【技术实现步骤摘要】
用于操作学习系统的方法和设备
技术介绍
本专利技术涉及用于操作学习系统的方法和设备，特别是用于训练人工神经网络的学习系统。在监督式学习中，用于视频和/或图像处理的人工神经网络通过使用包括经加标签的图像的训练数据来被训练。创建经加标签的图像的集合来用于训练是繁重并且昂贵的。因而合期望的是对针对训练而言特别有用的图像进行标识和加标签。在一个方面中，获取函数被用于标识来自图像集合的图像。获取函数是确定性函数，其例如基于在与图像内容（诸如颜色等等）相关的信息方面所定义的熵或互信息来选择图像。针对特定图像集合的单独的获取函数的有用性取决于图像的数据。为了使用特别有用的获取函数，例如S.Ebert，M.Fritz，B.Schiele的“RALF:AReinforcedActiveLearningFormulationforObjectClassRecognistion”（CVPR,2012IEEEConferenceonComputerVisionandPatternRecognition（关于计算机视觉和模式识别的IEEE会议）,3626-...
【技术保护点】
1.一种操作学习系统的计算机实现的方法，其特征在于：/n从多个图像表示中选择（202）图像表示（x
【技术特征摘要】
20190510 EP 19173837.61.一种操作学习系统的计算机实现的方法，其特征在于：
从多个图像表示中选择（202）图像表示（xn）；
通过预言来确定（204）针对图像的至少一个第一标签的第一表示（y）；
通过预测器来在预测中确定（206）至少一个第二标签的第二表示（yn）；
通过预测器、基于图像表示（xn）、第一表示（y）和第二表示（yn）来确定（208）第二表示（yn）的预测的不确定性；
取决于图像表示（xn）和/或第二表示（yn）来确定（210）回报（R）；以及
取决于所述不确定性并取决于回报（R）来选择（212）另一图像的另一表示；
确定用于基于视频或基于图像的监视系统、顾客监控系统、安全工程系统、驾驶员辅助系统、多功能舒适系统、在载具控制中具有干预的安全关键的辅助系统、用于融合驾驶员信息或驾驶员辅助的系统、机器人系统、家用或花园工作机器人系统、联网或协作性机器人系统的至少一个控制信号，其中所述控制信号响应于针对学习系统所捕获的至少一个图像的输入、作为所述系统的输出来被确定，其中图像取决于图像、视频、雷达、LiDAR、超声或运动传感器的传感器输出来被处理，
其特征在于为了预测器的训练，取决于获取函数而从所述多个图像表示中选择输入点的子集，
其中取决于回报（R）和概率状态（S）来确定所述获取函数，
其中至少取决于所述不确定性来确定概率状态（S），
其中通过概率策略预测器、特别是深度贝叶斯神经网、取决于概率状态（S）并且基于回报（R）来对所述获取函数进行学习。
2.根据权利要求1所述的方法，其特征在于回报（R）取决于预测器的模型、以及模型拟合的第一度量与模型拟合的第二度量的比较来被确定，其中第一度量取决于在利用表示（xn）来训练模型之前所确定的模型的至少一个第一参数以及取决于在利用表示（xn）来训练模型之后所确定的模型的至少一个第二参数来被确定。
3.根据权利要求1或2所述的方法，其特征在于：基于随机选择的图像表示来训练用于预测第二表示（yn）的概率预测器、特别是高斯过程或深度贝叶斯神经网；以及然后基于取决于回报（R）所选择的图像表示来训练用于预测第二表示（yn）的预测器。
4.根据权利要求1或2所述的方法，其特征在于输入点取决于所述获取函数来被排列在经排列的次序中，并且特别地通过选择每第k个输入点来从所述经排列的次序的顶部选择输入点的子集，其中k是大于1的自然数。
5.根据权利要求1或2所述的方法，其特征在于所述多个图像表示被递归地处理，其中样本集合被选自所述多个图像表示、被加...
【专利技术属性】
技术研发人员：M坎德米尔，M豪斯曼，
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。