JP7357033B2 - トレーニングイメージの自動生成システム及びその方法 - Google Patents

Description

本発明はトレーニングイメージに関し、特に、トレーニングイメージの自動生成システム及びその方法に関する。

人工知能又は専門検査員（例えば、禁制品を検査する税関員）の物体認識トレーニングを行うために、大量のサンプル（トレーニングイメージ）を使用しなければならず、これらのサンプルは容易に入手できない。

上記課題を解決するために、現在、サンプルの自動生成手段が既に提案されたが、上記手段は、トレーニングに用いるために、機械学習又はランダムにより大量のサンプルを生成することである。

しかしながら、物体認識トレーニングの結果はサンプルの品質と密接に関連し、サンプルの品質が不均一になると（例えば、サンプル間の差異が大き過ぎたり小さ過ぎたりするか、又は、サンプルにおける物体を認識する難しさが高過ぎたり低過ぎたりする）、トレーニングの結果が良くなく、これにより、機械学習モデル又は担当者は同じカテゴリのサンプルのみを認識できるようになる。

例えば、認識トレーニング時に難易度の低いサンプル（例えば、ターゲットが他の物体と異なる）ばかりを提供する場合、機械学習モデル又は担当者は難易度の低いサンプルのみを認識できるが、難易度の高いサンプル（例えば、ターゲットが他の物体と類似する）を認識できない。

従来のサンプルの自動生成手段は、ユーザの需要によって生成されたサンプルの認識難易度を調整できないため、トレーニングに適用しない。

そのため、従来のサンプルの自動生成技術には上記課題が存在するため、より効果的な解決策を提示する必要がある。

本発明の主な目的は、生成されたトレーニングイメージの認識難易度を調整できるトレーニングイメージの自動生成システム及びその方法を提供することである。

一実施例において、トレーニングイメージの自動生成方法は、複数のコンテナイメージを取得し、該コンテナイメージを１つ選択してターゲット追加処理を実行してトレーニングイメージを生成するステップ（ａ）と、該トレーニングイメージ及び該ターゲットイメージのターゲットカテゴリとターゲット位置のうち少なくとも１つを含むターゲットデータを記録するステップ（ｂ）と、を含み、ここで、該ターゲット追加処理は、ターゲットイメージを取得するステップ（ａ１）と、候補イメージとするように、該ターゲットイメージを選択された該コンテナイメージに追加するステップ（ａ２）と、該候補イメージの、該ターゲットイメージの該候補イメージにおける認識難易度に対応する信頼度を計算するステップ（ａ３）と、該トレーニングイメージを生成するように、該候補イメージの該信頼度が臨界値条件を満足するまで、該ステップ（ａ１）～ステップ（ａ３）を繰り返して実行するステップ（ａ４）と、を含む。

一実施例において、トレーニングイメージの自動生成システムは、コンテナイメージソース、ターゲットイメージライブラリ及び制御モジュールを含む。該コンテナイメージソースは複数のコンテナイメージを有し、該ターゲットイメージライブラリは複数のターゲットイメージを有し、該コンテナイメージソース及び該ターゲットイメージライブラリに電気的に接続される該制御モジュールは、ターゲット追加モジュール、ターゲット記録モジュールと信頼度計算モジュールを含む。該ターゲット追加モジュールは、トレーニングイメージを生成するように、該コンテナイメージを１つ選択してターゲット追加処理を実行するように配置され、ここで、候補イメージとするように、該ターゲット追加処理は該ターゲットイメージを選択された該コンテナイメージに追加することを含み、該ターゲット記録モジュールは、該トレーニングイメージ及び該ターゲットイメージのターゲットカテゴリとターゲット位置のうち少なくとも１つを含むターゲットデータを記録するように配置され、該信頼度計算モジュールは該候補イメージの信頼度を計算するように配置され、ここで、該制御モジュールは、該トレーニングイメージを生成するように、生成された該候補イメージの該信頼度が臨界値条件を満足するまで、該ターゲット追加モジュールを介して該ターゲット追加処理を繰り返して実行するように配置され、該信頼度は該ターゲットイメージの該候補イメージにおける認識難易度に対応する。

一実施例において、トレーニングイメージの自動生成方法は、コンテナイメージを取得するステップ（ａ）と、ターゲットイメージを取得するステップ（ｂ）と、候補イメージとするように、該ターゲットイメージを該コンテナイメージに追加するステップ（ｃ）と、該候補イメージの、該ターゲットイメージの該候補イメージにおける認識難易度に対応する信頼度を計算するステップ（ｄ）と、該信頼度が臨界値条件を満足しない場合、トレーニングイメージを生成するように、該候補イメージの該信頼度が該臨界値条件を満足するまで、該ステップ（ｂ）～（ｄ）を繰り返して実行するステップ（ｅ）と、を含む。

本発明は、トレーニングイメージを自動生成することができ、トレーニングイメージの認識難易度がユーザにより指定できるため、カスタマイズされた認識トレーニングに適用する。

本発明の一実施例の自動生成システムの構造図である。 本発明の別の一実施例の自動生成システムの構造図である。 本発明の別の一実施例の自動生成システムの構造図である。 本発明の別の一実施例の自動生成システムの構造図の一部である。 本発明の第１実施例の自動生成方法のフローチャートである。 本発明の第２実施例の自動生成方法のフローチャートの一部である。 本発明の第３実施例の自動生成方法のフローチャートの一部である。 本発明の第４実施例の自動生成方法のフローチャートの一部である。 本発明の第５実施例の自動生成方法のフローチャートである。 本発明の一実施例のターゲット追加処理のプロセス図である。 本発明の一実施例のターゲット追加処理の表示図である。 本発明の一実施例の物体認識を示す第１の図である。 本発明の一実施例の物体認識を示す第２の図である。 本発明の一実施例の物体認識を示す第３の図である。

本発明の好ましい一実施例について、図面を参照して、以下のように詳細に説明する。

物体認識トレーニングにおいて、コンピュータシステム又はユーザは大量のイメージからターゲットイメージ（例えば、禁制品又はその他の指定物体のような物体イメージ）を含むトレーニングイメージを認識しなければならないが、現在、ターゲットイメージの認識難易度を調整することができない。

本発明は、即ち、トレーニングイメージの自動生成方法及びシステムを提供し、異なる難易度の物体認識トレーニングを提供するために、認識難易度（信頼度臨界値条件）を指定し、この認識難易度を満足させるトレーニングイメージを自動生成することができる。

図１と図２を参照する。本発明のトレーニングイメージの自動生成システム１は、コンテナイメージソース１１と、ターゲットイメージライブラリ１２と、出力モジュール１３と、これらに電気的に接続される制御モジュール１０と、を含むことができる。

