[發明專利]借助于初始標記的改善生成經標記的數據的方法

在審

• 申請號: 202011524102.5
• 申請日: 2020-12-22
• 公開（公告）號: CN113095351A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: A·費耶拉本德;A·布隆澤夫斯基;C·哈斯-舒茨;E·潘塞拉;H·赫特林;J·鄭;J·利特克;M·高爾;R·斯大爾;S·克里希納穆里
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 劉晗曦;劉春元

1.用于生成針對數據集（D）的標記（L）的方法（100），所述方法包括：

提供（110）未標記的數據集（D），所述數據集包括多個未標記的數據；

針對所述未標記的數據集的數據生成（120）初始標記（L1）；

提供（130）所述初始標記（L1）作為第n個標記（Ln），其中n=1；

執行（140）迭代過程，其中針對n=1、2、3、...N其中的每個而言，所述迭代過程的第n個迭代包括如下步驟：

利用經標記的數據集（D_Ln）來訓練（141n）模型（M）以作為第n個經訓練的模型（Mn），其中通過所述未標記的數據集（D）的數據與第n個標記（Ln）的組合來給出所述經標記的數據集（D_Ln）；

在使用所述第n個經訓練的模型（Mn）的情況下針對所述未標記的數據集（D）的未標記的數據來預測（142n）第n個經預測的標記（Ln’）；

根據至少包括所述第n個經預測的標記（Ln’）的標記集合來確定（143n）第（n+1）個標記（Ln+1）。

2.根據權利要求1所述的方法（100），其中所述標記集合包括所述第n個標記（Ln）。

3.根據上述權利要求其中至少一項所述的方法，其中只要是尚未滿足品質標準和/或中止標準，所述迭代過程的步驟（141n、142n、143n）就被重復地執行。

4.根據上述權利要求其中至少一項所述的方法（100），其中確定（143n）第（n+1）個標記（Ln+1）包括：確定最佳標記。

5.根據上述權利要求其中至少一項所述的方法（100），其中手動地或者通過模式識別算法來針對未標記的數據生成（120）所述初始標記（L1）。

6.根據上述權利要求其中至少一項所述的方法（100），其中所述標記集合包括所述初始標記（L1）。

7.根據上述權利要求其中至少一項所述的方法（100），其中所述方法還包括：在所述模型（M）的訓練之前丟棄未標記的數據集（D）的數據。

8.根據上述權利要求其中至少一項所述的方法（100），其中確定第（n+1）個標記（Ln+1）包括：根據所述標記集合來計算標記的尤其是經加權的平均值。

9.根據上述權利要求其中至少一項所述的方法（100），其中所述方法（100）進一步包括：確定用于訓練所述模型（M）的權重（G）和/或使用權重（G）以用于訓練所述模型（M）。

10.根據上述權利要求其中至少一項所述的方法（100），其中在使用至少一個其他模型（250）的情況下進行所述方法（100）的步驟，尤其是用于在使用第n個經訓練的模型（Mn）的情況下針對所述未標記的數據集（D）的所述未標記的數據預測（142n）第n個經預測的標記（Ln’）的步驟和/或用于根據至少包括所述第n個經預測的標記（Ln’）的標記集合來確定（143n）第（n+1）個標記（Ln+1）的步驟。

11.根據上述權利要求其中至少一項所述的方法（100），其中所述方法（100）進一步包括：提高所述模型（M）的復雜度。

12.設備（200），其中所述設備（200）被構造用于，執行根據權利要求1至11其中至少一項所述的方法（100）。

13.根據權利要求12所述的設備（200），其中所述設備（200）包括計算裝置（210）和存儲裝置（220），所述存儲裝置尤其是用于存儲模型（M）、尤其是神經網絡。

14.根據權利要求12或13其中至少一項所述的設備（200），其中所述設備（200）包括至少一個其他模型（250），其中所述其他模型（250）被構造為用于對象識別的系統（260）的部分。