafter, web pages or application pages provided as services by the
図２は、サービス提供装置１００により提供される電子ページの一例を示す図である。図示のように、電子ページには、例えば、ニュースなどの記事ＡＴＣと、その記事ＡＴＣの内容に関連した原画像ＯＲＧの一部（後述するクロッピング画像ＣＲＰ）と、その記事ＡＴＣの詳細内容を紹介する記事が掲載された電子ページへのリンク（例えばハイパーリンク等）Ｌとが掲載される。例えば、電子ページに掲載される記事ＡＴＣが有名人などの特定の人物を紹介する記事である場合、「記事ＡＴＣの内容に関連した原画像ＯＲＧ」は、その人物の全体画像（例えば頭から足先までを収めた全身の画像）である。この原画像ＯＲＧの一部とは、例えば、上半身や頭部のみが写された領域を切り出したクロッピング画像ＣＲＰである。以下、リンクＬからアクセス可能な電子ページを「リンク先ページ」と称し、記事ＡＴＣやクロッピング画像ＣＲＰ、リンクＬが掲載される電子ページを「リンク元ページ」と称して説明する。
FIG. 2 is a diagram illustrating an example of an electronic page provided by the
解析装置２００は、例えば、リンク元ページに掲載されるクロッピング画像ＣＲＰが原画像ＯＲＧから切り出された領域に関するパラメータ（以下、クロップパラメータと称する）として好ましい改善パラメータを、ベイズ的最適化手法などの未知関数の最適化手法により決定する。「好ましい」とは、現在のパラメータを改善パラメータに変更するのを推奨する、という意味である。
The
［サービス提供装置の構成］
以下、サービス提供装置１００および解析装置２００の各構成について説明する。図３は、第１実施形態におけるサービス提供装置１００の構成の一例を示す図である。図示のように、サービス提供装置１００は、例えば、サービス提供側通信部１０２と、サービス提供側制御部１１０と、サービス提供側記憶部１３０とを備える。
[Configuration of service providing device]
Hereinafter, each structure of the
サービス提供側通信部１０２は、例えば、ＮＩＣ（Network Interface Card）などの通信インターフェースやＤＭＡ（Direct Memory Access）コントローラを含む。サービス提供側通信部１０２は、ネットワークＮＷを介して、端末装置１０や解析装置２００などと通信する。
The service providing
サービス提供側制御部１１０は、例えば、サービス提供部１１２と、画像処理部１１４と、評価値導出部１１６とを備える。サービス提供側制御部１１０の構成要素は、例えば、ＣＰＵ（Central Processing Unit）やＧＰＵ（Graphics Processing Unit）などのプロセッサがサービス提供側記憶部１３０に格納されたプログラムを実行することにより実現される。また、サービス提供側制御部１１０の構成要素の一部または全部は、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などのハードウェアにより実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。
The service providing
サービス提供側記憶部１３０は、例えば、ＨＤＤ（Hard Disc Drive）、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）などにより実現される。サービス提供側記憶部１３０は、ファームウェアやアプリケーションプログラムなどの各種プログラムの他に、リンク元ページログ情報Ｄ１や、リンク先ページログ情報Ｄ２、原画像情報Ｄ３、クロップパラメータ情報Ｄ４、評価情報Ｄ５などを記憶する。これらの情報については後述する。
The service providing
サービス提供部１１２は、サービス提供側通信部１０２を用いて、サービスとし電子ページを端末装置１０に提供する。例えば、サービス提供装置１００がウェブサーバ装置である場合、サービス提供部１１２は、サービス提供側通信部１０２により端末装置１０からＨＴＴＰ（Hypertext Transfer Protocol）リクエストが受信されると、このリクエストに対応したウェブページとして、ＨＴＭＬ形式のテキストデータや、ＣＳＳ（Cascading Style Sheets）などのスタイルシート、画像データ、動画データ、音声データなどを、ＨＴＴＰリクエストの送信元である端末装置１０に送信する。テキストデータには、例えば、記事ＡＴＣが含まれる。また、画像データには、例えば、クロッピング画像ＣＲＰが含まれる。これを受けて、端末装置１０の画面には、ウェブブラウザの機能によりウェブページが描画される。
The
また、例えば、サービス提供装置１００がアプリケーションサーバ装置である場合、サービス提供部１１２は、アプリケーションが起動された端末装置１０からサービス提供側通信部１０２により所定のリクエストが受信されると、リクエストの送信元である端末装置１０に対して、記事ＡＴＣを含むテキストデータと、クロッピング画像ＣＲＰを含む画像データとをコンテンツとして送信する。端末装置１０は、コンテンツを受信すると、例えば、アプリケーションのインストール時に合わせて取得しておいたスタイルシートなどに基づいて、受信したコンテンツを画面上に配置する。これによって、端末装置１０の画面には、アプリ用のページが描画される。
Further, for example, when the
また、サービス提供部１１２は、リンク先ページのリンクＬが掲載されたリンク元ページについて、例えば、各ページの所定期間におけるインプレッション数などの指標値を収集することで、リンク元ページログ情報Ｄ１を生成する。インプレッションとは、例えば、リンク元ページに対してアクセス（訪問）があり、アクセス要求元（例えばＨＴＴＰリクエストの送信元）である端末装置１０の画面にリンク元ページが表示されることである。
Further, the
図４は、リンク元ページログ情報Ｄ１の一例を示す図である。図示の例のように、リンク元ページログ情報Ｄ１は、リンク元ページごとに、そのリンク元ページに掲載されたコンテンツのＩＤと、リンク元ページに掲載されたリンクＬに関連付けられた各リンク先ページのページＩＤと、リンク元ページのインプレッション数とが対応付けられた情報である。図示のように、コンテンツのＩＤは、例えば、記事ＡＴＣのＩＤおよびクロッピング画像ＣＲＰのＩＤを含む。 FIG. 4 is a diagram illustrating an example of the link source page log information D1. As in the example shown in the figure, the link source page log information D1 includes, for each link source page, the ID of the content posted on the link source page and each link destination associated with the link L posted on the link source page. This is information in which the page ID of the page is associated with the number of impressions of the link source page. As illustrated, the content ID includes, for example, the ID of the article ATC and the ID of the cropped image CRP.
また、サービス提供部１１２は、リンク元ページのリンクＬからアクセス可能なリンク先ページについて、例えば、リンク元ページからのアクセス数などの指標値を収集することで、リンク先ページログ情報Ｄ２を生成する。
Further, the
図５は、リンク先ページログ情報Ｄ２の一例を示す図である。図示の例のように、リンク先ページログ情報Ｄ２は、各リンク先ページのページＩＤに、リンク元ページからのアクセス数が対応付けられた情報である。 FIG. 5 is a diagram illustrating an example of the link destination page log information D2. As in the illustrated example, the link destination page log information D2 is information in which the number of accesses from the link source page is associated with the page ID of each link destination page.
