[发明专利]借助于联合稀疏表示的零样本机器视觉系统

权利要求书

1.一种用于对象识别的系统，所述系统包括：

一个或更多个处理器以及非暂时性计算机可读介质，在所述非暂时性计算机可读介质上编码有可执行指令，以使当执行所述可执行指令时，所述一个或更多个处理器执行以下操作：

使用训练图像集来学习将来自已知图像的视觉特征映射至语义属性的模型，其中，所学到的模型是提供视觉特征的稀疏表示和语义属性的稀疏表示的联合稀疏表示的联合稀疏词典模型，其中，所述联合稀疏词典模型强制所述视觉特征的稀疏表示和所述语义属性的稀疏表示是相同的；

使用所学到的模型将未见过的输入图像的视觉特征映射至语义属性；

利用类标签将所述未见过的输入图像分类为属于图像类；以及

基于所述类标签来控制装置。

2.根据权利要求1所述的系统，其中，所述装置是运载工具组件，并且其中，所述一个或更多个处理器还执行控制所述运载工具组件以使得执行运载工具操作的操作，其中，所述运载工具操作是制动和转弯中的至少一者。

3.根据权利要求1所述的系统，其中，所述一个或更多个处理器还执行生成训练图像集的操作，所述训练图像集包括来自多个图像类的对象的图像，其中，所述训练图像集中的各个图像已经注释有类标签和语义属性。

4.根据权利要求1所述的系统，其中，卷积神经网络CNN从已知图像中提取视觉特征。

5.根据权利要求1所述的系统，其中，所述一个或更多个处理器还执行以下操作：

从所述未见过的输入图像中提取视觉特征；

针对各个提取图像特征，确定所述未见过的输入图像的稀疏表示；并且

使用所述未见过的输入图像的所述稀疏表示来确定至少一个图像属性；以及

通过将所述至少一个图像属性映射至标签空间来确定所述未见过的输入图像的所述类标签。

6.根据权利要求5所述的系统，其中，求解Lasso问题，以确定所述未见过的输入图像的所述稀疏表示。

7.根据权利要求1所述的系统，其中，所述系统是零样本学习机器视觉系统。

8.一种用于对象识别的计算机实现的方法，所述方法包括以下动作：

使一个或更多个处理器执行被编码在非暂时性计算机可读介质上的指令，使得在执行所述指令时，所述一个或更多个处理器执行以下操作：

使用训练图像集来学习将来自已知图像的视觉特征映射至语义属性的模型，其中，所学到的模型是提供视觉特征的稀疏表示和语义属性的稀疏表示的联合稀疏表示的联合稀疏词典模型，其中，所述联合稀疏词典模型强制所述视觉特征的稀疏表示和所述语义属性的稀疏表示是相同的；

使用所学到的模型将未见过的输入图像的视觉特征映射至语义属性；

利用类标签将所述未见过的输入图像分类为属于图像类；以及

基于所述类标签来控制装置。

9.根据权利要求8所述的方法，其中，所述一个或更多个处理器还执行生成训练图像集的操作，所述训练图像集包括来自多个图像类的对象的图像，其中，所述训练图像集中的各个图像已经注释有类标签和语义属性。

10.根据权利要求8所述的方法，其中，卷积神经网络CNN从已知图像中提取视觉特征。

11.根据权利要求8所述的方法，其中，所述一个或更多个处理器还执行以下操作：

从所述未见过的输入图像中提取视觉特征；

针对各个提取图像特征，确定所述未见过的输入图像的稀疏表示；并且

使用所述未见过的输入图像的所述稀疏表示来确定至少一个图像属性；以及

通过将所述至少一个图像属性映射至标签空间来确定所述未见过的输入图像的所述类标签。

12.根据权利要求11所述的方法，其中，求解Lasso问题，以确定所述未见过的输入图像的所述稀疏表示。