JP7583256B2 - データ生成プログラム、情報処理装置及びデータ生成方法 - Google Patents

Description

本発明は、データ生成プログラム、情報処理装置及びデータ生成方法に関する。

例えば、機械学習モデルの生成に用いる教師データの自動生成を行う方法として、敵対的生成ネットワーク（ＧＡＮ：Ｇｅｎｅｒａｔｉｖｅ Ａｄｖｅｒｓａｒｉａｌ Ｎｅｔｗｏｒｋｓ）を用いた方法が知られている。

この敵対的生成ネットワークは、ノイズを用いることによってデータ（以下、偽物データとも呼ぶ）を生成するジェネレータと、ジェネレータが生成した偽物データの真偽判定を行うディスクリミネータとから構成される。

具体的に、敵対的生成ネットワークは、ジェネレータによる偽物データの生成とディスクリミネータによる偽物データの真偽判定とを繰り返すことによって、ジェネレータ及びディスクリミネータの精度をそれぞれ向上させる。そして、敵対的生成ネットワークは、ジェネレータ及びディスクリミネータの精度を十分に向上させた後、ジェネレータが生成した偽物データのうち、ディスクリミネータが本物データであると判定した偽物データを教師データとすることによって、機械学習モデルの生成に用いる教師データの生成を行う（例えば、特許文献１乃至３を参照）。

特開２０１８－１６３５５４号公報 国際公開第２０２０／００８７１０号 特許第６６８７９６２号

しかしながら、上記のような敵対的生成ネットワークでは、例えば、ランダムに発生させたノイズを用いることによって偽物データの生成が行われる。そのため、敵対的生成ネットワークでは、教師データとして用いることが可能な偽物データ（ディスクリミネータが本物データと判定する偽物データ）の生成に長い時間を要する場合がある。

そこで、一つの側面では、本発明は、教師データの生成に要する時間を短縮することを可能とするデータ生成プログラム、情報処理装置及びデータ生成方法を提供することを目的とする。

実施の形態の一態様では、敵対的生成ネットワークを用いてデータを生成する処理を行う処理をコンピュータに実行させるデータ生成プログラムであって、ランダムに発生させたノイズから複数の第１データを生成し、生成した前記複数の第１データのそれぞれについての真偽に関する評価値を算出し、生成した前記複数の第１データのうち、前記評価値が基準データよりも低い複数の第２データにおいて共通する特徴を特定し、特定した前記特徴を有しない前記複数の第１データを再度生成する、処理をコンピュータに実行させる。

一つの側面によれば、教師データの生成に要する時間を短縮することを可能とする。

図１は、情報処理システム１０の構成について説明する図である。 図２は、敵対的生成ネットワークについて説明する図である。 図３は、情報処理装置１のハードウエア構成を説明する図である。 図４は、情報処理装置１の機能のブロック図である。 図５は、第１の実施の形態におけるデータ生成処理の概略を説明するフローチャート図である。 図６は、第１の実施の形態におけるデータ生成処理の概略を説明するフローチャート図である。 図７は、第１の実施の形態におけるデータ生成処理の詳細を説明するフローチャート図である。 図８は、第１の実施の形態におけるデータ生成処理の詳細を説明するフローチャート図である。 図９は、第１の実施の形態におけるデータ生成処理の詳細を説明するフローチャート図である。 図１０は、第１の実施の形態におけるデータ生成処理の詳細を説明するフローチャート図である。 図１１は、第１の実施の形態におけるデータ生成処理の詳細を説明するフローチャート図である。 図１２は、Ｓ４１からＳ４５の処理の具体例について説明する図である。 図１３は、Ｓ４１からＳ４５の処理の具体例について説明する図である。 図１４は、Ｓ４１からＳ４５の処理の具体例について説明する図である。 図１５は、Ｓ４１からＳ４５の処理の他の具体例について説明する図である。 図１６は、Ｓ４１からＳ４５の処理の他の具体例について説明する図である。 図１７は、Ｓ４１からＳ４５の処理の他の具体例について説明する図である。 図１８は、第２の実施の形態におけるデータ生成処理を説明するフローチャート図である。 図１９は、第３の実施の形態におけるデータ生成処理を説明するフローチャート図である。

［情報処理システムの構成］
初めに、情報処理システム１０の構成について説明を行う。図１は、情報処理システム１０の構成について説明する図である。

図１に示す情報処理システム１０は、例えば、１以上の物理マシンからなる情報処理装置１と、教師データの生成を行う作業者（以下、単に作業者とも呼ぶ）が必要な情報の入力等を行う操作端末２とを有する。操作端末２は、例えば、ＰＣ（Ｐｅｒｓｏａｎｌ Ｃｏｍｐｕｔｅｒ）であってよい。また、情報処理装置１と操作端末２とは、例えば、インターネット等のネットワークＮＷを介して接続されている。

情報処理装置１は、例えば、敵対的生成ネットワークを用いて教師データの生成を行う処理（以下、データ生成処理とも呼ぶ）を実行する。以下、敵対的生成ネットワークについて説明を行う。

［敵対的生成ネットワーク］
図２は、敵対的生成ネットワークについて説明する図である。

図２に示す敵対的生成ネットワークＧＡは、ノイズ発生部１１３と、データ生成部１１４と、データ識別部１１５とを有する。以下、データ生成部１１４がジェネレータに対応し、データ識別部１１５がディスクリミネータに対応するものとして説明を行う。

データ生成部１１４は、例えば、予め用意された複数の教師データＤＴ１（以下、本物データＤＴ１とも呼ぶ）に対して、ノイズ発生部１１３がランダムに発生させたノイズを加えることによって複数の偽物データＤＴ２を生成する。

また、データ識別部１１５は、例えば、複数の本物データＤＴ１についての学習を行った後、データ生成部１１４が生成した複数の偽物データＤＴ２の真偽についての判定を行う。

