[發明專利]生成模擬圖像訓練數據

在審

• 申請號: 202010927129.2
• 申請日: 2020-09-07
• 公開（公告）號: CN112508047A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: G.J.博斯;T.E.阿布爾薩德;R.A.倫達爾;J.E.小摩爾
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/06
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 邸萬奎

生成圖像訓練數據以訓練自主攝影代理以學習給定一組人類用戶的偏好和攝影風格。偏好和/或攝影風格包括但不限于：(i)特定年齡段的人類使用者(例如兒童或成人)；(ii)攝影者的專業性(專業攝影者而不是業余愛好者)；(iii)攝影者的健康狀況；和/或(iv)攝影者的旅行狀態(例如新城市的游客，而不是給定城市的居民)。

技術領域

本發明一般地涉及生成用于人工智能(AI)系統的訓練數據的領域。

背景技術

“訓練數據”或“訓練數據集”的概念是已知的。截至2019年7月22日，Wikipedia關于“訓練、驗證和測試集”的條目說明如下：“在機器學習中，一項常見的任務是研究和構建可從數據中學習并做出預測的算法。這樣的算法通過根據輸入數據建立數學模型來進行數據驅動的預測或決策，從而發揮作用。用于構建最終模型的數據通常來自多個數據集……該模型最初適合訓練數據集，該訓練數據集是用于擬合模型參數(例如，人工神經網絡中神經元之間的連接的權重)的一組示例。使用監督學習方法(例如梯度下降或隨機梯度下降)在訓練數據集上訓練模型(例如神經網絡或樸素貝葉斯分類器)。實踐中，訓練數據集通常由輸入向量(或標量)和相應的輸出向量(或標量)對組成，通常其被表示為目標(或標簽)。當前模型與訓練數據集一起運行，并為訓練數據集中的每個輸入向量生成結果，然后將結果與目標進行比較。”

發明內容

根據本發明的一方面，提供了一種計算機執行的方法、計算機程序產品和/或計算機系統，其執行以下操作(不一定按以下順序)：(i)接收類信息數據集，其包括指示用于一類人的一組個人特征參數值范圍的信息，該個人特征參數值范圍分別對應于多個個人特征參數；(ii)接收攝影圖像數據集，其包括：(a)由人拍攝的多個攝影圖像，以及(b)對于每個給定的攝影圖像，表征拍攝給定的攝影圖像的攝影者的一組個人特征參數值，該組個人特征參數值分別對應于所述多個個人特征參數值；(iii)從所述多個攝影圖像中選擇多個訓練圖像，該選擇基于分別與該攝影圖像相關聯的所述個人特征參數值范圍和所述個人特征參數值；(iv)生成用于控制攝影機器人的仿人機器邏輯，以拍攝仿人攝影圖像，該仿人攝影圖像模仿傾向于由以該個人特征參數值范圍為特征的人類拍攝的照片；(v)用仿人機器邏輯配置攝影機器人；(vi)通過攝影機器人在仿人機器邏輯的控制下拍攝第一仿人攝影圖像。

附圖說明

圖1是根據本發明的系統的第一實施例的框圖；

圖2是示出第一實施例方法的流程圖，該方法至少部分地由第一實施例系統執行；

圖3是示出第一實施例系統的機器邏輯(例如，軟件)部分的框圖；

圖4A是由本發明的第二實施例生成的第一屏幕截圖視圖；

圖4B是由本發明的第二實施例生成的第二屏幕截圖視圖；

圖5A是由本發明的第二實施例生成的第三屏幕截圖視圖；

圖5B是由本發明的第二實施例生成的第四屏幕截圖視圖；

圖6是由本發明的第二實施例生成的第五屏幕截圖視圖；

圖7A是由本發明的第二實施例生成的第七屏幕截圖視圖；以及

圖7B是由本發明的第二實施例生成的第八屏幕截圖視圖。

具體實施方式

本發明的一些實施例涉及生成用于訓練自主攝影代理的圖像訓練數據，以學習給定的一組人類用戶的偏好和攝影風格。偏好和/或攝影風格包括但不限于特定年齡段的人類使用者(例如兒童或成年人)、專業(專業攝影者而非業余愛好者)、健康狀況、和/或旅行狀況(例如出行的旅行者而不是給定城市的居民)。

該具體實施例部分分為以下子部分：(i)硬件和軟件環境；(ii)示例實施例；(iii)進一步的評論和/或實施例；以及(iv)定義。

I.硬件和軟件環境