【技术实现步骤摘要】
本专利技术涉及一种训练数据、已学习模型、摄像装置、学习装置、训练数据的创建方法及已学习模型的生成方法。
技术介绍
1、专利文献1中公开了一种图像收发系统。专利文献1中记载的图像收发系统中，所具备的单个或多个发送装置中的至少任一个具备通过机器学习来生成模型数据的机器学习部，该模型数据用于根据将原图像编码为低比特率的经低比特率编码图像来生成更接近原图像的改良图像。并且，专利文献1中记载的图像收发系统中，所具备的单个或多个发送装置中的至少任一个具备向装置的外部发送经低比特率编码图像和模型数据的发送部。专利文献1中记载的图像收发系统中，接收装置具有改良图像生成部，该改良图像生成部根据接收到的经低比特率编码图像及模型数据来生成低比特率编码图像的改良图像。
2、专利文献2中公开了一种对图像进行编码的图像编码装置。专利文献2中记载的图像编码装置具备：分类构件，将构成图像的像素根据其性质分类为规定的类别；映射系数存储构件，按类别存储有规定的映射系数；运算构件，通过使用图像中的所关注的关注像素和与该关注像素的类别对应的所述映射系数进行规定的运算来计算对该关注像素进行了校正的校正数据；及限制构件，限制校正数据的等级，作为对所述图像进行编码而得的编码数据。
3、在专利文献2中记载的图像编码装置中，映射系数具有以下所示的特征。即，映射系数是通过使用学习用图像数据进行学习而生成的。或者，映射系数是通过以使根据编码数据预测原图像的预测结果相对于该原图像的预测误差成为最小的方式进行学习而得的。或者，映射系数是通过以使根据编码数据预测原
4、专利文献1：日本特开2020-109897号公报
5、专利文献2：日本特开2006-109499号公报
技术实现思路
1、本专利技术所涉及的一个实施方式提供一种能够使已学习模型生成位深度比所输入的图像深的图像的训练数据、已学习模型、摄像装置、学习装置、训练数据的创建方法及已学习模型的生成方法。
2、本专利技术所涉及的第1方式为训练数据，其用于模型的机器学习，具备：正确答案图像；及例题图像，位深度比正确答案图像浅。
3、本专利技术所涉及的第2方式在第1方式所涉及的训练数据中，正确答案图像为通过合成多个单一图像而得的图像。
4、本专利技术所涉及的第3方式在第2方式所涉及的训练数据中，例题图像为多个单一图像的代表图像。
5、本专利技术所涉及的第4方式在第2方式所涉及的训练数据中，例题图像为位深度比多个单一图像浅的图像。
6、本专利技术所涉及的第5方式在第1方式至第4方式中的任一方式所涉及的训练数据中，单一图像为位移位后的图像。
7、本专利技术所涉及的第6方式在第1方式所涉及的训练数据中，正确答案图像为如下图像：在位移位后的图像内的排列图案与图像内的处理对象区域对应的对应区域存在于图像内的情况下，通过合成处理对象区域和对应区域而得的图像；或在有规律地与位移位后的图像内的处理对象像素相邻的相同颜色的相邻像素存在于图像内的情况下，通过合成处理对象像素和相邻像素而得的图像。
8、本专利技术所涉及的第7方式在第6方式所涉及的训练数据中，例题图像为位移位前的图像或根据位移位前的图像生成的图像。
9、本专利技术所涉及的第8方式在第1方式至第7方式中的任一方式所涉及的训练数据中，正确答案图像及例题图像为通过由第1摄像装置进行拍摄而得的图像。
10、本专利技术所涉及的第9方式在第1方式至第8方式中的任一方式所涉及的训练数据中，正确答案图像及例题图像为raw形式的图像。
11、本专利技术所涉及的第10方式在第1方式至第8方式中的任一方式所涉及的训练数据中，模型进行raw形式的图像的输入输出，正确答案图像的形式为lo g形式，通过将从模型输出的raw形式的图像转换为log形式的图像并与正确答案图像进行比较来优化模型。