画像処理部１１４は、サービス提供部１１２により提供される予定のリンク元ページに掲載される記事ＡＴＣの内容に関連した原画像ＯＲＧから、クロッピング画像ＣＲＰを生成する。例えば、画像処理部１１４は、原画像情報Ｄ３を参照し、サービス提供部１１２により提供される予定のリンク元ページに掲載される記事ＡＴＣの内容に関連した原画像ＯＲＧを特定する。
The
図６は、原画像情報Ｄ３の一例を示す図である。図示の例のように、原画像情報Ｄ３は、原画像ＯＲＧのＩＤに対して、その原画像ＯＲＧの画像データと、その原画像ＯＲＧに内容が関連した記事ＡＴＣのＩＤとが対応付けられた情報である。このような原画像情報Ｄ３は、サービス提供側記憶部１３０に予め記憶されているものとする。
FIG. 6 is a diagram illustrating an example of the original image information D3. As in the illustrated example, in the original image information D3, the image data of the original image ORG and the ID of the article ATC related to the content of the original image ORG are associated with the ID of the original image ORG. Information. It is assumed that such original image information D3 is stored in advance in the service providing
例えば、画像処理部１１４は、原画像情報Ｄ３において、リンク元ページに掲載される記事ＡＴＣのＩＤに対応付けられた原画像ＯＲＧの画像データを、記事ＡＴＣの内容に関連した原画像ＯＲＧとして特定する。
For example, the
そして、画像処理部１１４は、クロップパラメータ情報Ｄ４を参照し、特定した原画像ＯＲＧにおいて、クロッピング画像ＣＲＰとして切り出す画像領域（以下、クロップウィンドウと称する）を決定する。クロップパラメータ情報Ｄ４は、原画像ＯＲＧごとにクロップウィンドウを決定するための種々のクロップパラメータを示す情報である。
Then, the
図７は、クロップパラメータ情報Ｄ４の一例を示す図である。図示のように、クロップパラメータ情報Ｄ４は、原画像ＯＲＧのＩＤごとに、その原画像ＯＲＧに対するクロップウィンドウの位置、クロップウィンドウのサイズ、クロップウィンドウのアスペクト比といったクロップパラメータが対応付けられた情報である。例えば、クロップウィンドウの位置は、原画像ＯＲＧの所定位置を原点Ｏとし、その原点Ｏを基準としたときの原画像ＯＲＧの幅方向の座標と高さ方向の座標によって表される。クロップウィンドウのサイズは、例えば、ウィンドウの形状が略四角形状である場合、ある一辺の大きさＡと、その一辺に接するまたは交差する他の一辺の大きさＢによって表される。また、クロップウィンドウのアスペクト比は、例えば、上述したある一辺の大きさＡと、他の一辺の大きさＢとの比率によって表される。画像処理部１１４は、このような各パラメータに従って、原画像ＯＲＧにクロップウィンドウを設定し、その設定したクロップウィンドウと重なる画像領域を、クロッピング画像ＣＲＰとして切り出す。このようなクロップパラメータは、解析装置２００により改善パラメータが決定されると変更される。なお、改善パラメータが決定されるまでは、クロップパラメータとして、予め決められたデフォルトのパラメータが設定されているものとする。
FIG. 7 is a diagram illustrating an example of the crop parameter information D4. As illustrated, the crop parameter information D4 is information in which crop parameters such as the position of the crop window, the size of the crop window, and the aspect ratio of the crop window are associated with each ID of the original image ORG. . For example, the position of the crop window is represented by the coordinate in the width direction and the coordinate in the height direction of the original image ORG when the predetermined position of the original image ORG is the origin O and the origin O is the reference. The size of the crop window is represented by, for example, the size A of one side and the size B of the other side that touches or intersects the one side when the window has a substantially square shape. In addition, the aspect ratio of the crop window is represented by, for example, the ratio between the size A of one side described above and the size B of the other side. The
図８は、クロッピング画像ＣＲＰの切り出し方法について説明するための図である。図中Ｘは、原画像ＯＲＧにおける幅方向を表し、Ｙは、原画像ＯＲＧにおける高さ方向を表している。また、図中Ｗは、クロップウィンドウを表し、ＣＰは、クロップウィンドウの中心位置を表している。例えば、特定した原画像ＯＲＧのＩＤが「ＯＲＧ＿ｉ」であった場合、画像処理部１１４は、クロップパラメータ情報Ｄ４を参照し、原画像ＯＲＧ＿ｉに対応付けられたクロップパラメータに従って、適宜サイズを変更しながら原画像ＯＲＧ＿ｉ上にクロップウィンドウＷを設定する。そして、画像処理部１１４は、原画像ＯＲＧ＿ｉ上に設定したクロップウィンドウＷと重なる画像領域を、原画像ＯＲＧ＿ｉに対応したクロッピング画像ＣＲＰ＿ｉとして切り出す。これによって、クロッピング画像ＣＲＰ＿ｉが生成される。
FIG. 8 is a diagram for explaining a cropping image CRP clipping method. In the figure, X represents the width direction in the original image ORG, and Y represents the height direction in the original image ORG. In the figure, W represents a crop window, and CP represents the center position of the crop window. For example, when the ID of the identified original image ORG is “ORG_i”, the
なお、クロップパラメータには、上述したクロップウィンドウの位置、サイズ、アスペクト比に代えて或いは加えて、例えば、クロップウィンドウの形状（楕円形状や四角形状を含む多角形状等）を指定するパラメータが含まれていてもよい。 Note that the crop parameters include, for example, parameters for specifying the shape of the crop window (eg, an elliptical shape or a polygonal shape including a square shape) instead of or in addition to the above-described crop window position, size, and aspect ratio. It may be.
また、クロップパラメータには、クロップウィンドウを設定する画像領域の特徴を指定するパラメータが含まれていてもよい。例えば、目や鼻、口などに由来する特徴の有無を指定するパラメータがクロップパラメータに含まれている場合、画像処理部１１４は、原画像ＯＲＧ上において、目や鼻、口などの特徴を含む画像領域と重なるようにクロップウィンドウを設定する。これによって、目や鼻、口などの特徴を含む画像領域、すなわち人の頭部を写す画像領域がクロッピング画像ＣＲＰ＿ｉとして切り出される。
Further, the crop parameter may include a parameter for designating the characteristics of the image area in which the crop window is set. For example, when the crop parameter includes a parameter that specifies the presence / absence of a feature derived from eyes, nose, mouth, and the like, the
評価値導出部１１６は、画像処理部１１４により生成されたクロッピング画像ＣＲＰが掲載されたリンク元ページがサービス提供部１１２によって提供されると、このリンク元ページを閲覧したユーザによってとられた行動が評価された評価値を、リンク元ページごとに導出する。
When the link source page on which the cropped image CRP generated by the
例えば、評価値導出部１１６は、リンク元ページログ情報Ｄ１とリンク先ページログ情報Ｄ２とを参照して、あるリンク先ページのアクセス数を、そのリンク先ページへのリンクＬが掲載されたリンク元ページのインプレッション数で除算したＣＴＲ（Click Through Rate）を評価値として導出する。
For example, the evaluation
なお、評価値導出部１１６は、評価値としてＣＴＲを導出するのに代えて或いは加えて、リンク先ページでの滞在時間や、リンク先ページでの所定のコンバージョンの成立回数に基づくＣＶＲ（Conversion Rate）などを評価値として導出してもよい。所定のコンバージョンとは、例えば、リンク先ページに掲載される広告を閲覧したり、リンク先ページに掲載されるリンクから更に他のページへとアクセスしたりすることである。
Note that the evaluation
そして、評価値導出部１１６は、導出した評価値と、評価値の導出対象としたリンク元ページに対して、評価値と、リンク元ページに掲載されたクロッピング画像ＣＲＰとを対応付けた情報を生成し、この生成した情報を評価情報Ｄ５としてサービス提供側記憶部１３０に記憶させる。
Then, the evaluation
図９は、評価情報Ｄ５の一例を示す図である。図示の例のように、評価情報Ｄ５は、リンク元ページのＩＤごとに、そのページに掲載されるクロッピング画像ＣＲＰのＩＤと、そのページを閲覧したユーザの評価値とが対応付けられた情報である。例えば、各リンク元ページには、互いに異なる評価値が対応付けられてもよいし、同じ評価値が対応付けられてもよい。また、各リンク元ページには、互いに異なる複数の評価値（図の例では（ＣＴＲ，滞在時間，ＣＶＲ，…））が対応付けられてもよい。 FIG. 9 is a diagram illustrating an example of the evaluation information D5. Like the example of illustration, evaluation information D5 is information with which ID of the cropping image CRP published on the page, and the evaluation value of the user who browsed the page were matched for every ID of the link origin page. is there. For example, different evaluation values may be associated with each link source page, or the same evaluation value may be associated with each link source page. Each link source page may be associated with a plurality of different evaluation values ((CTR, stay time, CVR,...) In the example in the figure).