そして、データ生成部１１４及びデータ識別部１１５は、偽物データＤＴ２の生成と偽物データＤＴ２の判定とを交互に繰り返すことにより、それぞれ精度を向上させる。

具体的に、データ生成部１１４は、データ識別部１１５による偽物データＤＴ２の判定結果を用いることによって、データ識別部１１５が偽物データでないと判定する偽物データＤＴ２（データ識別部１１５が本物データと判定する偽物データＤＴ２）の生成が可能になるように繰り返し学習を行う。また、データ識別部１１５は、偽物データＤＴ２の判定結果が妥当であったか否かを示す情報を用いることによって、データ生成部１１４が生成した偽物データＤＴ２を偽物データとして判定することが可能になるように繰り返し学習を行う。

これにより、作業者は、図２に示すように、例えば、十分な学習が行われた後のデータ生成部１１４が生成した偽物データＤＴ２のうち、十分な学習が行われた後のデータ識別部１１５が本物データであると判定した偽物データＤＴ２を、新たな教師データＤＴ３として取得することが可能になる。

しかしながら、データ生成部１１４は、例えば、ランダムに発生させたノイズを用いることによって偽物データＤＴ２の生成を行う。そのため、データ生成部１１４は、教師データＤＴ３として用いることができる偽物データＤＴ２（データ識別部１１５が本物データと判定する偽物データＤＴ２）の生成に長い時間を要する場合がある。

そこで、本実施の形態における情報処理装置１は、ランダムに発生させたノイズから複数の偽物データＤＴ２（以下、第１データとも呼ぶ）を生成し、生成した複数の偽物データＤＴ２のそれぞれについての真偽に関する評価値を算出する。

そして、情報処理装置１は、生成した複数の偽物データＤＴ２のうち、評価値が基準データよりも低い複数の偽物データＤＴ２（以下、第２データとも呼ぶ）において共通する特徴を特定する。その後、情報処理装置１は、特定した特徴を有しない複数の偽物データＤＴ２を再度生成する。

すなわち、本実施の形態における情報処理装置１は、データ識別部１１５が偽物データＤＴ２を偽物データとして判定した要因の少なくとも１つであった可能性が高い特徴（偽物データＤＴ２に含まれる特徴）を特定する。そして、情報処理装置１は、特定した特徴が含まれないように偽物データＤＴ２の再生成を行う。

これにより、本実施の形態における情報処理装置１は、教師データＤＴ３の生成が行われるまでに、データ生成部１１４及びデータ識別部１１５が生成及び真偽判定を行う必要がある偽物データＤＴ２の数を抑えることが可能になる。そのため、情報処理装置１は、教師データＤＴ３の生成に要する時間を短縮することが可能になる。

［情報処理装置のハードウエア構成］
次に、情報処理装置１のハードウエア構成について説明する。図３は、情報処理装置１のハードウエア構成を説明する図である。

情報処理装置１は、図３に示すように、プロセッサであるＣＰＵ１０１と、メモリ１０２と、通信装置１０３と、記憶媒体１０４とを有する。各部は、バス１０５を介して互いに接続される。

記憶媒体１０４は、例えば、データ生成処理を行うためのプログラム１１０を記憶するプログラム格納領域（図示しない）を有する。また、記憶媒体１０４は、例えば、データ生成処理を行う際に用いられる情報を記憶する情報格納領域１３０を有する。なお、記憶媒体１０４は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）やＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）であってよい。

ＣＰＵ１０１は、記憶媒体１０４からメモリ１０２にロードされたプログラム１１０を実行してデータ生成処理を行う。

また、通信装置１０３は、例えば、ネットワークＮＷを介して操作端末２との通信を行う。

［情報処理装置の機能］
次に、情報処理装置１の機能について説明を行う。図４は、情報処理装置１の機能のブロック図である。

情報処理装置１は、図４に示すように、ＣＰＵ１０１やメモリ１０２等のハードウエアとプログラム１１０とが有機的に協働することにより、例えば、データ受信部１１１と、データ管理部１１２と、ノイズ発生部１１３と、データ生成部１１４と、データ識別部１１５と、特徴特定部１１６と、データ出力部１１７とを含む各種機能を実現する。

また、情報処理装置１は、図４に示すように、例えば、本物データＤＴ１と、偽物データＤＴ２と、教師データＤＴ３と、特徴情報１３１とを情報格納領域１３０に記憶する。

データ受信部１１１は、例えば、操作端末２から送信された本物データＤＴ１を受信する。そして、データ管理部１１２は、例えば、データ受信部１１１が受信した本物データＤＴ１を情報格納領域１３０に記憶する。

ノイズ発生部１１３は、例えば、ランダムにノイズを発生させる。

データ生成部１１４は、例えば、ノイズ発生部１１３が発生させたノイズから偽物データＤＴ２を生成する。また、データ生成部１１４は、例えば、ノイズ発生部１１３が発生させたノイズと、情報格納領域１３０に記憶した本物データＤＴ１とから偽物データＤＴ２を生成する。そして、データ管理部１１２は、例えば、データ生成部１１４が生成した偽物データＤＴ２を情報格納領域１３０に記憶する。

データ識別部１１５は、データ生成部１１４が生成した偽物データＤＴ２のそれぞれについての真偽についての判定を行う。そして、データ識別部１１５は、データ生成部１１４が生成した偽物データＤＴ２のそれぞれに関する評価値を算出する。

特徴特定部１１６は、データ生成部１１４が生成した偽物データＤＴ２のうち、データ識別部１１５が算出した評価値が基準データよりも低い複数の偽物データＤＴ２において共通する特徴を特定する。基準データは、例えば、データ生成部１１４が偽物データＤＴ２の生成に用いた本物データＤＴ１である。そして、データ管理部１１２は、例えば、特徴特定部１１６が生成した特徴を示す情報である特徴情報１３１を情報格納領域１３０に記憶する。

データ出力部１１７は、例えば、データ生成部１１４が生成した偽物データＤＴ２のうち、データ識別部１１５が算出した評価値が閾値以上である偽物データＤＴ２を教師データＤＴ３として出力する。すなわち、データ出力部１１７は、例えば、データ生成部１１４が生成した偽物データＤＴ２のうち、データ識別部１１５が本物データＤＴ１であると判定した偽物データＤＴ２を教師データＤＴ３として出力する。

