[發(fā)明專利]通過(guò)判別式模型檢測(cè)目標(biāo)對(duì)象的方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011120109.0
• 申請(qǐng)日: 2020-10-19
• 公開(kāi)（公告）號(hào): CN112232226A
• 公開(kāi)（公告）日: 2021-01-15
• 發(fā)明（設(shè)計(jì)）人: 李伍茲;莫睿思;王寶鋒
• 申請(qǐng)（專利權(quán)）人: 戴姆勒股份公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 北京永新同創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司 11376
• 代理人: 慕弦

1.一種通過(guò)判別式模型檢測(cè)目標(biāo)對(duì)象的方法，所述方法包括以下步驟：

S1：通過(guò)數(shù)據(jù)獲取模塊獲取目標(biāo)對(duì)象的原始數(shù)據(jù)樣本；

S2：通過(guò)判別式模型基于原始數(shù)據(jù)樣本對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)；

S3：基于生成式模型對(duì)所述判別式模型進(jìn)行增強(qiáng)，其中，按照如下方式進(jìn)行所述增強(qiáng)：

S31：借助原始數(shù)據(jù)樣本對(duì)判別式模型進(jìn)行初步訓(xùn)練；

S32：基于所述判別式模型的初步訓(xùn)練結(jié)果對(duì)原始數(shù)據(jù)樣本進(jìn)行缺陷分析，以獲得缺陷場(chǎng)景數(shù)據(jù)列表；

S33：借助缺陷場(chǎng)景數(shù)據(jù)列表訓(xùn)練生成式模型，以通過(guò)生成式模型定向地生成缺陷場(chǎng)景數(shù)據(jù)；

S34：至少基于所述缺陷場(chǎng)景數(shù)據(jù)對(duì)判別式模型進(jìn)行再訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述步驟S31包括：根據(jù)所述判別式模型的判別任務(wù)定義相應(yīng)的評(píng)價(jià)指標(biāo)，以便對(duì)判別式模型的初步訓(xùn)練結(jié)果進(jìn)行評(píng)價(jià)。

3.根據(jù)權(quán)利要求1或2所述的方法，其中，所述步驟S32包括：

在數(shù)據(jù)分布特性方面對(duì)原始數(shù)據(jù)樣本進(jìn)行分析；和/或

在判別式模型的性能表現(xiàn)方面對(duì)原始數(shù)據(jù)樣本進(jìn)行分析。

4.根據(jù)以上權(quán)利要求中任一項(xiàng)所述的方法，其中，所述缺陷場(chǎng)景數(shù)據(jù)列表包括：小概率場(chǎng)景列表和/或失效場(chǎng)景列表，其中，所述小概率場(chǎng)景表示在原始數(shù)據(jù)樣本中的數(shù)量份額低于確定閾值的數(shù)據(jù)類別，其中，所述失效場(chǎng)景表示所述判別式模型針對(duì)其存在性能缺陷的數(shù)據(jù)類別。

5.根據(jù)權(quán)利要求4所述的方法，其中，所述步驟S32包括：

采用諸如聚類分析、主成分分析的無(wú)監(jiān)督學(xué)習(xí)算法對(duì)原始數(shù)據(jù)樣本進(jìn)行降維和聚類，以便找出原始數(shù)據(jù)樣本中分布較小的簇作為小概率場(chǎng)景；和/或

對(duì)判別式模型的初步訓(xùn)練結(jié)果進(jìn)行分類，以便找出判別式模型針對(duì)其存在性能缺陷的數(shù)據(jù)類別作為失效場(chǎng)景。

6.根據(jù)權(quán)利要求4或5所述的方法，其中，在基于圖像的人物檢測(cè)方面，所述小概率場(chǎng)景和/或失效場(chǎng)景包括：奇怪的人物姿勢(shì)、奇怪的人物著裝、大面積人物遮擋和/或人物圖像模糊。

7.根據(jù)以上權(quán)利要求中任一項(xiàng)所述的方法，其中，所述步驟S33包括：

獲得所述缺陷場(chǎng)景數(shù)據(jù)列表對(duì)應(yīng)的模型控制條件(x_c，x_a)；以及

借助所述生成式模型在各個(gè)模型控制條件(x_c，x_a)之間解耦地生成所述缺陷場(chǎng)景數(shù)據(jù)。

8.根據(jù)以上權(quán)利要求中任一項(xiàng)所述的方法，其中，所述步驟S34包括：

將定向生成的缺陷場(chǎng)景數(shù)據(jù)與原始數(shù)據(jù)樣本合并，以及借助合并后的數(shù)據(jù)樣本對(duì)判別式模型重新進(jìn)行訓(xùn)練；和/或

直接借助定向生成的缺陷場(chǎng)景數(shù)據(jù)對(duì)經(jīng)初步訓(xùn)練的判別式模型繼續(xù)進(jìn)行訓(xùn)練。

9.一種基于生成式模型對(duì)判別式模型進(jìn)行增強(qiáng)的系統(tǒng)(1)，所述系統(tǒng)包括：

數(shù)據(jù)獲取模塊(10)，其配置成能夠獲取目標(biāo)對(duì)象的原始數(shù)據(jù)樣本；

判別式模型訓(xùn)練模塊(20)，其配置成能夠借助原始數(shù)據(jù)樣本對(duì)判別式模型進(jìn)行初步訓(xùn)練；

缺陷分析模塊(30)，其配置成能夠基于所述判別式模型的初步訓(xùn)練結(jié)果對(duì)原始數(shù)據(jù)樣本進(jìn)行缺陷分析，以獲得缺陷場(chǎng)景數(shù)據(jù)列表；以及

生成式模型訓(xùn)練模塊(40)，其配置成能夠借助缺陷場(chǎng)景數(shù)據(jù)列表訓(xùn)練生成式模型，以通過(guò)生成式模型定向地生成缺陷場(chǎng)景數(shù)據(jù)；

其中，所述判別式模型訓(xùn)練模塊還配置成能夠至少基于所述缺陷場(chǎng)景數(shù)據(jù)對(duì)判別式模型進(jìn)行再訓(xùn)練。

10.一種機(jī)器可讀程序載體，在其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序用于當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)執(zhí)行根據(jù)權(quán)利要求1至8中任一項(xiàng)所述的方法。