また、評価情報Ｄ５において、評価値が対応付けられたリンク元ページが改変された場合、評価値導出部１１６は、改変されたリンク元ページの評価値を再度導出してよい。リンク元ページの「改変」とは、例えば、リンク元ページに掲載されるクロッピング画像ＣＲＰが変更されることである。
When the link source page associated with the evaluation value is modified in the evaluation information D5, the evaluation
例えば、プログラマーやデザイナーなどのリンク元ページの設計者が、評価値導出部１１６により導出された評価値を参照して、リンク元ページからリンク先ページへとよりアクセスがされ易くなるように（評価値を向上させるために）、リンク先ページに掲載されたクロッピング画像ＣＲＰを変更することが想定される。
For example, a designer of a link source page such as a programmer or a designer refers to the evaluation value derived by the evaluation
また、リンク元ページの「改変」は、設計者が行う代わりに、サービス提供側制御部１１０のいずれかの構成要素（例えば、画像処理部１１４など）が行ってもよい。
Further, “modification” of the link source page may be performed by any component (for example, the image processing unit 114) of the service providing
例えば、リンク元ページが改変されると、サービス提供部１１２は、サービス提供側通信部１０２を用いて、改変されたリンク元ページ（以下、改変済みリンク元ページと称する）を、所定のユーザが操作する端末装置１０へと送信する。所定のユーザとは、例えば、不特定多数のユーザにより構成されたクラウドソーシング形式のワーキンググループに参加するユーザである。クラウドソーシングとは、依頼した業務の協力を募ることである。例えば、サービス提供部１１２は、クラウドソーシングに参加するユーザの端末装置１０に対して、改変済みリンク元ページを提供する。これを受けて、クラウドソーシングに参加するユーザは、端末装置１０を操作して、提供された改変済みリンク元ページにアクセスし、興味や関心があればリンクＬを選択することでリンク先ページへとアクセスする。
For example, when the link source page is modified, the
そして、評価値導出部１１６は、改変済みリンク元ページがサービス提供部１１２により端末装置１０へと提供され、その端末装置１０を操作するユーザによってリンク先ページにアクセスされると、この改変済みリンク元ページの評価値を導出する。例えば、評価値導出部１１６は、評価情報Ｄ５において、その改変済みリンク元ページのページＩＤに対応付けられた評価値を更新してもよいし、改変済みリンク元ページのページＩＤを新たなページＩＤとして扱うことで、評価情報Ｄ５に改変済みリンク元ページごとに評価値のログをレコードとして追加してもよい。
Then, when the modified link source page is provided to the
［解析装置の構成］
図１０は、第１実施形態における解析装置２００の構成の一例を示す図である。図示のように、解析装置２００は、例えば、解析側通信部２０２と、解析側制御部２１０と、解析側記憶部２３０とを備える。
[Configuration of analyzer]
FIG. 10 is a diagram illustrating an example of the configuration of the
解析側通信部２０２は、例えば、ＮＩＣなどの通信インターフェースやＤＭＡコントローラを含む。解析側通信部２０２は、例えば、ネットワークＮＷを介して、サービス提供装置１００などと通信する。
The analysis
解析側制御部２１０は、例えば、解析側取得部２１２と、パラメータ抽出部２１４と、パラメータ決定部２１６と、出力部２１８とを備える。解析側制御部２１０の構成要素は、例えば、ＣＰＵやＧＰＵなどのプロセッサが解析側記憶部２３０に格納されたプログラムを実行することにより実現される。また、解析側制御部２１０の構成要素の一部または全部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。
The analysis-
解析側記憶部２３０は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＯＭ、ＲＡＭなどにより実現される。解析側記憶部２３０は、ファームウェアやアプリケーションプログラムなどの各種プログラムの他に、上述したクロップパラメータ情報Ｄ４および評価情報Ｄ５と、パラメータ対評価値情報Ｄ６と、関数情報Ｄ７とを記憶する。パラメータ対評価値情報Ｄ６および関数情報Ｄ７については後述する。
The analysis
［処理フロー］
以下、フローチャートに即して解析側制御部２１０の各構成要素について説明する。図１１は、第１実施形態における解析側制御部２１０により実行される処理の一例を示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われる。
[Processing flow]
Hereinafter, each component of the analysis-
まず、解析側取得部２１２は、解析側通信部２０２の通信相手であるサービス提供装置１００から、解析側通信部２０２を介して、クロップパラメータ情報Ｄ４および評価情報Ｄ５を取得し（Ｓ１００）、これらを解析側記憶部２３０に記憶させる。
First, the analysis-
次に、パラメータ抽出部２１４は、解析側取得部２１２により取得されたクロップパラメータ情報Ｄ４から、クロップパラメータを、ベイズ的最適化手法により改善パラメータが決定される際に用いられるパラメータとして抽出する（Ｓ１０２）。
Next, the
次に、パラメータ抽出部２１４は、評価情報Ｄ５を参照し、抽出したクロップパラメータを用いて原画像ＯＲＧから切り出されたクロッピング画像ＣＲＰに対応付けられた評価値を抽出し、クロッピング画像ＣＲＰと、クロップパラメータと、評価値とを互いに対応付けたパラメータ対評価値情報Ｄ６を生成し（Ｓ１０４）、この情報を解析側記憶部２３０に記憶させる。
Next, the
図１２は、パラメータ対評価値情報Ｄ６の一例を示す図である。図示のように、例えば、パラメータ対評価値情報Ｄ６は、各クロッピング画像ＣＲＰのＩＤに対して、そのクロッピング画像ＣＲＰが生成される際に使用されたクロッピングパラメータと、そのクロッピング画像ＣＲＰの評価値とが対応付けられた情報である。 FIG. 12 is a diagram illustrating an example of the parameter pair evaluation value information D6. As illustrated, for example, the parameter pair evaluation value information D6 includes, for each cropping image CRP ID, a cropping parameter used when the cropping image CRP is generated, and an evaluation value of the cropping image CRP. Is associated information.
このとき、クロッピングパラメータは、その値が０〜１の数値範囲となるように正規化される。例えば、クロッピングパラメータが「クロップウィンドウの幅方向および高さ方向のサイズ」である場合、パラメータ抽出部２１４は、クロッピングパラメータとして抽出した「クロップウィンドウの幅方向および高さ方向のサイズ」を、そのサイズが取り得る最大値（例えば原画像ＯＲＧの幅方向および高さ方向のサイズ）で除算することで正規化する。
At this time, the cropping parameter is normalized so that the value is in a numerical range of 0 to 1. For example, when the cropping parameter is “size in the width direction and height direction of the crop window”, the
パラメータ対評価値情報Ｄ６に含まれるクロッピングパラメータは、上述したように、クロップウィンドウの位置、クロップウィンドウのサイズ、クロップウィンドウのアスペクト比、クロップウィンドウの形状、クロップウィンドウを設定する画像領域の特徴などの各種パラメータのうち、いずれか１つのパラメータを有する一次元（基底が１つ）のパラメータであってもよいし、複数のパラメータを有する多次元（基底が複数）のパラメータであってもよい。 As described above, the cropping parameters included in the parameter versus evaluation value information D6 include the position of the crop window, the size of the crop window, the aspect ratio of the crop window, the shape of the crop window, the characteristics of the image area in which the crop window is set, and the like. Among various parameters, it may be a one-dimensional parameter (one basis) having any one parameter, or a multi-dimensional (a plurality of bases) parameter having a plurality of parameters.
次に、パラメータ決定部２１６は、パラメータ対評価値情報Ｄ６を参照し、クロップパラメータと評価値とに基づいて、ベイズ的最適化手法により、クロップパラメータとして好ましい（改善することを推奨する）改善パラメータを決定する（Ｓ１０６）。パラメータ決定部２１６は、この改善パラメータの決定処理を、パラメータ対評価値情報Ｄ６が示す各クロッピング画像ＣＲＰについて行う。なお、パラメータ決定部２１６は、上述したように、ベイズ的最適化手法に代えて、遺伝的アルゴリズムや差分進化法などの他の最適化手法を用いることで、改善パラメータを決定してもよい。
Next, the
図１３は、ベイズ的最適化手法による改善パラメータの決定方法を説明するための図である。例えば、クロップパラメータをＸとした場合、評価値は、クロップパラメータＸを要素とした、ある未知関数（以下、ブラックボックス関数Ｆ（Ｘ）と称する）として表すことができる。 FIG. 13 is a diagram for explaining a method for determining an improvement parameter by a Bayesian optimization method. For example, when the crop parameter is X, the evaluation value can be expressed as an unknown function (hereinafter referred to as a black box function F (X)) having the crop parameter X as an element.