［第１の実施の形態の概略］
次に、第１の実施の形態の概略について説明する。図５は、第１の実施の形態におけるデータ生成処理の概略を説明するフローチャート図である。また、図６は、第１の実施の形態におけるデータ生成処理の概略を説明する図である。

情報処理装置１は、図５に示すように、例えば、データ生成タイミングになるまで待機する（Ｓ１１のＮＯ）。データ生成タイミングは、例えば、作業者が教師データＤＴ３の生成を行う旨を入力したタイミングであってよい。

そして、データ生成タイミングになった場合（Ｓ１１のＹＥＳ）、情報処理装置１は、ランダムに発生させたノイズから複数の偽物データＤＴ２を生成する（Ｓ１２）。

続いて、情報処理装置１は、Ｓ１２の処理において生成した複数の偽物データＤＴ２のそれぞれについての真偽に関する評価値を算出する（Ｓ１３）。

さらに、情報処理装置１は、Ｓ１２の処理において生成した複数の偽物データＤＴ２のうち、Ｓ１３の処理において算出した評価値が基準データよりも低い複数の偽物データＤＴ２において共通する特徴を特定する（Ｓ１４）。

その後、情報処理装置１は、Ｓ１４の処理において特定した特徴を有しない複数の偽物データＤＴ２を再度生成する（Ｓ１５）。

すなわち、特徴特定部１１６は、図６に示すように、データ識別部１１５から取得した評価値から、データ識別部１１５が偽物データＤＴ２を偽物データとして判定した要因の少なくとも１つであった可能性が高い特徴を特定する。そして、データ生成部１１４は、特徴特定部１１６から取得した特徴が含まれない偽物データＤＴ２の再生成を行う。

これにより、本実施の形態における情報処理装置１は、評価値の高い偽物データＤＴ２の再作成を促すことが可能になる。そのため、情報処理装置１は、教師データＤＴ３の生成が行われるまでに、データ生成部１１４及びデータ識別部１１５が生成及び判定を行う必要がある偽物データＤＴ２の数を抑えることが可能になる。したがって、情報処理装置１は、教師データＤＴ３の生成に要する時間を短縮することが可能になる。

［第１の実施の形態の詳細］
次に、第１の実施の形態の詳細について説明する。図７から図１１は、第１の実施の形態におけるデータ生成処理の詳細を説明するフローチャート図である。また、図１２から図１７は、第１の実施の形態におけるデータ生成処理の詳細を説明する図である。

［データ学習処理］
初めに、データ生成処理のうち、データ識別部１１５の学習を行う処理（以下、データ学習処理とも呼ぶ）について説明を行う。図７は、データ学習処理について説明するフローチャート図である。

データ受信部１１１は、図７に示すように、例えば、操作端末２から送信された複数の本物データＤＴ１を受信するまで待機する（Ｓ２１のＮＯ）。

そして、複数の本物データＤＴ１を受信した場合（Ｓ２１のＹＥＳ）、データ管理部１１２は、Ｓ２１の処理において受信した複数の本物データＤＴ１を情報格納領域１３０に記憶する（Ｓ２２）。

さらに、データ識別部１１５は、情報格納領域１３０に記憶された複数の本物データＤＴ１を学習する（Ｓ２３）。

これにより、情報処理装置１は、後述するように、データ生成部１１４によって生成される偽物データＤＴ２についての真偽判定を行うことが可能になる。

［データ生成処理のメイン処理］
次に、データ生成処理のメイン処理について説明を行う。図８から図１１は、データ生成処理のメイン処理について説明するフローチャート図である。

ノイズ発生部１１３は、図８に示すように、例えば、データ生成タイミングになるまで待機する（Ｓ３１のＮＯ）。

そして、データ生成タイミングになった場合（Ｓ３１のＹＥＳ）、特徴特定部１１６は、例えば、情報格納領域１３０に記憶した本物データＤＴ１のうちのいずれかを基準データとして特定する（Ｓ３２）。

続いて、ノイズ発生部１１３は、ランダムにノイズを発生させる（Ｓ３３）。

さらに、データ生成部１１４は、例えば、Ｓ３３の処理において生成させたノイズと、Ｓ３２の処理において特定した基準データとから複数の偽物データＤＴ２を生成する（Ｓ３４）。

その後、データ識別部１１５は、Ｓ３４の処理において生成した複数の偽物データＤＴ２のそれぞれが偽物データでない確率（本物データである確率）を示す評価値を算出する（Ｓ３５）。

そして、特徴特定部１１６は、Ｓ３４の処理またはＳ５２の処理（後述する処理）において生成した複数の偽物データＤＴ２のうち、Ｓ３５の処理において算出した評価値が基準データよりも低い複数の偽物データＤＴ２を特定する（Ｓ３６）。

続いて、特徴特定部１１６は、図９に示すように、Ｓ３６の処理において特定した複数の偽物データＤＴ２のそれぞれについて、Ｓ３２の処理において特定した基準データにおける同じ位置の画素よりも輝度が大きい第１画素を特定する（Ｓ４１）。

また、特徴特定部１１６は、Ｓ３６の処理において特定した複数の偽物データＤＴ２のそれぞれについて、Ｓ３２の処理において特定した基準データにおける同じ位置の画素よりも輝度が小さい第２画素を特定する（Ｓ４２）。

さらに、特徴特定部１１６は、Ｓ３６の処理において特定した複数の偽物データＤＴ２に含まれる所定割合のデータにおいて第１画素が配置されていると特定された第１位置を特定する（Ｓ４３）。

また、特徴特定部１１６は、Ｓ３６の処理において特定した複数の偽物データＤＴ２に含まれる所定割合のデータにおいて第２画素が配置されていると特定された第２位置を特定する（Ｓ４４）。

