2024-700213

特許第７３４０４８４号発明「画像判定装置、画像判定方法、および、プログラム」の特許異議申立事件について、次のとおり決定する。

結 論 特許第７３４０４８４号の特許請求の範囲を訂正請求書に添付された訂正特許請求の範囲のとおり、訂正後の請求項１、〔２～７〕、８、９について訂正することを認める。 特許第７３４０４８４号の請求項１～９に係る特許を維持する。

理 由 第１ 手続の経緯 特許第７３４０４８４号の請求項１～９に係る特許についての出願は、令和２年３月１９日の出願であって、令和５年８月３０日にその特許権の設定登録がされ、令和５年９月７日に特許掲載公報が発行されたものである。 令和６年３月６日に特許異議申立人五十嵐千代子により請求項１～９に係る特許に対して本件特許異議の申立て（証拠：甲第１号証～甲第４号証）がされた。 令和６年５月３０日付けで取消理由が通知され、令和６年７月２２日に特許権者により意見書の提出及び訂正請求がされ、令和６年９月３日に特許異議申立人により意見書（証拠：甲第５号証）が提出された。 さらに、令和６年９月２７日付けで取消理由（決定の予告）が通知され、令和６年１１月２９日に特許権者により意見書の提出及び訂正請求がされ、令和７年１月１７日に特許異議申立人により意見書（証拠：甲第６号証～甲第８号証）が提出された。 第２ 令和６年１１月２９日の訂正請求による訂正の適否 １ 一群の請求項１～７の訂正について （１）訂正の内容 ア 訂正事項１ 特許請求の範囲の請求項１に「移動する視点から撮影した時系列順の画像を入力し、前記画像の情報量を削減する画像削減部と、」と記載されているのを、「移動する視点から撮影した時系列順の画像をカメラ装置から入力し、前記画像を縮小して情報量を削減する画像削減部と、」に訂正する。 イ 訂正事項２ 特許請求の範囲の請求項２に「請求項１に記載の画像判定装置であって、前記時系列順の画像から同一の前記対象物を１回のみ選択する対象選択部を有し、前記第２検出部は、前記対象選択部が選択した対象物を分類することを特徴とする画像判定装置。」と記載されているのを、「移動しながら撮影した画像を実時間で判定する画像判定装置であって、移動する視点から撮影した時系列順の画像を入力し、前記画像を縮小して情報量を削減する画像削減部と、情報量を削減した画像から対象物を検出する第１検出部と、前記画像内の所定範囲内に対象物が存在しない場合は当該画像に対する処理を終了し、前記画像内の所定範囲内に対象物が存在する場合は、前記時系列順の画像において前記対象物の位置が同一方向に変化する前記対象物を同一の対象物と判定し、同一の前記対象物を１回のみ選択する対象選択部と、前記対象選択部が選択した前記対象物の位置に対応する部分画像を情報量を削減する前の画像から得る画像抽出部と、前記部分画像を用いて前記対象物を分類する第２検出部を有し、前記第１検出部は、画像に前記対象物のアノテーションを含む教師データを用いて学習した第１学習モデルを用いて前記対象物を検出し、前記第２検出部は、前記対象物を分類した教師データを用いて学習した第２学習モデルを用いて前記対象物を分類することを特徴とする画像判定装置。」に訂正する。（請求項２の記載を引用する請求項３～７も同様に訂正する。） ウ 訂正事項３ 特許請求の範囲の請求項３に「請求項１または２に記載の画像判定装置であって、」と記載されているのを、「請求項２に記載の画像判定装置であって、」に訂正する。（請求項３の記載を引用する請求項４～７も同様に訂正する。） エ 訂正事項４ 特許請求の範囲の請求項４に「請求項１ないし３のいずれかに記載の画像判定装置であって、」と記載されているのを、「請求項２または３に記載の画像判定装置であって、」に訂正する。（請求項４の記載を引用する請求項５～７も同様に訂正する。） オ 訂正事項５ 特許請求の範囲の請求項６に「請求項１ないし５のいずれかに記載の画像判定装置であって、」と記載されているのを、「請求項２ないし５のいずれかに記載の画像判定装置であって、」に訂正する。（請求項６の記載を引用する請求項７も同様に訂正する。） カ 訂正事項６ 特許請求の範囲の請求項７に「請求項１ないし６のいずれかに記載の画像判定装置であって、」と記載されているのを、「請求項２ないし６のいずれかに記載の画像判定装置であって、」に訂正する。 （２）訂正の適否 ア 訂正事項１ 訂正事項１は、願書に添付した明細書の段落【００２２】の「実時間画像判定装置１００は、カメラ１１１で撮影した画像を入力とする。」との記載事項、段落【００２４】の「画像削減部１１２は、入力された画像を縮小して情報量を削減する。」との記載事項、段落【００４４】の「カメラ１１１はその時点での画像を撮影しており、実時間画像判定装置１００は、当該画像を入力とする（ステップＳ１）。」との記載事項に基づいて、請求項１の「画像を入力し、前記画像の情報量を削減する画像削減部」に「画像をカメラ装置から入力し、前記画像を縮小して情報量を削減する」との限定を付加するものである。 したがって、訂正事項１は、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 イ 訂正事項２ 訂正事項２は、請求項２について、請求項１を引用する記載であったものを、請求項１を引用しない独立形式の記載とし、さらに、願書に添付した明細書の段落【００２４】の「画像削減部１１２は、入力された画像を縮小して情報量を削減する。」との記載事項に基づいて、請求項２の「前記画像の情報量を削減する画像削減部」に「前記画像を縮小して情報量を削減する」との限定を付加し、段落【００４９】の「対象選択部１１４は、図５のフローチャートの手順により、前記得られた矩形の座標から対象物の同一性を判定し、後段の処理対象とすべき物体のみを選択する。」との記載事項、【００５０】の「すなわち、対象選択部１１４は、前記得られた矩形の座標の並びに対し、Ｘ座標が画像全体の一定範囲に全部もしくは一部が存在するような矩形のみを選別する（ステップＳ４１）。もし、並びが空集合となった場合には、選択対象なしとしてサブルーチンを終了する（ステップＳ４２）。」との記載事項、【００６０】の「そして、ステップＳ４４では、一つの対象物に対して一回のみ後続の処理を行わせることを意図している。車が走行すると道路の左側にある対象物は画像においてより左へと流れていくから、図７の第１範囲にある間は一度だけ処理すればよく、「処理済み」フラグによって二度目の処理を行わないことにより達成する。」との記載事項、【００８９】の「例えば、対象選択部１１４は、複数の画像および座標位置情報を記憶できる一時記憶領域を具備し、ステップＳ４１によって選択した矩形の座標の並びのうち一番右にある矩形の座標に対し、当該座標並びに対応する画像を前記一時記憶領域に記憶するとともに、対象選択処理の複数回の実行によって当該座標が右から左に変化することを前記一時記憶領域の記憶内容から判定し、一時記憶領域の記憶内容のうちで最も中央に座標が位置する画像を、対象選択処理における選択対象として、サブルーチンを終了する構成としてもよい。」との記載事項に基づいて、請求項２の「前記時系列順の画像から同一の前記対象物を１回のみ選択する対象選択部」に「前記画像内の所定範囲内に対象物が存在しない場合は当該画像に対する処理を終了し、前記画像内の所定範囲内に対象物が存在する場合は、前記時系列順の画像において前記対象物の位置が同一方向に変化する前記対象物を同一の対象物と判定し、同一の前記対象物を１回のみ選択する」との限定を付加するものである。 したがって、訂正事項２は、他の請求項の記載を引用する請求項の記載を当該他の請求項の記載を引用しないものとすること、及び、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 ウ 訂正事項３ 訂正事項３は、請求項３について、請求項１または２を引用する記載であったものを、請求項２のみを引用する記載にするものであるから、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 エ 訂正事項４ 訂正事項４は、請求項４について、請求項１ないし３を引用する記載であったものを、請求項２または３を引用する記載にするものであるから、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 オ 訂正事項５ 訂正事項５は、請求項６について、請求項１ないし５を引用する記載であったものを、請求項２ないし５を引用する記載にするものであるから、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 カ 訂正事項６ 訂正事項６は、請求項７について、請求項１ないし６を引用する記載であったものを、請求項２ないし６を引用する記載にするものであるから、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 （３）小括 以上のとおり、一群の請求項１～７の訂正は、特許法第１２０条の５第２項ただし書第１号、第４号に掲げる事項を目的とするものであり、同法同条第９項で準用する特許法第１２６条第５項及び第６項の規定に適合するものである。