ブラックボックス関数Ｆ（Ｘ）を導出するために、パラメータ決定部２１６は、パラメータ対評価値情報Ｄ６の評価値を初期値として利用する。図示の例では、初期値として評価値Ｆ（Ｘａ）およびＦ（Ｘａ）が与えられている。この評価値Ｆ（Ｘａ）およびＦ（Ｘａ）の其々のクロップパラメータは、Ｘａ、Ｘｂである。図中μは、この２点の初期値を基にガウス過程（確率変数であるクロップパラメータＸがＮ次元のガウス分布Ｎ（μ，σ２）に従う）により推定されるブラックボックス関数Ｆ（Ｘ）の平均を表している。また、図中ＣＢは、ブラックボックス関数Ｆ（Ｘ）の平均μに標準偏差σ（分散σ２）を加算した信頼区間（μ±σ）を表している。例えば、標準偏差σ（分散σ２）は、ガウス過程を基に求められてよく、１σ、２σ、３σのように任意に決定されてよい。
In order to derive the black box function F (X), the
例えば、パラメータ決定部２１６は、ブラックボックス関数Ｆ（Ｘ）の信頼区間ＣＢの大きさ（絶対値）を表すacquisition function（以下、ａ（Ｘ）と称する）が最も大きくなるクロップパラメータＸ（不確実性の高いパラメータＸ）を、改善パラメータとして決定する。ａ（Ｘ）は、例えば、以下の数式（１）に基づいて求められてよい。式中Ｋは、カーネル関数を表す。
For example, the
ａ（Ｘ）＝（μ（Ｘ）＋Ｋσ（Ｘ））…（１） a (X) = (μ (X) + Kσ (X)) (1)
図示の例では、改善パラメータＸｃのときにａ（Ｘ）が最大となるため、パラメータ決定部２１６は、パラメータＸｃを改善パラメータに決定する。このように、改善パラメータは、ａ（Ｘ）の大きさに応じて決定される。
In the illustrated example, since a (X) is maximized when the improvement parameter is Xc, the
次に、出力部２１８は、解析側通信部２０２を用いて、パラメータ決定部２１６により決定された改善パラメータを、サービス提供装置１００に出力（送信）する（Ｓ１０８）。
Next, the
これを受けて、サービス提供装置１００の画像処理部１１４は、クロップパラメータ情報Ｄ４のクロップパラメータを、解析装置２００により出力された改善パラメータに変更することで、各原画像ＯＲＧから新たなクロッピング画像ＣＲＰを生成する。そして、サービス提供装置１００のサービス提供部１１２は、例えば、クラウドソーシングに参加するユーザの端末装置１０からＨＴＴＰリクエストなどがサービス提供側通信部１０２により受信されると、このリクエストのレスポンスとして、掲載される画像が、新たに生成されたクロッピング画像ＣＲＰに変更されたリンク元ページ（改変済みリンク元ページ）を、リクエストの送信元である端末装置１０に提供する。このとき、クロッピング画像ＣＲＰの変更前後において、それらのページのリンクＬに関連付けられたリンク先ページは同じページであるものとする。なお、リンク元ページに掲載される画像は、上述したように、設計者などによって変更されてもよい。
In response to this, the
サービス提供部１１２により改変済みリンク元ページが提供されると、サービス提供装置１００の評価値導出部１１６は、改変済みリンク元ページの評価値を新たに導出する。
When the modified link source page is provided by the
次に、解析装置２００の解析側取得部２１２は、解析側通信部２０２を用いて、サービス提供装置１００から改変済みリンク元ページの評価値を取得する（Ｓ１１０）。
Next, the analysis
次に、パラメータ決定部２１６は、改変済みリンク元ページの評価値（実測値）を用いて、ベイズ的最適化手法により、改善パラメータを再決定する（Ｓ１１２）。
Next, the
図１４は、改善パラメータを再決定する方法を説明するための図である。例えば、上述した図１３において例示したように、パラメータＸｃが改善パラメータに決定され、このパラメータＸｃをクロップパラメータに従って新たに生成されたクロッピング画像ＣＲＰがリンク元ページに掲載されることで、リンク元ページが改変されたとする。この場合、パラメータ決定部２１６は、評価値の初期値Ｆ（Ｘａ）およびＦ（Ｘｂ）と、前回改善パラメータとして決定したパラメータＸｃの実測値として取得された評価値Ｆ（Ｘｃ）とを固定点（確率的に求めた推測値ではなく観測したい事象の実測値）として用いて、ガウス過程によりブラックボックス関数Ｆ（Ｘ）の平均μを推定する。そして、パラメータ決定部２１６は、ａ（Ｘ）が最も大きくなるパラメータＸを、改善パラメータとして再度決定する。図示の例では、パラメータＸｄのときにａ（Ｘ）が最大となるため、パラメータ決定部２１６は、パラメータＸｄを改善パラメータに決定する。
FIG. 14 is a diagram for explaining a method of redetermining improvement parameters. For example, as illustrated in FIG. 13 described above, the parameter Xc is determined as an improvement parameter, and the cropped image CRP newly generated according to the crop parameter is displayed on the link source page. Is modified. In this case, the
次に、出力部２１８は、解析側通信部２０２を用いて、パラメータ決定部２１６により再度決定された改善パラメータを、サービス提供装置１００に対して出力する（Ｓ１１４）。
Next, the
次に、解析側制御部２１０は、改善パラメータを決定する演算処理の回数が所定回数に達したか否かを判定し（Ｓ１１６）、演算回数が所定回数に達していない場合、上述したＳ１１０に処理を移す。これによって、演算回数が所定回数に達するまでの間に、改善パラメータが繰り返し決定されるのに応じて、リンク元ページにおいてクロッピング画像ＣＲＰが変更され、その変更の都度、改変済みリンク元ページが生成される。改善パラメータが繰り返し決定されるのに応じて生成される改変済みリンク元ページは、「各世代の電子ページ」の一例である。例えば、改善パラメータを決定する演算処理が一回繰り返される毎に、リンク元ページの「世代」が一世代分増える。
Next, the analysis-
サービス提供装置１００のサービス提供部１１２は、クロッピング画像ＣＲＰが変更されて改変済みリンク元ページが生成される度に、各世代の改変済みリンク元ページをクラウドソーシングに参加するユーザの端末装置１０に送信する。そして、評価値導出部１１６は、各世代の改変済みリンク元ページごとに評価値を導出する。
Each time the cropped image CRP is changed and a modified link source page is generated, the
図１５は、各世代の改変済みリンク元ページが生成される様子を模式的に示す図である。例えば、初回の処理として、画像処理部１１４によりクロッピング画像ＣＲＰ１が生成されたとする。この場合、サービス提供部１１２は、クロッピング画像ＣＲＰ１を掲載したリンク元ページを端末装置１０に提供する。
FIG. 15 is a diagram schematically illustrating how a modified link source page of each generation is generated. For example, it is assumed that the cropping image CRP1 is generated by the
クロッピング画像ＣＲＰ１が掲載されたリンク元ページが提供され、これを閲覧したユーザの行動に応じた評価値が導出されると、パラメータ決定部２１６は、ベイズ的最適化手法により改善パラメータを決定する。画像処理部１１４は、この改善パラメータに従って、原画像ＯＲＧから新たなクロッピング画像ＣＲＰを生成する。例えば、改善パラメータが、クロッピング画像ＣＲＰ１の切り出し位置からクロップウィンドウのサイズを維持しながら図中左側にシフトさせた領域を、新たなクロッピング画像の切り出し位置に指定するパラメータである場合、画像処理部１１４は、原画像ＯＲＧからクロッピング画像ＣＲＰ２を切り出す。サービス提供部１１２は、新たに切り出された（生成された）クロッピング画像ＣＲＰ２を掲載したリンク元ページ、すなわち第１世代の改変済みリンク元ページを端末装置１０に提供する。
When a link source page on which the cropping image CRP1 is posted is provided and an evaluation value corresponding to the behavior of the user who has viewed the link image is derived, the
クロッピング画像ＣＲＰ２が掲載されたリンク元ページが提供され、これを閲覧したユーザの行動に応じた評価値が導出されると、パラメータ決定部２１６は、ベイズ的最適化手法により新たに改善パラメータを決定する。画像処理部１１４は、この改善パラメータに従って、原画像ＯＲＧから新たなクロッピング画像ＣＲＰを生成する。例えば、改善パラメータが、クロッピング画像ＣＲＰ２の切り出し位置からクロップウィンドウのサイズを維持しながら図中下側にシフトさせた領域を、新たなクロッピング画像の切り出し位置に指定するパラメータである場合、画像処理部１１４は、原画像ＯＲＧからクロッピング画像ＣＲＰ３を切り出す。サービス提供部１１２は、新たに切り出された（生成された）クロッピング画像ＣＲＰ３を掲載したリンク元ページ、すなわち第２世代の改変済みリンク元ページを端末装置１０に提供する。
When the link source page on which the cropping image CRP2 is posted is provided and an evaluation value corresponding to the behavior of the user who has viewed the link is derived, the
クロッピング画像ＣＲＰ３が掲載されたリンク元ページが提供され、これを閲覧したユーザの行動に応じた評価値が導出されると、パラメータ決定部２１６は、ベイズ的最適化手法により新たに改善パラメータを決定する。画像処理部１１４は、この改善パラメータに従って、原画像ＯＲＧから新たなクロッピング画像ＣＲＰを生成する。例えば、改善パラメータが、クロッピング画像ＣＲＰ２の切り出し位置からクロップウィンドウのサイズを維持しながら図中下側にシフトさせた領域を、新たなクロッピング画像の切り出し位置に指定するパラメータである場合、画像処理部１１４は、原画像ＯＲＧからクロッピング画像ＣＲＰ３を切り出す。サービス提供部１１２は、新たに切り出された（生成された）クロッピング画像ＣＲＰ３を掲載したリンク元ページ、すなわち第２世代の改変済みリンク元ページを端末装置１０に提供する。
When the link source page on which the cropping image CRP3 is posted is provided and an evaluation value corresponding to the behavior of the user who has viewed the link is derived, the
このように、改善パラメータに従って次々と新たな世代の改変済みリンク元ページされる。これらの各改変済みリンク元ページの評価値に応じてベイズ的最適化手法を繰り返すことで、ブラックボックス関数Ｆ（Ｘ）がどういった傾向の関数であるのかが決定される。この結果、リンク元ページの評価値が得られていないクロップパラメータであっても、導出したブラックボックス関数Ｆ（Ｘ）により、試行していない未知のクロップパラメータであってもどの程度の評価値が得られるのかがわかる。 In this way, a new generation of modified link source pages are successively generated according to the improvement parameter. The tendency of the black box function F (X) is determined by repeating the Bayesian optimization method in accordance with the evaluation value of each of these modified link source pages. As a result, even if it is a crop parameter for which the evaluation value of the link source page has not been obtained, how much evaluation value is obtained even if it is an unknown crop parameter that has not been tried by the derived black box function F (X). You can see what you can get.
