[發明專利]自適應增強的機器學習

在審

• 申請號: 201680080767.7
• 申請日: 2016-02-02
• 公開（公告）號: CN108701238A
• 公開（公告）日: 2018-10-23
• 發明（設計）人: 尚楚博
• 申請（專利權）人: 諾基亞技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 酆迅;程延霞

一種裝置包括存儲器和至少一個處理核，存儲器被配置為存儲要被機器識別的數據(710)，至少一個處理核被配置為使用該數據運行自適應增強機器學習算法，其中多個學習算法被應用，其中特征空間被劃分為區間，其中失真函數被應用于特征空間的特征(720)，并且其中失真函數的一階導數不是常數(730)。

技術領域

本發明涉及自適應增強的“AdaBoost”類型的機器學習算法。

背景技術

機器學習和機器識別發現了若干應用，例如機場的自動護照控制，其中人臉的數字圖像可以與存儲在護照中的表征人臉的生物信息進行比較。

機器識別的另一個示例是手寫或打印的文檔文本識別，以例如呈現可搜索的書籍內容。另一個示例是行人識別，其中最終自動駕駛汽車由此能夠意識到行人在前方并且汽車可以避免撞到行人。

除了視覺識別之外，口語可以是機器識別的主題。當口語被識別出時，可以隨后將其輸入到解析器以向數字個人助理提供命令，或者可以將其提供給機器翻譯程序，從而獲得與口語相對應的另一種語言的文本。

機器識別技術采用為此目的而設計的算法。例如，神經網絡可以被用于實現機器視覺應用。眾所周知的機器視覺算法是Viola-Jones對象檢測框架。機器識別算法可以包括處理功能，在識別圖像時，這樣的處理功能可以包括例如過濾(諸如形態過濾)、閾值處理、邊緣檢測、模式識別和對象尺寸測量。

自適應增強或AdaBoost是一種通用框架，其中幾種類型的學習算法被一起使用，以改善整個AdaBoost算法的性能。在將它們用作AdaBoost的子算法的上下文中，這種學習算法可以被稱為弱分類器。

發明內容

本發明由獨立權利要求的特征限定。一些具體實施例在從屬權利要求中被限定。

根據本發明的第一方面，提供了一種裝置，包括：存儲器，被配置為存儲要被機器識別的數據；至少一個處理核，被配置為使用該數據運行自適應增強機器學習算法，其中多個學習算法被應用，其中特征空間被劃分為區間，其中失真函數被應用于特征空間的特征，并且其中失真函數的一階導數不是常數。

第一方面的各種實施例包括來自以下項目符號列表中的至少一個特征：

·每個學習算法在不同的區間上操作

·至少一個處理核被配置為將特征空間進行劃分，使得區間的至少一個子集的大小均勻

·至少一個處理核被配置為將特征空間進行劃分，使得所有區間的大小均勻

·至少一個處理核被配置為將特征空間進行劃分，使得任何兩個區間之間沒有重疊

·至少一個處理核被配置為在將失真函數應用于特征之后將特征空間劃分為區間

·在自適應增強機器學習算法中，每個區間被獨立地處理

·至少一個處理核被配置為將特征空間劃分為256個區間

·至少一個處理核被配置為在自適應增強機器學習算法中確定學習算法之一作為每次迭代中的最優分類器

·至少一個處理核被配置為在自適應增強機器學習算法中確定最終輸出作為多個學習算法中的每個學習算法的輸出的加權和

·失真函數的類型為

·自適應增強機器學習算法包括訓練階段

·該裝置被配置為將自適應增強機器學習算法應用于以下中的至少一個的識別：口語對話、人臉、行人、文本和文檔