JP7161948B2 - 機械学習装置、機械学習方法、機械学習プログラム、及び検査装置 - Google Patents
機械学習装置、機械学習方法、機械学習プログラム、及び検査装置 Download PDFInfo
- Publication number
- JP7161948B2 JP7161948B2 JP2019010486A JP2019010486A JP7161948B2 JP 7161948 B2 JP7161948 B2 JP 7161948B2 JP 2019010486 A JP2019010486 A JP 2019010486A JP 2019010486 A JP2019010486 A JP 2019010486A JP 7161948 B2 JP7161948 B2 JP 7161948B2
- Authority
- JP
- Japan
- Prior art keywords
- classifier
- group
- machine learning
- classification
- article
- 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
Images
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
(機械学習装置の物理的構成)
本発明の第1の実施形態に係る機械学習装置1の物理的構成について、図1を参照して説明する。図1は、機械学習装置1の物理的構成を示すブロック図である。
機械学習装置1の機能的構成について、図2を参照して説明する。図2は、機械学習装置1の機能的構成を示すブロック図である。
物品を被写体として含む画像を参照して該物品の状態を分類する技術を、機械学習により構築された分類器を用いて実現する場合、長期に亘って分類精度を保つことが困難である。なぜなら、機械学習により構築された分類器の汎化能力が発揮されるのは、教師データとして用いられた画像に含まれる物品、或いは、その物品に類似する物品に対してであり、分類の対象となる物品そのものや、分類の対象となる物品を取り巻く環境などが変化すると、分類対象とする物品が分類器の汎化能力が発揮される範囲を超えてしまうからである。一例として、製造現場において利用される分類器、例えば、製造物を被写体として含む画像を参照して該製造物の状態を分類する分類器では、製造条件(人、機械、原材料、製造方法等)に変更が生じることがあるので、このような問題が頻繁に生じ得る。
第1の追加学習フェーズにおいて実施される機械学習方法S1の流れについて、図3の(a)を参照して説明する。図3の(a)は、第1の追加学習フェーズにおいて機械学習方法S1の流れを示すフローチャートである。
第2の追加学習フェーズにおいて実施される機械学習方法S2の流れについて、図3の(b)を参照して説明する。図3の(b)は、第2の追加学習フェーズにおいて実施される機械学習方法S2の流れを示すフローチャートである。
本実施形態においては、分類器群101の運用を開始した後に第1の追加学習フェーズ(各分類器Ciの分類精度を、該分類器Ciが物品の状態を分類した結果と人が該物品の状態を分類した結果とを比較することによって評価する)と第2の追加学習フェーズ(各分類器Ciの分類精度を、該分類器Ciが物品の状態を分類した結果と主分類器C1が該物品の状態を分類した結果とを比較することによって評価する)とを実施する構成を採用しているが、本発明は、これに限定されない。例えば、分類器群101の運用を開始した後に第1の追加学習フェーズのみを実施する構成を採用してもよいし、分類器群101の運用を開始した後に第2の追加学習フェーズのみを実施する構成を採用してもよい。
本実施形態においては、分類器群101が機械学習装置1の内部に含まれている(機械学習装置1と同じコンピュータで実行されている)構成を採用しているが、本発明は、これに限定されない。例えば、分類器群101が機械学習装置1の内部に含まれていない(機械学習装置1と異なるコンピュータで実行される)構成を採用しても構わない。すなわち、分類器群101は、機械学習装置1の必須の構成要素ではない。
(検査装置2の機能的構成)
本発明の第2の実施形態に係る検査装置2の機能的構成について、図4を参照して説明する。図4は、検査装置2の機能的構成を示すブロック図である。なお、検査装置2の物理的構成は、図1に示す機械学習装置1の物理的構成と同様である。このため、検査装置2の物理的構成については、詳細な説明を省略する。
検査装置2の実施例について、図5及び図6を参照して説明する。
状態2:チップ上に形成されたストライプの内部に薄い点欠陥がある、
状態3:上記ストライプ上に欠陥がある、
状態4:上記ストライプの内部に濃い点欠陥がある、
状態5:上記ストライプの内部に点欠陥以外の欠陥がある、
状態6:上記ストライプの外部に何らかの欠陥がある、
状態7:チップ上に粒子状異物が存在する。
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
2 検査装置
10 バス
11 主メモリ
12 プロセッサ
13 補助メモリ
14 入出力インターフェース
20 入力装置
30 出力装置
101 分類器群
102 評価部
103 学習制御部
C1、C2、C3、Ci、Cj 分類器
Claims (9)
- 複数のグループの各々に属する物品の状態を、該物品を被写体として含む画像を参照して分類する複数の分類器からなる分類器群に、機械学習を行わせる機械学習装置であって、
上記分類器群に含まれる各分類器の分類精度をグループ毎に評価する評価部と、
上記分類器群に含まれる少なくとも1つの分類器の分類精度が予め定められた基準に達しない場合、上記分類器群が次のグループに属する物品に対する分類処理を実行する前に、上記分類器群に含まれる、上記少なくとも1つの分類器以外の分類器に追加学習を行わせる学習制御部と、を備えている、
ことを特徴とする機械学習装置。 - 上記評価部は、上記分類器群に含まれる各分類器の分類精度を、該分類器が各物品の状態を分類することにより得られた分類結果と、人が各物品の状態を分類することにより得られた分類結果と、を比較することによって評価する、