また、請求項１に係る訂正は、一群の請求項の他の請求項とは別途訂正することの求めにより、別の訂正単位とする。 よって、訂正後の請求項１、〔２～７〕について訂正することを認める。 ２ 請求項８の訂正について （１）訂正の内容 特許請求の範囲の請求項８に「移動する視点から撮影した時系列順の画像を入力するステップと、前記画像の情報量を削減するステップと、」と記載されているのを、「移動する視点から撮影した時系列順の画像をカメラ装置から入力するステップと、前記画像を縮小して情報量を削減するステップと、」に訂正する。 （２）訂正の適否 請求項８の訂正は、願書に添付した明細書の段落【００２２】、【００２４】、【００４４】に記載した事項に基づいて、請求項８の「画像を入力するステップ」、「画像の情報量を削減するステップ」に限定を付加するものであるから、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 （３）小括 以上のとおり、請求項８の訂正は、特許法第１２０条の５第２項ただし書第１号に掲げる事項を目的とするものであり、同法同条第９項で準用する特許法第１２６条第５項及び第６項の規定に適合するものである。 よって、訂正後の請求項８について訂正することを認める。 ３ 請求項９の訂正について （１）訂正の内容 特許請求の範囲の請求項９に「移動する視点から撮影した時系列順の画像を入力する処理と、前記画像の情報量を削減する処理と、」と記載されているのを、「移動する視点から撮影した時系列順の画像をカメラ装置から入力する処理と、前記画像を縮小して情報量を削減する処理と、」に訂正する。 （２）訂正の適否 請求項９の訂正は、願書に添付した明細書の段落【００２２】、【００２４】、【００４４】に記載した事項に基づいて、請求項９の「画像を入力する処理」、「画像の情報量を削減する処理」に限定を付加するものであるから、特許請求の範囲の減縮を目的とし、願書に添付した明細書、特許請求の範囲又は図面に記載した事項の範囲内においてしたものであり、実質上特許請求の範囲を拡張し、又は変更するものではない。 （３）小括 以上のとおり、請求項９の訂正は、特許法第１２０条の５第２項ただし書第１号に掲げる事項を目的とするものであり、同法同条第９項で準用する特許法第１２６条第５項及び第６項の規定に適合するものである。 よって、訂正後の請求項９について訂正することを認める。 第３ 本件発明 本件特許の請求項１～９に係る発明（以下、「本件発明１」～「本件発明９」という。）は、訂正された特許請求の範囲の請求項１～９に記載された事項により特定される次のとおりのものである。 【請求項１】 移動しながら撮影した画像を実時間で判定する画像判定装置であって、 移動する視点から撮影した時系列順の画像をカメラ装置から入力し、前記画像を縮小して情報量を削減する画像削減部と、 情報量を削減した画像から対象物を検出する第１検出部と、 検出した前記対象物の位置に対応する部分画像を情報量を削減する前の画像から得る画像抽出部と、 前記部分画像を用いて前記対象物を分類する第２検出部を有し、 前記第１検出部は、画像に前記対象物のアノテーションを含む教師データを用いて学習した第１学習モデルを用いて前記対象物を検出し、 前記第２検出部は、前記対象物を分類した教師データを用いて学習した第２学習モデルを用いて前記対象物を分類すること を特徴とする画像判定装置。 【請求項２】 移動しながら撮影した画像を実時間で判定する画像判定装置であって、 移動する視点から撮影した時系列順の画像を入力し、前記画像を縮小して情報量を削減する画像削減部と、 情報量を削減した画像から対象物を検出する第１検出部と、 前記画像内の所定範囲内に対象物が存在しない場合は当該画像に対する処理を終了し、前記画像内の所定範囲内に対象物が存在する場合は、前記時系列順の画像において前記対象物の位置が同一方向に変化する前記対象物を同一の対象物と判定し、同一の前記対象物を１回のみ選択する対象選択部と、 前記対象選択部が選択した前記対象物の位置に対応する部分画像を情報量を削減する前の画像から得る画像抽出部と、 前記部分画像を用いて前記対象物を分類する第２検出部を有し、 前記第１検出部は、画像に前記対象物のアノテーションを含む教師データを用いて学習した第１学習モデルを用いて前記対象物を検出し、 前記第２検出部は、前記対象物を分類した教師データを用いて学習した第２学習モデルを用いて前記対象物を分類すること を特徴とする画像判定装置。 【請求項３】 請求項２に記載の画像判定装置であって、 前記第２検出部の分類結果を通知する通知部を有すること を特徴とする画像判定装置。 【請求項４】 請求項２または３に記載の画像判定装置であって、 前記第２検出部の分類結果を記憶する結果記憶部と、 前記結果記憶部に記憶した分類結果を表示する結果表示部を有すること を特徴とする画像判定装置。 【請求項５】 請求項４に記載の画像判定装置であって、 前記結果記憶部は、前記分類結果に前記対象物の位置の情報もしくは位置を得るための情報を付与して記憶し、 前記結果表示部は、前記分類結果および前記分類結果の位置情報を用いて、地図上に前記分類結果に応じた態様で前記対象物を表示すること を特徴とする画像判定装置。 【請求項６】 請求項２ないし５のいずれかに記載の画像判定装置であって、 前記対象物は、電力線、通信線、交通信号機、および交通標識のうち少なくともいずれか１つ以上を設置する構造物であり、 前記第２検出部は、前記構造物に、営巣、表面のひび割れ、コンクリートの剥がれ、鉄筋の露出、金属のサビ、および浮遊物の付着のうち少なくともいずれか１つ以上が存在するか否かを分類すること を特徴とする画像判定装置。 【請求項７】 請求項２ないし６のいずれかに記載の画像判定装置であって、 前記第１検出部の処理と前記第２検出部の処理は繰り返して実行されること を特徴とする画像判定装置。 【請求項８】 移動しながら撮影した画像を実時間で判定する画像判定方法であって、 コンピュータが実行する、 移動する視点から撮影した時系列順の画像をカメラ装置から入力するステップと、 前記画像を縮小して情報量を削減するステップと、 情報量を削減した画像から対象物を検出するステップと、 検出した前記対象物の位置に対応する部分画像を情報量を削減する前の画像から得るステップと、 前記部分画像を用いて前記対象物を分類するステップを有し、 前記対象物を検出するステップは、画像に前記対象物のアノテーションを含む教師データを用いて学習した第１学習モデルを用いて前記対象物を検出し、 前記対象物を分類するステップは、前記対象物を分類した教師データを用いて学習した第２学習モデルを用いて前記対象物を分類すること を特徴とする画像判定方法。 【請求項９】 移動しながら撮影した画像を実時間で判定する画像判定方法をコンピュータに実行させるプログラムであって、 前記コンピュータに、 移動する視点から撮影した時系列順の画像をカメラ装置から入力する処理と、 前記画像を縮小して情報量を削減する処理と、 情報量を削減した画像から対象物を検出する処理と、 検出した前記対象物の位置に対応する部分画像を情報量を削減する前の画像から得る処理と、 前記部分画像を用いて前記対象物を分類する処理を実行させ、 前記対象物を検出する処理は、画像に前記対象物のアノテーションを含む教師データを用いて学習した第１学習モデルを用いて前記対象物を検出し、 前記対象物を分類する処理は、前記対象物を分類した教師データを用いて学習した第２学習モデルを用いて前記対象物を分類すること を特徴とするプログラム。 第４ 特許異議申立ての理由の概要 特許異議申立人が申立てた特許異議申立ての理由（以下、「申立理由」という。）の概要は、以下のとおりである。 （進歩性）請求項１－９に係る発明は、本件特許出願前に日本国内又は外国において、頒布された下記の刊行物に記載された発明又は電気通信回線を通じて公衆に利用可能となった発明に基いて、本件特許出願前にその発明の属する技術の分野における通常の知識を有する者が容易に発明をすることができたものであるから、その特許は、特許法第２９条第２項の規定に違反してされたものである。 請求項１、８、９ 甲第１号証、甲第２号証、甲第３号証 請求項２～７ 甲第１号証、甲第２号証、甲第３号証、甲第４号証 記 甲第１号証：特開２０１８－１０７７５９号公報 甲第２号証：特開２０１８－７４７５７号公報 甲第３号証：ＮＴＴ西日本、 ＮＴＴ西日本研究開発センタにおけるＡＩを用いたデータ解析の取り組み、ＮＴＴ技術ジャーナル、２０１７年４月、第２９巻、第４号、ｐｐ．４６～４９ 甲第４号証：特開２０２０－４２９３号公報 第５ 証拠について １ 甲第１号証 甲第１号証には、以下の事項が記載されている。なお、下線は当審により付したものである。 「【０００１】 本開示は、画像処理装置、画像処理方法、及び画像処理システムに関する。」 「【発明が解決しようとする課題】 【０００４】 上記のように画像の一部の領域を特定する技術においては、当該領域の特定に係る処理量を抑制することが望まれていた。」 「【発明の効果】 【０００８】 以上説明したように本開示によれば、注目領域の特定に係る処理量を抑制することが可能である。」 「【００２１】 図１に示した画像処理装置において、学習・認識部６１２が画像読出し部６１１から出力される画像をそのまま用いて機械学習、及び認識処理を行うと、画像読出し部６１１が有する画素の数によっては処理量が膨大となってしまう場合がある。そのため、学習・認識部６１２は、例えば画像読出し部６１１から出力された画像を縮小した縮小画像を、縮小に係るパラメータを変更しながら生成（所謂ピラミッド画像生成）し、縮小画像に対して機械学習や認識処理を行うことが考えられる。」 「【００２７】 しかし、画像処理装置６２とサーバ７２との間のネットワーク通信に係る遅延が発生するため、例えばリアルタイムに認識処理を行うことは依然として困難であった。そこで、図３に示すように、機械学習を行う機能はサーバに残しつつ、機械学習により得られた認識器を用いた認識処理は画像処理装置で行うことも考えられる。図３は、本実施形態の他の比較例の構成を示す説明図である。」 「【００３２】 上記の構成により、認識処理はネットワーク通信に伴う遅延の影響を受けず、画像処理装置６３はより高速に認識処理を行うことが可能となり得る。ただし、それでもなお、認識処理に係る処理量は大きいため、例えば上述した縮小画像の生成が必要となり得る。しかし、縮小画像を生成するための縮小処理が発生するため、より処理量を削減する余地があった。また、縮小画像に写る被写体の領域は小さい場合があり、被写体に係る認識精度が低下する恐れがあった。 【００３３】 そこで、上記事情を一着眼点にして本実施形態を創作するに至った。本実施形態によれば、画像読出し部から出力される低解像度画像から特定した注目領域の高解像度画像を画像読出し部から取得して認識処理を行うことで、処理量を抑制しつつ、認識精度を向上させることが可能となり得る。以下、このような効果を有する本開示の一実施形態の構成、及び動作について説明する。」 「【００３５】 画像処理装置１は、イメージセンサによる撮像機能を有し、例えばデジタルスチルカメラやデジタルビデオカメラ等であってもよいし、スマートフォンやＰＣ（Personal Computer）等であってもよい。画像処理装置１は、例えば撮像により得られる画像に写る被写体に関する認識処理を行う。また、画像処理装置１は、撮像により得られる画像から検出される注目領域（ＲＯＩ、Region of Interest）の画像をサーバ７へ送信する。なお、画像処理装置１の詳細な構成については後述する。」 「【００３８】 （画像処理装置の構成） 以上、本実施形態に係る画像処理システム１０００の全体構成について説明した。つづいて、画像処理装置１の詳細な構成について説明する。画像処理装置１は、図４に示すように画像読出し部１０、第１の信号処理部１０１、第２の信号処理部１０２、及び認識器記憶部１０３を備える。」 「【００４０】 図５は、画像読出し部１０の構成例を示す説明図である。図５に示すように例えば、画像読出し部１０は、（半導体）基板である画素基板１１と回路基板１２を含む。なお、本実施形態において、画素基板１１と回路基板１２とは積層されている。 【００４１】 図５に示すように、画素基板１１は、光電変換を行い、画素信号を出力する複数の画素２２が２次元のマトリクス状に配列された画素アレイ２１を有する。また、画素アレイ２１を構成する複数の画素２２は、複数の画素からなる画素ブロック２３に区分されている。図５に示す例では、画素アレイ２１は、８×８画素ごとに１の画素ブロック２３に区分されている。なお、本実施形態においては図５に示すように画素ブロック２３を８×８画素の合計６４画素で構成しているが、画素ブロック２３を構成する画素２２の数や形状は任意であり、８×８画素に限定されるものではない。 【００４２】 また、図５に示すように、回路基板１２は、画素基板１１の画素ブロック２３にそれぞれ対応する複数のＡＤＣ３２（ＡＤ変換部）が２次元のマトリクス状に配列されたＡＤＣアレイ３１と、水平領域制御部３３と、垂直領域制御部３４と、出力部３５とを有する。 【００４３】 ＡＤＣアレイ３１は、画素アレイ２１が有する画素ブロック２３と同一の数のＡＤＣ３２を有する。ＡＤＣ３２は、対応する画素ブロック２３に属する複数の画素２２から出力されるアナログの画素信号をデジタル信号に変換して（ＡＤ変換して）、デジタルの画素値を得る。なお、図５では回路基板１２は、ＡＤＣ３２がアレイ状に配置されたＡＤＣアレイ３１を有する例を示しているが、本技術は係る例に限定されず、画素ブロック２３とＡＤＣ３２が１対１で対応していればＡＤＣ３２の配置はアレイ状でなくてもよい。例えば、ＡＤＣ３２はカラム状（短冊状）であってもよい。」 「【００４６】 また、画像読出し部１０は、低解像度画像を後述する第１の信号処理部１０１へ出力する。 【００４７】 図６は、低解像度画像について説明するための模式図である。図６に示すように、ＡＤＣ３２が画素ブロック２３ごとに、１の画素２２ａについてのみＡＤ変換を行うことで、低解像度画像Ｇ１１が得られる。なお、低解像度画像Ｇ１１内の解像度（画素密度）を一定にするため、当該画素２２ａは、すべての画素ブロック２３における同じ位置（図６に示す例では左上の位置）であることが望ましい。上述のようにして得られる低解像度画像は、画素アレイ２１に含まれる画素の数よりも少ない画素数の画像であるため画像の出力や、後段の処理に係る時間が短縮され得る。また、上述したように画像読出し部１０が有するＡＤＣ３２は画素ブロック２３と対応付けられ、並列にＡＤ変換を行うことが可能であるため、例えば順次水平に走査が行われる場合と比較してより高速に低解像度画像を得ることが可能である。」 「【００５５】 また、画像読出し部１０は、後述する第１の信号処理部１０１により特定される注目領域の画像（以下、注目領域画像とも呼称する）を後述する第２の信号処理部１０２へ出力する。また、注目領域画像は、不図示の通信部を介してサーバ７へも送信される。 【００５６】 例えば、画像読出し部１０は、第１の信号処理部１０１から、画像読出し部１０における注目領域を指定する領域指定信号を受け取り、当該領域指定信号に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換を行って注目領域画像を出力してもよい。また、画像読出し部１０は、第１の信号処理部１０１が、複数の注目領域を検出した場合、当該複数の注目領域に対応する複数の注目領域画像を出力し得る。」 「【００６４】 図４に示す第１の信号処理部１０１は、画像読出し部１０から図５を参照して説明した低解像度画像を受け取り、画像読出し部１０における注目領域の特定（検出）を行う。また、第１の信号処理部１０１は、注目領域を指定する領域指定信号を画像読出し部１０へ出力する。例えば、低解像度画像における注目領域が特定された場合、低解像度画像における注目領域内の画素値に対応する１または複数のＡＤＣ３２が、画像読出し部における注目領域として特定され得る。」 「【００６８】 なお、第１の信号処理部１０１による注目領域の特定方法は上記の例に限定されない。