[發明專利]訓練有監督機器學習的模型的方法和裝置

有效

• 申請號: 201711265502.7
• 申請日: 2017-12-05
• 公開（公告）號: CN107862387B
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 顏沁睿
• 申請（專利權）人: 深圳地平線機器人科技有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/08
• 代理公司: 北京市正見永申律師事務所 11497
• 代理人: 黃小臨;王懷章

1.一種用于訓練有監督機器學習的模型的方法，包括：

通過對資源庫中的一個或多個元件進行組合和渲染來生成多個人造場景，每個人造場景包含目標對象在所述一個或多個時間段內的不同時間點的運動狀態，以及通過對所述多個人造場景中的每個人造場景進行一個或多個投影來生成多個人造圖像，每個人造圖像包含相同的目標對象在一個或多個時間段內的不同時間點的運動狀態；

在生成所述多個人造圖像的過程中同時記錄與所述目標對象在所述一個或多個時間段內的運動有關的標注數據；

基于所述多個人造圖像來生成包括所述運動的多媒體流；

使用所述多媒體流的多個幀的數據作為所述模型的多個輸入數據來執行所述模型中的運算，以獲得與所述運動有關的推導數據；以及

比較所述推導數據和所述標注數據以確定是否調節所述模型的參數。

2.根據權利要求1所述的方法，其中，所述一個或多個投影包括廣角鏡頭投影、標準鏡頭投影、魚眼鏡頭投影和遠攝鏡頭投影中的一個或多個。

3.根據權利要求1所述的方法，其中，所述標注數據包括所述目標對象的類型、所述目標對象的形狀、所述目標對象的尺寸、所述目標對象的距離、所述運動的類型、所述運動的朝向、所述運動的起始點、所述運動的結束點、所述運動的幅度、所述運動的速度、所述運動的加速度、所述目標對象上的關鍵點在所述一個或多個時間段內的各個時間點的位置的集合、所述關鍵點在所述各個時間點的位置的擬合曲線和定義所述關鍵點在所述一個或多個時間段內的運動的軌跡的函數中的一個或多個。

4.根據權利要求1所述的方法，其中，比較所述推導數據和所述標注數據：

確定所述推導數據和所述標注數據是否相同。

5.根據權利要求1所述的方法，其中，比較所述推導數據和所述標注數據：

確定所述推導數據和所述標注數據之間的差異是否超出閾值。

6.一種用于訓練有監督機器學習的模型的裝置，包括：

渲染引擎，被配置為通過對資源庫中的一個或多個元件進行組合和渲染來生成多個人造場景，每個人造場景包含目標對象在所述一個或多個時間段內的不同時間點的運動狀態，以及通過對所述多個人造場景中的每個人造場景進行一個或多個投影來生成多個人造圖像，每個人造圖像包含相同的目標對象在一個或多個時間段內的不同時間點的運動狀態，在生成所述多個人造圖像的過程中記錄與所述目標對象在所述一個或多個時間段內的運動有關的標注數據，并且基于所述多個人造圖像來生成包括所述運動的多媒體流；

運算器，被配置為使用所述多媒體流的多個幀的數據作為所述模型的多個輸入數據來執行所述模型中的運算，以獲得與所述運動有關的推導數據；以及

調節器，被配置為比較所述推導數據和所述標注數據以確定是否調節所述模型的參數。

7.根據權利要求6所述的裝置，其中，所述一個或多個投影包括廣角鏡頭投影、標準鏡頭投影、魚眼鏡頭投影和遠攝鏡頭投影中的一個或多個。

8.根據權利要求6所述的裝置，其中，所述標注數據包括所述目標對象的類型、所述目標對象的形狀、所述目標對象的尺寸、所述目標對象的距離、所述運動的類型、所述運動的朝向、所述運動的起始點、所述運動的結束點、所述運動的幅度、所述運動的速度、所述運動的加速度、所述目標對象上的關鍵點在所述一個或多個時間段內的各個時間點的位置的集合、所述關鍵點在所述各個時間點的位置的擬合曲線和定義所述關鍵點在所述一個或多個時間段內的運動的軌跡的函數中的一個或多個。

9.根據權利要求6所述的裝置，其中，所述調節器被配置為確定所述推導數據和所述標注數據是否相同。

10.根據權利要求6所述的裝置，其中，所述調節器被配置為確定所述推導數據和所述標注數據之間的差異是否超出閾值。