その後、特徴特定部１１６は、Ｓ４３の処理において特定した第１位置において第１画素が配置されていることを示す情報と、Ｓ４４の処理において特定した第２位置において第２画素が配置されていることを示す情報とを含む情報を特徴情報１３１として特定する（Ｓ４５）。以下、Ｓ４１からＳ４５までの処理の具体例について説明を行う。

［Ｓ４１からＳ４５の処理の具体例（１）］
図１２から図１４は、Ｓ４１からＳ４５の処理の具体例について説明する図である。なお、図１２等に示す例において、基準データにおける同じ位置に配置された画素よりも輝度が大きい画素が配置された位置には「ＵＰ」が設定される。また、図１２に示す例において、基準データにおける同じ位置に配置された画素よりも輝度が小さい画素が配置された位置には「ＤＮ」が設定される。

具体的に、図１２（Ａ）に示す偽物データＤＴ２ａにおいて、１行目３列目、２行目２列目及び４行目１列目に対応する位置のそれぞれには、「ＵＰ」が設定されており、１行目１列目、３行目３列目及び４行目３列目に対応する位置のそれぞれには、「ＤＮ」が設定されている。

そのため、特徴特定部１１６は、図１２（Ａ）に示す偽物データＤＴ２ａにおける１行目３列目、２行目２列目及び４行目１列目のそれぞれに対応する位置の画素を第１画素として特定する（Ｓ４１）。また、特徴特定部１１６は、図１２（Ａ）に示す偽物データＤＴ２ａにおける１行目１列目、３行目３列目及び４行目３列目のそれぞれに対応する位置の画素を第２画素として特定する（Ｓ４２）。

同様に、特徴特定部１１６は、図１２（Ｂ）に示す偽物データＤＴ２ｂにおける１行目３列目、１行目４列目、２行目２列目及び３行目３列目のそれぞれに対応する位置の画素を第１画素として特定する（Ｓ４１）。また、特徴特定部１１６は、図１２（Ｂ）に示す偽物データＤＴ２ｂにおける４行目１列目及び４行目３列目のそれぞれに対応する位置の画素を第２画素として特定する（Ｓ４２）。

さらに、特徴特定部１１６は、図１２（Ｃ）に示す偽物データＤＴ２ｃにおける１行目３列目、２行目２列目、３行目４列目及び４行目１列目のそれぞれに対応する位置の画素を第１画素として特定する（Ｓ４１）。また、特徴特定部１１６は、図１２（Ｃ）に示す偽物データＤＴ２ｃにおける２行目１列目、３行目１列目及び４行目３列目のそれぞれに対応する位置の画素を第２画素として特定する（Ｓ４２）。

ここで、１行目３列目及び２行目２列目のそれぞれに対応する位置は、図１２（Ａ）、図１２（Ｂ）及び図１２（Ｃ）に示す全ての偽物データＤＴ２において第１画素として特定された位置である。また、４行目３列目に対応する位置は、図１２（Ａ）、図１２（Ｂ）及び図１２（Ｃ）に示す全ての偽物データＤＴ２において第２画素として特定された位置である。

そのため、特徴特定部１１６は、この場合、図１３（Ａ）、（Ｂ）及び（Ｃ）の下線部分に示すように、１行目３列目及び２行目２列目のそれぞれに対応する位置を第１位置として特定する（Ｓ４３）。また、特徴特定部１１６は、この場合、図１３（Ａ）、（Ｂ）及び（Ｃ）の下線部分に示すように、４行目３列目に対応する位置を第２位置として特定する（Ｓ４４）。

その後、特徴特定部１１６は、１行目３列目に対応する位置の画素が第１画素であることを示す情報と、２行目２列目に対応する位置の画素が第１画素であることを示す情報と、４行目３列目に対応する位置の画素が第２画素であることを示す情報とを含む特徴情報１３１を生成する（Ｓ４５）。そして、データ管理部１１２は、例えば、特徴特定部１１６が生成した特徴情報１３１を情報格納領域１３０に記憶する。以下、特徴情報１３１の具体例について説明を行う。

［特徴情報の具体例（１）］
図１４及び図１８は、特徴情報１３１の具体例である。

図１４等に示す特徴情報１３１は、Ｓ４３及びＳ４４の処理において特定した位置が設定される「位置」と、Ｓ４１及びＳ４２の処理において特定した画素が設定される「画素」とを項目として有する。

具体的に、図１４に示す特徴情報１３１において、１行目の情報には、「位置」として「１行目３列目」が設定され、「画素」として「第１画素」が設定されている。また、２行目の情報には、「位置」として「２行目２列目」が設定され、「画素」として「第１画素」が設定されている。さらに、３行目の情報には、「位置」として「４行目３列目」が設定され、「画素」として「第２画素」が設定されている。

［Ｓ４１からＳ４５の処理の具体例（２）］
図１５から図１７は、Ｓ４１からＳ４５の処理の他の具体例について説明する図である。

具体的に、図１５（Ａ）に示す偽物データＤＴ２ｄにおいて、２行目４列目及び４行目１列目のそれぞれに対応する位置には、「ＵＰ」が設定されており、１行目３列目及び３行目２列目のそれぞれに対応する位置には、「ＤＮ」が設定されている。

そのため、特徴特定部１１６は、図１５（Ａ）に示す偽物データＤＴ２ｄにおける２行目４列目及び４行目１列目のそれぞれに対応する位置の画素を第１画素として特定する（Ｓ４１）。また、特徴特定部１１６は、図１５（Ａ）に示す偽物データＤＴ２ｄにおける１行目３列目及び３行目２列目のそれぞれに対応する位置の画素を第２画素として特定する（Ｓ４２）。

同様に、特徴特定部１１６は、図１５（Ｂ）に示す偽物データＤＴ２ｅにおける１行目２列目、１行目４列目及び２行目４列目のそれぞれに対応する位置の画素を第１画素として特定する（Ｓ４１）。また、特徴特定部１１６は、図１５（Ｂ）に示す偽物データＤＴ２ｅにおける２行目２列目及び４行目３列目のそれぞれに対応する位置の画素を第２画素として特定する（Ｓ４２）。

