[发明专利]用于评价图像分类器的方法和装置

说明书

用于评价图像分类器（60）的计算机实现的方法，其中所述图像分类器（60）的分类器输出（y）被用于操控至少部分自主的机器人（100、220），其中用于评价的方法包括以下步骤：•确定（300）第一数据组，其中所述第一数据组包含图像数据，其中注释被分派给图像，其中所述注释包含关于在相应的图像中映射的场景和/或关于要分类的图像区域和/或关于所述机器人（100、220）的运动信息的信息；·基于所述注释确定（301）所述场景的通过所述机器人（100、220）可到达的区域（212）；•确定（302）针对由所述图像分类器要分类的图像区域的相关性值；•借助于所述图像分类器对第一图像数据组的图像数据进行分类（303）；•基于通过所述图像分类器（60）正确分类的图像区域和错误分类的图像区域以及对应的图像区域的所计算的相关性值来对所述图像分类器进行评价（304）。

技术领域

本发明涉及用于评价图像分类器的方法、用于训练图像分类器的方法、用于运行图像分类器的方法、训练装置、计算机程序、操控系统以及机器可读存储介质。

背景技术

Reachability Analysis and its Application to the Safety Assessmentof Auto- nomous Cars（Matthias Althoff, 论文，慕尼黑工业大学，2010）公开了一种用于确定自主车辆的可达范围的方法。

发明优点

图像分类器是用于运行至少部分自主的和/或移动的机器人的关键技术。已经表明，从数据中学习的图像分类器、尤其是神经网络目前提供最好的分类性能。

然而，因为图像分类器如何达到其分类通常并非是明显的，所以这些基于机器学习的图像分类器的研究变得困难。尤其是在安全关键应用的情况下，这使得难以安全地确定这种特性，即包含基于机器学习的图像分类器的产品在其环境中是否安全地起作用。

具有根据独立权利要求1的特征的方法的优点在于深入了解图像分类器的作用方式。尤其是，该方法使得能够确定图像的在安全角度下相关的元素，图像分类器应该识别所述元素。这允许深入了解分类器的分类的精度。相反，可以使用该方法，以便能够确定基于图像分类器的输出进行其导航的移动机器人是否足够安全，以便能够运行所述移动机器人。

发明内容

在第一方面中，本发明论述一种用于评价图像分类器的计算机实现的方法，其中所述图像分类器（60）的分类器输出被提供用于操控至少部分自主的机器人（100、220），其中用于评价的方法包括以下步骤：

•确定（300）第一数据组，其中所述第一数据组包含图像，其中注释被分派给图像，其中所述注释包含关于在相应的图像中映射的场景和/或关于要分类的图像区域和/或关于所述机器人（100、220）的运动信息的信息；

•基于所述注释确定（301）所述场景的通过所述机器人（100、220）可到达的区域（212）；

•确定（302）针对由所述图像分类器要分类的图像区域的相关性值；

•借助于所述图像分类器对第一图像数据组的图像数据进行分类（303）；

•基于通过所述图像分类器（60）正确分类的图像区域和错误分类的图像区域以及对应的图像区域的所计算的相关性值来对所述图像分类器进行评价（304）。

图像分类器可以被理解为一种装置，所述装置如下被表现为使得所述装置可以接受图像（也为图像数据），并且可以产生表征图像数据或其部分的分类输出。例如，可以使用图像分类器来确定：对象位于输入图像的哪些部分中。在如例如自主车辆之类的移动机器人的情况下，可以使用图像分类器，使得所述图像分类器探测其他道路用户。然后可以使用对应的分类器输出来操控机器人。例如，可以借助于分类器输出确定轨迹，机器人在所述轨迹上无碰撞地移动穿过其周围环境。也即优选地图像数据显示机器人的环境。