[发明专利]用于确定探测到的对象的信任值的方法

权利要求书

1.一种用于确定借助经训练的神经元网络在输入图像中探测到的一个类别的对象的信任值的方法，所述方法具有以下步骤：

借助所述神经元网络的一个层的多个输出图像为所探测到的对象的所述类别创建(S1)激活签名，其中，将所述输入图像提供给所述神经元网络的输入端；

将所述激活签名缩放(S2)到所述输入图像的大小；

将缩放后的激活签名的对象部分与所述神经元网络的训练数据组的相同类别的所有对象的激活签名分布进行比较(S3)，以确定所述信任值。

2.根据权利要求1所述的方法，其中，缩放后的激活签名的所述对象部分包括所述输入图像的一部分，在该部分中至少探测到同一类别的对象的部分。

3.根据以上权利要求中任一项所述的方法，其中，缩放后的激活签名的所述对象部分包括所述输入图像的矩形部分，所述矩形部分围绕一个类别的探测到的对象构造出。

4.根据以上权利要求中任一项所述的方法，其中，借助以下步骤来确定所探测到的一个类别的对象的激活签名：

借助梯度法来计算所述神经元网络的所述层的所述多个输出图像中的每个单个输出图像对于所探测到的对象的分类的重要性；

将每个输出图像以其各自的重要性加权；

将加权后的所述多个输出图像组合；

将激活函数应用到组合的多个加权输出图像上，以放大对所述分类有积极影响的特征，以便确定所述激活签名。

5.根据以上权利要求中任一项所述的方法，其中，借助以下步骤来确定所探测到的一个类别的对象的所述激活签名：

通过确定所述神经元网络的类别输出值在所述多个输出图像的输出图像上的梯度，计算所述神经元网络的一个层的所述多个输出图像中的每个单个输出图像对于所探测到的对象的分类的重要性；

关于各个输出图像的所有像素对所述类别输出值的所述梯度求平均，以确定所述神经元网络的所述层的所述多个输出图像中的每个单个输出图像的重要性；

对每个输出图像以其各自的重要性加权；

对加权后输出图像的在所述加权后的输出图像中布置在相应位置上的所有像素值求和；和

通过将求和后的像素值的所有负值置零，将对所述分类有积极影响的求和后的像素值放大，以便确定激活签名。

6.一种用于确定在训练数据组的多个输入图像中所探测到的对象的类别的激活签名分布的方法，所述训练数据组具有各个输入图像中的对象的所属的类别，所述方法具有以下步骤：

根据权利要求4或5针对所述多个输入图像中的探测到的一个类别的所有对象计算多个激活签名；

将每个激活签名缩放到所述输入图像的大小；

将在所述缩放后的激活签名中探测到的对象的每个对象部分缩放到统一的大小；

借助所述训练数据组的探测到的同一类别的所有对象，针对缩放后的激活签名的缩放后的对象部分的每个像素计算概率分布，其中，为缩放后的激活签名的每个像素确定平均值和方差，以确定所述激活签名分布。

7.根据以上权利要求中任一项所述的方法，其中，将缩放后的激活签名的所述对象部分的每个像素与所述激活签名分布的每个相应的像素进行比较，以便确定所述对象部分的像素来自于所述激活签名分布的同一像素的分布的概率；并且针对所述对象部分的所有像素计算所述概率的平均值，以确定所述信任值。

8.根据以上权利要求中任一项所述的方法，其中，借助缩放后的激活签名的所述对象部分与探测到的对象的类别的所述激活签名分布相比的对数似然函数，确定用于确定所述信任值的所述比较。

9.根据以上权利要求中任一项所述的方法，其中，如果所述信任值小于所述信任值的阈值，则生成信号，其中，所述阈值已借助训练数据或测试数据求取。

10.根据以上权利要求中任一项所述的方法，其中，将所述信任值作为加权因子提供给情况分析方法。