【技术实现步骤摘要】
【国外来华专利技术】用于分析图像的方法和设备本专利技术涉及一种用于使用人工深度神经网络来分析图像的方法和设备，该人工深度神经网络也称为神经网络。图像分析是各种应用中的常见问题。在比如监督、驾驶员辅助系统、自主驾驶之类的应用中，或在需要关于环境的信息的任何应用中，对图像进行分析以检测对象是一项重要任务。此外，通常存在检测比如行人或车辆的特定种类的对象的需要。尤其是在存在靠近在一起和/或被部分遮挡的多个前景对象的场景中，正确的图像分析——即对所有对象的正确检测——变得具有挑战性。存在用以在这些困难的场景中处理基于图像的对象检测的各种方案。一种方法使用基于来自在邻近处的检测的尺度和遮挡线索的可视背景（context）来检测行人，以用于监督应用，尤其是对于拥挤场景的应用。另一方案使用概率性行人检测框架。在该框架中，基于可变形部分的模型被用来获得用于部分检测的得分，并且各部分的可视性作为隐藏变量而被建模。另一方法使用二次无约束二进制优化框架来推出在具有空间重叠的情况下的多个对象检测。该方法使由一元检测置信度得分和成对重叠约束组成的目标函数最大化，以确定哪些重叠检测应该被抑...
【技术保护点】
1.用于分析具有与至少一个类别相对应的特征的图像（13，18，24，48）的方法（12，17，23），包括以下步骤：/n-适应针对多个类别而预先训练的人工深度神经网络（25），以聚焦于所述多个类别中的确切一个所选类别，其中所述图像（13，18，24，48）具有与所述所选类别相对应的特征，/n-借助于通过经适应的神经网络的前向传递（20，30）来处理所述图像（13，18，24，48），以生成处理结果，/n-使用图像处理算法，聚焦于与所选类别相对应的特征来分析处理结果，/n-通过从所述图像（13，18，24，48）中移除与所述所选类别相对应的特征的表现（49）来生成经修改的图像（55）。/n
【技术特征摘要】
【国外来华专利技术】20170605 IN 2017110196461.用于分析具有与至少一个类别相对应的特征的图像（13，18，24，48）的方法（12，17，23），包括以下步骤：
-适应针对多个类别而预先训练的人工深度神经网络（25），以聚焦于所述多个类别中的确切一个所选类别，其中所述图像（13，18，24，48）具有与所述所选类别相对应的特征，
-借助于通过经适应的神经网络的前向传递（20，30）来处理所述图像（13，18，24，48），以生成处理结果，
-使用图像处理算法，聚焦于与所选类别相对应的特征来分析处理结果，
-通过从所述图像（13，18，24，48）中移除与所述所选类别相对应的特征的表现（49）来生成经修改的图像（55）。
2.根据权利要求1所述的方法，其特征在于，所述经修改的图像（55）被迭代地用作所述经适应的神经网络的输入，以针对与所述所选类别相对应的特征的可能的剩余表现（50）来分析所述经修改的图像（55）。
3.根据前述权利要求中任一项所述的方法（12，17，23），其特征在于，所述处理结果从所述经适应的神经网络的中间层（40，41，42，43，44，45，46）的至少一个过滤器和/或从所述经适应的神经网络的输出层（47）取得。
4.根据前述权利要求中任一项所述的方法（12，17，23），其特征在于，
所述图像（13，18，24，48）借助于通过所述经适应的神经网络（5）的前向传递（20，30）和随后的反向传递（31）来被处理，以生成处理结果。
5.根据权利要求3所述的方法（12，17，23），其特征在于，所述反向传递（31）从所述经适应的神经网络的中间层（40，41，42，43，44，45，46）开始。
6.根据前述权利要求中任一项所述的方法（12，17，23），其特征在于，深度卷积神经网络（25，35）和/或深度前馈神经网络和/或深度递归神经网络被用作深度神经网络。
7.根据前述权利要求中任一项所述的方法（12，17，23），其特征在于，使用训练数据、特别是使用合成图像来离线地适应所述预先训练的神经网络（25）。
8.根据前述权利要求中任一项所述的方法（12，17，23），其特征在于，在所述图像（13，18，24，48）借助于对应的前向传递（20，30）被处理之前，使用所述图像（13，18，24，48）来在线地适应所述预先训练的神经网络（25）。
9.根据前述权利要求中任一项所述的方法（12，17，23），其特征在于：
-使用一...
【专利技术属性】
技术研发人员：S戈什，P阿蒙，A胡特，
申请(专利权)人：西门子股份公司，
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。