[发明专利]对于标注训练数据具有较少要求的图像分类器在审
申请号: | 202210891150.0 | 申请日: | 2022-07-27 |
公开(公告)号: | CN115690480A | 公开(公告)日: | 2023-02-03 |
发明(设计)人: | P·萨兰里缇柴;A·M·穆诺兹德尔加多;C·K·穆马蒂;C·布莱约塔;V·费舍尔 | 申请(专利权)人: | 罗伯特·博世有限公司 |
主分类号: | G06V10/764 | 分类号: | G06V10/764;G06V10/82;G06V10/774;G06V20/58 |
代理公司: | 中国专利代理(香港)有限公司 72001 | 代理人: | 刘艺诗;刘春元 |
地址: | 德国斯*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 对于 标注 训练 数据 具有 较少 要求 图像 分类 | ||
1.一种用于训练或预训练图像分类器(1)的方法(100),所述图像分类器(1)用于相对于对象值o和属性值a的组合y=(a,o)对输入图像x进行分类,所述图像分类器(1)包括:
·编码器网络(2),其被配置为将输入图像x映射到表示Z,其中该表示Z包括多个独立分量z1,…,zK;
·对象分类头网络(3),其被配置为将输入图像x的表示分量z1,…,zK映射到一个或多个对象值o;
·属性分类头网络(4),其被配置为将输入图像x的表示分量z1,…,zK映射到一个或多个属性值a;和
·关联单元(5),其被配置为向每个分类头网络(3,4)提供输入图像x的与相应分类头网络(3,4)的分类任务相关的那些表示分量z1,…,zK的线性组合zo、za;
所述方法包括以下步骤:
·为表示Z的每个分量z1,…,zK提供(110)因子分类头网络(6-9),所述因子分类头网络(6-9)被配置为将相应分量z1,…,zK映射到图像x的预定基本因子f1,…,fK;
·提供(120)因子训练图像(10),所述因子训练图像(10)利用相对于由分量z1,…,zK表示的基本因子f1,…,fK的基准真值y1*,…,yK*标注;
·由编码器网络(2)和因子分类头网络(6-9)将因子训练图像(10)映射(130)到基本因子f1,…,fK的值y1,…,yK;
·借助于第一预定损失函数(11)对基本因子f1,…,fK的如此确定的值y1,…,yK与基准真值y1*,…,yK*的偏差进行评级(140);和
·朝着如下目标优化(150)表征编码器网络(2)的行为的参数(2a)和表征因子分类头网络(6-9)的行为的参数(6a-9a):当处理另外的因子训练图像(10)时,第一损失函数(11)的评级(11a)可能改进。
2.根据权利要求1所述的方法(100),其中提供(120)因子训练图像(10)包括:
·对至少一个给定的起始图像应用(121)影响至少一个基本因子f1,…,fK的图像处理,从而产生因子训练图像(10);和
·基于所应用的图像处理,确定(122)相对于基本因子f1,…,fK的基准真值y1*,…,yK*。
3.根据权利要求1和2中任一项所述的方法(100),其中,在每个因子训练图像(10)中,每个基本因子f1,…,fK取特定值,并且因子训练图像(10)集包括用于基本因子f1,…,fK的值的每个组合的至少一个因子训练图像(10)。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于罗伯特·博世有限公司,未经罗伯特·博世有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210891150.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:薄膜及止水带
- 下一篇:用一个或多个单词注释医学成像数据的一部分的方法和装置
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置