【技术实现步骤摘要】
【国外来华专利技术】用生成式对抗神经网络分割和去噪深度图像用于识别应用相关申请的交叉引用本申请要求于2017年11月3日提交的名称为“用生成式对抗神经网络分割和去噪深度图像用于识别应用”的美国临时专利申请序列号62/581,282的优先权，其全文以引用方式并入本文。
本申请涉及成像。更具体地，本申请涉及对图像中的对象的自动识别。
技术介绍
随着机器自动化不断发展，一个重要方面是识别操作附近的对象的存在和状态。例如，检测光学信息(包括深度信息)的图像传感器可以用于捕获工厂区域的图像。观看图像的人可以基于先验知识容易地识别图像中的对象。然而，使机器“观看”图像并识别图像中的对象并不那么容易。各种因素(包括环境状况、传感器的状况、对象的取向、以及在图像的背景或前景中捕获的附加不重要对象)在捕获图像中产生变化，这使得难以教机器如何做出这些确定。为了识别具体对象，可以将这些对象的现存图像呈现给机器学习网络，该机器学习网络然后可以通过网络先前已有权访问的训练数据对捕获图像中的对象进行分类。为了减小生成和注释真实世界图像以训练神经网络...
【技术保护点】
1.一种从深度图像移除噪声的方法，包括：/n向第一生成式对抗神经网络(GAN)实时呈现真实世界深度图像，通过从要在所述真实世界深度图像中识别的至少一个对象的计算机辅助设计(CAD)信息所生成的合成图像来训练所述第一GAN；/n在所述第一GAN中，减去所述真实世界深度图像中的背景；/n在所述第一GAN中，分割所述真实世界深度图像中的前景，以生成经清洁的真实世界深度图像。/n
【技术特征摘要】 【专利技术属性】
【国外来华专利技术】20171103 US 62/581,2821.一种从深度图像移除噪声的方法，包括：
向第一生成式对抗神经网络(GAN)实时呈现真实世界深度图像，通过从要在所述真实世界深度图像中识别的至少一个对象的计算机辅助设计(CAD)信息所生成的合成图像来训练所述第一GAN；
在所述第一GAN中，减去所述真实世界深度图像中的背景；
在所述第一GAN中，分割所述真实世界深度图像中的前景，以生成经清洁的真实世界深度图像。
2.根据权利要求1所述的方法，还包括：经由所述第一GAN和所述经清洁的真实世界深度图像在所述真实世界深度图像中识别关注的对象。
3.根据权利要求1所述的方法，还包括：将所述经清洁的真实世界深度图像提供给第二GAN，以提供附加的噪声消除和由所述第一GAN移除的一些功能的恢复。
4.根据权利要求1所述的方法，还包括：使用从所述CAD信息生成的合成图像来训练所述第一GAN，其中所述CAD信息通过以下方式增强：向所述合成图像添加模拟失真。
5.根据权利要求4所述的方法，还包括：向用于训练所述第一GAN的所述合成图像添加随机背景元素。
6.根据权利要求4所述的方法，其中训练所述第一GAN还包括：向所述第一GAN提供具有真实的一对图像的形式的训练数据，所述真实的一对图像包括没有噪声且没有背景的、堆叠以形成真实的一对的所述经清洁的真实世界深度图像和合成图像。
7.根据权利要求6所述的方法，其中训练所述第一GAN还包括：向所述第一GAN提供具有真实的一对图像的形式的训练数据，所述真实的一对图像包括来自所述第一GAN的输出的、堆叠以创建伪造的一对的所述经清洁的真实世界深度图像和一图像。
8.根据权利要求4所述的方法，其中向所述合成图像添加失真包括：所述合成图像中的目标对象的线性变换。
9.根据权利要求4所述的方法，其中向所述合成图像添加失真包括：将随机背景数据组合到所述合成图像中。
10.根据权利要求4所述的方法，其中向所述合成图像添加失真包括：将至少部分地遮挡所述合成图像中的目标对象的对象插入到所述合成图像中。
11.根据权利要求1所述的方法，还包括：使用图像到图像GAN架构来实现所述第一GAN。
12.根据权利要求1所述的方法，还包括：将所述第一GAN实现为U-NetGAN架构。
技术研发人员：本杰明·普兰谢，谢尔盖·扎哈罗夫，吴子彦，斯洛博丹·伊利克，
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。