一方、演算回数が所定回数に達した場合、解析側制御部２１０は、リンク元ページと、そのブラックボックス関数Ｆ（Ｘ）とを対応付けた情報を、関数情報Ｄ７として解析側記憶部２３０に記憶させる（Ｓ１１８）。
On the other hand, when the number of calculations reaches a predetermined number, the analysis-
図１６は、関数情報Ｄ７の一例を示す図である。例えば、関数情報Ｄ７は、各リンク元ページのページＩＤに対して、そのリンク元ページに掲載されたクロッピング画像ＣＲＰが生成されたときのクロップパラメータＸと、所定回数演算することにより導出されたブラックボックス関数Ｆ（Ｘ）とが対応付けられた情報である。このクロップパラメータＸは、ブラックボックス関数Ｆ（Ｘ）の導出時に用いたパラメータが、一次元のパラメータなのか、または多次元のパラメータなのか、多次元のパラメータならどういった要素を基底としているのか、といったことを示している。 FIG. 16 is a diagram illustrating an example of the function information D7. For example, the function information D7 includes, for each page ID of the link source page, a black parameter derived by calculating a crop parameter X when the cropped image CRP posted on the link source page is generated and a predetermined number of times. This is information associated with the box function F (X). The crop parameter X is a one-dimensional parameter or a multi-dimensional parameter used when deriving the black box function F (X). If a multi-dimensional parameter, what element is used as a basis? , And so on.
次に、出力部２１８は、解析側通信部２０２を用いて、所定回数演算することにより導出されたブラックボックス関数Ｆ（Ｘ）において、評価値Ｆ（Ｘ）が閾値以上となるクロップパラメータＸ（以下、最適パラメータと称する）を、サービス提供装置１００に対して出力する（Ｓ１２０）。
Next, the
これを受けて、サービス提供装置１００の画像処理部１１４は、最適パラメータに従って、原画像ＯＲＧからクロッピング画像ＣＲＰを生成する。サービス提供部１１２は、掲載する画像を、最適パラメータを基に生成されたクロッピング画像ＣＲＰに変更することで、改変済みリンク元ページを生成し、この改変済みリンク元ページを、クラウドソーシングに参加するユーザが操作する端末装置１０に限らず、リクエストを受けた全ての端末装置１０に提供する。これによって、本フローチャートの処理が終了する。
In response to this, the
なお、上述した第１実施形態では、図６に例示した原画像情報Ｄ３が、一つの記事ＡＴＣに対して一つの原画像ＯＲＧが対応付けられた情報であるものとして説明したがこれに限られない。例えば、原画像情報Ｄ３は、一つの記事ＡＴＣに対して、複数の原画像ＯＲＧが対応付けられた情報であってもよい。このとき、複数の原画像ＯＲＧが同じカテゴリーに属す画像の集合であると好適である。例えば、ある記事ＡＴＣが、「野球」の試合結果を伝える記事である場合、複数の原画像ＯＲＧのうち、ある原画像ＯＲＧは、その試合に出場した「野球選手」の画像とし、他の原画像ＯＲＧは、その試合が行われた「球場」の画像とする。 In the first embodiment described above, the original image information D3 illustrated in FIG. 6 has been described as information in which one original image ORG is associated with one article ATC. However, the present invention is not limited to this. Absent. For example, the original image information D3 may be information in which a plurality of original images ORG are associated with one article ATC. At this time, it is preferable that the plurality of original images ORG is a set of images belonging to the same category. For example, when an article ATC is an article that conveys a game result of “baseball”, among the plurality of original images ORG, an original image ORG is an image of “baseball player” who participated in the game, and another original image ORG. The image ORG is an image of a “ballpark” where the game was played.
また、上述した第１実施形態では、画像処理部１１４は、パラメータ決定部２１６により改善パラメータが決定される度に、その改善パラメータに従ってクロッピング画像ＣＲＰを生成するものとして説明したがこれに限られず、改善パラメータが決定される前に予め複数のクロッピング画像ＣＲＰを生成しておいてもよい。例えば、画像処理部１１４は、一つの原画像ＯＲＧから切り出し位置やアスペクト比などを変更しながら複数のクロッピング画像ＣＲＰを生成する。このとき、画像処理部１１４は、所定の規則に従ってクロップパラメータを変更し、切り出し位置などがある程度分散した状態でクロッピング画像ＣＲＰを生成する。そして、サービス提供部１１２は、画像処理部１１４により生成された複数のクロッピング画像ＣＲＰのうち、いずれかのクロッピング画像ＣＲＰを掲載したリンク元ページを提供する。
In the first embodiment described above, the
パラメータ決定部２１６により改善パラメータが決定された場合、画像処理部１１４は、事前に生成した複数のクロッピング画像ＣＲＰのうち、この改善パラメータと同じまたは近いクロップパラメータを用いて生成されたクロッピング画像ＣＲＰを選択する。例えば、クロップウィンドウのアスペクト比を０．１、０．２、０．３、…といったように変更しながら複数のクロッピング画像ＣＲＰを生成したとする。このとき、クロップウィンドウのアスペクト比を０．２８に指定する改善パラメータが決定された場合、画像処理部１１４は、事前に生成した複数のクロッピング画像ＣＲＰのうち、アスペクト比を０．３として生成したクロッピング画像ＣＲＰを選択する。これによって、改善パラメータの決定に応じてなされるクロッピング画像ＣＲＰの生成処理を省略することができるため、ブラックボックス関数を確定するまでに要する処理時間を短縮することができる。
When the improvement parameter is determined by the
以上説明した第１実施形態によれば、原画像ＯＲＧから切り出されたクロッピング画像ＣＲＰが掲載された電子ページを閲覧したユーザによってとられた行動が評価された評価値を取得する解析側取得部２１２と、原画像ＯＲＧにおいてクロッピング画像ＣＲＰが切り出された領域に関するクロップパラメータと、解析側取得部２１２により取得された評価値とに基づいて、ベイズ的最適化手法などの未知関数の最適化手法により、クロップパラメータとして好ましい改善パラメータを決定するパラメータ決定部２１６と、を備えることにより、サービス提供装置１００などが、電子ページに掲載する画像として、より好適な画像を自動的に生成することができる。
According to the first embodiment described above, the analysis-
また、上述した第１実施形態によれば、ベイズ的最適化手法などの未知関数の最適化手法により改善パラメータを決定することから、設計者がこれまで試行していなかった領域をクロッピング画像ＣＲＰとして切り出すことができ、従来の常識を覆すような革新的な電子ページを生成することができる。 Further, according to the first embodiment described above, since the improvement parameter is determined by the optimization method of the unknown function such as the Bayesian optimization method, the region that the designer has not tried before is used as the cropped image CRP. It can be cut out, and an innovative electronic page can be generated that overturns conventional common sense.
また、上述した第１実施形態によれば、例えば、未知関数の最適化手法として、ベイズ的最適化手法を用いた場合、ガウス過程に基づくブラックボックス関数（連続性のある関数）を仮定し、そのブラックボックス関数において不確実性の高いパラメータを改善パラメータに決定するため、上述したような、電子ページの改変に対してユーザがどういった行動をとったのかという一連の試行処理（ライブテスト）に時間を要する場合、試行処理の結果が大量に必要な遺伝的アルゴリズムなどの他の未知関数の最適化手法と比べて、より速く目的関数であるブラックボックス関数を最適化することができる。 In addition, according to the first embodiment described above, for example, when a Bayesian optimization method is used as an optimization method for an unknown function, a black box function (continuous function) based on a Gaussian process is assumed, In order to determine a parameter with high uncertainty in the black box function as an improvement parameter, as described above, a series of trial processing (live test) on what action the user has taken in response to electronic page modification Therefore, it is possible to optimize the black box function that is the objective function faster than the optimization method of other unknown functions such as a genetic algorithm that requires a large amount of trial processing results.