ことを特徴とする請求項1に記載の機械学習装置。 - 上記複数の分類器のうち、初期学習フェーズにおいて達成された分類精度が最も高い分類器を主分類器として、
上記評価部は、上記分類器群に含まれる各分類器の分類精度を、該分類器が各物品の状態を分類することにより得られた分類結果と、上記主分類器が各物品の状態を分類することにより得られた分類結果と、を比較することによって評価する、
ことを特徴とする請求項1に記載の機械学習装置。 - 上記複数の分類器のうち、初期学習フェーズにおいて達成された分類精度が最も高い分類器を主分類器として、
第1の追加学習フェーズにおいて、
上記評価部は、上記分類器群に含まれる各分類器の分類精度を、該分類器が各物品の状態を分類することにより得られた分類結果と、人が各物品の状態を分類することにより得られた分類結果と、を比較することによって評価し、
上記第1の追加学習フェーズに後続する第2の追加学習フェーズにおいて、
上記評価部は、上記分類器群に含まれる各分類器の分類精度を、該分類器が各物品の状態を分類することにより得られた分類結果と、上記主分類器が各物品の状態を分類することにより得られた分類結果と、を比較することによって評価する、
ことを特徴とする請求項1に記載の機械学習装置。 - 上記学習制御部は、上記分類器に含まれる上記主分類器以外の分類器の分類精度が予め定められた基準に達しない場合、上記分類器群が次のグループに属する物品に対する分類処理を実行する前に、上記主分類器に追加学習を行わせる、
ことを特徴とする請求項3又は4に記載の機械学習装置。 - 上記学習制御部は、上記分類器群に含まれる少なくとも1つの分類器の分類精度が予め定められた基準に達しない場合、上記分類器群が次のグループに属する物品に対する分類処理を実行する前に、上記分類器群に含まれる全ての分類器に追加学習を行わせる、
ことを特徴とする請求項1~5の何れか1項に記載の機械学習装置。 - 複数のグループの各々に属する物品の状態を、該物品を被写体として含む画像を参照して分類する複数の分類器からなる分類器群に、機械学習を行わせる機械学習方法であって、
上記分類器群に含まれる各分類器の分類精度をグループ毎に評価する評価ステップと、
上記分類器群に含まれる少なくとも1つの分類器の分類精度が予め定められた基準に達しない場合、上記分類器群が次のグループに属する物品に対する分類処理を実行する前に、上記分類器群に含まれる、上記少なくとも1つの分類器以外の分類器に追加学習を行わせる学習制御ステップと、を含んでいる、
ことを特徴とする機械学習方法。 - コンピュータを請求項1~6の何れか1項に記載の機械学習装置として動作させる機械学習プログラムであって、上記コンピュータを上記機械学習装置の各部として機能させることを特徴とする機械学習プログラム。
- 請求項1~6の何れか1項に記載の機械学習装置と上記分類器群とを備え、上記分類器群を用いてロットに分けられた複数の物品の検査を行う、
ことを特徴とする検査装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018168190 | 2018-09-07 | ||
JP2018168190 | 2018-09-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042755A JP2020042755A (ja) | 2020-03-19 |
JP7161948B2 true JP7161948B2 (ja) | 2022-10-27 |
Family
ID=69798090
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019010485A Active JP7289658B2 (ja) | 2018-09-07 | 2019-01-24 | 分類装置、分類方法、分類プログラム、及び検査装置 |
JP2019010486A Active JP7161948B2 (ja) | 2018-09-07 | 2019-01-24 | 機械学習装置、機械学習方法、機械学習プログラム、及び検査装置 |
JP2019014623A Active JP7213701B2 (ja) | 2018-09-07 | 2019-01-30 | 加工装置、加工方法、加工プログラム、及び検査装置 |
JP2019042990A Active JP7236292B2 (ja) | 2018-09-07 | 2019-03-08 | 評価装置、評価方法、評価プログラム、及び検査装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019010485A Active JP7289658B2 (ja) | 2018-09-07 | 2019-01-24 | 分類装置、分類方法、分類プログラム、及び検査装置 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019014623A Active JP7213701B2 (ja) | 2018-09-07 | 2019-01-30 | 加工装置、加工方法、加工プログラム、及び検査装置 |
JP2019042990A Active JP7236292B2 (ja) | 2018-09-07 | 2019-03-08 | 評価装置、評価方法、評価プログラム、及び検査装置 |
Country Status (1)
Country | Link |
---|---|
JP (4) | JP7289658B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020183876A (ja) * | 2019-04-26 | 2020-11-12 | 株式会社前川製作所 | 特徴点認識システムおよびワーク処理システム |
CN111695553B (zh) * | 2020-06-05 | 2023-09-08 | 北京百度网讯科技有限公司 | 表格识别方法、装置、设备和介质 |
