[发明专利]图像处理方法、图像处理装置及计算机可读记录介质

说明书

提供能够抑制学习用数据的质量偏差的图像处理方法、图像处理装置及计算机可读记录介质。图像处理方法包括：判定步骤(S102)，在时序上连续且对至少一部分图像已赋予表示第1区域的第1注释的多个图像中，一边从时序上的最后时刻开始回溯，一边基于有无第1注释判定该图像中有无第1区域；决定步骤(S103)，确定被判定为没有第1区域的最初的第1时刻的图像，决定第1时刻的图像的包含遮挡物的区域的一部分在内的第2区域，第2区域表示运动物体被遮挡且处于运动物体要从遮挡物出现在行驶路径中之前，第2区域的大小与时序上的第1时刻的下一时刻即第2时刻的图像中的第1区域的大小相应；以及赋予步骤(S104)，将表示第2区域的第2注释赋予给第2时刻的图像。

技术领域

本发明涉及图像处理方法、图像处理装置及程序。

背景技术

近年来，基于使用了神经网络的机器学习技术的一般物体识别，呈现出高性能而受到关注。

但是，在基于神经网络的一般物体识别中，为了引导出高识别性能，需要大量使用作为识别目标的物体的名称或种类等作为注释(正确解答信息)而标注的图像来进行学习处理。

另外，在机器学习中，已知若提供海量的数据(大数据)作为学习用数据则精度会提高。

作为收集大数据的方法之一，存在利用众包(Crowd-sourcing)等向第三者外包的方法。众包是通过互联网将简单的作业(任务)以低廉的价格委托给不特定的许多人(工作人员)的方法。因而，若利用众包来进行大数据的数据收集，则能够将针对构成大数据的各个数据的任务分配并委托给许多工作人员，因此能够高效地(以比较低廉的价格在短时间内)收集大数据。

例如，专利文献1中公开了一种通过尽量少的人数以高作业精度来实现众包的技术。

现有技术文献

专利文献

专利文献1：日本特开2013-197785号公报

发明内容

发明要解决的问题

但是，即使使用专利文献1所公开的技术，也存在如下问题：在标注注释的作业需要高度识别的情况下，标注注释的作业容易出现众包的工作人员的个人差异。作为标注注释的作业需要高度识别的情况，存在标注表示危险区域的注释的情况，所述危险区域例如是在车辆行驶时人突然出现而变得危险的区域。对于危险区域的注释，与赋予特定物体的种类或位置的注释相比，难以对位置的特定和危险的程度进行决定，工作人员的个人差异会增大。因此，在标注注释的作业需要高度识别的情况下，存在通过众包得到的学习用数据的质量会产生偏差这一问题。并且，在使用包含存在质量偏差的学习用数据的大数据进行了机器学习的情况下，学习的精度不会提高。

本公开是鉴于上述情况而完成的，目的在于提供一种能够抑制学习用数据的质量偏差的图像处理方法、图像处理装置及程序。

用于解决问题的技术方案

为了达成上述目的，本发明的一个技术方案涉及的图像处理方法，包括：取得步骤，取得由搭载于车辆的车载摄像头拍摄到的时序上连续的多个图像，对所述多个图像的至少一部分图像已赋予表示第1区域的第1注释，所述第1区域表示是存在于该图像中的在遮挡物的附近且所述车辆的行驶路径中存在的运动物体；判定步骤，对在所述取得步骤中取得的所述多个图像，一边从时序上的最后时刻的图像开始依次回溯时刻，一边基于有无所述第1注释来判定该图像中有无所述第1区域；决定步骤，确定所述多个图像中的在所述判定步骤中判定为没有所述第1区域的最初的第1 时刻的图像，决定所确定出的所述第1时刻的图像的包含所述遮挡物的区域的一部分在内的第2区域，所述第2区域表示所述运动物体被遮挡且处于所述运动物体要从所述遮挡物出现在所述行驶路径中之前，所述第2区域的大小与时序上的所述第1时刻的下一时刻即第2时刻的图像中的所述第1区域的大小相应；以及赋予步骤，将表示在所述决定步骤中决定的所述第2区域的第2注释赋予给所述第2时刻的图像。