[發明專利]在多模態環境中利用擾動的系統和方法在審

申請號：	202111098350.2	申請日：	2021-09-18
公開（公告）號：	CN114254732A	公開（公告）日：	2022-03-29
發明（設計）人：	F·J·卡布里塔孔德薩;林婉怡;K·楊;M·普拉蒂姆	申請（專利權）人：	羅伯特·博世有限公司
主分類號：	G06N3/04	分類號：	G06N3/04;G06N3/08;G06K9/62
代理公司：	中國專利代理(香港)有限公司 72001	代理人：	任一方;呂傳奇
地址：	德國斯***	國省代碼：	暫無信息
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	多模態環境利用擾動系統方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

在多模態環境中利用擾動的系統和方法。一種用于訓練機器學習網絡的計算機實現的方法。該方法可以包括接收輸入數據，從輸入數據選擇一個或多個批次樣本，將擾動對象應用到一個或多個批次樣本上以創建擾動樣本，運行擾動樣本通過機器學習網絡，響應于運行擾動樣本響應于函數更新擾動對象，以及響應于超過收斂閾值輸出擾動對象。

技術領域

本公開涉及利用機器學習、諸如利用自動編碼器的圖像增強和圖像處理。

背景技術

生成物理擾動對象——是海報狀的貼片或者是表示3-D對象形狀的網格——來抑制使用單模態輸入檢測或分類對象的可能性。當附接到感興趣對象（OOI）時，如何生成對象的問題增加了OOI將被正確檢測或分類的可能性，而不管有多少模態可以被用作至對象檢測器的輸入，這在文獻中從未做過。

發明內容

根據一個實施例，公開了一種用于訓練機器學習網絡的計算機實現的方法。該方法可以包括接收輸入數據，從輸入數據選擇一個或多個批次樣本，將擾動對象應用到一個或多個批次樣本上以創建擾動樣本，運行擾動樣本通過機器學習網絡，響應于運行擾動樣本響應于機器學習網絡相對于輸入數據的損失函數的導數更新擾動對象，以及響應于超過收斂閾值輸出擾動對象。

根據第二實施例，包括機器學習網絡的系統包括被配置為接收輸入數據的輸入接口和與輸入接口通信的處理器。處理器被編程為接收輸入數據，從輸入數據選擇一個或多個批次樣本，將擾動對象應用到一個或多個批次樣本上以創建擾動樣本，運行擾動樣本通過機器學習網絡，響應于運行擾動樣本響應于機器學習網絡相對于輸入數據的損失函數的導數更新擾動對象，以及響應于超過收斂閾值輸出擾動對象。

根據第三實施例，公開了一種存儲指令的計算機程序產品。指令當由計算機執行時，使得計算機接收輸入數據，從輸入數據選擇一個或多個批樣本，將擾動對象應用到一個或多個批樣本上以創建擾動樣本，利用函數運行擾動樣本通過機器學習網絡，響應于運行擾動樣本利用函數訓練機器學習網絡，以及輸出訓練的機器學習網絡。

附圖說明

圖1示出了用于訓練神經網絡的系統100。

圖2示出了用于訓練神經網絡的計算機實現的方法200。

圖3描繪了實現用于注釋數據的系統的數據注釋系統300。

圖4A是可以基于訓練數據打印擾動對象的機器學習系統的示例。

圖4B是可以利用擾動對象來訓練輸入數據的機器學習系統的示例。

圖5描繪了計算機控制的機器10和控制系統12之間的交互的示意圖。

圖6描繪了圖1的控制系統的示意圖，該圖1的控制系統被配置為控制載具（vehicle），該載具可以是部分自主載具或部分自主機器人。

圖7描繪了圖1的控制系統的示意圖，該圖1的控制系統被配置為控制諸如生產線的一部分的制造系統的制造機器，諸如沖壓切割器、切割器或槍鉆。

圖8描繪了圖1的控制系統的示意圖，該圖1的控制系統被配置為控制具有至少部分自主模式的電動工具，諸如電鉆或驅動器。

圖9描繪了被配置為控制自動化個人助理的圖1的控制系統的示意圖。