WO2022185432A1 (ja) * | 2021-03-03 | 2022-09-09 | Heroz株式会社 | 画像認識学習システム、画像認識学習方法、画像認識学習プログラム、画像認識機械学習器、および画像認識システム |
JP7453931B2 (ja) | 2021-03-12 | 2024-03-21 | 株式会社豊田中央研究所 | 学習データ生成装置、異常検出装置、異常検出システム、及び異常検出プログラム |
JPWO2023074184A1 (ja) | 2021-10-28 | 2023-05-04 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170024641A1 (en) | 2015-07-22 | 2017-01-26 | Qualcomm Incorporated | Transfer learning in neural networks |
JP2017054331A (ja) | 2015-09-10 | 2017-03-16 | 株式会社Screenホールディングス | 画像分類方法、分類器の構成方法および画像分類装置 |
JP2017062677A (ja) | 2015-09-25 | 2017-03-30 | 株式会社Screenホールディングス | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
JP2017111733A (ja) | 2015-12-18 | 2017-06-22 | ヤフー株式会社 | 学習装置、学習方法および学習プログラム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE60234571D1 (de) * | 2001-01-23 | 2010-01-14 | Health Discovery Corp | Rechnergestützte bildanalyse |
JP4553300B2 (ja) * | 2004-09-30 | 2010-09-29 | Kddi株式会社 | コンテンツ識別装置 |
JP4849596B2 (ja) * | 2005-12-08 | 2012-01-11 | 独立行政法人情報通信研究機構 | 質問応答装置、質問応答方法および質問応答プログラム |
JP5075083B2 (ja) * | 2008-10-08 | 2012-11-14 | 大日本スクリーン製造株式会社 | 教師データ作成支援方法、並びに、画像分類方法および画像分類装置 |
JP5660273B2 (ja) | 2010-01-04 | 2015-01-28 | 日本電気株式会社 | 画像診断方法、画像診断装置および画像診断プログラム |
JP5715873B2 (ja) | 2011-04-20 | 2015-05-13 | 株式会社日立ハイテクノロジーズ | 欠陥分類方法及び欠陥分類システム |
JP6277818B2 (ja) * | 2014-03-26 | 2018-02-14 | 日本電気株式会社 | 機械学習装置、機械学習方法、及びプログラム |
JP6401648B2 (ja) * | 2015-03-31 | 2018-10-10 | 株式会社Screenホールディングス | 欠陥分類装置および欠陥分類方法 |
JP6531036B2 (ja) * | 2015-12-08 | 2019-06-12 | 株式会社Screenホールディングス | 教師データ作成支援方法、画像分類方法、教師データ作成支援装置および画像分類装置 |
JP6333871B2 (ja) * | 2016-02-25 | 2018-05-30 | ファナック株式会社 | 入力画像から検出した対象物を表示する画像処理装置 |
US11580398B2 (en) * | 2016-10-14 | 2023-02-14 | KLA-Tenor Corp. | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
JP6832155B2 (ja) | 2016-12-28 | 2021-02-24 | ソニーセミコンダクタソリューションズ株式会社 | 画像処理装置、画像処理方法、及び画像処理システム |
WO2018235266A1 (ja) * | 2017-06-23 | 2018-12-27 | 株式会社Rist | 検査装置、検査方法及び検査プログラム |
JP7036401B2 (ja) * | 2018-04-27 | 2022-03-15 | Awl株式会社 | 学習用サーバ、不足学習用画像収集支援システム、及び不足学習用画像推定プログラム |
-
2019
- 2019-01-24 JP JP2019010485A patent/JP7289658B2/ja active Active
- 2019-01-24 JP JP2019010486A patent/JP7161948B2/ja active Active
- 2019-01-30 JP JP2019014623A patent/JP7213701B2/ja active Active
- 2019-03-08 JP JP2019042990A patent/JP7236292B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170024641A1 (en) | 2015-07-22 | 2017-01-26 | Qualcomm Incorporated | Transfer learning in neural networks |
JP2017054331A (ja) | 2015-09-10 | 2017-03-16 | 株式会社Screenホールディングス | 画像分類方法、分類器の構成方法および画像分類装置 |
JP2017062677A (ja) | 2015-09-25 | 2017-03-30 | 株式会社Screenホールディングス | 分類器構築方法、画像分類方法、分類器構築装置および画像分類装置 |