コンテナイメージソース１１は、複数のコンテナイメージ１１０を取得するのに用いられる。コンテナイメージ１１０（例えば、スーツケース、ハンドバッグ、ショッピングカート、バスケット、又は物体を収納できるその他のコンテナのようなイメージ）は処理されていないオリジナルイメージであり、その格納空間は空であってもよく、物体（例えば、化粧品、コンピュータ、通信装置及び家庭用電化製品の用品、商品、貨物、又はその他のコンテナに収納できる物体のようなオリジナル物体）を含んでもよい。

ターゲットイメージライブラリ１２は、複数のターゲットイメージ１２０を記憶するのに用いられる。ターゲットイメージ１２０は、即ち、物体認識トレーニングにおいて、認識する必要があるターゲット（例えば、拳銃、ナイフ、麻薬、電池などのような禁制品、又はその他の指定される物体）のイメージである。ターゲットイメージ１２０は禁制品の真実のイメージであってもよい。

出力モジュール１３（例えば、後述する表示モジュール３２、記憶モジュール４０又はネットワーク伝送インターフェース４１）はイメージを出力する（記憶することと、表示することと、その他のコンピュータに伝送することと、を含む）のに用いられる。制御モジュール１０（例えば、ＣＰＵ、ＧＰＵ、プロセッサ、コントローラ、ＳｏＣなど）は、トレーニングイメージＴＩを自動生成及び出力するように、自動生成システム１を制御する（後で詳細に説明する）。

図２を参照する。一実施例において、自動生成システム１は、制御モジュール１０に電気的に接続される変形データベース２０と、入力モジュール２１と、を含むことができる。

変形データベース２０には多種類の関数２００が記憶され、各関数２００は、イメージの外形、輝度、カラー、姿勢及び／又は配列順序などの属性を変換するために、それぞれイメージに対して異なるイメージ変換処理（例えば、回転、反転、変形、輝度調整、彩度調整、コントラスト調整、ローパスフィルタリング、ハイパスフィルタリング、上層への移動、下層への移動などのイメージ処理）を実行するのに用いられる。

入力モジュール２１（例えば、キーボード、マウス、タッチパッド、タッチスクリーン、マイクなど）は、ユーザの入力操作に用いられ、例えば、ユーザは入力モジュール２１を使用してトレーニングイメージの認識難易度に対応する一部のパラメータＰを修正することができる。

図３を参照する。一実施例において、コンテナイメージソース１１は、イメージキャプチャ装置３０（例えば、可視光カメラ、Ｘ線スキャナー、超音波スキャナー、熱探知カメラなど）を含むことができ、コンテナイメージ１１０（イメージ、Ｘ線等の放射線イメージ、超音波イメージ、サーマルイメージなどであってもよい）を取得するために、存在するコンテナを撮影するのに用いられる。

コンテナイメージ１１０、ターゲットイメージ１２０及びトレーニングイメージＴＩが放射線イメージである場合、イメージの各画素値は各画素に対応する物体の深さ又は材料の密度に関することができる。その後、制御モジュール１０は画素値に基づいてイメージの各画素を着色することができる。例を挙げると、イメージの一部の画素は異なる深さ又は材料密度に対応し、これらの画素は異なる色に設定されることができ、一部の画素は同じ又は類似の深さ又は材料密度に対応し、これらの画素は同じ色に設定されることができる。

また、ターゲットイメージ１２０、コンテナイメージ１１０とトレーニングイメージＴＩは、例えば、放射線イメージである同じタイプのイメージである。

一実施例において、自動生成システム１は、制御モジュール１０に電気的に接続される表示モジュール３２（例えば、ＬＣＤ、プロジェクタなどの表示部）を含むことができる。表示モジュール３２はイメージと情報を表示するのに用いられる。

一実施例において、自動生成システム１は、制御モジュール１０に電気的に接続されるトレーニングイメージライブラリ３３を含むことができる。トレーニングイメージライブラリ３３は、トレーニングイメージＴＩ（即ち、トレーニングイメージ３３０）とそのターゲットデータ３３１を記憶することができ、ターゲットデータ３３１は、解答又はトレーニングイメージ３３０の提示を含むことができ、又はトレーニングイメージ３３０のターゲットイメージ１２０のターゲットカテゴリ又はターゲット位置に追加され又は組み合わせられる。

一実施例において、自動生成システム１は、制御モジュール１０に電気的に接続されるコンベヤーベルトモジュール３１を含むことができ、制御モジュール１０は、リアルタイム物体輸送検査の認識トレーニング（後で詳細に説明する）を模擬するように、コンベヤーベルトモジュール３１の（タイムリー）コンベヤーベルト情報ＣＢＩを取得することができる。

図４を参照する。一実施例において、自動生成システム１は、制御モジュール１０に電気的に接続され、データを記憶する記憶モジュール４０（例えば、磁気ディスク、ハードディスク、フラッシュメモリ、ＲＡＭ、ＲＯＭなど）を含むことができる。

一実施例において、自動生成システム１は、制御モジュール１０に電気的に接続されるネットワーク伝送インターフェース４１（例えば、Ｗｉ－Ｆｉネットワークモジュール、イーサネットモジュール、携帯電話ネットワークモジュールなど）を含むことができる。ネットワーク伝送インターフェース４１は、ネットワーク４２（例えば、インターネット又はローカルエリアネットワーク）に接続するのに用いられ、ネットワーク４２を介してリモートサーバ４３に接続することができる。

一実施例において、コンテナイメージソース１１、ターゲットイメージライブラリ１２、変形データベース２０及びトレーニングイメージライブラリ３３のうち１つ又は複数はネットワークデータベースであってもよく、制御モジュール１０は、ネットワーク伝送インターフェース４１を介してこれらのネットワークデータベースのデータを記憶又は取得する。

一実施例において、制御モジュール１０は後で詳細に説明する異なる機能を実現するモジュール５０～５４、５００～５０６を含むことができる。前記モジュール５０～５４、５００～５０６は互いに接続され（電気的な接続又は情報的な接続であってもよい）、ハードウェアモジュール（例えば、電子回路モジュール、集積回路モジュール、ＳｏＣなど）、ソフトウェアモジュール（例えば、ファームウェア、オペレーティングシステム又はアプリケーションプログラム）又はソフトウェアモジュールとハードウェアモジュールの組み合わせであってもよく、これらに限定されない。

言及されることは、前記モジュール５０～５４、５００～５０６がソフトウェアモジュールである場合、記憶モジュール４０は非一時的なコンピュータ可読記録メディアを含むことができ、前記非一時的なコンピュータ可読記録メディアにはコンピュータプログラム（例えば、コンピュータソフトウェア４００）が記憶され、前記コンピュータプログラムにはコンピュータが実行可能なコードが記録され、制御モジュール１０が前記コードを実行した後、前記モジュール５０～５４、５００～５０６の制御機能を実現することができる。