12、本专利技术所涉及的第11方式在第1方式至第8方式中的任一方式所涉及的训练数据中，模型针对raw形式以外的第1文件形式的图像的输入而输出raw形式以外的第2文件形式的图像，例题图像的形式为第1文件形式，正确答案图像的形式为第2文件形式。
13、本专利技术所涉及的第12方式在第1方式至第11方式中的任一方式所涉及的训练数据中，例题图像被划分为多个第1图像区域，正确答案图像被划分为与多个第1图像区域对应的多个第2图像区域。
14、本专利技术所涉及的第13方式在第12方式所涉及的训练数据中，对多个第2图像区域赋予了能够确定画质的标签。
15、本专利技术所涉及的第14方式在第12方式或第13方式所涉及的训练数据中，例题图像为设想成通过由第2摄像装置进行拍摄而得的图像的图像，画质根据第2摄像装置的特性而定。
16、本专利技术所涉及的第15方式在第14方式所涉及的训练数据中，第2摄像装置具有光学系统，特性包括与光学系统相关的像高。
17、本专利技术所涉及的第16方式为已学习模型，其通过使用第1方式至第15方式中的任一方式所涉及的训练数据对模型进行机器学习而优化了模型。
18、本专利技术所涉及的第17方式为摄像装置，其具备：第1处理器；及图像传感器，第1处理器向第16方式所涉及的已学习模型输入通过由图像传感器进行拍摄而得的摄像图像，获取根据摄像图像的输入从已学习模型输出的推理结果。
19、本专利技术所涉及的第18方式为学习装置，其具备第2处理器，第2处理器通过使用第1方式至第15方式中的任一方式所涉及的训练数据使模型进行机器学习来优化模型。
20、本专利技术所涉及的第19方式为训练数据的创建方法，其用于模型的机器学习，训练数据包括正确答案图像和例题图像，该训练数据的创建方法包括如下步骤：创建正确答案图像；及创建位深度比正确答案图像浅的例题图像。
21、本专利技术所涉及的第本文档来自技高网...
【技术保护点】
1.一种训练数据，其用于模型的机器学习，具备：
2.根据权利要求1所述的训练数据，其中，
3.根据权利要求2所述的训练数据，其中，
4.根据权利要求2所述的训练数据，其中，
5.根据权利要求2所述的训练数据，其中，
6.根据权利要求1所述的训练数据，其中，
7.根据权利要求6所述的训练数据，其中，
8.根据权利要求1所述的训练数据，其中，
9.根据权利要求1所述的训练数据，其中，
10.根据权利要求1所述的训练数据，其中，
11.根据权利要求1所述的训练数据，其中，
12.根据权利要求1所述的训练数据，其中，
13.根据权利要求12所述的训练数据，其中，
14.根据权利要求13所述的训练数据，其中，
15.根据权利要求14所述的训练数据，其中，
16.一种已学习模型，其通过使用权利要求1至15中任一项所述的训练数据对所述模型进行所述机器学习而优化了所述模型。
17.一种摄像装置，其具备：p>
18.一种学习装置，其具备第2处理器，
19.一种训练数据的创建方法，其用于模型的机器学习，
20.一种已学习模型的生成方法，其通过对模型进行使用包括正确答案图像和例题图像的训练数据的机器学习来生成已学习模型，
...【技术特征摘要】
1.一种训练数据，其用于模型的机器学习，具备：
2.根据权利要求1所述的训练数据，其中，
3.根据权利要求2所述的训练数据，其中，
4.根据权利要求2所述的训练数据，其中，
5.根据权利要求2所述的训练数据，其中，
6.根据权利要求1所述的训练数据，其中，
7.根据权利要求6所述的训练数据，其中，
8.根据权利要求1所述的训练数据，其中，
9.根据权利要求1所述的训练数据，其中，
10.根据权利要求1所述的训练数据，其中，
11.根据权利要求1所述的训练数据，其中，
12.根据权利要...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。