また、上述した第１実施形態によれば、導出したブラックボックス関数を、クロッピング画像ＣＲＰの生成時に使用したクロップパラメータに対応付けて記憶するため、ベイズ的最適化手法などの未知関数の最適化手法により得られた知見として、どのようなクロップパラメータでクロッピング画像ＣＲＰを切り出せば評価値を向上させることができるのかを、設計者間で共有することができる。これによって、例えば、電子ページの設計知識の乏しい設計者であっても、高い評価値を得ることが可能な電子ページを設計することができる。 Further, according to the first embodiment described above, the derived black box function is stored in association with the crop parameter used when generating the cropped image CRP, so that an unknown function optimization method such as a Bayesian optimization method is used. As a result obtained by the above, it is possible to share among the designers what crop parameter the cropping image CRP can be used to improve the evaluation value. As a result, for example, an electronic page capable of obtaining a high evaluation value can be designed even by a designer with poor design knowledge of the electronic page.
＜第２実施形態＞
以下、第２実施形態について説明する。上述した第１実施形態では、画像処理部１１４が、解析装置２００により決定された改善パラメータに従ってクロップウィンドウを原画像ＯＲＧに設定することで、そのクロップウィンドウと重なる画像領域を、新たなクロッピング画像ＣＲＰとして切り出すものとして説明した。第２実施形態では、改善パラメータの候補となるクロップパラメータに予め制限が設けられ、この制限を考慮して、新たなクロッピング画像ＣＲＰを生成する点で、上述した第１実施形態と相違する。以下、第１実施形態との相違点を中心に説明し、第１実施形態と共通する点については説明を省略する。なお、第２実施形態の説明において、第１実施形態と同じ部分については同一符号を付して説明する。
Second Embodiment
Hereinafter, a second embodiment will be described. In the first embodiment described above, the
図１７は、改善パラメータの候補となるクロップパラメータに制限が設けられたときのクロッピング画像ＣＲＰの切り出し方法を説明するための図である。例えば、高さ方向Ｙに関するある数値範囲が、パラメータの制限範囲（クロップウィンドウの設定を禁止する数値範囲）に設定されたとする。このとき、改善パラメータとして、クロップウィンドウＷの中心座標がＣＰ１に指定され、クロップウィンドウＷの幅方向ＸのサイズがＡ１、高さ方向ＹのサイズがＢ１に指定された場合、図示のように、クロップウィンドウＷの一部の位置座標が、パラメータの制限範囲に含まれることになる。この場合、画像処理部１１４は、クロップウィンドウＷの位置座標が制限範囲に含まれないように、改善パラメータを補正する。図示のように、画像処理部１１４は、例えば、改善パラメータとして指定されたクロップウィンドウＷの中心座標をＣＰ１からＣＰ１＃に変更する。これによって、例えば、従来の知見として、足元だけの画像をリンク元ページに掲載したときに、そのリンク元ページの評価値が低下するということが事前に判明している場合、画像下部の座標をパラメータの制限範囲に設定すれば、原画像ＯＲＧが人物の全体画像である場合に、足元だけの画像をクロッピング画像ＣＲＰとして生成しなくなる。これによって、どのような値にすればどういった評価値が得られるのかが既に判明しているクロップパラメータについては改善パラメータとして決定しなくなることから、改善パラメータを決定し、これに応じてクロッピング画像ＣＲＰを生成し、新たに改変済みリンク元ページを提供し、このページの評価値を導出し、再度ベイズ的最適化手法により改善パラメータを決定する、という一連の繰り返し処理の回数を削減することができる。この結果、ブラックボックス関数Ｆ（Ｘ）を確定するまでの処理時間を短くすることができる。
FIG. 17 is a diagram for explaining a cropping image CRP extraction method when restrictions are set on crop parameters that are candidates for improvement parameters. For example, it is assumed that a certain numerical range related to the height direction Y is set to a parameter limit range (a numerical range that prohibits setting of the crop window). At this time, when the center coordinate of the crop window W is designated as CP1 as the improvement parameter, the size in the width direction X of the crop window W is designated as A1, and the size in the height direction Y is designated as B1, as shown in the figure, Some position coordinates of the crop window W are included in the parameter limit range. In this case, the
また、上述したパラメータの制限範囲は、原画像ＯＲＧのカテゴリーごとに予め決められていてもよい。例えば、原画像ＯＲＧが「政治」のカテゴリーに属す場合、その原画像ＯＲＧに設けられるパラメータの制限範囲は、人物の顔がクロッピング画像ＣＲＰとして切り出されやすくするために、原画像ＯＲＧの下部および両サイドの領域座標に設定されてよい。また、原画像ＯＲＧが「スポーツ」のカテゴリーに属す場合、その原画像ＯＲＧに設けられるパラメータの制限範囲は、選手の動作全体がクロッピング画像ＣＲＰとして切り出されやすくするために、「政治」のカテゴリーに属す場合のパラメータの制限範囲と比べて狭くしてよい。 Further, the above-described parameter limit range may be determined in advance for each category of the original image ORG. For example, when the original image ORG belongs to the category of “politics”, the limit range of parameters provided in the original image ORG is such that a person's face is easily cut out as a cropped image CRP, and the lower part of the original image ORG and both It may be set to the side region coordinates. In addition, when the original image ORG belongs to the “sports” category, the parameter limitation range provided in the original image ORG is set to the “politics” category so that the entire movement of the player can be easily extracted as the cropped image CRP. It may be narrower than the parameter limit range when belonging.
また、上述した例では、パラメータの制限範囲は、サービス提供装置１００においてクロッピング画像ＣＲＰが切り出される際に考慮されるものとして説明したがこれに限られず、解析装置２００がベイズ的最適化手法により改善パラメータを決定する際に考慮されてよい。
In the above-described example, the parameter limit range has been described as being considered when the cropped image CRP is cut out in the
図１８は、パラメータの制限範囲が設けられたときの改善パラメータの決定方法を説明するための図である。例えば、改善パラメータの候補となるクロップパラメータＸにおいて、あるパラメータ範囲が制限範囲に設定された場合、パラメータ決定部２１６は、その制限範囲において導出するａ（Ｘ）を、例えばゼロにする。例えば、制限範囲が設けられる前では、パラメータ決定部２１６は、ａ（Ｘ）が最も大きくなるパラメータＸｄが改善パラメータに決定する。一方、制限範囲が設けられた場合、パラメータ決定部２１６は、その領域のａ（Ｘ）をゼロにするため、パラメータＸｄを改善パラメータに決定せずに、制限範囲以外の他の範囲のパラメータＸを改善パラメータに決定する。図示の例では、パラメータＸｅのときにａ（Ｘ）が最大となるため、パラメータ決定部２１６は、パラメータＸｅを改善パラメータに決定する。これよって、制限範囲に含まれるクロップパラメータを不確実なパラメータとして扱わなくなることから、より効果的に改善パラメータを探索することができる。
FIG. 18 is a diagram for explaining a method for determining an improvement parameter when a parameter restriction range is provided. For example, in a crop parameter X that is a candidate for an improvement parameter, when a certain parameter range is set as a limit range, the
以上説明した第２実施形態によれば、どのような値にすればどういった評価値が得られるのかが既に判明しているクロップパラメータに制限を設けることにより、より効果的に改善パラメータを探索したり、ブラックボックス関数Ｆ（Ｘ）を確定するまでの処理時間を短くしたりすることができる。 According to the second embodiment described above, the improvement parameter can be searched for more effectively by providing a limitation on the crop parameter that has already been determined what value the evaluation value can be obtained. Or the processing time until the black box function F (X) is determined can be shortened.