さらに、特徴特定部１１６は、図１５（Ｃ）に示す偽物データＤＴ２ｆにおける１行目３列目、２行目１列目、２行目４列目及び３行目３列目のそれぞれに対応する位置の画素を第１画素として特定する（Ｓ４１）。また、特徴特定部１１６は、図１５（Ｃ）に示す偽物データＤＴ２ｆにおける３行目４列目に対応する位置の画素を第２画素として特定する（Ｓ４２）。

ここで、２行目４列目に対応する位置は、図１５（Ａ）、図１５（Ｂ）及び図１５（Ｃ）に示す全ての偽物データＤＴ２において第１画素として特定された位置である。

そのため、特徴特定部１１６は、この場合、図１６（Ａ）、（Ｂ）及び（Ｃ）の下線部分に示すように、２行目４列目に対応する位置を第１位置として特定する（Ｓ４３）。一方、特徴特定部１１６は、第２位置の特定を行わない。

その後、特徴特定部１１６は、２行目４列目に対応する位置の画素が第１画素であることを示す情報を含む特徴情報１３１を生成する（Ｓ４５）。

具体的に、特徴特定部１１６は、図１７に示すように、「位置」として「２行目４列目」が設定され、「画素」として「第１画素」が設定された情報からなる特徴情報１３１を生成する。

図１０に戻り、ノイズ発生部１１３は、ランダムにノイズを発生させる（Ｓ５１）。具体的に、ノイズ発生部１１３は、例えば、Ｓ４５の処理において特定した特徴を有する偽物データＤＴ２が生成される割合が閾値以下になるようにノイズを発生させる。

そして、データ生成部１１４は、例えば、Ｓ５１の処理において発生させたノイズと、Ｓ３２の処理で特定した基準データとから複数の偽物データＤＴ２を生成する（Ｓ５２）。

さらに、データ識別部１１５は、Ｓ５２の処理において生成した複数の偽物データＤＴ２のそれぞれについて本物データＤＴ１である確率を示す評価値を算出する（Ｓ５３）。

その後、データ識別部１１５は、Ｓ５１の処理において生成した複数の偽物データＤＴ２に、Ｓ５２の処理において算出した評価値が閾値以上であるデータが存在するか否かを判定する（Ｓ５４）。

その結果、Ｓ５２の処理において算出した評価値が閾値以上であるデータが存在しないと判定した場合（Ｓ５５のＮＯ）、情報処理装置１は、Ｓ３６以降の処理を再度行う。

すなわち、特徴特定部１１６は、この場合、Ｓ５１の処理において生成した複数の偽物データＤＴ２に、教師データＤＴ３として用いることが可能な偽物データＤＴ２が含まれていないと判定し、Ｓ３６以降の処理を再度行う。

一方、Ｓ５２の処理において算出した評価値が閾値以上であるデータが存在すると判定した場合（Ｓ５５のＹＥＳ）、データ出力部１１７は、図１１に示すように、Ｓ５４の処理において存在すると判定したデータを教師データＤＴ３として出力する（Ｓ６１）。

そして、データ出力部１１７は、例えば、Ｓ６１の処理において出力した教師データＤＴ３の数が閾値に到達したか否かを判定する（Ｓ６２）。

その結果、Ｓ６１の処理において出力した教師データＤＴ３の数が閾値に到達していないと判定した場合（Ｓ６３のＮＯ）、情報処理装置１は、Ｓ３６以降の処理を再度行う。

一方、Ｓ６１の処理において出力した教師データＤＴ３の数が閾値に到達したと判定した場合（Ｓ６３のＹＥＳ）、情報処理装置１は、データ生成処理を終了する。

なお、情報処理装置１は、Ｓ６１の処理において出力された教師データＤＴ３の数が所定数に到達した場合、Ｓ３２以降の処理を再度行うものであってもよい。すなわち、情報処理装置１は、基準データを適宜変更しながら教師データＤＴ３の生成を行うものであってもよい。

このように、本実施の形態における情報処理装置１は、ランダムに発生させたノイズから複数の偽物データＤＴ２（第１データ）を生成し、生成した複数の第１データＤＴ２のそれぞれについての真偽に関する評価値を算出する。

そして、情報処理装置１は、生成した複数の偽物データＤＴ２のうち、評価値が基準データよりも低い複数の偽物データＤＴ２（第２データ）において共通する特徴を特定する。その後、情報処理装置１は、特定した特徴を有しない複数の偽物データＤＴ２を再度生成する。

すなわち、本実施の形態における情報処理装置１は、データ識別部１１５が偽物データＤＴ２を偽物データとして判定した要因の少なくとも１つとなった特徴を特定する。そして、情報処理装置１は、特定した特徴が含まれないように偽物データＤＴ２の再生成を行う。

これにより、本実施の形態における情報処理装置１は、教師データＤＴ３の生成が行われるまでに、データ生成部１１４及びデータ識別部１１５が生成及び判定を行う必要がある偽物データＤＴ２の数を抑えることが可能になる。そのため、情報処理装置１は、教師データＤＴ３の生成に要する時間を短縮することが可能になる。

具体的に、例えば、図１７で説明した特徴情報１３１は、２行目４列目に対応する位置の画素が第１画素であることを示している。そのため、例えば、基準データを構成する各画素が２５６諧調であり、基準データにおける２行目４列目に対応する画素の諧調が１２８である場合、データ生成部１１４は、２行目４列目に対応する画素の諧調が１２８未満である偽物データＤＴ２の生成頻度（生成数）を下げることが可能になる。

なお、上記の例では、偽物データＤＴ２と基準データとの比較を画素ごとに行う場合について説明を行ったが、情報処理装置１は、偽物データＤＴ２と基準データとの比較を複数の画素（以下、ブロックとも呼ぶ）ごとに行うものであってもよい。

