技术特征：
1.一种信息处理方法，是处理器使用存储器执行的信息处理方法，其中，通过将感测数据输入到第1推论模型中，从上述第1推论模型取得对于上述感测数据的第1推论结果；通过将上述第1推论结果输入到第3推论模型中，从上述第3推论模型取得表示从多个第2推论模型中选择的至少1个第2推论模型的模型选择信息；通过将上述第1推论结果输入到上述模型选择信息表示的上述至少1个第2推论模型中，从上述第2推论模型取得对于上述第1推论结果的至少1个第2推论结果；将上述至少1个第2推论结果输出。2.如权利要求1所述的信息处理方法，其中，上述第3推论模型是以下的模型：通过将训练用感测数据输入到上述第1推论模型中，从上述第1推论模型取得对于上述训练用感测数据的训练用第1推论结果；基于通过将上述训练用第1推论结果输入到上述多个第2推论模型中的至少1个第2推论模型的各个选择样式之中的被选择的至少1个第2推论模型中而得到的至少1个训练用第2推论结果、以及通过将上述训练用第1推论结果输入到上述第3推论模型中而取得的作为上述模型选择信息的训练用模型选择信息，利用机器学习被进行了训练。3.如权利要求2所述的信息处理方法，其中，上述第3推论模型的训练，包括以基于上述至少1个训练用第2推论结果并按照上述模型选择信息的形式生成的数据为参照数据、以上述训练用模型选择信息为输出数据的利用了机器学习的训练。4.如权利要求3所述的信息处理方法，其中，上述模型选择信息包含与第2推论模型执行的任务对应的第1信息；上述模型选择信息表示的上述至少1个第2推论模型执行与上述第1信息对应的任务；生成上述参照数据，以使执行对上述至少1个训练用第2推论结果作出贡献的任务的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。5.如权利要求4所述的信息处理方法，其中，上述参照数据的生成包括：生成上述参照数据，以使执行属于基于上述至少1个训练用第2推论结果的得分比阈值高的任务集的任务的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。6.如权利要求3～5中任一项所述的信息处理方法，其中，上述模型选择信息包含与上述第2推论模型的性能对应的第2信息；上述模型选择信息表示的至少1个第2推论模型具有与上述第2信息对应的性能；上述参照数据的生成包括：生成上述参照数据，以使满足上述至少1个训练用第2推论结果中的性能要求的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。7.如权利要求6所述的信息处理方法，其中，上述第2信息包含上述第2推论模型的处理的难度；参照数据的生成包括：生成上述参照数据，以使具有与上述难度对应的性能的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。
8.如权利要求6所述的信息处理方法，其中，上述第2推论模型包括神经网络模型；上述第2信息作为上述第2推论模型的性能而包含表示上述神经网络模型的尺寸的尺寸信息；参照数据的生成包括：生成上述参照数据，以使具有上述第2信息中包含的上述尺寸信息的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。9.一种信息处理方法，是处理器使用存储器执行的信息处理方法，其中，通过将感测数据输入到第1推论模型中，从上述第1推论模型取得对于上述感测数据的第1推论结果、以及表示从多个第2推论模型中选择的至少1个第2推论模型的模型选择信息；通过将上述第1推论结果输入到上述模型选择信息表示的上述至少1个第2推论模型中，从上述第2推论模型取得对于上述第1推论结果的至少1个第2推论结果；将上述至少1个第2推论结果输出。10.如权利要求9所述的信息处理方法，其中，上述第1推论模型是以下的模型：通过将训练用感测数据输入到上述第1推论模型中，从上述第1推论模型取得对于上述训练用感测数据的训练用第1推论结果和训练用模型选择信息；基于通过将上述训练用第1推论结果输入到上述多个第2推论模型中的至少1个第2推论模型的各个选择样式之中的被选择的至少1个第2推论模型中而得到的至少1个训练用第2推论结果、以及上述训练用模型选择信息，利用机器学习被进行了训练。11.如权利要求10所述的信息处理方法，其中，上述第1推论模型的训练，包括以基于上述至少1个训练用第2推论结果并按照上述模型选择信息的形式生成的数据为参照数据、以上述训练用模型选择信息为输出数据的利用了机器学习的训练。12.如权利要求11所述的信息处理方法，其中，上述模型选择信息包含与第2推论模型执行的任务对应的第1信息；上述模型选择信息表示的上述至少1个第2推论模型执行与上述第1信息对应的任务；生成上述参照数据，以使执行对上述至少1个训练用第2推论结果作出贡献的任务的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。13.如权利要求12所述的信息处理方法，其中，上述参照数据的生成包括：生成上述参照数据，以使执行属于基于上述至少1个训练用第2推论结果的得分比阈值高的任务集的任务的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。14.如权利要求11～13中任一项所述的信息处理方法，其中，上述模型选择信息包含与上述第2推论模型的性能对应的第2信息；上述模型选择信息表示的至少1个第2推论模型具有与上述第2信息对应的性能；上述参照数据的生成包括：生成上述参照数据，以使满足上述至少1个训练用第2推论结果中的性能要求的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。
15.如权利要求14所述的信息处理方法，其中，上述第2信息包含上述第2推论模型的处理的难度；参照数据的生成包括：生成上述参照数据，以使具有与上述难度对应的性能的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。16.如权利要求14所述的信息处理方法，其中，上述第2推论模型包括神经网络模型；上述第2信息作为上述第2推论模型的性能而包含表示上述神经网络模型的尺寸的尺寸信息；参照数据的生成包括：生成上述参照数据，以使具有上述第2信息中包含的上述尺寸信息的第2推论模型优先地包含在上述训练用模型选择信息表示的至少1个第2推论模型中。17.一种信息处理系统，其中，具备：第1取得部，通过将感测数据输入到第1推论模型中，从上述第1推论模型取得对于上述感测数据的第1推论结果；第2取得部，通过将上述第1推论结果输入到第3推论模型中，从上述第3推论模型取得表示从多个第2推论模型中选择的至少1个第2推论模型的模型选择信息；第3取得部，通过将上述第1推论结果输入到上述模型选择信息表示的上述至少1个第2推论模型中，从上述第2推论模型取得对于上述第1推论结果的至少1个第2推论结果；以及输出部，将上述至少1个第2推论结果输出。18.一种信息处理系统，其中，具备：第1取得部，通过将感测数据输入到第1推论模型中，从上述第1推论模型取得对于上述感测数据的第1推论结果和表示从多个第2推论模型中选择的至少1个第2推论模型的模型选择信息；第2取得部，通过将上述第1推论结果输入到上述模型选择信息表示的上述至少1个第2推论模型中，从上述第2推论模型取得对于上述第1推论结果的至少1个第2推论结果；以及输出部，将上述至少1个第2推论结果输出。
技术总结
通过将感测数据输入到第1推论模型中，从第1推论模型取得作为对于感测数据的第1推论结果的特征地图(S2002)；通过将第1推论结果输入到第3推论模型中，从第3推论模型取得表示从多个第2推论模型中选择的至少1个第2推论模型的模型选择信息(S2003)；通过将第1推论结果输入到模型选择信息表示的至少1个第2推论模型中，从第2推论模型取得对于第1推论结果的至少1个第2推论结果并输出(S2005)。1个第2推论结果并输出(S2005)。1个第2推论结果并输出(S2005)。
技术研发人员：中田洋平 石井育规
受保护的技术使用者：松下知识产权经营株式会社
技术研发日：2021.05.24
技术公布日：2023/2/24