図５を参照する。本発明のトレーニングイメージの自動生成方法は以下のステップを含むことができる。

ステップＳ１０において、制御モジュール１０はコンテナイメージソース１１を介して順番に複数のコンテナイメージ１１０を取得することができ、荷物搬送順序に基づくが、これに限定されない。

制御モジュール１０は、ターゲットイメージ１２０を含むトレーニングイメージＴＩを生成するために、ターゲット追加モジュール５０を介して少なくともコンテナイメージ１１０を選択して、ターゲット追加処理を実行するステップＳ１１を実行する。

一実施例において、記憶モジュール４０には生成条件４０２が記憶され、制御モジュール１０は生成条件４０２に基づいてコンテナイメージ１１０の一部を選択してターゲット追加処理を実行する。

例えば、生成条件４０２はトレーニングイメージＴＩを生成する確率（例えば、０．１％、１０％、５０％など）、総数（例えば、１枚、２枚又は１００枚のトレーニングイメージＴＩ）、関係（例えば、少なくとも２枚のトレーニングイメージＴＩの間が、１０枚、５０枚又は１００枚隔てられるように、コンテナイメージ１１０を少なくとも何枚か隔てられなければならない）などであってもよく、これを限定しない。

一実施例において、ユーザは、生成条件４０２を調整して生成されたトレーニングイメージの認識難易度を調整するために、一部のパラメータＰを修正することができる。

本発明はコンテナイメージとトレーニングイメージＴＩをランダム表示することによってターゲット認識トレーニングを行い、ユーザの集中度をトレーニングすることができ、トレーニングの成果を向上させることができる。また、本発明はトレーニングイメージＴＩの出現回数又は頻度（生成条件４０２）を調整することによって集中度のレベルを調整することができる。

一実施例において、図６を参照する。本発明のターゲット追加処理は以下のステップを含むことができる。

ステップＳ２０において、制御モジュール１０はターゲット選択モジュール５０２を介して、ターゲットイメージライブラリ１２から１つ又は複数のターゲットイメージ１２０を選択する。前記選択は、ユーザによって入力モジュール２１を介して手動選択するか、又は、例えば、ランダムに選択するか又は所定の選択ルールに基づいて選択する（コンテナイメージ１１０の残り空間の大きさに基づいて適切（数量又はサイズ）なターゲットイメージ１２０を選択するか、又は現在設定する認識難易度に基づいて対応する難易度のターゲットイメージ１２０を選択する）ように、ターゲット選択モジュール５０２を介して自動的に選択することができる。

ステップＳ２１において、制御モジュール１０はターゲット追加モジュール５０を介して、選択される各ターゲットイメージ１２０を選択されたコンテナイメージ１１０のターゲット位置（予想される生成位置）に追加し又は組み合わせ、候補イメージとする。前記ターゲット位置はターゲット追加モジュール５０の自動選択であってもよく、これに限定されない。前記候補イメージは仮想イメージである。

ステップＳ２２において、制御モジュール１０は、信頼度計算モジュール５４を介して今回に生成された候補イメージの信頼度（即ち、信頼度スコア）を計算する。前記信頼度はターゲットイメージ１２０の候補イメージ内の認識難易度に対応する。つまり、ターゲットイメージ１２０と周囲のイメージとの間の類似性、コントラスト比又はその他の要素に基づいて、候補イメージからターゲットイメージ１２０のターゲットデータを識別する難易度である。

ステップＳ２３において、制御モジュール１０は、候補イメージの信頼度を所定の信頼度臨界値条件４０５（以下、臨界値条件と略称する）を満足させるか否かを判定する。

一実施例において、信頼度が高いほど、認識難易度が高いことを表示する場合、制御モジュール１０は、候補イメージの信頼度が所定の臨界値以上である場合、候補イメージの信頼度が臨界値条件４０５を満足すると判定することができる。続いて、候補イメージはトレーニングイメージとする資格を有する。一実施例において、信頼度が低いほど、認識難易度が高いことを表示する場合、候補イメージの信頼度が所定の臨界値以下である場合、制御モジュール１０は、候補イメージの信頼度が臨界値条件４０５を満足すると判断することができる。続いて、候補イメージはトレーニングイメージとする資格を有する。

一実施例において、制御モジュール１０は、候補イメージの信頼度が臨界値範囲内にある場合、候補イメージの信頼度が臨界値条件４０５を満足すると判定することができ、仮想したトレーニングイメージＴＩの認識難易度が安定する。

候補イメージの信頼度が所定の信頼度臨界値条件４０５（以下は、臨界値と略称する）を満足しない場合、制御モジュール１０は、生成された候補イメージの信頼度が臨界値条件４０５を満足するまで、新しい候補イメージを改めて生成するために、ステップＳ２０～Ｓ２２を繰り返して実行する。

一実施例において、ユーザは、臨界値条件４０５を調整することにより生成されたトレーニングイメージの認識難易度を変更するように、一部のパラメータＰを修正することができる。

一実施例において、複数のターゲットイメージ１２０を同じコンテナイメージ１１０に追加する場合、信頼度計算モジュール５４は各ターゲットイメージ１２０の候補イメージにおける信頼度をそれぞれ計算する。制御モジュール１０は、候補イメージの各ターゲットイメージ１２０の信頼度が臨界値条件４０５を満足するまで、追加処理を再実行する。

信頼度が臨界値条件を満足する場合、制御モジュール１０は、この候補イメージをトレーニングイメージＴＩに設定して、ターゲット追加処理を完成するようにステップＳ２４を実行する。

再び図５を参照する。ターゲット追加処理を完成した後、制御モジュール１０は、ターゲット位置決めモジュール５０４を介してターゲットデータ３３１（ターゲットカテゴリ及び／又はターゲット位置を含むことができる）を取得し、ターゲット記録モジュール５１を介して各トレーニングイメージＴＩに含まれる各ターゲットイメージ１２０のターゲットデータ３３１をトレーニングイメージライブラリ３３に記録するステップＳ１２を実行する。

一実施例において、さらに、制御モジュール１０は、ターゲット記録モジュール５１を介して各トレーニングイメージＴＩをトレーニングイメージライブラリ３３（即ち、トレーニングイメージ３３０である）に記録するステップＳ１３を実行することができる。

一実施例において、ターゲット記録モジュール５１は、各トレーニングイメージとそれに対応するターゲットデータ３３１をトレーニングイメージライブラリ３３に関連するように記録する。

