[發明專利]使用多個實例學習來訓練標志檢測器的方法和系統

有效

• 申請號: 201110335625.X
• 申請日: 2011-09-22
• 公開（公告）號: CN102436587A
• 公開（公告）日: 2012-05-02
• 發明（設計）人: D·劉;S·K·周;P·斯沃博達;D·科馬尼丘;C·鐵真
• 申請（專利權）人: 西門子公司;西門子公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 王岳;盧江

1.一種用于訓練標志檢測器的方法，包括：

接收包含多個訓練袋的訓練數據，該多個訓練袋包括多個正向訓練袋，每個正向訓練袋包括多個正向的經注釋的實例；以及多個負向訓練袋，每個負向訓練袋包括至少一個負向的經注釋的實例；

基于正向訓練袋和負向訓練袋，通過訓練第一弱分類器來初始化分類函數；

使用分類函數評估所有的訓練實例；

對多個剩余弱分類器中的每一個：

基于在每個正向袋中由分類函數評估的每個實例的空間上下文信息，計算成本值梯度；

基于成本值梯度計算與每個弱分類器相關的梯度值；

選擇多個剩余弱分類器中具有最低的相關梯度值的弱分類器；

確定與選定的弱分類器相關的權重參數；以及

將選定的弱分類器加入分類函數中。

2.根據權利要求1所述的方法，還包括：

使用空間上下文信息訓練該多個弱分類器的第二個弱分類器；

迭代地訓練剩余的多個弱分類器直到所有的多個弱分類器都被訓練；以及

輸出分類函數。

3.根據權利要求1所述的方法，其中基于在每個正向袋中由分類函數評估的每個實例的空間上下文信息，計算成本值梯度包括：

基于訓練袋級別上的空間上下文信息來計算成本值梯度。

4.根據權利要求3所述的方法，其中基于訓練袋級別上的空間上下文信息來計算成本值梯度包括：

通過確定每個訓練袋的展開來計算空間上下文信息。

5.根據權利要求4所述的方法，其中確定每個訓練袋的展開包括：

相對各個訓練袋中的多個實例歸一化每個訓練袋的分數。

6.根據權利要求1所述的方法，其中基于在每個正向袋中由分類函數評估的每個實例的空間上下文信息，計算成本值梯度包括：

通過在每個訓練袋上使用秩條件秩選擇濾波器來計算實例級別上的空間上下文信息。

7.根據權利要求3所述的方法，其中基于訓練袋級別上的空間上下文信息來計算成本值梯度包括：

通過確定每個訓練袋的展開來計算訓練袋級別上的空間上下文信息；

通過在每個訓練袋上使用秩條件秩選擇濾波器來計算實例級別上的空間上下文信息；

將在訓練袋級別上計算的空間上下文信息與在實例級別上計算的空間上下文信息相結合。

8.根據權利要求1所述的方法，其中基于在每個正向袋中由分類函數評估的每個實例的空間上下文信息，計算成本值梯度包括：

計算數據項；

計算空間調整項；

使用所述數據項與所述空間調整項來計算成本值梯度。

9.根據權利要求8所述的方法，其中計算數據項包括：

使用平滑最大值函數計算數據項。

10.根據權利要求8所述的方法，其中計算空間調整項包括：

為每個訓練袋計算全變差調整值。

11.根據權利要求10所述的方法，其中為每個訓練袋計算全變差調整值包括：

確定每個訓練袋的分數圖的周長。

12.根據權利要求1所述的方法，其中確定權重參數包括：

執行線性搜索以實現減少與成本值梯度相關的成本函數。

13.根據權利要求1所述的方法，其中使用空間上下文信息訓練多個弱分類器中的第一弱分類器還包括：

執行修剪操作。

14.根據權利要求13所述的方法，其中執行所述修剪操作包括：

使用分類函數計算用于所有負向實例的分數；

對負向實例執行權重微調；以及

包括具有高分數的負向袋以便替換被微調的負向實例。