[發(fā)明專利]用于操作學(xué)習(xí)系統(tǒng)的方法和設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010381572.4
• 申請(qǐng)日: 2020-05-08
• 公開(kāi)（公告）號(hào): CN111914992A
• 公開(kāi)（公告）日: 2020-11-10
• 發(fā)明（設(shè)計(jì)）人: M.坎德米爾;M.豪斯曼
• 申請(qǐng)（專利權(quán)）人: 羅伯特·博世有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08
• 代理公司: 中國(guó)專利代理(香港)有限公司 72001
• 代理人: 畢錚;申屠偉進(jìn)

提供了用于操作學(xué)習(xí)系統(tǒng)的方法和設(shè)備。學(xué)習(xí)系統(tǒng)（100）包括至少一個(gè)處理器和用于可由處理器執(zhí)行的指令的至少一個(gè)存儲(chǔ)器，至少一個(gè)處理器被適配成執(zhí)行指令以用于：從多個(gè)圖像表示中選擇圖像表示（x_n）；確定針對(duì)圖像的至少一個(gè)第一標(biāo)簽的第一表示（y）；在預(yù)測(cè)中確定至少一個(gè)第二標(biāo)簽的第二表示（y_n）；基于圖像表示（x_n）、第一表示（y）和第二表示（y_n）確定第二表示（y_n）的預(yù)測(cè)的不確定性；取決于圖像表示（x_n）和/或第二表示（y_n）確定回報(bào)（R）；以及取決于不確定性和回報(bào)（R）選擇另一圖像的另一表示，其中系統(tǒng)（100）被適配成確定用于基于視頻或基于圖像的系統(tǒng)的至少一個(gè)控制信號(hào)，其中系統(tǒng)（100）被適配成取決于傳感器輸出來(lái)處理圖像。

背景技術(shù)

本發(fā)明涉及用于操作學(xué)習(xí)系統(tǒng)的方法和設(shè)備，特別是用于訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)系統(tǒng)。

在監(jiān)督式學(xué)習(xí)中，用于視頻和/或圖像處理的人工神經(jīng)網(wǎng)絡(luò)通過(guò)使用包括經(jīng)加標(biāo)簽的圖像的訓(xùn)練數(shù)據(jù)來(lái)被訓(xùn)練。創(chuàng)建經(jīng)加標(biāo)簽的圖像的集合來(lái)用于訓(xùn)練是繁重并且昂貴的。因而合期望的是對(duì)針對(duì)訓(xùn)練而言特別有用的圖像進(jìn)行標(biāo)識(shí)和加標(biāo)簽。

在一個(gè)方面中，獲取函數(shù)被用于標(biāo)識(shí)來(lái)自圖像集合的圖像。獲取函數(shù)是確定性函數(shù)，其例如基于在與圖像內(nèi)容（諸如顏色等等）相關(guān)的信息方面所定義的熵或互信息來(lái)選擇圖像。

針對(duì)特定圖像集合的單獨(dú)的獲取函數(shù)的有用性取決于圖像的數(shù)據(jù)。為了使用特別有用的獲取函數(shù)，例如S.Ebert，M.Fritz，B.Schiele的“RALF: A Reinforced ActiveLearning Formulation for Object Class Recognistion”（CVPR, 2012 IEEEConference on Computer Vision and Pattern Recognition（關(guān)于計(jì)算機(jī)視覺(jué)和模式識(shí)別的IEEE會(huì)議）, 3626-3633頁(yè)）公開(kāi)了一種方法，其基于可用啟發(fā)法的集合來(lái)對(duì)策略進(jìn)行學(xué)習(xí)以從預(yù)定的并且確定性的獲取函數(shù)的集合中選擇獲取函數(shù)。

發(fā)明內(nèi)容

學(xué)習(xí)系統(tǒng)的進(jìn)一步的改進(jìn)通過(guò)根據(jù)獨(dú)立權(quán)利要求的計(jì)算機(jī)實(shí)現(xiàn)的方法和學(xué)習(xí)系統(tǒng)來(lái)實(shí)現(xiàn)。

操作學(xué)習(xí)系統(tǒng)的計(jì)算機(jī)實(shí)現(xiàn)的方法包括：特別地通過(guò)引導(dǎo)（guide）來(lái)從多個(gè)圖像表示中選擇圖像表示；特別地通過(guò)預(yù)言（oracle）來(lái)確定針對(duì)圖像的至少一個(gè)第一標(biāo)簽的第一表示；特別地通過(guò)預(yù)測(cè)器（predictor）來(lái)在預(yù)測(cè)中確定至少一個(gè)第二標(biāo)簽的第二表示；特別地通過(guò)預(yù)測(cè)器、基于所述圖像表示、第一表示和第二表示來(lái)確定第二表示的預(yù)測(cè)的不確定性；取決于所述圖像表示和/或第二表示來(lái)確定回報(bào)；以及取決于所述不確定性并取決于所述回報(bào)來(lái)選擇另一圖像的另一表示；確定用于基于視頻或基于圖像的監(jiān)視系統(tǒng)、顧客監(jiān)控系統(tǒng)、安全工程系統(tǒng)、駕駛員輔助系統(tǒng)、多功能舒適系統(tǒng)、在載具控制中具有干預(yù)的安全關(guān)鍵的輔助系統(tǒng)、用于融合駕駛員信息或駕駛員輔助的系統(tǒng)、機(jī)器人系統(tǒng)、家用或花園工作機(jī)器人系統(tǒng)、聯(lián)網(wǎng)或協(xié)作性機(jī)器人系統(tǒng)的至少一個(gè)控制信號(hào)，其中所述控制信號(hào)響應(yīng)于針對(duì)學(xué)習(xí)系統(tǒng)所捕獲的至少一個(gè)圖像的輸入、作為所述系統(tǒng)的輸出來(lái)被確定，其中所述系統(tǒng)被適配成取決于圖像、視頻、雷達(dá)、LiDAR（光探測(cè)和測(cè)距）、超聲或運(yùn)動(dòng)傳感器的傳感器輸出來(lái)處理圖像。因而，在主動(dòng)學(xué)習(xí)設(shè)置中根據(jù)加強(qiáng)反饋來(lái)對(duì)自由形式獲取啟發(fā)法進(jìn)行學(xué)習(xí)，而無(wú)需任何經(jīng)加標(biāo)簽的數(shù)據(jù)集合來(lái)生成回報(bào)。該方法可適用于預(yù)測(cè)器，所述預(yù)測(cè)器報(bào)告其不確定性，例如預(yù)測(cè)方差。這樣，提供了經(jīng)改進(jìn)的自學(xué)習(xí)控制方法。該控制在許多應(yīng)用中、特別是在汽車或器具領(lǐng)域中也是非常有用的。

有利地，所述回報(bào)取決于模型——其特別是針對(duì)預(yù)測(cè)器的——以及模型擬合的第一度量與模型擬合的第二度量的比較來(lái)被確定，其中第一度量取決于在利用所述表示來(lái)訓(xùn)練模型之前所確定的模型的至少一個(gè)第一參數(shù)以及取決于在利用所述表示來(lái)訓(xùn)練模型之后所確定的模型的至少一個(gè)第二參數(shù)來(lái)被確定。這樣，模型擬合的度量（例如邊際似然）用于在利用新圖像訓(xùn)練之前和之后、根據(jù)不確定性來(lái)確定針對(duì)新圖像的回報(bào)。