[发明专利]用于训练用于图像分析的神经网络的设备和方法

权利要求书

1.一种用于训练神经网络（70）的计算机实现的方法，其中神经网络（70）被配置用于图像分析，并且其中训练包括以下步骤：

·由神经网络（70）基于第一变换图像（x_a1）确定第一特征图（f₁），其中基于训练图像（x_i）的第一变换确定第一变换图像（x_a1）；

·由神经网络（70）基于第二变换图像（x_a2）确定第二特征图（f₂），其中基于训练图像（x_i）的第二变换确定第二变换图像（x_a2）；

·确定表征第一特征图（f₁）的第一特征向量与第二特征图（f₂）的第二特征向量的加权和之间的度量的第一损失值，其中根据由第一特征向量表征的训练图像（x_i）部分相对于由相应的第二特征向量表征的训练图像（x_i）部分的重叠来确定加权和的权重；

·基于第一损失值训练神经网络（70）。

2.根据权利要求1所述的方法，其中，第一变换和/或第二变换表征训练图像（x_i）的增强。

3.根据权利要求1或2所述的方法，其中，加权和的权重表征了由第一特征向量表征的训练图像（x_i）部分和由第二特征向量表征的训练图像（x_i）部分的交并比。

4.根据权利要求1至3中任一项所述的方法，其中，如果由第一特征向量表征的训练图像（x_i）部分相对于由相应的第二特征向量表征的训练图像（x_i）部分的重叠之和小于或等于预定义阈值，则将第一损失值设置为零。

5.根据权利要求1至4中任一项所述的方法，其中所述神经网络（70）包括编码器（71）和预测器（72），其中第二特征图（f₂）是用于第二变换图像（x_a2）的编码器（71）的第二输出，并且第一特征图（f₁）是对于用于第一变换图像（x_a1）的编码器（71）的第一输出（o）确定的预测器（72）的输出。

6.根据权利要求1至5中任一项所述的方法，其中所述度量表征余弦相似性。

7.根据权利要求1至6中任一项所述的方法，其中，对于来自第一特征图（f₁）的多个第一特征向量中的每个第一特征向量，确定相应的第一损失值，从而确定多个第一损失值。