図７を参照する。一実施例において、前記ターゲットイメージ１２０をコンテナイメージ１１０に追加し又は組み合わせるステップ（Ｓ２１）は以下のステップを含むことができる。

ステップＳ３０において、制御モジュール１０は、ターゲットイメージ１２０が追加されていないコンテナイメージ１１０の各オリジナル物体の物***置を検出するように、第１物体検出モジュール５００を介してコンテナイメージ１１０に対して第１物体認識処理を実行する。

一実施例において、第１物体検出モジュール５００は物体検出モデル４０１を取得することができ、物体検出モデル４０１は記憶モジュール４０、又は、クラウドのサーバ４３（即ち、クラウド演算）に記憶することができる。物体検出モデル４０１は、事前に、機械学習又は深層学習（例えば、ＹＯＬＯ、Ｆａｓｔ－ＲＣＮＮ、Ｆａｓｔｅｒ－ＲＣＮＮ等）により生成される（その生成手段は機械学習領域の一般的な技術であるので、ここで繰り返して記述しない）。第１物体検出モジュール５００は、物体検出モデル４０１に基づいてコンテナイメージ１１０に対して第１物体認識を実行する。

ステップＳ３１において、制御モジュール１０は、ターゲット選択モジュール５０２により、ターゲットイメージライブラリ１２からターゲットイメージ１２０を取得する。

ステップＳ３２において、制御モジュール１０は、ターゲット位置選択モジュール５０１を介して、所定の位置選択ルール４０３に基づいて、コンテナイメージ１１０において、選択される各ターゲットイメージ１２０のターゲット位置を設定する。

一実施例において、前記位置選択ルール４０３は記憶モジュール４０に記憶されることができる。また、ユーザは、位置選択ルール４０３を調整して、生成されたトレーニングイメージの認識難易度（例えば、ターゲットイメージ１２０をオリジナル物体と重ね合せて難易度を向上させ、又は、ターゲットイメージ１２０をオリジナル物体なしの位置に設置して難易度を低下させる）を変更するように、一部のパラメータＰを修正することができる。

一実施例において、前記位置選択ルール４０３は、ターゲット位置とオリジナル物体の物***置が少なくとも一部重なり合うことと、ターゲット位置がターゲットイメージ１２０のサイズ以上である及び／又はターゲット位置がオリジナル物体のサイズより大きい等を含むことができ、これらに限定されない。

ステップＳ３３において、制御モジュール１０は、イメージ変換選択モジュール５０３を介して、所定のイメージ変換ルール４０４に基づいて、変形データベース２０から少なくとも１つの関数２００を選択して、ターゲットイメージ１２０に対してイメージ変換処理を実行する。

一実施例において、前記イメージ変換処理は、ターゲットイメージ１２０の外形、輝度、カラー、姿勢及び配列順序（即ち、ターゲットイメージ１２０とオリジナル物体との間の重なり合う関係）及び／又は他のイメージ属性を変換することである。

一実施例において、前記イメージ変換ルール４０４は記憶モジュール４０に記憶されることができる。また、ユーザは、イメージ変換ルール４０４を調整して、生成されたトレーニングイメージの認識難易度（例えば、ターゲットイメージ１２０と周囲イメージとの類似性を向上させることにより、難易度を向上させるか、又は、ターゲットイメージ１２０と周囲イメージとの類似性を低下させて、難易度を低下させる）を変更するように、一部のパラメータＰを修正することができる。

一実施例において、前記イメージ変換ルール４０４は、ターゲットイメージ１２０のターゲットカテゴリに基づく選択関数２００、コンテナイメージ１１０とターゲットイメージ１２０との間のイメージ差異に基づく選択関数２００及び／又はターゲット位置及び各物***置に基づく選択関数２００等を含むが、これらに限定されない。

ステップＳ３４において、制御モジュール１０は、イメージ生成モジュール５０５を介して、ターゲットイメージ１２０をコンテナイメージ１１０に追加することを完成するように、少なくとも１つのイメージ変換処理によるターゲットイメージ１２０をコンテナイメージ１１０のターゲット位置に追加する。

本発明は、生成条件４０２、位置選択ルール４０３、イメージ変換ルール４０４及び／又は臨界値条件４０５に対応する一部のパラメータＰを調整することにより、生成されたトレーニングイメージの認識難易度を効果的に調整することができる。

図８を参照する。制御モジュール１０は、信頼度計算モジュール５４を介して候補イメージに対して第２物体認識処理を行い、候補イメージの各ターゲットイメージのカテゴリ認識スコア及び完全度認識スコアを取得し、その後前記スコアにより信頼度を計算することができる。前記カテゴリ認識スコアはターゲットカテゴリに対応して正確に認識される確率であり、前記完全度認識スコアはターゲット位置に対応して正確に認識される確率である。

具体的には、前記信頼度を計算するステップ（Ｓ２２）は第２物体認識処理のステップＳ４０～Ｓ４２を含むことができる。

ステップＳ４０において、制御モジュール１０は、各イメージブロックが各カテゴリに属する確率（第１確率）を決定するように、第２物体検出モジュール５０６を介して入力イメージ（例えば、候補イメージ）の複数のイメージブロックに対してそれぞれカテゴリ認識を実行し、イメージブロックを最高の第１確率のカテゴリに設定し（即ち、このイメージブロックの物体カテゴリを設定する）、最高の第１確率に基づいてカテゴリ認識スコアを設定する（即ち、このイメージブロックのこの物体カテゴリに属する信頼度を設定する）。

図１２を参照する。候補イメージ８０（荷物イメージである）は複数のイメージブロックに分けることができる。制御モジュール１０は物体検出モデル４０１を使用して、各イメージブロックに対してカテゴリ認識処理を実行することができる。例えば、イメージブロック８００の認識結果は「拳銃である確率が７５％であり（イメージブロック８００の最高の第１確率）、ダッフルバッグである確率は５％である」であり、イメージブロック８０１の認識結果は「拳銃である確率が６０％であり（イメージブロック８０１の最高の第１確率）、携帯電話である確率は１０％である」であり、イメージブロック８０２の認識結果は「携帯電話である確率が７０％であり（イメージブロック８０２の最高の第１確率）、ダッフルバッグのベースである確率が２０％である」である。

次に、制御モジュール１０は、イメージブロック８００が拳銃（カテゴリ認識スコアが０．７５である）であり、イメージブロック８０１が拳銃（カテゴリ認識スコアが０．６である）であり、イメージブロック８０２が携帯電話（カテゴリ認識スコアが０．７である）であることを決定することができる。これにより、各イメージブロックのカテゴリ認識スコアの計算を完成する。