例えば、被写体の形状、または被写体の色の一致度を用いて特定する方法や、複数枚の画像を用いた時系列的な処理により、前フレームで抽出した注目領域の場所の情報を用いても良いし、被写体の動きから特定する方法が採用されてもよい。また、第１の信号処理部１０１は、機械学習に基づく被写体（物体)検出により、注目領域を特定してもよく、例えば被写体検出により検出される所定の種別の被写体（例えば人、顔、車両等）の写る領域を、注目領域として特定してもよい。」 「【００７７】 第２の信号処理部１０２は、領域指定信号に基づいて画像読出し部１０が出力する注目領域画像に対して認識処理を行う。第２の信号処理部１０２の認識処理が、画像読出し部１０の有する全ての画素に基づく画像ではなく、注目領域画像に対して行われることにより、処理量が抑えられる。また、注目領域画像は、低解像度画像よりも解像度（画像密度）が高く、例えば、全ての画素に基づく画像と同等の解像度を有するため、縮小画像を用いて認識処理を行う場合よりも高精度に認識処理を行うことが可能となる。」 「【００８０】 また、第１の信号処理部１０１が所定の種別の被写体を検出して、検出された被写体の領域を注目領域として特定していた場合、第２の信号処理部１０２による認識処理は、当該被写体のより詳細な情報や、属性等を認識する処理であってもよい。例えば、第１の信号処理部１０１が人(人物)を検出し、人物領域を注目領域として特定していた場合、第２の信号処理部１０２による認識処理は、人物を識別（例えば名前やＩＤとの対応付け）処理であってもよい。また、第１の信号処理部１０１が人の顔を検出し、顔領域を注目領域として特定していた場合、第２の信号処理部１０２による認識処理は、性別、年齢、表情、感情等の属性を認識する処理であってもよい。」 「【００８２】 また、第２の信号処理部１０２は、認識器記憶部１０３に記憶された認識器を用いて、認識処理を行ってもよい。当該認識器は、上述したように、サーバ７が行う注目領域画像に基づく機械学習により得られる。なお、サーバ７が行う機械学習の手法は特に限定されないが、例えばＣＮＮ（Convolutional Neural Network）に基づく手法であってもよく、係る場合、機械学習により得られる認識器はニューラルネットワークであってもよい。 【００８３】 なお、第２の信号処理部１０２が認識処理を行って得られた認識結果は、例えば画像処理装置１が有する表示部（不図示）に表示されてもよいし、不図示の他の装置へ出力されてもよい。」 「【００８５】 ＜３．動作＞ 以上、本実施形態の構成例について説明した。続いて、本実施形態に係る動作例について、図９、図１０を参照して説明する。図９は、本実施形態に係る画像処理装置１による認識に係る動作を示すフローチャート図である。」 「【００９０】 以上、画像処理装置１による認識に係る動作を説明したが、図９に示した動作は一例であって本実施形態は係る例に限定されない。また、図９に示したステップＳ１０２～Ｓ１１４の処理は適宜（例えば撮像が行われる毎に）繰り返し行われてもよい。」 「【０１１９】 ＜６．応用例＞ 本開示に係る技術（本技術）は、様々な製品へ応用することができる。例えば、本開示に係る技術は、自動車、電気自動車、ハイブリッド電気自動車、自動二輪車、自転車、パーソナルモビリティ、飛行機、ドローン、船舶、ロボット等のいずれかの種類の移動体に搭載される装置として実現されてもよい。」 「【０１２４】 車外情報検出ユニット１２０３０は、車両制御システム１２０００を搭載した車両の外部の情報を検出する。例えば、車外情報検出ユニット１２０３０には、撮像部１２０３１が接続される。車外情報検出ユニット１２０３０は、撮像部１２０３１に車外の画像を撮像させるとともに、撮像された画像を受信する。車外情報検出ユニット１２０３０は、受信した画像に基づいて、人、車、障害物、標識又は路面上の文字等の物体検出処理又は距離検出処理を行ってもよい。」 「【０１３９】 以上、本開示に係る技術が適用され得る車両制御システムの一例について説明した。本開示に係る技術は、以上説明した構成のうち、撮像部１２０３１、マイクロコンピュータ１２０５１に適用され得る。例えば、図４に示した画像処理装置１は撮像部１２０３１、またはマイクロコンピュータ１２０５１に適用することが可能である。撮像部１２０３１に本開示に係る技術を適用することより、例えば撮像画像からより高速、かつ高精度に歩行者や標識、ナンバープレート等の認識処理を行うことが可能となる。」 ２ 甲第２号証 甲第２号証には、以下の事項が記載されている。 「【００５９】 異常箇所画像データ４０ｂは、情報処理装置１０及びドローン１４を用いて、実際に被点検物に対する巡視点検をすることより取得された異常箇所の実画像データである。異常箇所画像データ４０ｂは、ドローン１４により撮影された画像データから、異常箇所であること及び異常種類が作業員等によって確認された画像データが用いられる。」 「【０１２７】 ここで、異常種類を表す画像であると判定された場合（ステップＤ３、Ｙｅｓ）、異常箇所検出部２１ｃは、異常種類に相当する画像（異常画像）と判定された画像データ（異常箇所画像データ）を切り出すと共に、異常箇所画像データに対応する位置データを取得する。なお、異常箇所検出部２１ｃは、何れの異常種類に対応する学習モデルをもとに異常と検出されたか、すなわち何れの異常種類の以上箇所であるかを示す異常種類データを記憶する。例えば、検査対象項目選択画面７０において、アーク痕ボタン７２が選択されている場合、素線切れ、炭付着、光沢の各カテゴリに対応する学習モデルを用いて異常箇所の判定が実行されており、素線切れに対応する学習モデルにより異常箇所と判定された場合に、「素線切れ」を示す異常種類データを記憶する。 【０１２８】 異常箇所検出部２１ｃは、異常箇所検出処理により異常箇所が検出されると異常箇所のデータを異常箇所記憶部２１ｇに記憶させる（ステップＤ５）。異常箇所のデータには、例えば異常箇所画像データ、異常箇所画像データに対応する位置データ（及び時刻）、異常種類データ、異常箇所画像データを含む動画像データの範囲に対応する巡回／点検対象データ、動画像データに対応する巡回／点検ルートなどを含む。」 「【０１３１】 図２７は、本実施形態における異常候補画像表示画面８０の一例を示す図である。 異常候補画像表示画面８０には、例えば異常箇所画像データをもとに異常箇所画像８１（異常候補画像）と共に異常種類データが示す異常種類８２が表示される。また、異常候補画像表示画面８０には、異常箇所画像８１に関係する参考情報８３が表示される。参考情報８３には、例えば巡回／点検ルートを示す「Ｐｏｉｎｔ Ｂ－１」、撮影日時、位置データが示す検出位置（緯度、経度、高度）、巡回／点検対象データが示す被点検物「上部送電線」「上部」（送電線の上部からの撮影であることを示す）が含まれる。また、参考情報８３には、マップボタン８４が設けられている。マップボタン８４が選択された場合、異常箇所表示部２１ｆは、検出位置を含む地図（送電設備１７の位置などを付加する）を表示させて、送電設備１７の異常箇所が検出された位置を地図上で確認できるようにする。」 ３ 甲第３号証 「 ［図：0001423474000001.jpg］ ［図：0001423474000002.jpg］ ［図：0001423474000003.jpg］ ［図：0001423474000004.jpg］ ［図：0001423474000005.jpg］ 」 ４ 甲第４号証 甲第４号証には、次の事項が記載されている。 「【０００１】 本発明は、車載電子制御装置に関する。 【背景技術】 【０００２】 自動車等の車両にはカメラが設置され、カメラで撮像された画像データに基づいて自動運転支援などを行う車載電子制御装置が普及している。」 「【００１６】 図２は、走行する車両１０から標識を認識する例を示す図である。標識は、速度規制や解除を示す本標識５５、５７と本標識５５、５７の条件を表す補助標識５４、５６から構成される。補助標識５４、５６は文字や矢印などの記号を含んでおり、文字認識を正確に行わないと判断できない。例えば、補助標識５４と５６において、普通車がどちらに属するかを判定するには、“大貨等・三輪けん引を除く”を正確に認識できなければならない。このため、遠距離での正確な文字認識が、高解像度の４Ｋカメラや８Ｋカメラが必要となる理由の一つとなっている。 【００１７】 補助標識５４、５６の文字認識の判定には高解像度の画像が必要だが、山やガードレールなど背景部分は高解像度が必要なわけではない。そこで、詳細認識向けの高解像度の限定領域の画像と、画面全体の情報として解像度を下げた低解像度の全体画像か、フレームレートを下げた高解像度の全体画像のいずれかにする。これにより、常に通常フレームレートで、高解像度の全体画像のデータ伝送量に比べて、データ伝送量を削減することができる。 【００１８】 図２に示すように、走行している車両１０に搭載されているレーダ４が時刻Ｔにおいて、距離ｄ１［ｍ］、角度θ１の方向で何らかの遠方立体物を検知したとする。車両１０は、自車速Ｙ［ｋｍ／ｈ］で進むので、カメラ３は、時刻Ｔ＋ΔＴで、角度φ１、または距離ｄ２［ｍ］の位置で遠方立体物を捉えられると予測される。その為、カメラ３に事前にＴ＋ΔＴの時刻に、角度φ１、または距離ｄ２［ｍ］の画像を切り出すよう制御部２からカメラ３に要求を出しておくと、カメラ３はＴ＋ΔＴの時刻になったときに、全体画像と該当の部分画像のみを切出した高解像度画像とを制御部２に転送する。ここで図２では角度φ１と記載しているが、カメラ３と図面上の座標系が異なる場合は、カメラ３の座標系に合わせた角度でカメラ３に通知する必要がある。制御部２内では、例えば、ＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を含む認識部４１があり、そこに高解像度の部分画像を入力し、文字認識を行う。 【００１９】 このように制御部２に入力されるレーダ４などの他センサの情報を用いて、カメラ３の画像の切出し位置を指定するので、例えば、カメラ３よりも検知距離の長いレーダ４で、カメラ３では検知できない距離、時点の情報を利用し、制御部２からカメラ３に通知しておくことで、カメラ３で有効な画像が取得できる時点で直ちに高解像度の部分画像の切り出しを行うことができる。」 ５ 甲第５号証 令和６年９月３日に特許異議申立人により意見書とともに提出された甲第５号証（特開２０１０－２５２２７６号公報）には、次の事項が記載されている。 「【００４４】 なお、特徴領域特定部２０３は、特願２００８－０７８６４１号に記載された方法で特徴領域を検出してよい。例えば、特徴領域特定部２０３は、オブジェクト検出対象の撮像画像を所定比率で間引くことにより、または当該所定比率で段階的に間引くことより、撮像画像と一枚以上の間引画像とを含む画像群を生成する。そして、特徴領域特定部２０３は、生成された画像群のうちの相対的に小さい第１の画像に、第１のフィルタを作用させて、評価値を算出する。ここで、第１のフィルタは、画像上の二次元的に広がる領域に作用することで、当該領域内に特定種類のオブジェクトが存在する確率を表わす評価値を生成する。また、第１のフィルタは、画像上の領域の広さに対応する画素数が所定比率で異なる、または当該所定比率で段階的に異なる、複数の広さの領域にそれぞれ作用する複数のフィルタを含むフィルタ群のうちの、相対的に狭い領域に作用するフィルタであってよい。複数の広さの領域とは、例えば、３２×３２画素の領域、１６×１６画素の領域、および、８×８画素の領域であってよい。特徴領域特定部２０３は、所定の第１の閾値を越える評価値が得られた一次候補領域を、第１の画像から抽出する。 【００４５】 そして、特徴領域特定部２０３は、第１の画像よりも画素数が一段階多い第２の画像における一次候補領域に相当する領域に、フィルタ群のうちの第１のフィルタよりも一段階広い領域に作用する第２のフィルタを作用させて、評価値を算出する。そして、特徴領域特定部２０３は、所定の第２の閾値を越える評価値が得られる二次候補領域を抽出する。 【００４６】 ここで、特徴領域特定部２０３は、上述の異なる広さの領域に作用する複数のフィルタを画像群のうちの対応する広さの領域に作用させて上記候補領域を抽出する抽出過程を繰り返していく。このとき、特徴領域特定部２０３は、相対的に狭い領域に作用するフィルタを作用させる抽出過程から、相対的に広い領域に作用するフィルタを作用させる抽出過程を、順次に繰り返していく。具体的には、特徴領域特定部２０３は、相対的に小さい画像に相対的に狭い領域に作用するフィルタを作用させる抽出過程から相対的に大きな画像に相対的に広い領域に作用するフィルタを作用させる抽出過程に向けて順次に繰り返す。そして、特徴領域特定部２０３は、２以上の抽出過程を繰り返して最終的に候補領域を抽出することにより、特定種類のオブジェクトを検出する。そして、特徴領域特定部２０３は、当該特定種類のオブジェクトが存在する領域を、特徴領域として検出する。このように、特徴領域特定部２０３は、後の抽出過程においては、直前の過程で抽出された領域に限定してフィルタを作用させる。このため、複数の各抽出過程において順次にオブジェクトの存在の有無が選別されていき、特徴領域をより高精度に検出することができる。また、小さいサイズの画像で特徴領域の粗ぶるいが行なわれるので、より高速に特徴領域を検出することができる。」 ６ 甲第６号証 令和７年１月１７日に特許異議申立人により意見書とともに提出された甲第６号証（特開２０１３－９０５０号公報）には、次の事項が記載されている。 「【０００８】 本発明の目的を達成するために、例えば、本発明の画像処理装置は、全方位の撮像が可能な撮像装置が撮像した画像を高解像度画像として取得すると共に、該高解像度画像から解像度を低下させた画像を低解像度画像として取得する取得手段と、前記取得手段が取得した低解像度画像から、予め定められた被写体が写っている領域を被写体領域として検出する検出手段と、前記取得手段が取得した高解像度画像において、前記被写体領域に対応する領域を特定し、該特定した領域に対して、該領域内の被写体を認識する処理を行う認識手段と、前記認識手段による認識結果を出力する出力手段とを備えることを特徴とする。」 「【００１３】 全方位カメラ部１０１は、このような構成により撮像した各フレームの画像（広範囲画像）を順次出力すると共に、この撮像した画像より低解像度の画像を出力する機能を有する。すなわち、全方位カメラ部１０１は、全方位の撮像が可能な撮像装置であって、撮像した画像を高解像度画像として出力すると共に、該高解像度画像よりも低解像度の画像である低解像度画像を出力する撮像装置である。 【００１４】 低解像度画像は、全方位カメラ部１０１が有する撮像素子群から適当な間隔（荒い間隔）で撮像素子を選択し、選択した撮像素子から画素を読みだすことで出力可能である。一方、高解像度画像は、全方位カメラ部１０１の有する全ての撮像素子から画素を読み出すことで出力可能である。低解像度画像の生成は、単純な画素間引きによってだけではなく、高解像度画像からバイリニア法などのアルゴリズムによっても可能である。これにより、例えば、全方位カメラ部１０１はｍ画素×ｎ画素の解像度を有する高解像度画像を出力すると共に、（ｍ／２）画素×（ｎ／２）画素の解像度を有する低解像度画像を出力することができる。そのため、全方位カメラ部１０１は、高解像度画像を出力する間隔よりも短い間隔で低解像度画像を出力することになる。」 ７ 甲第７号証 令和７年１月１７日に特許異議申立人により意見書とともに提出された甲第７号証（特開２０１８－６９８４５号公報）には、次の事項が記載されている。 「【００６０】 警戒対象検出部２７は、自車両の後方において移動する物体を警戒対象として検出する。本例の警戒対象検出部２７は、撮影画像に基づいて警戒対象を検出する。例えば、警戒対象検出部２７は、前述の移動検出部２３と同様に、時間的に前後する撮影画像において、同一の被写体を表示している部分を抽出し、各表示位置の関係に基づいて移動ベクトルを求め、路面と異なる移動ベクトルを有する物体を警戒対象と検出する。」 ８ 甲第８号証 令和７年１月１７日に特許異議申立人により意見書とともに提出された甲第８号証（特開２０１５－１３８３１９号公報）には、次の事項が記載されている。 「【００４０】 例えば、動きベクトル検出部２２により図３に示される検出結果が得られた場合、領域検出部２４ａは、図５に示されるように、同じ大きさおよび方向の動きベクトルを有する複数の画素によって形成される一塊の領域７０を、物体の領域として検出する。図５において、検出された物体の領域７０は、実際に物体が写っている領域５３と概ね一致しているが、輪郭がずれている。」 「【００５３】 次に、物体検出装置２０は、ステップＳ１で検知された自車の走行状態と、ステップＳ７で検出された物体領域の位置と、当該物体領域内のステップＳ３で検出された動きベクトルとから、当該物体領域にある物体が自車の障害物であるか否かを判定する（Ｓ８）。