训练有监督机器学习的模型的方法和装置制造方法及图纸

公开了一种用于训练有监督机器学习的模型的方法和装置。该方法包括：生成包含目标对象的人造图像；在生成人造图像的过程中记录与目标对象有关的标注数据；使用人造图像作为模型的输入数据来执行模型中的运算，以获得与目标对象有关的推导数据；以及比较推导数据和标注数据以确定是否调节模型的参数。通过该方法，能够省去在模型的训练过程中所需的大量的人工标注。

【技术实现步骤摘要】
训练有监督机器学习的模型的方法和装置
本公开总体上涉及有监督机器学习的模型的
，并且具体地涉及用于训练有监督机器学习的模型的方法和装置。
技术介绍
有监督机器学习(supervisedmachinelearning)通常需要使用大量的训练样本对模型进行训练，并根据期望结果与模型通过使用训练样本所得到的推导结果之间的比较结果，来确定是否需要调整模型的参数以及如何调整模型的参数，从而使有模型能够良好地适用于训练样本之外的其他数据(例如，实际的应用数据)。有监督机器学习的模型例如可以包括人工神经网络(例如，卷积神经网络)和决策树等。已经提供了很多不同的训练样本集合或训练样本库。有监督机器学习的模型的设计人员在使用这样的样本集合或样本库来训练有监督机器学习的模型之前，需要对大量(甚至是海量)的样本中的目标对象进行人工标注，以提供与目标对象有关的标注数据(例如，目标对象的类型、尺寸、位置等)。训练的成本很高，但是准确性和效率却很低。
技术实现思路
一方面，提供了一种用于训练有监督机器学习的模型的方法。该方法可以包括：生成包含目标对象的人造图像；在生成人造图像的过程中记录与目标对象有关的标注数本文档来自技高网...

【技术保护点】
一种用于训练有监督机器学习的模型的方法，包括：生成包含目标对象的人造图像；在生成所述人造图像的过程中记录与所述目标对象有关的标注数据；使用所述人造图像作为所述模型的输入数据来执行所述模型中的运算，以获得与所述目标对象有关的推导数据；以及比较所述推导数据和所述标注数据以确定是否调节所述模型的参数。

【技术特征摘要】
1.一种用于训练有监督机器学习的模型的方法，包括：生成包含目标对象的人造图像；在生成所述人造图像的过程中记录与所述目标对象有关的标注数据；使用所述人造图像作为所述模型的输入数据来执行所述模型中的运算，以获得与所述目标对象有关的推导数据；以及比较所述推导数据和所述标注数据以确定是否调节所述模型的参数。2.根据权利要求1所述的方法，其中，生成所述人造图像包括：通过对资源库中的一个或多个元件进行组合和渲染来生成包括所述目标对象的人造场景；以及通过对所述人造场景进行一个或多个投影来生成所述人造图像。3.根据权利要求2所述的方法，其中，所述一个或多个投影包括广角镜头投影、标准镜头投影、鱼眼镜头投影和远摄镜头投影中的一个或多个。4.根据权利要求1所述的方法，其中，所述标注数据包括所述目标对象的类型、所述目标对象的形状、所述目标对象的颜色、所述目标对象的尺寸、所述目标对象的位置和所述目标对象的朝向中的一个或多个。5.根据权利要求1所述的方法，其中，比较所述推导数据和所述标注数据包括：确定所述推导数据和所述标注数据是否相同。6.根据权利要求1所述的方法，其中，比较所述推导数据和所述标注数据包括：确定所述推导数据和所述标注数据之间的差异是否超出阈值。7.一种用于训练有监督机器学习的模型的装置，包括：渲染引擎，被配置为生成包含目标对象的人造图像并且在生成所述人造图像的过程中记录与...

【专利技术属性】
技术研发人员：颜沁睿，
申请(专利权)人：深圳地平线机器人科技有限公司，
类型：发明
国别省市：广东,44