具体的に、特徴特定部１１６は、この場合、例えば、Ｓ３６の処理において特定した偽物データＤＴ２のそれぞれについて、各偽物データＤＴ２において隣接した位置に配置された複数の画素からなるブロックごとに、基準データにおける同じ位置のブロックよりも輝度（例えば、輝度の平均）が大きいブロック（以下、第１ブロックとも呼ぶ）と、基準データにおける同じ位置のブロックよりも輝度（例えば、輝度の平均）が小さいブロック（以下、第２ブロックとも呼ぶ）とをそれぞれ特定するものであってよい。

さらに、特徴特定部１１６は、この場合、Ｓ３６の処理において特定した複数の偽物データＤＴ２のうちの所定割合のデータにおいて第１ブロックが配置されていると特定された位置（以下、第３位置とも呼ぶ）と、前記複数の第２データのうちの前記所定割合のデータにおいて前記第２ブロックが配置されていると特定された位置（以下、第４位置とも呼ぶ）とを特定するものであってよい。そして、特徴特定部１１６は、第３位置に第１ブロックが配置されていることを示す情報と、第４位置に第２ブロックが配置されていることを示す情報とを特徴情報１３１として特定するものであってもよい。

これにより、情報処理装置１は、例えば、特徴特定部１１６による処理負担を軽減させることが可能になる。

［第２の実施の形態の詳細］
次に、第２の実施の形態について説明する。図１８は、第２の実施の形態におけるデータ生成処理を説明するフローチャート図である。

第２の実施の形態では、データ識別部１１５の学習に用いた本物データＤＴ１が追加された場合、生成済の教師データＤＴ３の全てを再生成する。なお、以下、第１の実施の形態と異なる点についてのみ説明を行う。

［データ再学習処理（１）］
初めに、データ生成処理のうち、追加された本物データＤＴ１の学習を行う処理（以下、再学習処理とも呼ぶ）について説明を行う。図１８は、データ再学習処理について説明するフローチャート図である。

データ管理部１１２は、図１８に示すように、操作端末２から１以上の本物データＤＴ１を受信するまで待機する（Ｓ７１のＮＯ）。すなわち、データ管理部１１２は、新たな本物データＤＴ１が追加されるまで待機する。

そして、１以上の本物データＤＴ１を受信した場合（Ｓ７１のＹＥＳ）、データ管理部１１２は、Ｓ７１の処理において受信した１以上の本物データＤＴ１を情報格納領域１３０に記憶する（Ｓ７２）。

続いて、データ管理部１１２は、情報格納領域１３０に記憶した教師データＤＴ３を削除する（Ｓ７３）。

その後、データ識別部１１５は、Ｓ７１の処理において受信した１以上の本物データＤＴ１をさらに学習する（Ｓ７４）。そして、情報処理装置１は、例えば、図８から図１１で説明したデータ生成処理を実行する。

すなわち、追加された本物データＤＴ１の学習を行った場合、データ識別部１１５による偽物データＤＴ２の真偽判定の基準が変わる可能性がある。そのため、第２の実施の形態における情報処理装置１は、データ識別部１１５の学習に用いる本物データＤＴ１が追加された場合、教師データＤＴ３の再生成を行う。

これにより、第２の実施の形態における情報処理装置１は、本物データＤＴ１が追加された場合に、より精度の高い教師データＤＴ３の生成を行うことが可能になる。

［第３の実施の形態の詳細］
次に、第３の実施の形態について説明する。図１９は、第３の実施の形態におけるデータ生成処理を説明するフローチャート図である。

第３の実施の形態では、データ識別部１１５の学習に用いた本物データＤＴ１が追加された場合、生成済の教師データＤＴ３のうちの少なくとも一部を再生成する。なお、以下、第１の実施の形態と異なる点についてのみ説明を行う。

［データ再学習処理（２）］
初めに、データ生成処理のうち、再学習処理について説明を行う。図１９は、データ再学習処理について説明するフローチャート図である。

データ管理部１１２は、図１９に示すように、操作端末２から１以上の本物データＤＴ１を受信するまで待機する（Ｓ８１のＮＯ）。

そして、１以上の本物データＤＴ１を受信した場合（Ｓ８１のＹＥＳ）、データ管理部１１２は、Ｓ８１の処理において受信した１以上の本物データＤＴ１を情報格納領域１３０に記憶する（Ｓ８２）。

続いて、データ識別部１１５は、Ｓ８１の処理において受信した１以上の本物データＤＴ１をさらに学習する（Ｓ８３）。

さらに、データ識別部１１５は、情報格納領域１３０に記憶した教師データＤＴ３のそれぞれが本物データＤＴ１である確率を示す評価値を算出する（Ｓ８４）。

その後、データ管理部１１２は、情報格納領域１３０に記憶した教師データＤＴ３のうち、Ｓ８４の処理において算出した評価値が閾値以下である教師データＤＴ３を削除する（Ｓ８５）。そして、情報処理装置１は、例えば、図８から図１１で説明したデータ生成処理を実行する。

すなわち、第３の実施の形態における情報処理装置１は、生成済の教師データＤＴ３のうち、追加された本物データＤＴ１によって学習が行われたデータ識別部１１５が偽物データと判定したデータについてのみ再生成を行う。

これにより、第３の実施の形態における情報処理装置１は、本物データＤＴ１が追加された場合においても、教師データＤＴ３の生成を効率的に行うことが可能になる。

なお、情報処理装置１は、図８におけるＳ３５以降の処理が、データ再学習処理の終了後に行われるように制御する。

以上の実施の形態をまとめると、以下の付記のとおりである。

（付記１）
敵対的生成ネットワークを用いてデータを生成する処理を行う処理をコンピュータに実行させるデータ生成プログラムであって、
ランダムに発生させたノイズから複数の第１データを生成し、
生成した前記複数の第１データのそれぞれについての真偽に関する評価値を算出し、
生成した前記複数の第１データのうち、前記評価値が基準データよりも低い複数の第２データにおいて共通する特徴を特定し、
特定した前記特徴を有しない前記複数の第１データを再度生成する、
処理をコンピュータに実行させることを特徴とするデータ生成プログラム。