例えば、物体検出装置２０は、物体領域にある物体の移動方向および速度と自車の移動方向および速度との関係から、衝突の危険があると判断した場合には、障害物であると判定する。また、物体領域の物体と自車とで移動方向および速度が等しく、物体と自車とが互いに平行に移動している場合にも、自車または物体の移動方向または速度が変化すれば、物体が自車の障害となる可能性があるので、障害物であると判定する。自車の移動方向と反対方向に移動している物体については、障害物でないと判定する。」 第６ 当審の判断 １ 甲１発明の認定 上記甲第１号証の記載事項（特に、下線部）によれば、次のことがいえる。 甲第１号証には、段落【０００１】、【００３５】によれば、撮像により得られる画像に写る被写体に関する認識を行う画像処理装置１の発明が記載されている。 また、段落【００２７】、【０１１９】、【０１２４】、【０１３９】によれば、画像処理装置１の上記認識は、移動中の撮像によりリアルタイムで行うものである。 したがって、甲第１号証には、 “移動中の撮像により得られる画像に写る被写体に関する認識をリアルタイムで行う画像処理装置１” の発明が記載されている。 段落【００３８】、【００４０】、【００４１】、【００４２】、【００４３】、【００４７】、【００４６】によれば、 “画像処理装置１は、画像読出し部１０、第１の信号処理部１０１、第２の信号処理部１０２、及び認識器記憶部１０３を備え、 画像読出し部１０は、画素基板１１と回路基板１２を含み、 画素基板１１は、光電変換を行い、画素信号を出力する複数の画素２２が２次元のマトリクス状に配列された画素アレイ２１を有し、また、画素アレイ２１を構成する複数の画素２２は、複数の画素からなる（例えば、８×８画素ごとに１の）画素ブロック２３に区分されており、 回路基板１２は、画素基板１１の画素ブロック２３にそれぞれ対応する複数のＡＤＣ３２（ＡＤ変換部）が２次元のマトリクス状に配列されたＡＤＣアレイ３１と、水平領域制御部３３と、垂直領域制御部３４と、出力部３５とを有し、ＡＤＣアレイ３１は、画素アレイ２１が有する画素ブロック２３と同一の数のＡＤＣ３２を有し、ＡＤＣ３２は、対応する画素ブロック２３に属する複数の画素２２から出力されるアナログの画素信号をデジタル信号に変換して、デジタルの画素値を得、ＡＤＣ３２が画素ブロック２３ごとに、１の画素２２ａについてのみＡＤ変換を行うことで、低解像度画像Ｇ１１が得られ、 画像読出し部１０は、低解像度画像を第１の信号処理部１０１へ出力するもの” である。 段落【００６４】、【００６８】によれば、 “第１の信号処理部１０１は、画像読出し部１０から低解像度画像を受け取り、機械学習に基づく被写体（物体)検出により、画像読出し部１０における注目領域の特定（検出）を行い、注目領域を指定する領域指定信号を画像読出し部１０へ出力するもの” である。 段落【００５５】、【００５６】によれば、 “画像読出し部１０は、第１の信号処理部１０１から、画像読出し部１０における注目領域を指定する領域指定信号を受け取り、当該領域指定信号に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換を行って注目領域画像を第２の信号処理部１０２へ出力” する。 段落【００７７】によれば、 “第２の信号処理部１０２は、領域指定信号に基づいて画像読出し部１０が出力する注目領域画像に対して認識処理を行い、注目領域画像は、低解像度画像よりも解像度（画像密度）が高く、全ての画素に基づく画像と同等の解像度を有するため、縮小画像を用いて認識処理を行う場合よりも高精度に認識処理を行うことが可能” となる。 段落【００８０】によれば、 “例えば、第１の信号処理部１０１が人の顔を検出し、顔領域を注目領域として特定していた場合、第２の信号処理部１０２による認識処理は、性別、年齢、表情、感情等の属性を認識する処理” である。 段落【００８２】によれば、 “第２の信号処理部１０２は、ＣＮＮ（Convolutional Neural Network）に基づく手法の機械学習により得られる認識器を用いて、認識処理を行うもの” である。 以上によれば、甲第１号証には、次の発明（以下、「甲１発明」という。）が記載されていると認められる。なお、（ａ）～（ｋ）の符号は、後の参照のために付したものである。 ［甲１発明］ （ａ）移動中の撮像により得られる画像に写る被写体に関する認識をリアルタイムで行う画像処理装置１であって、 （ｂ）画像処理装置１は、画像読出し部１０、第１の信号処理部１０１、第２の信号処理部１０２、及び認識器記憶部１０３を備え、 （ｃ）画像読出し部１０は、画素基板１１と回路基板１２を含み、 （ｄ）画素基板１１は、光電変換を行い、画素信号を出力する複数の画素２２が２次元のマトリクス状に配列された画素アレイ２１を有し、また、画素アレイ２１を構成する複数の画素２２は、複数の画素からなる（例えば、８×８画素ごとに１の）画素ブロック２３に区分されており、 （ｅ）回路基板１２は、画素基板１１の画素ブロック２３にそれぞれ対応する複数のＡＤＣ３２（ＡＤ変換部）が２次元のマトリクス状に配列されたＡＤＣアレイ３１と、水平領域制御部３３と、垂直領域制御部３４と、出力部３５とを有し、ＡＤＣアレイ３１は、画素アレイ２１が有する画素ブロック２３と同一の数のＡＤＣ３２を有し、ＡＤＣ３２は、対応する画素ブロック２３に属する複数の画素２２から出力されるアナログの画素信号をデジタル信号に変換して、デジタルの画素値を得、ＡＤＣ３２が画素ブロック２３ごとに、１の画素２２ａについてのみＡＤ変換を行うことで、低解像度画像Ｇ１１が得られ、 （ｆ）画像読出し部１０は、低解像度画像を第１の信号処理部１０１へ出力するものであり、 （ｇ）第１の信号処理部１０１は、画像読出し部１０から低解像度画像を受け取り、機械学習に基づく被写体（物体)検出により、画像読出し部１０における注目領域の特定（検出）を行い、注目領域を指定する領域指定信号を画像読出し部１０へ出力するものであり、 （ｈ）画像読出し部１０は、第１の信号処理部１０１から、画像読出し部１０における注目領域を指定する領域指定信号を受け取り、当該領域指定信号に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換を行って注目領域画像を第２の信号処理部１０２へ出力し、 （ｉ）第２の信号処理部１０２は、領域指定信号に基づいて画像読出し部１０が出力する注目領域画像に対して認識処理を行い、注目領域画像は、低解像度画像よりも解像度（画像密度）が高く、全ての画素に基づく画像と同等の解像度を有するため、縮小画像を用いて認識処理を行う場合よりも高精度に認識処理を行うことが可能となり、 （ｊ）例えば、第１の信号処理部１０１が人の顔を検出し、顔領域を注目領域として特定していた場合、第２の信号処理部１０２による認識処理は、性別、年齢、表情、感情等の属性を認識する処理であり、 （ｋ）第２の信号処理部１０２は、ＣＮＮ（Convolutional Neural Network）に基づく手法の機械学習により得られる認識器を用いて、認識処理を行うものである、 （ａ）画像処理装置。 ２ 本件発明１について （１）本件発明１と甲１発明との対比 ア 画像判定装置 甲１発明は、「移動中の撮像により得られる画像に写る被写体に関する認識をリアルタイムで行う画像処理装置１」（ａ）であり、この「撮像により得られる画像に写る被写体に関する認識」は、「例えば、・・・人の顔を検出し、・・・性別、年齢、表情、感情等の属性を認識する処理」（ｊ）であるから、撮影した画像を判定する処理といえる。 したがって、本件発明１と甲１発明は、「移動しながら撮影した画像を実時間で判定する画像判定装置」である点で一致する。 イ 画像削減部 本件発明１は、「移動する視点から撮影した時系列順の画像をカメラ装置から入力し、前記画像を縮小して情報量を削減する画像削減部」を有するのに対し、甲１発明はそのような画像削減部を有していない点で両者は相違する。 ウ 第１検出部 甲１発明は、「第１の信号処理部１０１」（ｂ）を備え、「第１の信号処理部１０１は、・・・低解像度画像を受け取り、機械学習に基づく被写体（物体)検出により、・・・注目領域の特定（検出）」（ｇ）を行うものである。 したがって、本件発明１と甲１発明は、「画像から対象物を検出する第１検出部」を有する点で共通する。 