[發(fā)明專(zhuān)利]用于確定圖像的語(yǔ)義分割和/或?qū)嵗指畹脑O(shè)備和方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211148401.2
• 申請(qǐng)日: 2022-09-21
• 公開(kāi)（公告）號(hào): CN115861607A
• 公開(kāi)（公告）日: 2023-03-28
• 發(fā)明（設(shè)計(jì)）人: C·K·穆馬蒂;J·H·梅岑;R·胡馬赫
• 申請(qǐng)（專(zhuān)利權(quán)）人: 羅伯特·博世有限公司
• 主分類(lèi)號(hào): G06V10/26
• 分類(lèi)號(hào): G06V10/26;G06V10/764;G06V10/70;G06V10/82;G06N20/00;G06N3/0464
• 代理公司: 中國(guó)專(zhuān)利代理(香港)有限公司 72001
• 代理人: 浩路;周學(xué)斌

用于確定表征圖像（x）的語(yǔ)義分割和/或?qū)嵗指畹妮敵鲂盘?hào)（y）的計(jì)算機(jī)實(shí)現(xiàn)方法，其中所述方法包括以下步驟：?確定來(lái)自機(jī)器學(xué)習(xí)系統(tǒng)（60）的第一中間輸出信號(hào)，其中第一中間輸出信號(hào)表征所述圖像（x）的語(yǔ)義分割和/或?qū)嵗指睿?基于損失函數(shù)來(lái)適配所述機(jī)器學(xué)習(xí)系統(tǒng)（60）的參數(shù)（Φ），其中所述損失函數(shù)表征第一中間輸出信號(hào)（y）的熵或交叉熵；?基于所述圖像（x）和經(jīng)適配的參數(shù)（Φ）來(lái)確定來(lái)自所述機(jī)器學(xué)習(xí)系統(tǒng)（60）的輸出信號(hào)（y）。

技術(shù)領(lǐng)域

本發(fā)明涉及借助于機(jī)器學(xué)習(xí)系統(tǒng)來(lái)確定輸出信號(hào)的方法、機(jī)器學(xué)習(xí)系統(tǒng)、用于控制致動(dòng)器的控制系統(tǒng)、計(jì)算機(jī)程序、以及機(jī)器可讀存儲(chǔ)介質(zhì)。

現(xiàn)有技術(shù)

可在https://arxiv.org/pdf/2106.14999.pdf在線獲得的2021年6月28日的Mummadi等人的“Test-Time Adaptation to Distribution Shift by ConfidenceMaximization and Input Transformation”公開(kāi)了一種用于測(cè)試時(shí)間適配的方法。

背景技術(shù)

機(jī)器學(xué)習(xí)（ML）系統(tǒng)、尤其是神經(jīng)網(wǎng)絡(luò)在越來(lái)越多的技術(shù)領(lǐng)域中被使用，尤其是用于分析來(lái)自光學(xué)傳感器的傳感器數(shù)據(jù)。

在部署ML系統(tǒng)時(shí)，部署之后遇到的數(shù)據(jù)可能不同于用于訓(xùn)練的典型數(shù)據(jù)。在這種情況下，存在域移位（domain shift）（也被稱(chēng)為分布移位）。由于ML系統(tǒng)的性能（例如，分類(lèi)準(zhǔn)確度、或在回歸中確定的連續(xù)值的準(zhǔn)確度）可能會(huì)在域移位之后顯著地惡化，因此設(shè)計(jì)出一種用于使ML系統(tǒng)適配于新的域和/或分布的方法將是合期望的。尤其是在當(dāng)推理期間沒(méi)有針對(duì)新的域和/或分布的可靠標(biāo)注可用時(shí)的情形中，這種適配方法是合期望的。特定情形是“沒(méi)有源的域適配（source-free domain adaptation）”或“測(cè)試時(shí)間適配”，其中該適配純粹是在來(lái)自目標(biāo)域（移位之后的域）的未加標(biāo)簽的數(shù)據(jù)上進(jìn)行的，而不需要最初在其上訓(xùn)練了該網(wǎng)絡(luò)的數(shù)據(jù)（源域）。

發(fā)明內(nèi)容

在第一方面，本發(fā)明涉及一種用于確定表征圖像的語(yǔ)義分割和/或?qū)嵗指畹妮敵鲂盘?hào)（y）的計(jì)算機(jī)實(shí)現(xiàn)方法，其中該方法包括以下步驟：

? 借助于機(jī)器學(xué)習(xí)系統(tǒng)來(lái)確定第一中間輸出信號(hào)，其中第一中間輸出信號(hào)表征該圖像的語(yǔ)義分割和/或?qū)嵗指睿?/p>

? 基于損失函數(shù)來(lái)適配該機(jī)器學(xué)習(xí)系統(tǒng)的參數(shù)，其中損失函數(shù)表征第一中間輸出信號(hào)的熵或交叉熵；

? 基于該圖像和經(jīng)適配的參數(shù)來(lái)確定來(lái)自該機(jī)器學(xué)習(xí)系統(tǒng)的輸出信號(hào)。

該圖像尤其可以通過(guò)傳感器來(lái)獲得，該傳感器例如相機(jī)、LIDAR傳感器、雷達(dá)傳感器、超聲傳感器、或熱相機(jī)。然而，該圖像也可以是計(jì)算機(jī)生成的，例如通過(guò)用于在計(jì)算機(jī)中呈現(xiàn)虛擬場(chǎng)景的方法，或者是由機(jī)器學(xué)習(xí)模型（例如，生成對(duì)抗網(wǎng)絡(luò)）來(lái)生成。

該圖像由該機(jī)器學(xué)習(xí)系統(tǒng)來(lái)處理。換句話說(shuō)，該機(jī)器學(xué)習(xí)系統(tǒng)將該圖像取作輸入。該機(jī)器學(xué)習(xí)系統(tǒng)可以優(yōu)選地是被配置用于確定中間信號(hào)的神經(jīng)網(wǎng)絡(luò)。替代地，該機(jī)器學(xué)習(xí)系統(tǒng)可以包括用于確定第一中間輸出的機(jī)器學(xué)習(xí)模型，例如神經(jīng)網(wǎng)絡(luò)，即，該機(jī)器學(xué)習(xí)模型可以被配置成執(zhí)行用于確定輸出信號(hào)的方法。

無(wú)論被包括在機(jī)器學(xué)習(xí)模型中還是作為機(jī)器學(xué)習(xí)模型，神經(jīng)網(wǎng)絡(luò)尤其可以是卷積神經(jīng)網(wǎng)絡(luò)、可視變換器或視覺(jué)變換器。