（付記２）
付記１において、さらに、
前記評価値を算出する処理、前記特徴を特定する処理及び前記複数の第１データを再度生成する処理を、前記複数の第１データのうちの１以上のデータについての前記評価値が所定の条件を満たすまで繰り返し行い、
前記繰り返し行う処理において前記１以上のデータについての前記評価値が前記所定の条件を満たした場合、前記１以上のデータを出力する、
ことを特徴とするデータ生成プログラム。

（付記３）
付記１において、
前記評価値を算出する処理では、前記複数の第１データのそれぞれが前記第１データを生成する処理または前記第１データを再度生成する処理において生成されたデータでない確率を、前記複数の第１データのそれぞれに対応する前記評価値として算出する、
ことを特徴とするデータ生成プログラム。

（付記４）
付記２において、
前記出力する処理では、前記１以上のデータについての前記評価値が閾値以上になった場合、前記１以上のデータを出力する、
ことを特徴とするデータ生成プログラム。

（付記５）
付記１において、
前記複数の第１データ及び前記基準データは、画像データであり、
前記複数の第１データを生成する処理では、前記基準データに含まれる複数の画素の輝度を変更することによって前記複数の第１データを生成する、
ことを特徴とするデータ生成プログラム。

（付記６）
付記５において、
前記特徴を特定する処理では、
前記複数の第２データのそれぞれについて、前記基準データにおける同じ位置の画素よりも輝度が大きい第１画素と、前記基準データにおける同じ位置の画素よりも輝度が小さい第２画素とをそれぞれ特定し、
前記複数の第２データのそれぞれにおいて画素が配置されている複数の位置のうち、前記複数の第２データのうちの所定割合のデータにおいて前記第１画素が配置されていると特定された第１位置と、前記複数の第２データのうちの前記所定割合のデータにおいて前記第２画素が配置されていると特定された第２位置とを特定し、
前記第１位置に前記第１画素が配置されていることを示す情報と、前記第２位置に前記第２画素が配置されていることを示す情報とを前記特徴として特定する、
ことを特徴とするデータ生成プログラム。

（付記７）
付記６において、
前記複数の第１データを再度生成する処理では、前記第１位置に前記第１画素が配置され、かつ、前記第２位置に前記第２画素が配置されたデータの割合が閾値以下になるように、前記複数の第１データを再度生成する、
ことを特徴とするデータ生成プログラム。

（付記８）
付記５において、
前記特徴を特定する処理では、
前記複数の第２データのそれぞれについて、複数の画素からなるブロックごとに、前記基準データにおける同じ位置のブロックよりも輝度が大きい第１ブロックと、前記基準データにおける同じ位置のブロックよりも輝度が小さい第２ブロックとをそれぞれ特定し、
前記複数の第２データのそれぞれにおいてブロックが配置されている複数の位置のうち、前記複数の第２データのうちの所定割合のデータにおいて前記第１ブロックが配置されていると特定された第３位置と、前記複数の第２データのうちの前記所定割合のデータにおいて前記第２ブロックが配置されていると特定された第４位置とを特定し、
前記第３位置に前記第１ブロックが配置されていることを示す情報と、前記第４位置に前記第２ブロックが配置されていることを示す情報とを前記特徴として特定する、
ことを特徴とするデータ生成プログラム。

（付記９）
敵対的生成ネットワークを用いてデータを生成する情報処理装置であって、
ランダムに発生させたノイズから複数の第１データを生成するデータ生成部と、
生成した前記複数の第１データのそれぞれについての真偽に関する評価値を算出し、
生成した前記複数の第１データのうち、前記評価値が基準データよりも低い複数の第２データにおいて共通する特徴を特定する特徴特定部と、を有し、
前記データ生成部は、特定した前記特徴を有しない前記複数の第１データを再度生成する、
ことを特徴とする情報処理装置。

（付記１０）
付記９において、
前記複数の第１データ及び前記基準データは、画像データであり、
前記データ生成部は、前記基準データに含まれる複数の画素の輝度を変更することによって前記複数の第１データを生成する、
ことを特徴とする情報処理装置。

（付記１１）
付記１０において、
前記特徴特定部は、
前記複数の第２データのそれぞれについて、前記基準データにおける同じ位置の画素よりも輝度が大きい第１画素と、前記基準データにおける同じ位置の画素よりも輝度が小さい第２画素とをそれぞれ特定し、
前記複数の第２データのそれぞれにおいて画素が配置されている複数の位置のうち、前記複数の第２データのうちの所定割合のデータにおいて前記第１画素が配置されていると特定された第１位置と、前記複数の第２データのうちの前記所定割合のデータにおいて前記第２画素が配置されていると特定された第２位置とを特定し、
前記第１位置に前記第１画素が配置されていることを示す情報と、前記第２位置に前記第２画素が配置されていることを示す情報とを前記特徴として特定する、
ことを特徴とする情報処理装置。

（付記１２）
敵対的生成ネットワークを用いてデータを生成する処理を行う処理をコンピュータが実行するデータ生成方法であって、
ランダムに発生させたノイズから複数の第１データを生成し、
生成した前記複数の第１データのそれぞれについての真偽に関する評価値を算出し、
生成した前記複数の第１データのうち、前記評価値が基準データよりも低い複数の第２データにおいて共通する特徴を特定し、
特定した前記特徴を有しない前記複数の第１データを再度生成する、
処理をコンピュータが実行することを特徴とするデータ生成方法。

（付記１３）
付記１２において、
前記複数の第１データ及び前記基準データは、画像データであり、
前記複数の第１データを生成する処理では、前記基準データに含まれる複数の画素の輝度を変更することによって前記複数の第１データを生成する、
ことを特徴とするデータ生成方法。