しかしながら、該第１検出部が、本件発明１では、「情報量を削減した画像」から対象物を検出するのに対し、甲１発明では、「ＡＤＣ３２が画素ブロック２３ごとに、１の画素２２ａについてのみＡＤ変換を行う」（ｅ）ことで得られた「低解像度画像」（ｅ）（ｇ）から「注目領域の特定（検出）」（ｇ）をする点で両者は相違する。 エ 画像抽出部 甲１発明は、「画像読出し部１０」（ｂ）を備え、「画像読出し部１０は、第１の信号処理部１０１から、画像読出し部１０における注目領域を指定する領域指定信号を受け取り、当該領域指定信号に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換を行って注目領域画像を第２の信号処理部１０２へ出力」（ｈ）するものである。 甲１発明の「領域指定信号に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換」を行った「注目領域画像」、「画像読出し部１０」は、本件発明１の「検出した前記対象物の位置に対応する部分画像」、「画像抽出部」に相当する。 したがって、本件発明１と甲１発明は、「検出した前記対象物の位置に対応する部分画像を画像から得る画像抽出部」を有する点で共通する。 しかしながら、該画像抽出部が、本件発明１では、検出した前記対象物の位置に対応する部分画像を「情報量を削減する前の画像」から得るのに対し、甲１発明では、「・・・注目領域を指定する領域指定信号・・・に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換」（ｈ）を行って注目領域画像を得る点で両者は相違する。 オ 第２検出部 甲１発明は、「第２の信号処理部１０２」（ｂ）を備え、「第２の信号処理部１０２は、・・・注目領域画像に対して認識処理」（ｉ）を行うものであり、「例えば、第１の信号処理部１０１が人の顔を検出し、顔領域を注目領域として特定していた場合、第２の信号処理部１０２による認識処理は、性別、年齢、表情、感情等の属性を認識する処理」（ｊ）であるから、この「第２の信号処理部１０２」は、対象物を分類する処理を行うといえる。 したがって、本件発明１と甲１発明は、「前記部分画像を用いて前記対象物を分類する第２検出部」を有する点で一致する。 カ 学習モデル 甲１発明では、「第１の信号処理部１０１は、画像読出し部１０から低解像度画像を受け取り、機械学習に基づく被写体（物体)検出により、画像読出し部１０における注目領域の特定（検出）」（ｇ）を行うものである。また、「第２の信号処理部１０２は、ＣＮＮ（Convolutional Neural Network）に基づく手法の機械学習により得られる認識器を用いて、認識処理を行うもの」（ｋ）である。 この「第１の信号処理部１０１」における「機械学習に基づく被写体（物体)検出」は、被写体のアノテーションを含む教師データを用いて学習したモデルを用いて被写体（物体)検出を行うものであるのは明らかである。 また、「第２の信号処理部１０２」における「ＣＮＮ（Convolutional Neural Network）に基づく手法の機械学習により得られる認識器」は、上述したように対象物を分類するものであるから、対象物を分類した教師データを用いて学習したモデルを用いて対象物を分類するものであるのは明らかである。 したがって、本件発明１と甲１発明は、「前記第１検出部は、画像に前記対象物のアノテーションを含む教師データを用いて学習した第１学習モデルを用いて前記対象物を検出し、前記第２検出部は、前記対象物を分類した教師データを用いて学習した第２学習モデルを用いて前記対象物を分類する」点で一致する。 キ 一致点、相違点 以上をまとめると、本件発明１と甲１発明には、次の一致点、相違点があると認められる。 [一致点] 移動しながら撮影した画像を実時間で判定する画像判定装置であって、 画像から対象物を検出する第１検出部と、 検出した前記対象物の位置に対応する部分画像を画像から得る画像抽出部と、 前記部分画像を用いて前記対象物を分類する第２検出部を有し、 前記第１検出部は、画像に前記対象物のアノテーションを含む教師データを用いて学習した第１学習モデルを用いて前記対象物を検出し、 前記第２検出部は、前記対象物を分類した教師データを用いて学習した第２学習モデルを用いて前記対象物を分類すること を特徴とする画像判定装置。 [相違点] 本件発明１は、「移動する視点から撮影した時系列順の画像をカメラ装置から入力し、前記画像を縮小して情報量を削減する画像削減部」を有し、「第１検出部」が、「情報量を削減した画像」から対象物を検出し、「画像抽出部」が、検出した前記対象物の位置に対応する部分画像を「情報量を削減する前の画像」から得るのに対し、甲１発明は、そのような画像削減部を有しておらず、「ＡＤＣ３２が画素ブロック２３ごとに、１の画素２２ａについてのみＡＤ変換を行う」（ｅ）ことで得られた「低解像度画像」（ｅ）（ｇ）から「注目領域の特定（検出）」（ｇ）をし、「・・・注目領域を指定する領域指定信号・・・に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換」（ｈ）を行って注目領域画像を得る点。 （２）相違点についての判断 甲１発明は、「画像処理装置１」（ａ）であって、「画像処理装置１は、画像読出し部１０」（ｂ）を備え、「画像読出し部１０は、画素基板１１と回路基板１２」（ｃ）を含み、「画素基板１１は、光電変換を行い、画素信号を出力する複数の画素２２」（ｄ）を有し、「複数の画素２２から出力されるアナログの画素信号をデジタル信号に変換して、デジタルの画素値」（ｅ）を得るものである。 すなわち、甲１発明は、それ自体が画像を撮像してデジタル信号に変換する機能を有するカメラであって、これを外部のカメラ装置から入力した画像を処理する装置に変更する動機はない。外部のカメラ装置から入力した画像を処理する画像処理装置自体は、様々な場面で使用され、よく知られたものではあるが、そのことが甲１発明をそのように変更する動機とはならない。 したがって、仮に、甲１発明において、本件発明１でいう「画像を縮小して情報量を削減する画像削減部」を有するようにすることが考えられたとしても、画像処理装置の内部で画像を縮小する構成が得られるだけであって、その上でさらに、「画像をカメラ装置から入力し、前記画像を縮小して情報量を削減する画像削減部」を有するように変更することまでもが容易に想到し得るということはできない。 また、甲第１号証～甲第３号証及び追加された甲第５号証、甲第６号証の全ての記載を検討しても、本件発明１が、甲１発明に基いて上記相違点を克服して当業者が容易に発明をすることができたものであるということはできない。 ３ 本件発明２～７について （１）本件発明２と甲１発明との対比 ア 画像判定装置 甲１発明は、「移動中の撮像により得られる画像に写る被写体に関する認識をリアルタイムで行う画像処理装置１」（ａ）であり、この「撮像により得られる画像に写る被写体に関する認識」は、「例えば、・・・人の顔を検出し、・・・性別、年齢、表情、感情等の属性を認識する処理」（ｊ）であるから、撮影した画像を判定する処理といえる。 したがって、本件発明２と甲１発明は、「移動しながら撮影した画像を実時間で判定する画像判定装置」である点で一致する。 イ 画像削減部 本件発明２は、「移動する視点から撮影した時系列順の画像を入力し、前記画像を縮小して情報量を削減する画像削減部」を有するのに対し、甲１発明はそのような画像削減部を有していない点で両者は相違する。 ウ 第１検出部 甲１発明は、「第１の信号処理部１０１」（ｂ）を備え、「第１の信号処理部１０１は、・・・低解像度画像を受け取り、機械学習に基づく被写体（物体)検出により、・・・注目領域の特定（検出）」（ｇ）を行うものである。 したがって、本件発明２と甲１発明は、「画像から対象物を検出する第１検出部」を有する点で共通する。 しかしながら、該第１検出部が、本件発明２では、「情報量を削減した画像」から対象物を検出するのに対し、甲１発明では、「ＡＤＣ３２が画素ブロック２３ごとに、１の画素２２ａについてのみＡＤ変換を行う」（ｅ）ことで得られた「低解像度画像」（ｅ）（ｇ）から「注目領域の特定（検出）」（ｇ）をする点で両者は相違する。 エ 対象選択部 本件発明２は、「前記画像内の所定範囲内に対象物が存在しない場合は当該画像に対する処理を終了し、前記画像内の所定範囲内に対象物が存在する場合は、前記時系列順の画像において前記対象物の位置が同一方向に変化する前記対象物を同一の対象物と判定し、同一の前記対象物を１回のみ選択する対象選択部」を有するのに対し、甲１発明はそのような対象選択部を有していない点で両者は相違する。 