再び図８を参照する。ステップＳ４１において、制御モジュール１０は、各範囲がターゲットイメージを完全にカバーする確率（第２確率）を決定するように、第２物体検出モジュール５０６を介して入力イメージの複数の範囲に対して完全度認識をそれぞれ実行し、物体の位置を最高の第２確率の範囲に設定し（即ち、この物体の範囲を設定し）、最高の第２確率に基づいて完全度認識スコアを設定する（即ち、この範囲が物体を完全にカバーする信頼度を設定する）。

図１３を参照する。制御モジュール１０は候補イメージ８０において複数の範囲９０～９１を取り囲み、物体検出モデル４０１を使用して、各範囲に対して完成度認識を実行することができる。例えば、範囲９０の認識結果は「ピストルを完全にカバーする確率が６０％である」であり、範囲９１の認識結果は「ピストルを完全にカバーする確率が７０％である」である。言い換えれば、範囲９１の第２確率は最高である。

次に、制御モジュール１０は、範囲９０の完全度認識スコアが０．６であり、範囲９１の完全度認識スコアが０．７であるように決定することができる。

再び図８を参照する。ステップＳ４２において、制御モジュール１０は、信頼度計算モジュール５４を介して、各ターゲットイメージのカテゴリ認識スコアと完全度認識スコアに基づいて、各ターゲットイメージの信頼度を計算する（例えば、加重平均、加算又は乗算等であるが、これを限定しない）。

一実施例において、制御モジュール１０は、以下の式（１）に基づいて信頼度を計算することができる。

信頼度＝Ｐｒ（Ｃｌａｓｓ｜Ｇｒｉｄ）＊Ｐｒ（Ｏｂｊｅｃｔ）…………式（１）

ここで、Ｐｒ（Ｃｌａｓｓ｜Ｇｒｉｄ）はカテゴリ認識スコアであり、Ｐｒ（Ｏｂｊｅｃｔ）は完全度認識スコアである。

図１４を参照する。前記ステップＳ４０～Ｓ４４の実行により、制御モジュール１０はコンテナイメージ８０における、例えば、ターゲットイメージ９２（拳銃）の信頼度が０．８５であり、オリジナル物体９３（携帯電話）の信頼度が０．８５であり、オリジナル物体９４（ノート）の信頼度が０．９５であるような全てのターゲットの信頼度（認識難易度）を取得することができる。また、制御モジュール１０はターゲットイメージ９２（例えば、禁制品である）の信頼度が所定の臨界値条件（例えば、０．７、０．９、０．９５、範囲０．７～０．９５又は範囲０．８～０．９等）を満足するか否かを判定することができる。

前記第１物体検出モジュール５００（ステップＳ３０）はステップＳ４０～Ｓ４２の第２物体認識処理を実行してコンテナイメージ１１０のオリジナル物体に対して認識と位置決めを実行するように設定される。

一実施例において、図３、図９を参照する。本発明はリアルタイム物体輸送検査（例えば、税関荷物検査など）の認識トレーニングを提供することができる。

自動生成システム１は制御モジュール１０に電気的に接続されるコンベヤーベルトモジュール３１を含むことができる。コンベヤーベルトモジュール３１はコンテナ（例えば、荷物）を搬送するのに用いられる。固定点に設置されるイメージキャプチャ装置３０（例えば、Ｘ線機器等）は、異なる荷物のコンテナイメージ１１０（例えば、Ｘ線の放射線イメージ）を順番に取得するように、コンベヤーベルトモジュール３１により輸送されるコンテナを１つずつ撮影することができる。

次に、認識トレーニングにおいて、制御モジュール１０は、撮影された複数のコンテナイメージ１１０を順番に取得し（ステップ５０）、所定の生成条件４０２に基づいて一部のコンテナイメージを選択してターゲットイメージ１２０を追加して、トレーニングイメージＴＩを取得し（ステップＳ５１、Ｓ５２）、対応するターゲットデータを記録する（Ｓ５３）。

また、制御モジュール１０は、コンベヤーベルト情報取得モジュール５２を介してコンベヤーベルトモジュール３１のタイムリーコンベヤーベルト情報ＣＢＩを取得し（ステップＳ５４）、統合表示制御モジュール５３を介して、表示モジュール３２において、コンテナイメージ１１０とトレーニングイメージＴＩをタイムリーコンベヤーベルト情報ＣＢＩと結合して表示モジュール３２（ステップＳ５５）に順番に表示し、トレーニングを中止するか否かを決定する（ステップＳ５６）。

一実施例において、統合表示制御モジュール５３は、表示モジュール３２がコンテナイメージ１１０とトレーニングイメージＴＩの取得順番に基づいて、複数のコンテナイメージ及びトレーニングイメージをスクロール表示する（即ち、ニュースティッカーのような表示手段）ように制御する。

一実施例において、前記スクロール表示の速度は、タイムリーコンベヤーベルト情報の輸送速度に基づいて決定され、例えば、輸送速度が速ければ速いほど、スクロール表示が速く（各イメージが表示画面に表示される時間が短いほど、担当者が認識できる時間が短い）、輸送速度が遅いほど、スクロール表示が遅い（各イメージが表示画面に表示される時間が長いほど、担当者が認識できる時間が長い）。

一実施例において、制御モジュール１０は、ターゲットイメージ１２０とコンテナイメージ１１０を単一イメージに直接合併せず、同一画面にターゲットイメージ１２０とコンテナイメージ１１０を同時に表示することにより、トレーニングイメージを実現する。

具体的に、制御モジュール１０は、タイムリーコンベヤーベルト情報、コンテナイメージ１１０及びターゲット位置に基づいて、ターゲットイメージ１２０の最新の表示位置を続けて計算し、対応するコンテナイメージ１１０をスクロール表示する場合、ターゲットイメージ１２０を対応するコンテナイメージ１１０と共に移動させるように、同じスクロール速度で、最新の表示位置にターゲットイメージ１２０を同時に表示して、トレーニングイメージを表示する効果を実現する。

図１０～図１１を参照する。制御モジュール１０は、複数枚のコンテナイメージ６０～６２を順番に取得し、コンテナイメージ６１に対してターゲット追加処理を実行するように選択する。

まず、制御モジュール１０はコンテナイメージをローディングし（例えば、イメージ６１０に示す）、複数のオリジナル物体７０～７１を認識する（例えば、イメージ６１１に示す）ように、コンテナイメージに対して（第１／第２）物体認識を実行する。

次に、制御モジュール１０は、ターゲット位置７２を選択することができ（例えば、イメージ６１２に示す）、選択されたターゲットイメージ７３をターゲット位置７２に追加する（例えば、イメージ６１３に示すように、この時、ターゲットデータ７４を共に設定することができる）。