（付記１４）
付記１３において、
前記特徴を特定する処理では、
前記複数の第２データのそれぞれについて、前記基準データにおける同じ位置の画素よりも輝度が大きい第１画素と、前記基準データにおける同じ位置の画素よりも輝度が小さい第２画素とをそれぞれ特定し、
前記複数の第２データのそれぞれにおいて画素が配置されている複数の位置のうち、前記複数の第２データのうちの所定割合のデータにおいて前記第１画素が配置されていると特定された第１位置と、前記複数の第２データのうちの前記所定割合のデータにおいて前記第２画素が配置されていると特定された第２位置とを特定し、
前記第１位置に前記第１画素が配置されていることを示す情報と、前記第２位置に前記第２画素が配置されていることを示す情報とを前記特徴として特定する、
ことを特徴とするデータ生成方法。

１：情報処理装置 ２：操作端末
１０：情報処理システム １１３：ノイズ発生部
１１４：データ生成部 １１５：データ識別部
ＤＴ１：本物データ ＤＴ２：偽物データ
ＤＴ３：新たな教師データ ＧＡ：敵対的生成ネットワーク
ＮＷ：ネットワーク

Claims (9)

1. 敵対的生成ネットワークを用いて教師データを生成する処理を行う処理をコンピュータに実行させるデータ生成プログラムであって、
   複数の教師データのそれぞれに対してランダムに発生させたノイズを加えることによって複数の第１データを生成し、
   生成した前記複数の第１データのそれぞれについての真偽に関する評価値を算出し、
   生成した前記複数の第１データのうち、前記評価値が基準データよりも低い複数の第２データにおいて共通する特徴を特定し、
   特定した前記特徴を有しない前記複数の第１データを生成可能なノイズを前記複数の教師データのそれぞれに対して加えることによって前記教師データを生成する、
   処理をコンピュータに実行させることを特徴とするデータ生成プログラム。
2. 請求項１において、さらに、
   前記評価値を算出する処理、前記特徴を特定する処理及び前記教師データを生成する処理を、前記複数の第１データのうちの１以上のデータについての前記評価値が所定の条件を満たすまで繰り返し行い、
   前記繰り返し行う処理において前記１以上のデータについての前記評価値が前記所定の条件を満たした場合、前記１以上のデータを前記教師データとして出力する、
   ことを特徴とするデータ生成プログラム。
3. 請求項１において、
   前記評価値を算出する処理では、前記複数の第１データのそれぞれが前記第１データを生成する処理において生成されたデータでない確率を、前記複数の第１データのそれぞれに対応する前記評価値として算出する、
   ことを特徴とするデータ生成プログラム。
4. 請求項２において、
   前記出力する処理では、前記１以上のデータについての前記評価値が閾値以上になった場合、前記１以上のデータを出力する、
   ことを特徴とするデータ生成プログラム。
5. 請求項１において、
   前記複数の第１データ及び前記基準データは、画像データであり、
   前記複数の第１データを生成する処理では、前記基準データに含まれる複数の画素の輝度を変更することによって前記複数の第１データを生成する、
   ことを特徴とするデータ生成プログラム。
6. 請求項５において、
   前記特徴を特定する処理では、
   前記複数の第２データのそれぞれについて、前記基準データにおける同じ位置の画素よりも輝度が大きい第１画素と、前記基準データにおける同じ位置の画素よりも輝度が小さい第２画素とをそれぞれ特定し、
   前記複数の第２データのそれぞれにおいて画素が配置されている複数の位置のうち、前記複数の第２データのうちの所定割合のデータにおいて前記第１画素が配置されていると特定された第１位置と、前記複数の第２データのうちの前記所定割合のデータにおいて前記第２画素が配置されていると特定された第２位置とを特定し、
   前記第１位置に前記第１画素が配置されていることを示す情報と、前記第２位置に前記第２画素が配置されていることを示す情報とを前記特徴として特定する、
   ことを特徴とするデータ生成プログラム。
7. 請求項５において、
   前記特徴を特定する処理では、
   前記複数の第２データのそれぞれについて、複数の画素からなるブロックごとに、前記基準データにおける同じ位置のブロックよりも輝度が大きい第１ブロックと、前記基準データにおける同じ位置のブロックよりも輝度が小さい第２ブロックとをそれぞれ特定し、
   前記複数の第２データのそれぞれにおいてブロックが配置されている複数の位置のうち、前記複数の第２データのうちの所定割合のデータにおいて前記第１ブロックが配置されていると特定された第３位置と、前記複数の第２データのうちの前記所定割合のデータにおいて前記第２ブロックが配置されていると特定された第４位置とを特定し、
   前記第３位置に前記第１ブロックが配置されていることを示す情報と、前記第４位置に前記第２ブロックが配置されていることを示す情報とを前記特徴として特定する、
   ことを特徴とするデータ生成プログラム。
8. 敵対的生成ネットワークを用いて教師データを生成する情報処理装置であって、
   複数の教師データのそれぞれに対してランダムに発生させたノイズを加えることによって複数の第１データを生成するデータ生成部と、
   生成した前記複数の第１データのそれぞれについての真偽に関する評価値を算出するデータ識別部と、
   生成した前記複数の第１データのうち、前記評価値が基準データよりも低い複数の第２データにおいて共通する特徴を特定する特徴特定部と、を有し、
   前記データ生成部は、特定した前記特徴を有しない前記複数の第１データを生成可能なノイズを前記複数の教師データのそれぞれに対して加えることによって前記教師データを生成する、
   ことを特徴とする情報処理装置。
9. 敵対的生成ネットワークを用いて教師データを生成する処理を行う処理をコンピュータが実行するデータ生成方法であって、
   複数の教師データのそれぞれに対してランダムに発生させたノイズを加えることによって複数の第１データを生成し、
   生成した前記複数の第１データのそれぞれについての真偽に関する評価値を算出し、
   生成した前記複数の第１データのうち、前記評価値が基準データよりも低い複数の第２データにおいて共通する特徴を特定し、
   特定した前記特徴を有しない前記複数の第１データを生成可能なノイズを前記複数の教師データのそれぞれに対して加えることによって前記教師データを生成する、
   処理をコンピュータが実行することを特徴とするデータ生成方法。

Images