信息处理装置的制作方法

本公开涉及信息处理装置。

背景技术：

1、以往，用于图像识别、动态图像、图等的神经网络通过使信息处理装置学习各领域的数据来提取数据内的特征量。作为提取特征量的一个手段，已知有使用深度学习中的卷积运算来得到高识别性能的cnn(卷积神经网络)。此外，作为提取特征量的另一手段，在图像的情况下已知利用作为attention(选择性注意)的应用的transformer、且被称为vit(视觉变换网络)的神经网络，在图的情况下，已知被称为图变换网络的神经网络。此时，无论在哪种方法中，在对数据进行分类的任务的情况下，输出针对各分类的确定性程度，输出该确定性程度最高的数据。尤其是已知有在确定性程度较低的情况下不进行输出的方法(例如专利文献1)。

2、现有技术文献

3、专利文献

4、专利文献1：日本特开2013-117861号公报

技术实现思路

1、发明要解决的问题

2、通常，在如上述信息处理装置那样，使用针对各输入数据赋予了正解标签的数据集来进行学习的信息处理装置中，有时正解标签的错误影响到学习结果，使推理的精度下降。

3、本公开用于解决上述问题，其目的在于，提供一种能够提高推理精度的信息处理装置和信息处理方法。

4、用于解决问题的手段

5、本公开的信息处理装置的特征在于，具备：特征量提取部，其提取输入数据的特征量；相似数据分类部，其基于包含多个输入数据的第1数据集和特征量提取部针对第1数据集中包含的多个输入数据分别提取出的特征量，将第1数据集中包含的多个输入数据中的特征量彼此相似的多个输入数据分类为第2数据集；以及模型生成部，其使用第2数据集，生成用于对输入数据进行分类的学习完毕模型即第1学习完毕模型。

6、发明的效果

7、根据本公开，由于如上述那样构成，因此，能够提高推理精度。

技术特征：

1.一种信息处理装置，其特征在于，

2.根据权利要求1所述的信息处理装置，其特征在于，

3.根据权利要求1所述的信息处理装置，其特征在于，

4.根据权利要求3所述的信息处理装置，其特征在于，

5.根据权利要求3所述的信息处理装置，其特征在于，

6.根据权利要求4所述的信息处理装置，其特征在于，

7.根据权利要求4所述的信息处理装置，其特征在于，

8.一种信息处理装置，其特征在于，

9.根据权利要求8所述的信息处理装置，其特征在于，

10.根据权利要求8所述的信息处理装置，其特征在于，

11.根据权利要求8所述的信息处理装置，其特征在于，

12.根据权利要求1所述的信息处理装置，其特征在于，

13.一种信息处理装置，其特征在于，

14.根据权利要求1至13中的任意一项所述的信息处理装置，其特征在于，

15.一种信息处理装置，其特征在于，

技术总结具备：特征量提取部(12)，其提取输入数据的特征量；相似数据分类部(13)，其基于包含多个输入数据的第1数据集和特征量提取部(12)针对第1数据集中包含的多个输入数据分别提取出的特征量，将第1数据集中包含的多个输入数据中的特征量彼此相似的多个输入数据分类为第2数据集；以及模型生成部(14)，其使用第2数据集，生成用于对输入数据进行分类的学习完毕模型即第1学习完毕模型。技术研发人员：山梶佑介,福岛邦彦受保护的技术使用者：三菱电机株式会社技术研发日：技术公布日：2024/11/4