[发明专利]用于分配测量数据内特定的感兴趣类别的方法

摘要

用于分配测量数据内特定的感兴趣类别的方法，本发明涉及用于分配测量数据内特定的感兴趣类别的测量和/或度量方法和系统，其中至少一个测量对象到测量数据内的第一感兴趣类别的(基于分类模型的)分配由提供用于训练过程的反馈数据的反馈过程来处理，训练过程为分类模型提供更新信息，其中，训练过程基于机器学习算法，例如，依靠深度学习进行受监督学习和/或无监督学习。

主权项

1.一种用于分配测量数据内的感兴趣类别的测量和/或度量方法，该方法具有以下步骤：·针对至少一个测量对象采集(15)测量数据，尤其是成像数据、多光谱数据、雷达数据、激光雷达数据和点云数据中的至少一个，所述至少一个测量对象至少部分地通过所述测量数据获取，以及·通过分类算法对所述测量数据进行分类(16)，所述分类算法用于基于以下各项提供所述至少一个测量对象到所述测量数据内的第一感兴趣类别的分配：o所述测量数据，以及o至少包括所述第一感兴趣类别的分类模型，其特征在于，所述分配由反馈过程(17)进行处理，所述反馈过程(17)提供包括以下中的至少一个的反馈数据：·用于所述测量对象到所述第一感兴趣类别的所述分配的验证信息，该验证信息尤其是以下中的至少一个：o确认所述分配，o拒绝所述分配，以及o警告，尤其是如果所述分配是错误的或不确定的，·所述测量对象到所述第一感兴趣类别的所述分配的变化信息，该变化信息尤其是以下中的至少一个：o去除所述分配，以及o重新分配到第二感兴趣类别，·新的感兴趣类别的定义，尤其通过以下中的至少一个：o修改现有类别，o将现有类别拆分成至少两个新的类别，以及o将多个现有类别合并成一个新的类别，·用于从所述分类模型中去除感兴趣类别的指令，·要用于所述分类的所述测量数据的第一选择，以及·识别针对进一步处理要忽略的所述测量数据的第二选择，其中，所述反馈数据被提供给训练过程(18)，所述训练过程基于机器学习算法并且提供用于所述分类模型的更新信息。