次に、制御モジュール１０は、ターゲットイメージ７３に対して、変換後のターゲットイメージ７５を取得するようにイメージ変換（例えば、拡大処理）を実行することができ、それにより、信頼度を向上させる（例えば、候補イメージ６１４に示す）。

候補イメージ６１４のターゲットイメージ７５の信頼度が臨界値条件を満足しない場合、制御モジュール１０は、ターゲットイメージ７５に対して、もう一つの変換後のターゲットイメージ７６を取得するようにイメージ変換（例えば、縮小処理及び回転処理）を再び実行することができ、それにより、信頼度を再び向上させる（例えば、イメージ６１’に示す）。

最後に、トレーニングイメージ６１’の変換後のターゲットイメージ７６の信頼度は臨界値条件を満足する場合、制御モジュール１０は、コンテナイメージ６１をトレーニングイメージ６１’に置換して、トレーニングイメージの生成（図１１に示す）を完成させる。

さらに、ユーザは順番に再生されるコンテナイメージ６０、トレーニングイメージ６１’とコンテナイメージ６２を見て、認識トレーニングに関連する操作を実行することができる。

例を挙げると、ユーザは、ユーザの判断が正しいか否かを検証するように、入力モジュール２１を介して検証操作を入力して、制御モジュール１０によりトレーニングイメージ６１’（表示されたトレーニングイメージのような）のターゲットイメージ７６のターゲットデータ（答え）を表示するように表示モジュール３２を制御することができる。

別の例において、ユーザは、コンベヤーベルトモジュール３１の状態を中止又は継続的に作動するように制御するために、入力モジュール２１を介して中止操作又は作動操作を入力し、タイムリーコンベヤーベルト情報の速度を中止又は作動に変更する。

また、制御モジュール１０は、タイムリーコンベヤーベルト情報が中止に設定された場合、表示モジュール３２が表示画面のスクロールを中止するように制御することができ、タイムリーコンベヤーベルト情報が作動に設定された場合、画面のスクロールを継続的に表示する。

これにより、本発明は、リアルタイム物体輸送検査を模擬することができる。

本発明は、トレーニングイメージを自動生成することができ、トレーニングイメージの認識難易度がユーザにより指定することできるため、カスタマイズされる認識トレーニングに適用する。

上記は本発明の好ましい具体的な実施例に過ぎず、本発明の出願する特許請求の範囲を限定するものではないため、本発明の内容を運用する同等の変更は、いずれも同様に本発明の範囲に含まれており、ここで合わせて説明されたものとする。

１ 自動生成システム
１０ 制御モジュール
１１ コンテナイメージソース
１１０ コンテナイメージ
１２ ターゲットイメージライブラリ
１２０ ターゲットイメージ
１３ 出力モジュール
２０ 変形データベース
２００ 関数
２１ 入力モジュール
３０ イメージキャプチャ装置
３１ コンベヤーベルトモジュール
３２ 表示モジュール
３３ トレーニングイメージライブラリ
３３０ トレーニングイメージ
３３１ ターゲットデータ
４０ 記憶モジュール
４００ コンピュータソフトウェア
４０１ 物体検出モデル
４０２ 生成条件
４０３ 位置選択ルール
４０４ イメージ変換ルール
４０５ 臨界値条件
４１ ネットワーク伝送インターフェース
４２ ネットワーク
４３ サーバ
５０ ターゲット追加モジュール
５００ 第１物体検出モジュール
５０１ ターゲット位置選択モジュール
５０２ ターゲット選択モジュール
５０３ イメージ変換選択モジュール
５０４ ターゲット位置決めモジュール
５０５ イメージ生成モジュール
５０６ 第２物体検出モジュール
５１ ターゲット記録モジュール
５２ コンベヤーベルト情報取得モジュール
５３ 統合表示制御モジュール
５４ 信頼度計算モジュール
６０～６２ コンテナイメージ
６１’ トレーニングイメージ
６１０～６１４ イメージ
７０、７１ オリジナル物体
７２ ターゲット位置
７３ ターゲットイメージ
７４ ターゲットデータ
７５、７６ 変換後ターゲットイメージ
８０ 入力イメージ
８００～８０２ イメージブロック
９０～９１ 範囲
９２～９４ イメージ
ＣＢＩ コンベヤーベルト情報
Ｐ 設定パラメータ
ＴＩ トレーニングイメージ
Ｓ１０～Ｓ１３ ターゲット追加及び記録ステップ
Ｓ２０～Ｓ２４ ターゲット追加ステップ
Ｓ３０～Ｓ３４ ターゲットイメージ処理ステップ
Ｓ４０～Ｓ４２ 信頼度計算ステップ
Ｓ５０～Ｓ５６ ターゲット追加、記録及び表示ステップ

Claims (10)

