[发明专利]机器学习系统、域变换装置、及机器学习方法

权利要求书

1.一种机器学习系统，是进行伪图像生成模型的学习的信息处理系统，该伪图像生成模型是将对作为辨识对象的物体的对象物进行拍摄而得到的第一域中的图像即第一域图像变换为与第二域中的图像即第二域图像相似的图像即伪第二域图像的机器学习模型，

所述机器学习系统具备：

第一判定模型，判定所输入的图像是否是所述第二域图像；

第二判定模型，判定从所述输入的图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像即提取图像，是否是从所述第二域图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像；

图像提取部，生成所述提取图像并输入至所述第二判定模型；

选择输入部，选择所述伪第二域图像及所述第二域图像的其中一个并输入至所述第一判定模型，并且选择所述伪第二域图像和针对该伪第二域图像的所述区域信息即第一区域信息的第一组合、及所述第二域图像和针对该第二域图像的所述区域信息即第二区域信息的第二组合的其中一个并输入至所述图像提取部；以及

学习处理部，基于包含所述第一判定模型的判定的结果和针对该判定的正确解信息的第一判定结果进行所述第一判定模型的学习，基于包含所述第二判定模型的判定的结果和针对该判定的正确解信息的第二判定结果进行所述第二判定模型的学习，基于所述第一判定结果和所述第二判定结果进行所述伪图像生成模型的学习。

2.如权利要求1所述的机器学习系统，

所述图像提取部生成从所述输入的图像提取了存在所述对象物的区域后的图像作为所述提取图像。

3.如权利要求1所述的机器学习系统，

所述图像提取部生成从所述输入的图像提取了不存在所述对象物的区域后的图像作为所述提取图像。

4.如权利要求1所述的机器学习系统，

所述第一域图像是由能够取得表示距离被摄体的距离的信息的拍摄装置拍摄的图像，所述区域信息是基于与所述距离相关的信息而取得的信息。

5.如权利要求1所述的机器学习系统，

所述区域信息是通过对所述第一域图像进行图像处理从而取得的信息。

6.一种机器学习系统，是进行伪图像生成模型的学习的信息处理系统，该伪图像生成模型是将对作为辨识对象的物体的对象物进行拍摄而得到的第一域中的图像即第一域图像变换为与第二域中的图像即第二域图像相似的图像即伪第二域图像的机器学习模型，

所述机器学习系统具备：

第一判定模型，判定所输入的图像是否是所述第二域图像；

第二判定模型，判定从所述输入的图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像即第一提取图像，是否是从所述第二域图像基于确定在该图像中存在对象物的区域的信息即区域信息而提取的图像；

第三判定模型，判断从所述输入的图像基于所述区域信息而提取了不存在所述对象物的区域后的图像即第二提取图像，是否是从所述第二域图像基于所述区域信息而提取了不存在所述对象物的区域后的图像；

图像提取部，生成所述第一提取图像而输入至所述第二判定模型，生成所述第二提取图像而输入至所述第三判定模型；

选择输入部，选择所述伪第二域图像及所述第二域图像的其中一个而输入至所述第一判定模型，并且选择所述伪第二域图像和针对该伪第二域图像的所述区域信息即第一区域信息的第一组合、及所述第二域图像和针对该第二域图像的所述区域信息即第二区域信息的第二组合的其中一个组合而输入至所述图像提取部；以及

学习处理部，基于包含所述第一判定模型的判定的结果和针对该判定的正确解信息的第一判定结果进行所述第一判定模型的学习，基于包含所述第二判定模型的判定的结果和针对该判定的正确解信息的第二判定结果进行所述第二判定模型的学习，基于包含所述第三判定模型的判定的结果和针对该判定的正确解信息的第三判定结果进行所述第三判定模型的学习，基于所述第一判定结果、所述第二判定结果、及所述第三判定结果进行所述伪图像生成模型的学习。