[发明专利]存在目标数据集时机器学习算法的自动优化

说明书

本发明提供了通过自动地生成训练数据集来使用机器学习技术传递知识的方法、系统和计算机程序产品。基于目标数据集的新训练数据集自动地生成，并且在机器学习技术中用于对图像执行任务。主要益处之一是可以将在一个域中学到的知识传递到提取数据或标记图像成本高或根本不可行的另一个域中。这些方法和系统还提供基于图像目标集的图像训练集，这些图像目标集以更有效的方式扩充数据并且改进训练集的内容和机器学习技术的预测。

相关申请的交叉引用

本申请要求在2019年2月5日提交的题为“AUTOMATIC OPTIMIZATION OF MACHINELEARNING ALGORITHMS IN THE PRESENCE OF TARGET DATASETS”的美国临时申请第62/801,534号的优先权，其全部内容通过引用并入本文。

背景

机器学习技术允许我们训练模型来学习特定任务。为了训练这种模型，需要具有对应的地面实况(ground truth)的训练数据集。在给定域中训练机器学习算法的常用方法是使用来自给定训练数据集中的所有样本训练全局模型，其中，地面实况通常是手动创建或标注的。当任务与图像相关时，由这些模型在新的、看不见的目标图像上获取的输出在与训练集相似的图像一起使用时效果最好，并且在应用于可以与训练集的图像很大程度上不相似的不同和相异的图像时表现出明显的性能下降。一个优点是在训练集中具有更多的图像，使得具有更多相似图像的概率增加。然而，尽管图像采集系统不断地生成越来越多的图像，但是人工标注或识别图像内容标签或提取包含在海量图像中的图像数据是困难的，甚至是不可能的。自动标记或提取图像数据的现有技术尝试已经表现出具有高预测误差的差的性能。因此，需要开发新颖有效的工具来自动训练机器学习算法，以对图像执行不同类型的任务。

附图简述

参考附图阐述详细描述。在附图中，附图标记最左边的数字标识附图标记第一次出现的附图。在不同附图中使用相同的附图标记标识相似或相同的项。

图1是根据本公开的实施例的基于不同土地利用类别(land use classes)生成图像的语义分割(semantic segmentation)的示例方法的流程图。

图2是根据本公开的实施例的基于具有与目标数据集相似的标记训练数据集的目标数据集生成训练集的示例性方法的流程图。

图3展示了根据本公开的实施例的使用包括与目标数据集相似的标记训练数据集的生成的训练集的示例性方法。

图4示出了根据本公开的实施例的基于具有预测为具有高置信度的目标图像块的目标数据集生成训练集的示例性方法的另一流程图。

图5展示了根据本公开的实施例的基于包括与目标数据集相似的标记训练数据集和预测为具有高置信度的目标图像块的目标数据集来生成和使用生成的训练集的示例性方法。

图6展示了根据本公开的实施例的具有光学/捕获系统和控制模块的基于卫星的成像系统，该控制模块生成训练集并且训练机器学习算法以自动识别和分类图像中包含的土地类型。

图7展示了根据本公开的实施例的具有相机和控制模块的UAV系统，该控制模块被配置为生成训练集并且训练机器学习算法，以从航空图像自动地提取数据。

图中的元件是为了简单和清楚而展示出的并且没有按比例绘制。此外，某些动作和/或步骤可以以特定顺序描述或描绘，而本领域技术人员将理解实际上并不需要这种关于顺序的特定性。

详细描述

概述