[發明專利]具有深度神經網絡的RCCC到RGB域轉化

在審

• 申請號: 202110188026.3
• 申請日: 2021-02-18
• 公開（公告）號: CN113298696A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 阿希爾·帕林謝里;李卿敏;伊山·帕特爾
• 申請（專利權）人: 福特全球技術公司
• 主分類號: G06T3/00
• 分類號: G06T3/00;G06T7/00;G06T7/10;G06N3/04;G06N3/08
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 楊帆;宋薇薇

本公開提供了“具有深度神經網絡的RCCC到RGB域轉化”。本公開公開了一種用于將紅?清晰?清晰?清晰(RCCC)圖像轉化(例如，映射)為紅?綠?藍(RGB)圖像的系統和方法。在示例性實現方式中，所述系統和所述方法可以在深度神經網絡處接收具有紅?清晰?清晰?清晰(RCCC)圖像圖案的圖像，其中所述深度神經網絡包括生成器和鑒別器；基于具有所述RCCC圖像圖案的所述圖像在所述生成器處生成紅?綠?藍(RGB)圖像；在所述鑒別器處確定所述RGB圖像是機器生成的還是源自真實數據分布；以及在所述鑒別器確定所述RGB圖像是機器生成的時更新所述生成器的至少一個權重。

技術領域

本公開總體上涉及深度神經網絡。

背景技術

深度神經網絡(DNN)可以用于執行許多圖像理解任務，包括分類、分割和生成字幕。通常，DNN需要大量的訓練圖像(數萬至數百萬)。另外，為了訓練和預測的目的，通常需要對這些訓練圖像進行注解。

發明內容

一種系統包括計算機，所述計算機包括處理器和存儲器，并且存儲器包括指令，使得處理器被編程為在深度神經網絡處接收具有紅-清晰-清晰-清晰(RCCC)圖像圖案的圖像，其中深度神經網絡包括生成器和鑒別器；基于具有RCCC圖像圖案的圖像在生成器處生成紅-綠-藍(RGB)圖像；在鑒別器處確定RGB圖像是機器生成的還是源自真實數據分布；以及在鑒別器確定RGB圖像是機器生成的時更新生成器的至少一個權重。

在其他特征中，基于具有RCCC圖像圖案的圖像與生成的RGB圖像之間的空間關系比較來更新至少一個權重。

在其他特征中，處理器還被編程為基于具有RCCC圖像圖案的圖像來生成多個實例分割標簽，并且基于生成的RGB圖像來生成多個實例分割標簽。

在其他特征中，處理器還被編程為：將具有RCCC圖像圖案的圖像的多個實例分割標簽中的至少一個實例分割標簽與生成的RGB圖像的多個實例分割標簽中的至少一個實例分割標簽進行比較；以及確定具有RCCC圖像圖案的圖像的至少一個實例分割標簽與RGB圖像的至少一個實例分割標簽之間的差值。

在其他特征中，處理器還被編程為當差值大于預定空間關系閾值時更新至少一個權重。

在其他特征中，基于對應于具有RCCC圖像圖案的圖像的像素分布與對應于生成的RGB圖像的灰度圖像的像素分布的比較來更新至少一個權重。

在其他特征中，基于對應于具有RCCC圖像圖案的圖像的亮度值與對應于生成的RGB圖像的亮度值的比較來更新至少一個權重。

一種系統包括計算機，所述計算機包括處理器和存儲器，所述存儲器包括指令，使得處理器被編程為：在深度神經網絡處接收具有紅-清晰-清晰-清晰(RCCC)圖像圖案的圖像，其中深度神經網絡包括生成器和鑒別器；基于具有RCCC圖像圖案的圖像在生成器處生成紅-綠-藍(RGB)圖像；在鑒別器處確定RGB圖像是機器生成的還是源自真實數據分布；以及在鑒別器確定RGB圖像是機器生成的時更新生成器的至少一個權重，其中基于RCCC圖像與生成的RGB圖像之間的空間關系比較來更新至少一個權重。

在其他特征中，處理器還被編程為基于RCCC圖像來生成多個實例分割標簽，并且基于生成的RGB圖像來生成多個實例分割標簽。

在其他特征中，處理器還被編程為：將具有RCCC圖像圖案的圖像的多個實例分割標簽中的至少一個實例分割標簽與生成的RGB圖像的多個實例分割標簽中的至少一個實例分割標簽進行比較；以及確定具有RCCC圖像圖案的圖像的至少一個實例分割標簽與RGB圖像的至少一個實例分割標簽之間的差值。

在其他特征中，處理器還被編程為當差值大于預定空間關系閾值時更新至少一個權重。

在其他特征中，基于對應于具有RCCC圖像圖案的圖像的像素分布與對應于生成的RGB圖像的灰度圖像的像素分布的比較來更新至少一個權重。