1. トレーニングイメージの自動生成方法であって、
   複数のコンテナイメージを取得し、生成条件に応じて該コンテナイメージを１つ選択してターゲット追加処理を実行するステップ（ａ）と、
   該トレーニングイメージ及びターゲットイメージのターゲットカテゴリとターゲット位置のうち少なくとも１つを含むターゲットデータを記録し、該トレーニングイメージ内のターゲット位置に該ターゲットイメージを対応付けて表示するステップ（ｂ）と、
   を含み、
   該ターゲット追加処理は、
   該ターゲットイメージを取得するステップ（ａ１）と、
   候補イメージとするように、該ターゲットイメージを選択された該コンテナイメージに追加するステップ（ａ２）と、
   ターゲットカテゴリに対応して正確に認識される確率とターゲット位置に対応して正確に認識される確率とに基づいて、該候補イメージの信頼度を計算するステップ（ａ３）と、
   該トレーニングイメージを生成するように、該候補イメージの該信頼度が臨界値条件を満足しない場合に、該臨界値条件を満足するまで、これらのステップ（ａ１）～ステップ（ａ３）を繰り返して実行するステップ（ａ４）と、
   を含み、
   該ステップ（ａ３）の該候補イメージの該信頼度の計算は、
   第２物体認識処理を実行することによって該候補イメージにおける該ターゲットイメージの、該ターゲットカテゴリに対応して正確に認識された確率であるカテゴリ認識スコアと、該ターゲット位置に対応して正確に認識された確率である完全度認識スコアとを取得するステップ（ａ３１）と、
   該ターゲットイメージの該カテゴリ認識スコアと該完全度認識スコアに基づいて、該候補イメージの該信頼度を計算するステップ（ａ３２）と、
   を含み、
   該候補イメージが複数の該ターゲットイメージを含む場合、該ステップ（ａ４）は、該候補イメージの各該ターゲットイメージの該信頼度が該臨界値条件を満足するまで、これらのステップ（ａ１）～（ａ３）を繰り返して実行するステップを含み、
   該ステップ（ａ３１）の該第２物体認識処理は、
   該ターゲットイメージのイメージブロックの各該ターゲットカテゴリに対応する第１確率を取得し、最高の該第１確率を有する該ターゲットカテゴリを決定し、最高の該第１確率に基づいて該カテゴリ認識スコアを計算するステップ（ａ３１１）と、
   範囲が該ターゲットイメージを完全にカバーする第２確率を取得し、最高の該第２確率の該範囲に基づいて該ターゲットイメージの該ターゲット位置を決定し、最高の該第２確率に基づいて該完全度認識スコアを計算するステップ（ａ３１２）と、
   を含み、
   さらに、
   該ステップ（ａ４）における該信頼度が該臨界値条件を満足する場合は、
   選択された該コンテナイメージを該トレーニングイメージに置き換えるステップ（ｄ１）と、
   表示画面において、該複数のコンテナイメージと該トレーニングイメージをスクロール表示速度で順番にスクロール表示し、スクロール表示速度はコンベヤーベルトモジュールのコンベヤーベルト情報に基づいて決定される、ステップ（ｄ２）と、
   検証操作を受信する場合、該トレーニングイメージにおける該ターゲットデータを該表示画面に表示するステップ（ｄ３）と、
   を含む、ことを特徴とするトレーニングイメージの自動生成方法。
2. 該ステップ（ａ１）は、さらに、ターゲットイメージライブラリから該ターゲットイメージを選択することを含み、
   該ステップ（ａ２）は、さらに、
   該コンテナイメージにおけるオリジナル物体の物***置を検出するように、第１物体認識処理を実行するステップ（ａ２１）と、
   位置選択ルールに基づいて、該コンテナイメージにおいて該ターゲット位置を設定するステップ（ａ２２）と、
   イメージ変換ルールに基づいて、外形、輝度、カラー、姿勢及び配列順序のうち少なくとも１つを介して該ターゲットイメージを変換するように、イメージ変換処理を実行するステップ（ａ２３）と、
   変換後の該ターゲットイメージを該コンテナイメージの該ターゲット位置に追加するステップ（ａ２４）と、
   を含むことを特徴とする請求項１に記載のトレーニングイメージの自動生成方法。
3. 該第１物体認識処理は機械学習により生成された物体検出モデルに基づいて該オリジナル物体を認識することを含み、
   該位置選択ルールは、該ターゲット位置と該物***置が少なくとも一部重なり合うことと、該ターゲット位置が該ターゲットイメージのサイズ以上であることと、該ターゲット位置が該オリジナル物体のサイズより大きいことと、のうち少なくとも１つを含み、
   該イメージ変換ルールは、該ターゲットイメージの該ターゲットカテゴリに基づいて少なくとも１つの関数を選択することと、該コンテナイメージと該ターゲットイメージとの間の差異に基づいて該少なくとも１つの関数を選択することと、該ターゲット位置と該物***置に基づいて該少なくとも１つの関数を選択することと、のうち少なくとも１つを含む、
   ことを特徴とする請求項２に記載のトレーニングイメージの自動生成方法。
4. 該ステップ（ａ）は、複数のコンテナを撮影することによって該複数のコンテナイメージを順番に取得し、生成条件に基づいて、該コンテナイメージを選択することを含み、該自動生成方法は、さらに、
   該表示画面において、該コンベヤーベルト情報の該スクロール表示速度で該複数のコンテナイメージと該トレーニングイメージを順番にスクロール表示するステップ（ｅ１）と、
   該コンベヤーベルト情報が中止に設定された場合、該表示画面のスクロールを中止させるステップ（ｅ２）と、
   該コンベヤーベルト情報が作動に設定された場合、該表示画面を継続的にスクロールさせるステップ（ｅ３）と、
   該検証操作を受信する場合、表示された該トレーニングイメージの該ターゲットデータを表示するステップ（ｅ４）と、
   を含み、
   該トレーニングイメージのスクロールは、該ターゲットイメージを選択された該コンテナイメージと共に同期移動させるように、該コンベヤーベルト情報、選択された該コンテナイメージ及び該ターゲット位置に基づいて、該ターゲットイメージの表示位置を継続的に計算することを含むことを特徴とする請求項１に記載のトレーニングイメージの自動生成方法。
5. さらに、
   該トレーニングイメージと該ターゲットデータをトレーニングイメージライブラリに記録するステップ（ｆ）と、
   認識難易度が調整された場合、該臨界値条件、該トレーニングイメージの該生成条件、
   該ターゲット位置の位置選択ルールと該ターゲットイメージのイメージ変換ルールのうち少なくとも１つを調整するステップ（ｇ）と、のいずれか１つのステップを含むことを特徴とする請求項１に記載のトレーニングイメージの自動生成方法。
6. トレーニングイメージの自動生成システムであって、
   複数のコンテナイメージを有するコンテナイメージソースと、
   複数のターゲットイメージを有するターゲットイメージライブラリと、
   トレーニングイメージを格納するように構成されたトレーニングイメージライブラリと、
   該コンテナイメージソースと該ターゲットイメージライブラリと該トレーニングイメージライブラリとに電気的に接続された制御モジュールと、
   を含み、
   該制御モジュールは、
   生成条件に従って該コンテナイメージを１つ選択してターゲット追加処理を実行して該トレーニングイメージを生成するように構成され、該ターゲット追加処理は、該ターゲットイメージを、選択された該コンテナイメージに候補イメージとして追加することを含む、ターゲット追加モジュールと、