JP2017111733A (ja) | 2015-12-18 | 2017-06-22 | ヤフー株式会社 | 学習装置、学習方法および学習プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7289658B2 (ja) | 2023-06-12 |
JP7213701B2 (ja) | 2023-01-27 |
JP7236292B2 (ja) | 2023-03-09 |
JP2020042755A (ja) | 2020-03-19 |
JP2020042001A (ja) | 2020-03-19 |
JP2020042757A (ja) | 2020-03-19 |
JP2020042754A (ja) | 2020-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7161948B2 (ja) | 機械学習装置、機械学習方法、機械学習プログラム、及び検査装置 | |
Zięba et al. | Ensemble boosted trees with synthetic features generation in application to bankruptcy prediction | |
KR101940029B1 (ko) | 어노말리 디텍션 | |
AU2018226397A1 (en) | Method and apparatus to interpret complex autonomous personalization machine learning systems to derive insights | |
WO2018131219A1 (ja) | 異常検知装置、異常検知方法、および記憶媒体 | |
US20200320337A1 (en) | Method for managing training data | |
US20180268533A1 (en) | Digital Image Defect Identification and Correction | |
JP6584250B2 (ja) | 画像分類方法、分類器の構成方法および画像分類装置 | |
CA2781326C (en) | System, method and computer program product for parcel assessment | |
US11403550B2 (en) | Classifier | |
US20200293952A1 (en) | Categorical feature enhancement mechanism for gradient boosting decision tree | |
EP4052118A1 (en) | Automatic reduction of training sets for machine learning programs | |
US11847446B2 (en) | Predictive build quality assessment | |
US20230152777A1 (en) | Method for detecting abnormality | |
US11625574B2 (en) | Method for generating abnormal data | |
US20210125068A1 (en) | Method for training neural network | |
US11487739B2 (en) | System and methods for data model detection and surveillance | |
US11449578B2 (en) | Method for inspecting a neural network | |
TWI795949B (zh) | 訓練預測模型的裝置及方法 | |
WO2020056286A1 (en) | System and method for predicting average inventory with new items | |
US20230027309A1 (en) | System and method for image de-identification to humans while remaining recognizable by machines | |
WO2017142510A1 (en) | Classification | |
JP7268755B2 (ja) | 作成方法、作成プログラムおよび情報処理装置 | |
US20230043584A1 (en) | Optimization of memory use for efficient neural network execution | |
US20230051344A1 (en) | Optimization of memory use for efficient neural network execution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A80 | Written request to apply exceptions to lack of novelty of invention |
Free format text: JAPANESE INTERMEDIATE CODE: A80 Effective date: 20190218 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211129 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220921 |
|
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: 20221004 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221017 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7161948 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |