【技术实现步骤摘要】
【国外来华专利技术】用于基于分类器的卷积神经网络的视觉分析系统本申请要求于2017年7月27日提交的序列号为62/537,613的美国临时申请的优先权的权益,所述美国临时申请的公开内容通过引用在其整体上并入本文。
本文档中公开的设备和方法涉及卷积神经网络,并且更具体地,涉及用于卷积神经网络的视觉分析。
技术介绍
除非本文另有指示,否则本节中描述的材料不是本申请中权利要求的现有技术,并且不由于包括在本节中而被承认为现有技术。对象识别是计算机视觉中的基本问题,其牵涉将图像分类到预定义数量的类中。卷积神经网络(CNN)在该问题上已经实现了现有技术水平的结果,这归功于大的且经标注的数据集和强大的计算基础设施的可用性。CNN从训练图像自动提取有区别的分类特征,并组合地使用它们来识别复杂对象。这使得CNN在大规模数据集(诸如图像网)上显著地优于传统的计算机视觉方法,因为后者通常依赖于启发式特征。为了使CNN适用于关键领域,评估它们学习的特征的可靠性并理解分类误差背后的可能原因是重要的。已经提出了多种技术来可视化图像空间中的这些特征。然而,对分类误差本身的可视化并相应地细化CNN给予了很少关注。
技术实现思路
公开了一种用于可视化图像分类模型的操作的方法,所述图像分类模型具有包括至少一个卷积层的多个神经网络层。所述方法包括:利用处理器接收多个实际类标注,每个实际类标注与多个样本图像中的相应样本图像相关联,每个实际类标注对应于预定义的多个类之一;利用处理器接收图像分类模型的多个输出,每个输出由图像分类模型响应 ...
【技术保护点】
1.一种用于可视化图像分类模型的操作的方法,所述图像分类模型具有包括至少一个卷积层的多个神经网络层,所述方法包括:/n利用处理器接收多个实际类标注,每个实际类标注与多个样本图像中的相应样本图像相关联,每个实际类标注对应于预定义的多个类之一;/n利用处理器接收图像分类模型的多个输出,每个输出由图像分类模型响应于多个样本图像中的相应样本图像而提供;/n利用处理器基于预定义的多个类中类的相似性层级来确定预定义的多个类的依次排序,相似性层级定义在预定义的多个类中的多个相似类组;以及/n利用显示设备显示多个输出的图形描绘,图形描绘包括对多个输出进行编码的图形元素,所述图形元素在视觉上根据预定义的多个类的所确定依次排序而被布置。/n
【技术特征摘要】
【国外来华专利技术】20170727 US 62/5376131.一种用于可视化图像分类模型的操作的方法,所述图像分类模型具有包括至少一个卷积层的多个神经网络层,所述方法包括:
利用处理器接收多个实际类标注,每个实际类标注与多个样本图像中的相应样本图像相关联,每个实际类标注对应于预定义的多个类之一;
利用处理器接收图像分类模型的多个输出,每个输出由图像分类模型响应于多个样本图像中的相应样本图像而提供;
利用处理器基于预定义的多个类中类的相似性层级来确定预定义的多个类的依次排序,相似性层级定义在预定义的多个类中的多个相似类组;以及
利用显示设备显示多个输出的图形描绘,图形描绘包括对多个输出进行编码的图形元素,所述图形元素在视觉上根据预定义的多个类的所确定依次排序而被布置。
2.根据权利要求1所述的方法,确定依次排序进一步包括:
确定依次排序,使得在由相似性层级所定义相同组中的预定义的多个类标注中的类标注以依次排序被分组在一起。
3.根据权利要求1所述的方法,显示图形描绘进一步包括:
显示布置在二维网格中的多个单元,网格的第一维对应于多个实际类标注,并且根据预定义的多个类的所确定依次排序进行排序,每个单元具有相应的图形元素,所述相应的图形元素对多个输出中的至少一个输出进行编码,所述至少一个输出由图像分类模型响应于具有对应于相应单元的实际类标注的样本图像而提供。
4.根据权利要求3所述的方法,其中:
多个输出包括由图像分类模型响应于多个样本图像分配的多个预测类标注,每个预测类标注对应于预定义的多个类之一;
网格的第二维对应于多个预测类标注,并且根据预定义的多个类的所确定依次排序进行排序;并且
多个单元中每个单元的图形元素对来自多个样本图像的相应第一数量的样本图像进行编码,所述相应第一数量的样本图像(i)与对应于相应单元的实际类标注相关联并且(ii)被分配对应于相应单元的预测类标注。
5.根据权利要求4所述的方法,对布置在二维网格中的多个单元的显示进一步包括:
响应于针对相应单元的相应第一数量等于零,以第一颜色显示多个单元中相应单元的图形元素;以及
响应于针对相应单元的相应第一数量大于零,以不同于第一颜色的第二颜色显示多个单元中相应单元的图形元素,第二颜色的阴影取决于相应第一数量。
6.根据权利要求3所述的方法,进一步包括:
响应于过滤器选项的用户选择,取决于对应于所选过滤器选项的至少一个过滤准则,利用显示设备隐藏多个单元的图形元素的子集。
7.根据权利要求3所述的方法,进一步包括:
响应于用户选择多个单元中的单元组,利用显示设备显示多个样本图像中的样本图像的缩略图,所述样本图像与对应于所选单元组中的一个单元的实际类标注相关联。
8.根据权利要求3所述的方法,其中:
多个输出包括图像分类模型的所选神经网络层的个体神经元对多个样本图像的多个响应;
网格的第二维对应于所选神经网络层的个体神经元;并且
多个单元中每个单元的图形元素编码对应于相应单元的神经元对来自多个样本图像的样本图像的响应平均,所述样本图像与对应于相应单元的实际类标注相关联。
9.根据权利要求8所述的方法,其中,多个单元中每个单元的图形元素是具有布置在网格中的多个像素的热图,多个像素中的每个像素具有颜色,所述颜色取决于对应于相应单元的神经元对来自多个样本图像的样本图像的响应平均,所述样本图像与对应于相应单元的实际类标注相关联。
10.根据权利要求9所述的方法,进一步包括:
对多个单元中每个单元的热图的多个像...
【专利技术属性】
技术研发人员:B阿尔萨拉克,A尧拉布奥,叶茂,刘小明,任骝,
申请(专利权)人:罗伯特·博世有限公司,
类型:发明
国别省市:德国;DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。