   該トレーニングイメージ及びターゲットデータを記録し、各該トレーニングイメージと対応する該ターゲットデータとを該トレーニングイメージライブラリに記録するように配置され、該ターゲットデータは、該ターゲットイメージのターゲットカテゴリとターゲット位置のうち少なくとも１つを含む、ターゲット記録モジュールと、
   ターゲットカテゴリに対応して正確に認識される確率とターゲット位置に対応して正確に認識される確率とに基づいて、該候補イメージの信頼度を計算するように配置される信頼度計算モジュールと、
   コンベヤーベルトモジュールのコンベヤーベルト情報を取得するように配置されるコンベヤーベルト情報取得モジュールと、
   選択された該コンテナイメージを該トレーニングイメージに置き換え、表示モジュールの表示画面において、複数の該コンテナイメージと該トレーニングイメージをスクロール表示速度で順番にスクロールして表示するように配置され、入力モジュールを介して検証操作を受信する場合、該トレーニングイメージにおける該ターゲットデータを該表示画面に表示するように配置され、該スクロール表示速度は、該コンベヤーベルト情報に基づいて決定される統合表示制御モジュールと、
   を含み、
   該制御モジュールは、該トレーニングイメージを生成するように、生成された該候補イメージの該信頼度が臨界値条件を満足しない場合に、該臨界値条件を満足するまで、該ターゲット追加モジュールを介して該ターゲット追加処理を繰り返して実行するように配置され、該信頼度は該ターゲットイメージの該候補イメージにおける認識難易度に対応し、
   該制御モジュールは、第２物体認識処理を実行することによって該候補イメージの該ターゲットイメージの、該ターゲットカテゴリに対応して正確に認識された確率であるカテゴリ認識スコアと、該ターゲット位置に対応して正確に認識された確率である完全度認識スコアを取得するように配置される第２物体検出モジュール、を含み、
   該信頼度計算モジュールは、該カテゴリ認識スコアと該完全度認識スコアに基づいて、該候補イメージの該信頼度を計算するように配置され、
   該制御モジュールは、該候補イメージが複数の該ターゲットイメージを含む場合、該候補イメージの各該ターゲットイメージの該信頼度を該臨界値条件に満足させるまで、該ターゲット追加処理を繰り返して実行するように配置され、
   該第２物体検出モジュールは、該ターゲットイメージのイメージブロックの各該ターゲットカテゴリに対応する第１確率を取得し、最高の該第１確率を有する該ターゲットカテゴリを決定し、最高の該第１確率に基づいて該カテゴリ認識スコアを計算するように配置され、
   該第２物体検出モジュールは、範囲が該ターゲットイメージを完全にカバーする第２確率を取得し、最高の該第２確率の該範囲に基づいて該ターゲットイメージの該ターゲット位置を決定し、最高の該第２確率に基づいて該完全度認識スコアを計算するように配置される、ことを特徴とするトレーニングイメージの自動生成システム。
7. 該制御モジュールは、さらに、
   該コンテナイメージのオリジナル物体の物***置を検出するように、物体検出モデルに基づいて、第１物体認識処理を実行するように配置される第１物体検出モジュールと、
   該ターゲットイメージライブラリから該ターゲットイメージを選択するように配置されるターゲット選択モジュールと、
   位置選択ルールに基づいて、該コンテナイメージにおいて該ターゲット位置を設定するように配置されるターゲット位置選択モジュールと、
   イメージ変換ルールに基づいて、外形、輝度、カラー、姿勢及び配列順序のうち少なくとも１つを介して該ターゲットイメージを変換するように、イメージ変換処理を実行するイメージ変換選択モジュールと、
   変換後の該ターゲットイメージを該コンテナイメージの該ターゲット位置に追加するイメージ生成モジュールと、
   を含み、
   該制御モジュールは、さらに、記憶モジュールから該位置選択ルール、該イメージ変換ルール、該臨界値条件及び機械学習により生成された該物体検出モデルを読み取るように配置され、
   該位置選択ルールは、該ターゲット位置と該物***置が少なくとも一部重なり合うことと、該ターゲット位置が該ターゲットイメージのサイズ以上であることと、該ターゲット位置が該オリジナル物体のサイズより大きいことと、のうち少なくとも１つを含み、
   該イメージ変換ルールは、該ターゲットイメージの該ターゲットカテゴリに基づいて少なくとも１つの関数を選択することと、該コンテナイメージと該ターゲットイメージとの間の差異に基づいて該少なくとも１つの関数を選択することと、該ターゲット位置と各該物***置に基づいて該少なくとも１つの関数を選択することと、のうち少なくとも１つを含むことを特徴とする請求項６に記載のトレーニングイメージの自動生成システム。
8. 該制御モジュールは、さらに、イメージキャプチャ装置を介して、複数のコンテナを順番に撮影して該複数のコンテナイメージを取得し、記憶モジュールから該生成条件を読み取り、該生成条件に基づいて、該コンテナイメージを選択するように配置され、
   該制御モジュールは、さらに、
   該コンベヤーベルト情報が中止に設定された場合、該表示画面のスクロールを中止させ、該コンベヤーベルト情報が作動に設定された場合、該表示画面を継続的にスクロールさせるように配置される統合表示制御モジュールを含み、
   該コンベヤーベルト情報、選択された該コンテナイメージ及び該ターゲット位置に基づいて、該ターゲットイメージの表示位置を継続的に計算し、該ターゲットイメージを選択された該コンテナイメージと共に移動させることを特徴とする請求項６に記載のトレーニングイメージの自動生成システム。
9. 該制御モジュールは、さらに、該認識難易度が調整された場合、該臨界値条件、該トレーニングイメージの該生成条件、該ターゲット位置の位置選択ルールと該ターゲットイメージのイメージ変換ルールのうち少なくとも１つを調整するように配置されることを特徴とする請求項６に記載のトレーニングイメージの自動生成システム。
10. トレーニングイメージの自動生成方法であって、
    コンテナイメージを取得するステップ（ａ）と、
    ターゲットイメージを取得するステップ（ｂ）と、
    候補イメージとするように、該ターゲットイメージを該コンテナイメージに追加するステップ（ｃ）と、
    該ターゲットイメージ上のイメージブロックに対応するターゲットカテゴリの第１確率に基づいて、最高の該第１確率を有するターゲットカテゴリを決定し、最高の該第１確率に基づいてカテゴリ認識スコアを計算し、範囲が該ターゲットイメージを完全にカバーする第２確率に基づいて、最高の該第２確率を有する該範囲を決定し、最高の該第２確率を有する該範囲に基づいて該ターゲットイメージのターゲット位置を決定し、最高の該第２確率に基づいて完全性認識スコアを計算し、該ターゲットイメージのカテゴリ認識スコアおよび完全性認識スコアに基づいて、候補イメージの信頼度を計算し、該信頼度は、該候補イメージにおける該ターゲットイメージの認識難易度に対応するステップ（ｄ）と、
    該信頼度が臨界値条件を満足しない場合、トレーニングイメージを生成するように、該候補イメージの該信頼度が該臨界値条件を満足するまで、これらのステップ（ｂ）～ステップ（ｄ）を繰り返して実行するステップ（ｅ）と、
    該信頼度が該臨界値条件を満たす場合、選択された該コンテナイメージを該トレーニングイメージに置き換え、複数の該コンテナイメージおよび該トレーニングイメージをスクロール表示速度で表示画面上に順次スクロールして表示し、該スクロール表示速度は、コンベヤーベルト情報に基づいて決定され、検証操作を受け付けると、該表示画面に該トレーニングイメージ内のターゲットデータが表示されるステップ（ｆ）と、
    を含む、ことを特徴とするトレーニングイメージの自動生成方法。