オ 画像抽出部 甲１発明は、「画像読出し部１０」（ｂ）を備え、「画像読出し部１０は、第１の信号処理部１０１から、画像読出し部１０における注目領域を指定する領域指定信号を受け取り、当該領域指定信号に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換を行って注目領域画像を第２の信号処理部１０２へ出力」（ｈ）するものである。 甲１発明の「領域指定信号に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換」を行った「注目領域画像」、「画像読出し部１０」は、本件発明２の「前記対象物の位置に対応する部分画像」、「画像抽出部」に相当する。 したがって、本件発明２と甲１発明は、「前記対象物の位置に対応する部分画像を画像から得る画像抽出部」を有する点で共通する。 しかしながら、該画像抽出部が、本件発明２では、「前記対象選択部が選択した」前記対象物の位置に対応する部分画像を「情報量を削減する前の画像」から得るのに対し、甲１発明では、「・・・注目領域を指定する領域指定信号・・・に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換」（ｈ）を行って注目領域画像を得る点で両者は相違する。 カ 第２検出部 甲１発明は、「第２の信号処理部１０２」（ｂ）を備え、「第２の信号処理部１０２は、・・・注目領域画像に対して認識処理」（ｉ）を行うものであり、「例えば、第１の信号処理部１０１が人の顔を検出し、顔領域を注目領域として特定していた場合、第２の信号処理部１０２による認識処理は、性別、年齢、表情、感情等の属性を認識する処理」（ｊ）であるから、この「第２の信号処理部１０２」は、対象物を分類する処理を行うといえる。 したがって、本件発明２と甲１発明は、「前記部分画像を用いて前記対象物を分類する第２検出部」を有する点で一致する。 キ 学習モデル 甲１発明では、「第１の信号処理部１０１は、画像読出し部１０から低解像度画像を受け取り、機械学習に基づく被写体（物体)検出により、画像読出し部１０における注目領域の特定（検出）」（ｇ）を行うものである。また、「第２の信号処理部１０２は、ＣＮＮ（Convolutional Neural Network）に基づく手法の機械学習により得られる認識器を用いて、認識処理を行うもの」（ｋ）である。 この「第１の信号処理部１０１」における「機械学習に基づく被写体（物体)検出」は、被写体のアノテーションを含む教師データを用いて学習したモデルを用いて被写体（物体)検出を行うものであるのは明らかである。 また、「第２の信号処理部１０２」における「ＣＮＮ（Convolutional Neural Network）に基づく手法の機械学習により得られる認識器」は、上述したように対象物を分類するものであるから、対象物を分類した教師データを用いて学習したモデルを用いて対象物を分類するものであるのは明らかである。 したがって、本件発明２と甲１発明は、「前記第１検出部は、画像に前記対象物のアノテーションを含む教師データを用いて学習した第１学習モデルを用いて前記対象物を検出し、前記第２検出部は、前記対象物を分類した教師データを用いて学習した第２学習モデルを用いて前記対象物を分類する」点で一致する。 ク 一致点、相違点 以上をまとめると、本件発明２と甲１発明には、次の一致点、相違点があると認められる。 [一致点] 移動しながら撮影した画像を実時間で判定する画像判定装置であって、 画像から対象物を検出する第１検出部と、 前記対象物の位置に対応する部分画像を画像から得る画像抽出部と、 前記部分画像を用いて前記対象物を分類する第２検出部を有し、 前記第１検出部は、画像に前記対象物のアノテーションを含む教師データを用いて学習した第１学習モデルを用いて前記対象物を検出し、 前記第２検出部は、前記対象物を分類した教師データを用いて学習した第２学習モデルを用いて前記対象物を分類すること を特徴とする画像判定装置。 [相違点] 相違点１ 本件発明２は、「移動する視点から撮影した時系列順の画像を入力し、前記画像を縮小して情報量を削減する画像削減部」を有し、「第１検出部」が、「情報量を削減した画像」から対象物を検出し、「画像抽出部」が、前記対象物の位置に対応する部分画像を「情報量を削減する前の画像」から得るのに対し、甲１発明は、そのような画像削減部を有しておらず、「ＡＤＣ３２が画素ブロック２３ごとに、１の画素２２ａについてのみＡＤ変換を行う」（ｅ）ことで得られた「低解像度画像」（ｅ）（ｇ）から「注目領域の特定（検出）」（ｇ）をし、「・・・注目領域を指定する領域指定信号・・・に基づいて指定される画素ブロック２３に含まれる画素に係るＡＤ変換」（ｈ）を行って注目領域画像を得る点。 相違点２ 本件発明２は、「前記画像内の所定範囲内に対象物が存在しない場合は当該画像に対する処理を終了し、前記画像内の所定範囲内に対象物が存在する場合は、前記時系列順の画像において前記対象物の位置が同一方向に変化する前記対象物を同一の対象物と判定し、同一の前記対象物を１回のみ選択する対象選択部」を有し、「画像抽出部」が、「前記対象選択部が選択した前記対象物」の位置に対応する部分画像を得るのに対し、甲１発明は、そのような対象選択部を有していない点。 （２）相違点についての判断 事案に鑑みて相違点２について先に検討する。 甲第４号証（上記下線部を参照）には、車両に設置されたカメラで撮像された画像データに基づいて、例えば走行する車両から標識を認識する場合に、時刻Ｔにおいて遠方立体物を検知し、Ｔ＋ΔＴの時刻に、画像を切り出すようカメラ３に要求を出しておいて、Ｔ＋ΔＴの時刻になったときに、全体画像と該当の部分画像のみを切出した高解像度画像から認識を行う技術、すなわち、動画から同一の対象物を１回のみ選択して選択した対象物の画像を認識する技術が記載されている。 しかしながら、甲第４号証には、本件発明２のような、画像内の所定範囲内に対象物が存在しない場合は当該画像に対する処理を終了し、前記画像内の所定範囲内に対象物が存在する場合は、前記時系列順の画像において前記対象物の位置が同一方向に変化する前記対象物を同一の対象物と判定し、同一の前記対象物を１回のみ選択する技術は記載ないし示唆はされておらず、自明ともいえない。 したがって、甲１発明において、甲第４号証に記載の技術を適用したとしても、本件発明２でいう「前記画像内の所定範囲内に対象物が存在しない場合は当該画像に対する処理を終了し、前記画像内の所定範囲内に対象物が存在する場合は、前記時系列順の画像において前記対象物の位置が同一方向に変化する前記対象物を同一の対象物と判定し、同一の前記対象物を１回のみ選択する対象選択部」を有するようにすることが容易に想到し得るということはできない。 よって、相違点１について検討するまでもなく、本件発明２は、甲１発明及び甲第４号証に記載された技術に基づいて当業者が容易に発明をすることができたということはできない。 また、甲第１号証～甲第４号証及び追加された甲第５号証～甲第８号証の全ての記載を検討しても、本件発明２が、甲１発明に基いて上記相違点を克服して当業者が容易に発明をすることができたものであるということはできない。 さらに、本件発明３～７の請求項３～７の記載は、本件発明２の請求項２の記載を引用するものであって、本件発明３～７は、本件発明２の発明特定事項を全て含むものであるから、少なくとも甲１発明と上記相違点１、２で相違する。 よって、本件発明３～７は、甲１発明に基いて当業者が容易に発明をすることができたものであるということはできない。 ４ 本件発明８、９について 本件発明８、９は、装置の発明である本件発明１の発明のカテゴリーを方法、プログラムとして捉えた発明であり、上記「２ 本件発明１について」に記載したものと同様の対比・判断ができる。 よって、甲第１号証～甲第３号証及び追加された甲第５号証、甲第６号証の全ての記載を検討しても、本件発明８、９が、甲１発明に基いて当業者が容易に発明をすることができたものであるということはできない。 第７ むすび 以上のとおりであるから、特許異議の申立ての理由及び証拠によっては訂正後の本件請求項１～９に係る特許を取り消すことはできない。 また、他に本件請求項１～９に係る特許を取り消す理由を発見しない。 よって、結論のとおり決定する。