＜第３実施形態＞
以下、第３実施形態について説明する。第３実施形態では、更に、画像処理部１１４が、原画像ＯＲＧにおいて物体認識処理を行い、パラメータ決定部２１６が、画像処理部１１４による認識の結果に基づいて、改善パラメータの候補とするクロップパラメータの範囲を決定し、その決定したクロップパラメータの範囲内で改善パラメータを決定する点で、上述した第１および第２実施形態と相違する。以下、第１および第２実施形態との相違点を中心に説明し、第１および第２実施形態と共通する点については説明を省略する。なお、第３実施形態の説明において、第１および第２実施形態と同じ部分については同一符号を付して説明する。
<Third Embodiment>
Hereinafter, the third embodiment will be described. In the third embodiment, the
第３実施形態における画像処理部１１４は、原画像ＯＲＧから、所定の画像特徴を抽出する。所定の画像特徴は、例えば、画素の輝度差に基づく特徴（例えばＨａａｒ−Ｌｉｋｅ特徴）、画像の局所領域における輝度勾配に関する特徴（例えばＨＯＧ（Histograms of Oriented Gradients）やＥＯＨ（Edge of Orientation Histograms））などを含む。そして、画像処理部１１４は、抽出した特徴から所定物体ＯＢの位置を原画像ＯＲＧ上で認識する。所定物体ＯＢとは、原画像ＯＲＧからクロッピング画像ＣＲＰとして切り出され易くしたい物体であり、例えば人や、犬、猫などの動物などの物体である。画像処理部１１４は、サービス提供側通信部１０２を用いて、原画像ＯＲＧ上での所定物体ＯＢの位置に関する情報を解析装置２００に送信する。
The
第３実施形態におけるパラメータ決定部２１６は、ベイズ的最適化手法により改善パラメータを決定する際に、サービス提供装置１００により送信された所定物体ＯＢの位置に基づいて、改善パラメータの候補とするクロップパラメータの範囲を決定する。例えば、パラメータ決定部２１６は、所定物体ＯＢの位置に基づいて、ブラックボックス関数Ｆ（Ｘ）の信頼区間ＣＢを補正し、改善パラメータの候補とするクロップパラメータの範囲を決定する。
The
図１９は、ブラックボックス関数Ｆ（Ｘ）の信頼区間ＣＢの補正方法を説明するための図である。例えば、ある原画像ＯＲＧ＿ｉにおいて、事前にクロッピング画像ＣＲＰ＿ａと、ＣＲＰ＿ｂが切り出されている場合、上述したように、これらの画像がそれぞれ掲載されたリンク元ページの評価値ＦａとＦｂが初期値として与えられる。この原画像ＯＲＧ＿ｉにおいて、画像処理部１１４により所定物体ＯＢの位置が特定された場合、パラメータ決定部２１６は、原画像ＯＲＧ＿ｉに対する所定物体ＯＢの位置に応じて、信頼区間ＣＢの区間幅を大きくする。
FIG. 19 is a diagram for explaining a method of correcting the confidence interval CB of the black box function F (X). For example, when cropping images CRP_a and CRP_b are cut out in advance in a certain original image ORG_i, as described above, evaluation values Fa and Fb of the link source pages on which these images are posted are given as initial values. It is done. When the position of the predetermined object OB is specified by the
例えば、ブラックボックス関数Ｆ（Ｘ）の横軸であるクロップパラメータが、原画像ＯＲＧに対する幅方向の座標である場合、所定物体ＯＢの位置を基準とした所定領域ＡＯＢに含まれるクロップパラメータの信頼区間ＣＢの区間幅を大きくすることで、信頼区間ＣＢを補正する。より具体的には、パラメータ決定部２１６は、ガウス過程により仮定される確率分布の標準偏差σが１σである場合、所定領域ＡＯＢの標準偏差σを２σや３σに変更することで、信頼区間ＣＢの区間幅を大きくする。図中ＣＢ＃は、補正した後の信頼区間を表す。これによって、所定領域ＡＯＢに含まれるクロップパラメータのａ（Ｘ）が補正前よりも大きくなるため、所定領域ＡＯＢに含まれるクロップパラメータの範囲が改善パラメータとして決定され易くなる。すなわち、所定領域ＡＯＢがより探索され易くなる。図示の例では、信頼区間ＣＢの補正により、新たにパラメータＸｆが改善パラメータに決定されている。
For example, when the crop parameter, which is the horizontal axis of the black box function F (X), is the coordinate in the width direction with respect to the original image ORG, the reliability of the crop parameter included in the predetermined area A OB with respect to the position of the predetermined object OB. The confidence interval CB is corrected by increasing the interval width of the interval CB. More specifically, when the standard deviation σ of the probability distribution assumed by the Gaussian process is 1σ, the
以上説明した第３実施形態によれば、原画像ＯＲＧ上での物体認識処理により、クロッピング画像ＣＲＰに含めたい物体として予め決められた所定物体ＯＢが認識された場合、パラメータ決定部２１６が、原画像ＯＲＧ上での所定物体ＯＢの位置に基づいて、改善パラメータの候補とするクロップパラメータの範囲を決定するため、原画像ＯＲＧにおいて所定物体ＯＢ近辺の画像領域がよりクロッピング画像ＣＲＰとして切り出され易くなる。この結果、より効率良くクロッピング画像ＣＲＰを生成することができる。
According to the third embodiment described above, when a predetermined object OB predetermined as an object to be included in the cropped image CRP is recognized by the object recognition process on the original image ORG, the
なお、上述した第３実施形態において、クロップパラメータは、例えば、クロッピング画像ＣＲＰとして切り出す領域に含める物体として、人のみ、人と犬の組み合わせ、犬と猫の組み合わせ等のように、所定物体ＯＢの組み合わせを指定するパラメータを含んでもよい。 Note that in the third embodiment described above, the crop parameter is, for example, an object included in a region to be cut out as the cropped image CRP, such as only a person, a combination of a person and a dog, a combination of a dog and a cat, or the like. It may include a parameter that specifies a combination.
＜ハードウェア構成＞
上述した実施形態の解析システム１に含まれる複数の装置のうち、サービス提供装置１００および解析装置２００は、例えば、図２０に示すようなハードウェア構成により実現される。図２０は、実施形態のサービス提供装置１００および解析装置２００のハードウェア構成の一例を示す図である。
<Hardware configuration>
Of the plurality of devices included in the
サービス提供装置１００は、ＮＩＣ１００−１、ＣＰＵ１００−２、ＲＡＭ１００−３、ＲＯＭ１００−４、フラッシュメモリやＨＤＤなどの二次記憶装置１００−５、およびドライブ装置１００−６が、内部バスあるいは専用通信線によって相互に接続された構成となっている。ドライブ装置１００−６には、光ディスクなどの可搬型記憶媒体が装着される。二次記憶装置１００−５、またはドライブ装置１００−６に装着された可搬型記憶媒体に格納されたプログラムがＤＭＡコントローラ（不図示）などによってＲＡＭ１００−３に展開され、ＣＰＵ１００−２によって実行されることでサービス提供側制御部１１０が実現される。ＣＰＵ１００−２が参照するプログラムは、ネットワークＮＷを介して他の装置からダウンロードされてもよい。
The
解析装置２００は、ＮＩＣ２００−１、ＣＰＵ２００−２、ＲＡＭ２００−３、ＲＯＭ２００−４、フラッシュメモリやＨＤＤなどの二次記憶装置２００−５、およびドライブ装置２００−６が、内部バスあるいは専用通信線によって相互に接続された構成となっている。ドライブ装置２００−６には、光ディスクなどの可搬型記憶媒体が装着される。二次記憶装置２００−５、またはドライブ装置２００−６に装着された可搬型記憶媒体に格納されたプログラムがＤＭＡコントローラ（不図示）などによってＲＡＭ２００−３に展開され、ＣＰＵ２００−２によって実行されることで、解析側制御部２１０が実現される。ＣＰＵ２００−２が参照するプログラムは、ネットワークＮＷを介して他の装置からダウンロードされてもよい。
The
以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何ら限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。 As mentioned above, although the form for implementing this invention was demonstrated using embodiment, this invention is not limited to such embodiment at all, In the range which does not deviate from the summary of this invention, various deformation | transformation and substitution Can be added.
