[发明专利]用于训练神经网络的方法和设备

说明书

公开了一种用于训练神经网络的方法和设备，其中所述用于训练神经网络的方法包括：利用描述第一上下文的第一数字训练数据（302）来训练第一子神经网络，其中所述第一子神经网络被设立为自动编码器网络并且包括第一编码器区段（306）和第一解码器区段，并且其中所述第一编码器区段（306）提供所述第一数字训练数据（302）到第一隐空间（308）的映射；在使用借助经训练的第一子神经网络而映射到所述第一隐空间（308）中的第一数字训练数据（302）的情况下训练第一数字数据（402）到所述第一隐空间（308）的第一映射（404），其中所述第一数字数据与第一数字训练数据（302）在语义上关联；利用描述第二上下文的第二数字训练数据（322）来训练第二子神经网络，其中所述第二上下文与所述第一上下文不同，其中所述第二子神经网络被设立为自动编码器网络并且包括第二编码器区段和第二解码器区段（330），并且其中所述第二编码器区段提供所述第二数字训练数据（322）到第二隐空间的映射；在使用借助经训练的第二子神经网络而映射到所述第二隐空间（328）的第二数字训练数据（322）的情况下训练第二数字数据（422）到所述第二隐空间（328）的第二映射（424），其中所述第二数字数据与第二数字训练数据（322）在语义上关联；在使用第三数字训练数据和第三数字数据的情况下训练数字隐数据从第一隐空间（308）到第二隐空间（328）的第三映射（502），其中所述第三数字训练数据包括：描述第一上下文的数字训练数据，和描述第二上下文的数字训练数据，其中所述第三数字数据包括：与描述第一上下文的数字训练数据在语义上关联的数字数据；和与描述第二上下文的数字训练数据在语义上关联的数字数据。

技术领域

不同的实施例一般而言涉及用于训练神经网络的方法和设备。

背景技术

例如使用不同的神经网络，以便基于输入数据和已通过训练神经网络被学习的功能来生成输出数据。所期望的输出数据可以取决于如下上下文，在所述上下文中已生成了所述输入数据。因此可能需要将描述第一上下文的数据变换成描述第二上下文的数据。该上下文例如在识别交通参与者的意图的情况下是有意义的。

在Suwajanakorn等人的“Synthesizing Obama: Learning Lip Sync fromAudio, ACM Transactions on Graphics, 第36卷, No. 4, 2017”中描述了一种借助神经网络来变换视频数据的方法。

发明内容

具有独立权利要求1（第一示例）和权利要求9（第三十二示例）的特征的方法和设备实现了：训练一种神经网络，以便将数字数据从第一上下文变换到第二上下文。

数字数据的上下文、例如第一数字训练数据和第二数字训练数据的上下文可以在如下方面不同：在哪个上下文中生成了所述数字数据，也即在怎样的相互关系中或在哪些边缘条件下生成了所述数字数据，和/或在数字数据的怎样的固有的上下文中生成了所述数字数据，例如通过数字数据描述怎样的环境。在不同的实施方式中，可以在领土上（territorial）区分上下文，即第一上下文和第二上下文。例如，所述上下文可以关于城区、地区、国家等方面是不同的。所述上下文可以关于语言方面来区分和/或可以关于与语言和/或地区/国家相关联的表情和手势方面来区分。所述上下文可以在文化上不同，即所述上下文可以例如在领土上、在语言、表情、手势等方面来区分。根据一种示例，所述数字数据是数字图像数据并且所述上下文可以在领土上区分，其方式为：已在不同国家中生成了所述数字数据；和/或所述上下文可以在固有方面来区分，其方式为：所述数字图像在关于由人所述说的文本的表情和手势方面来区分（也即所述数字图像数据还关于与语言有关的面部运动方面来区分）。