用于域转换的生成器的训练制造技术

训练生成器的方法，生成器构造用于，根据属于域A的学习数据集的第一集合和属于域B的学习数据集的第二集合将具有测量数据的数据集从第一域A转换到第二域B，通过能适配参数表征生成器的行为且逐渐适配参数，以优化预给定的成本函数的值，成本函数包含用于如下的度量的可信度贡献，以何种程度：•在属于域A的至少一个学习数据集中体现的至少一个特性在将学习数据集转换到域B时保持不变；和/或•在属于域A的至少一个学习数据集中体现的至少一个特性在转换到域B之后类似于属于域B的至少一个学习数据集的与之对应的特性。用该方法获得的生成器。利用生成器情况下训练能训练的模块的方法。利用由生成器和能训练的模块组成的效应链的方法。

【技术实现步骤摘要】
用于域转换的生成器的训练
本专利技术涉及一种训练方法，利用该训练方法，生成器能够被训练用于，在两个域A和B之间转换具有测量数据的数据集。利用这样的生成器又可以在例如针对至少部分自动化的行驶而对能训练的模块进行训练的情况下缓解学习数据集的不足（Knappheit）。
技术介绍
在道路交通中由人类驾驶员来对车辆进行的驾驶通常被训练，其方式是，使驾驶学习者在自身的培训范畴内一再地面临对多个情形的确定准则（Kanon）。驾驶学习者必须分别对这些情形进行作出反应并且通过评语或者甚至是驾驶教师的干预来得到反馈：自身的反应是正确的还是错误的。利用有限数目的情形而进行的训练应该使得该驾驶学习者在对车辆的独立驾驶中也能够胜任未知的情形。为了使车辆能够完全或部分自动化地参与道路交通而力求：利用能以非常类似的方式训练的模块来控制这些车辆。这些模块例如从车辆环境中获得传感器数据来作为输入参量并且作为输出参量来提供操控信号，利用这些操控信号来干预车辆的运行，和/或提供半成品（Vorprodukt），由这些半成品来构成这样的操控信号。例如，对车辆的环境中的对象的分本文档来自技高网...

【技术保护点】
1.一种用于训练生成器（1）的方法（100），所述生成器被构造用于，根据属于域A的学习数据集（11a）的第一集合和属于域B的学习数据集（11b）的第二集合来将具有测量数据的数据集（11）从第一个域A转换到第二个域B，其中所述生成器（1）的行为通过能适配的参数（12）来表征并且其中所述参数（12）被逐渐适配（110、120），以便对预给定的成本函数（13）的值进行优化，其中所述成本函数（13）包含可信度贡献（13a），所述可信度贡献是用于如下的度量，以何种程度：/n• 在属于所述域A的至少一个学习数据集（11a）中体现的至少一个特性（14a）在将所述学习数据集（11a）转换到所述域B的情况下保持...

【技术特征摘要】
20190426 DE 102019206045.51.一种用于训练生成器（1）的方法（100），所述生成器被构造用于，根据属于域A的学习数据集（11a）的第一集合和属于域B的学习数据集（11b）的第二集合来将具有测量数据的数据集（11）从第一个域A转换到第二个域B，其中所述生成器（1）的行为通过能适配的参数（12）来表征并且其中所述参数（12）被逐渐适配（110、120），以便对预给定的成本函数（13）的值进行优化，其中所述成本函数（13）包含可信度贡献（13a），所述可信度贡献是用于如下的度量，以何种程度：
•在属于所述域A的至少一个学习数据集（11a）中体现的至少一个特性（14a）在将所述学习数据集（11a）转换到所述域B的情况下保持不变；和/或
•在属于所述域A的至少一个学习数据集（11a）中体现的至少一个特性（14b）在转换到所述域B之后类似于属于所述域B的至少一个学习数据集（11b）的与之对应的特性（14b）。


2.根据权利要求1所述的方法（100），其中所述成本函数（13）附加地包含至少一个循环论证贡献（13b），所述循环论证贡献为此是用于如下的度量：属于所述域A的至少一个学习数据集（11a）在利用所述生成器（1）从所述域A转换到所述域B之后并且在接下来从所述域B转换回所述域A之后以何种程度被一致地再现。


3.根据权利要求1至2之一所述的方法（100），其中响应于所述成本函数（13）的所述可信度贡献（13a）的曲线走向和/或值满足（130）预给定的标准（13c）地，所述生成器（1）的训练利用如下成本函数（13’）来继续进行（140），在所述成本函数（13’）中，所述可信度贡献（13a）被更小地加权或移除。


4.根据权利要求1至3之一所述的方法（100），其中所述域A和所述域B在至少一个物理条件和/或模拟边界条件方面区分，其中对于所述域A和所述域B的所属的所述学习数据集（11a、11b）分别已在所述物理条件下和/或所述模拟边界条件下所检测。


5.根据权利要求4所述的方法（100），其中选择（105）如下物理特性来作为在将学习数据集（11a）从所述域A转换到所述域B的情况下应保持不变的特性（14a）：在所述域A和B之间的在模拟边界条件和/或物理条件方面的区别并不影响到所述物理特性或仅以直至预给定的最大度量来影响到所述物理特性。


6.根据权利要求1至5之一所述的方法（100），其中所述学习数据集（11a、11b）分别包括至少一个物理上能观察的测量参量的在二维或三维的空间区域中所检测的分布。


7.根据权利要求6所述的方法（100），其中在其处已检测到物理上能观察的测量参量的至少一个位置到至少一个物理对象的所属性被选择（106）作为在将学习数据集（11a）从所述域A转换到所述域B的情况下应保持不变的特性（14a）。


8.根据权利要求7所述的方法（100），其中所述成本函数（13）的可信度贡献（13a）取决于如下位置的数目和/或维度，所述位置到至少一个物理对象的分配在学习数据集（11a）从所述域A转换到所述域B的情况下改变。


9.根据权利要求7至8之一所述的方法（100），其中将如下物理对象划分成多个类别，其中给这些物理对象分配位置，并且其中所述成本函数（13）的所述可信度贡献（13a）取决于，在所述域A中的至少一个位置被分配给哪个类别的对象并且该分配在转换到域B的情况下变换到哪个类别。


10.根据权利要求6至9之一所述的方法（100），其中所述成本函数（13）的所述可信度贡献（13a）包含：经二维或三维的空间区域的、针对在学习数据集（11a）从所述域A转换到所述域B的情况下应保持不变的特性（14a）的改变的度量的按数值的总和或平方总和。


11.根据权利要求6至10之一所述的方法（100），其中所述物理上能观察的测量参量的经二维或三维的空间区域的预给定的部分区域聚合的值被选择（107）作为如下特性（14a），所...

【专利技术属性】
技术研发人员：A洪欣赫尔，
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