[发明专利]用于域转换的生成器的训练

权利要求书

1.一种用于训练生成器（1）的方法（100），所述生成器被构造用于，根据属于域A的学习数据集（11a）的第一集合和属于域B的学习数据集（11b）的第二集合来将具有测量数据的数据集（11）从第一个域A转换到第二个域B，其中所述生成器（1）的行为通过能适配的参数（12）来表征并且其中所述参数（12）被逐渐适配（110、120），以便对预给定的成本函数（13）的值进行优化，其中所述成本函数（13）包含可信度贡献（13a），所述可信度贡献是用于如下的度量，以何种程度：

• 在属于所述域A的至少一个学习数据集（11a）中体现的至少一个特性（14a）在将所述学习数据集（11a）转换到所述域B的情况下保持不变；和/或

• 在属于所述域A的至少一个学习数据集（11a）中体现的至少一个特性（14b）在转换到所述域B之后类似于属于所述域B的至少一个学习数据集（11b）的与之对应的特性（14b）。

2.根据权利要求1所述的方法（100），其中所述成本函数（13）附加地包含至少一个循环论证贡献（13b），所述循环论证贡献为此是用于如下的度量：属于所述域A的至少一个学习数据集（11a）在利用所述生成器（1）从所述域A转换到所述域B之后并且在接下来从所述域B转换回所述域A之后以何种程度被一致地再现。

3.根据权利要求1至2之一所述的方法（100），其中响应于所述成本函数（13）的所述可信度贡献（13a）的曲线走向和/或值满足（130）预给定的标准（13c）地，所述生成器（1）的训练利用如下成本函数（13’）来继续进行（140），在所述成本函数（13’）中，所述可信度贡献（13a）被更小地加权或移除。

4.根据权利要求1至3之一所述的方法（100），其中所述域A和所述域B在至少一个物理条件和/或模拟边界条件方面区分，其中对于所述域A和所述域B的所属的所述学习数据集（11a、11b）分别已在所述物理条件下和/或所述模拟边界条件下所检测。

5.根据权利要求4所述的方法（100），其中选择（105）如下物理特性来作为在将学习数据集（11a）从所述域A转换到所述域B的情况下应保持不变的特性（14a）：在所述域A和B之间的在模拟边界条件和/或物理条件方面的区别并不影响到所述物理特性或仅以直至预给定的最大度量来影响到所述物理特性。

6.根据权利要求1至5之一所述的方法（100），其中所述学习数据集（11a、11b）分别包括至少一个物理上能观察的测量参量的在二维或三维的空间区域中所检测的分布。

7.根据权利要求6所述的方法（100），其中在其处已检测到物理上能观察的测量参量的至少一个位置到至少一个物理对象的所属性被选择（106）作为在将学习数据集（11a）从所述域A转换到所述域B的情况下应保持不变的特性（14a）。

8.根据权利要求7所述的方法（100），其中所述成本函数（13）的可信度贡献（13a）取决于如下位置的数目和/或维度，所述位置到至少一个物理对象的分配在学习数据集（11a）从所述域A转换到所述域B的情况下改变。

9.根据权利要求7至8之一所述的方法（100），其中将如下物理对象划分成多个类别，其中给这些物理对象分配位置，并且其中所述成本函数（13）的所述可信度贡献（13a）取决于，在所述域A中的至少一个位置被分配给哪个类别的对象并且该分配在转换到域B的情况下变换到哪个类别。

10.根据权利要求6至9之一所述的方法（100），其中所述成本函数（13）的所述可信度贡献（13a）包含：经二维或三维的空间区域的、针对在学习数据集（11a）从所述域A转换到所述域B的情况下应保持不变的特性（14a）的改变的度量的按数值的总和或平方总和。