１…解析システム、１０…端末装置、１００…サービス提供装置、１０２…サービス提供側通信部、１１０…サービス提供側制御部、１１２…サービス提供部、１１４…画像処理部、１１６…評価値導出部、１３０…サービス提供側記憶部、２００…解析装置、２０２…解析側通信部、２１０…解析側制御部、２１２…解析側取得部、２１４…パラメータ抽出部、２１６…パラメータ決定部、２１８…出力部、２３０…解析側記憶部、ＮＷ…ネットワーク
DESCRIPTION OF
Claims (7)
前記原画像において前記クロッピング画像が切り出された領域に関するパラメータと、前記取得部により取得された評価値とに基づいて、確率過程に基づく未知関数の最適化手法により、前記パラメータとして好ましい改善パラメータを決定する決定部と、
を備える解析装置。 An acquisition unit that acquires an evaluation value in which an action taken by a user who viewed an electronic page on which a cropped image cut out from an original image is posted;
Based on a parameter related to a region where the cropped image is cut out in the original image and an evaluation value acquired by the acquisition unit, an improvement function preferable as the parameter is determined by an optimization method of an unknown function based on a stochastic process. A decision unit to
An analysis apparatus comprising:
前記取得部は、前記画像処理部により切り出された前記クロッピング画像が掲載された電子ページを閲覧したユーザによってとられた行動が評価された評価値を取得し、
前記決定部は、前記改善パラメータを繰り返し決定するのに応じて生成された各世代の電子ページに関する前記評価値を固定点として、前記未知関数の最適化手法により、前記改善パラメータを新たに決定する、
請求項１に記載の解析装置。 An image processing unit for cutting out the cropped image from the original image according to the improvement parameter;
The acquisition unit acquires an evaluation value obtained by evaluating an action taken by a user who has viewed an electronic page on which the cropped image cut out by the image processing unit is posted;
The determination unit newly determines the improvement parameter by the optimization method of the unknown function, with the evaluation value regarding each generation of electronic pages generated according to the determination of the improvement parameter being repeated, as a fixed point. ,
The analysis device according to claim 1.
前記決定部は、
前記画像処理部により認識された前記所定物体の位置に基づいて、前記改善パラメータの候補となるパラメータを決定し、
前記決定した前記改善パラメータの候補となるパラメータの中から、前記未知関数の最適化手法により前記改善パラメータを決定する、
請求項２に記載の解析装置。 The image processing unit recognizes a predetermined object by extracting features from the original image,
The determination unit
Based on the position of the predetermined object recognized by the image processing unit, determine a parameter that is a candidate for the improvement parameter,
Among the parameters that are candidates for the determined improvement parameter, the improvement parameter is determined by an optimization method for the unknown function.
The analysis device according to claim 2.
前記画像処理部により前記クロッピング画像が切り出される度に、前記クロッピング画像を掲載した電子ページを、前記ユーザが利用する端末装置に提供する提供部を更に備える、
請求項２または３に記載の解析装置。 The image processing unit cuts out the cropped image according to the improvement parameter from the original image every time the improvement parameter is repeatedly determined by the determination unit,
A provision unit that provides an electronic page on which the cropped image is posted to a terminal device used by the user each time the cropped image is cut out by the image processing unit;
The analysis device according to claim 2 or 3.
前記画像処理部により切り出されたクロッピング画像を掲載した電子ページを、ユーザが利用する端末装置に提供する提供部と、を備え、
前記画像処理部は、前記提供部により提供された電子ページを閲覧した前記ユーザによってとられた行動が評価された評価値と、前記原画像において前記クロッピング画像が切り出された領域に関するパラメータとに基づいて、確率過程に基づく未知関数の最適化手法により、前記原画像から新たな前記クロッピング画像を切り出す、
情報提供装置。 An image processing unit for cutting out the cropped image from the original image;
A provision unit for providing an electronic page on which a cropped image cut out by the image processing unit is provided to a terminal device used by a user;
The image processing unit is based on an evaluation value obtained by evaluating an action taken by the user who viewed the electronic page provided by the providing unit, and a parameter relating to a region where the cropped image is cut out in the original image. Then, a new cropping image is cut out from the original image by an unknown function optimization method based on a stochastic process .
Information providing device.
原画像から切り出されたクロッピング画像が掲載された電子ページを閲覧したユーザによってとられた行動が評価された評価値を取得し、
前記原画像において前記クロッピング画像が切り出された領域に関するパラメータと、前記取得した評価値とに基づいて、確率過程に基づく未知関数の最適化手法により、前記パラメータとして好ましい改善パラメータを決定する、
解析方法。 Computer
Obtain an evaluation value that evaluates the action taken by the user who viewed the electronic page on which the cropped image cut out from the original image was posted,
A preferable improvement parameter is determined as the parameter by an unknown function optimization method based on a stochastic process based on a parameter related to a region where the cropped image is cut out in the original image and the acquired evaluation value.
analysis method.
原画像から切り出されたクロッピング画像が掲載された電子ページを閲覧したユーザによってとられた行動が評価された評価値を取得させ、
前記原画像において前記クロッピング画像が切り出された領域に関するパラメータと、前記取得させた評価値とに基づいて、確率過程に基づく未知関数の最適化手法により、前記パラメータとして好ましい改善パラメータを決定させる、
プログラム。 On the computer,
Obtain an evaluation value that evaluates the action taken by the user who viewed the electronic page on which the cropped image cut out from the original image was posted,
Based on a parameter related to a region where the cropped image is cut out in the original image and the obtained evaluation value, an optimization function of an unknown function based on a stochastic process is used to determine a preferable improvement parameter as the parameter.
program.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017053542A JP6494679B2 (en) | 2017-03-17 | 2017-03-17 | Analysis device, information providing device, analysis method, and program |
| US15/912,995 US20180268307A1 (en) | 2017-03-17 | 2018-03-06 | Analysis device, analysis method, and computer readable storage medium |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2017053542A JP6494679B2 (en) | 2017-03-17 | 2017-03-17 | Analysis device, information providing device, analysis method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018156474A JP2018156474A (en) | 2018-10-04 |
| JP6494679B2 true JP6494679B2 (en) | 2019-04-03 |
Family
ID=63715715
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017053542A Active JP6494679B2 (en) | 2017-03-17 | 2017-03-17 | Analysis device, information providing device, analysis method, and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6494679B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2023026969A (en) | 2021-08-16 | 2023-03-01 | キヤノン株式会社 | Imaging system, server device, control method of server device, program, and storage medium |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008241569A (en) * | 2007-03-28 | 2008-10-09 | Fuji Electric Holdings Co Ltd | Image processing apparatus, method, and program |
| JP2013008142A (en) * | 2011-06-23 | 2013-01-10 | Nippon Telegr & Teleph Corp <Ntt> | Image processing device, image processing method and image processing program |
| WO2014141479A1 (en) * | 2013-03-15 | 2014-09-18 | 株式会社日立製作所 | Remote operation system |
| JP6075879B2 (en) * | 2013-11-13 | 2017-02-08 | 日本電信電話株式会社 | Information estimation apparatus and computer program |
| JP6512918B2 (en) * | 2015-04-20 | 2019-05-15 | ヤフー株式会社 | Generating apparatus, generating method and generating program |
| JP6620422B2 (en) * | 2015-05-22 | 2019-12-18 | 富士通株式会社 | Setting method, setting program, and setting device |
-
2017
- 2017-03-17 JP JP2017053542A patent/JP6494679B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018156474A (en) | 2018-10-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6848085B2 (en) | Page display programs, devices, servers and storage media | |
| JP6415619B2 (en) | Analysis device, analysis method, and program | |
| US20180268307A1 (en) | Analysis device, analysis method, and computer readable storage medium | |
| US9436695B2 (en) | Dynamically expiring crowd-sourced content | |
| US9449215B2 (en) | Information processing apparatus, information processing method and information processing program | |
| CN111079841A (en) | Training method and device for target recognition, computer equipment and storage medium | |
| CN113254804B (en) | Social relationship recommendation method and system based on user attributes and behavior characteristics | |
| JP6419969B2 (en) | Method and apparatus for providing image presentation information | |
| CN112132208B (en) | Image conversion model generation method and device, electronic equipment and storage medium | |
| CN105721629A (en) | User identifier matching method and device | |
| US11108844B1 (en) | Artificial intelligence based imaging systems and methods for interacting with individuals via a web environment | |
| CN111813910A (en) | Method, system, terminal device and computer storage medium for updating customer service problem | |
| KR101965276B1 (en) | System and method for analysis of data based on graph and computer program for the same | |
| JP2019053386A (en) | Information processing apparatus, information processing method, and program | |
| JP6494679B2 (en) | Analysis device, information providing device, analysis method, and program | |
| JP2021033602A (en) | Information processing device, vector generation method, and program | |
| JP6622150B2 (en) | Information processing apparatus and information processing method | |
| CN110555170B (en) | System and method for optimizing user experience | |
| JP2020502710A (en) | Web page main image recognition method and apparatus | |
| JP2018077671A (en) | Information processing apparatus, information processing method, apparatus for generating prediction models, method for generating prediction models and program | |
| JP2020004410A (en) | Method for facilitating media-based content share, computer program and computing device | |
| JP6456423B2 (en) | Analysis device, analysis method, and program | |
| WO2018099177A1 (en) | Potential user expansion method and device | |
| JP6419240B2 (en) | Analysis device, analysis method, and program | |
| CN111860655A (en) | User processing method, device and equipment |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180911 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181002 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181127 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190205 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190305 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6494679 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |