用于训练生成器神经网络的训练系统技术方案

提供了用于训练生成器神经网络的训练系统。一些实施例针对用于训练生成器神经网络（100；220）的训练系统（200），生成器神经网络（100；220）被布置成将所测量传感器数据变换成所生成传感器数据（223）。生成器网络被布置成接收作为输入的传感器数据和从多个变换目标中选择的变换目标，并且被布置成根据该变换目标来变换该传感器数据。

【技术实现步骤摘要】
用于训练生成器神经网络的训练系统
本专利技术涉及用于训练生成器神经网络的训练系统、用于训练多个单独的生成器神经网络的训练系统、用于生成器神经网络的生成器系统、用于训练生成器神经网络的训练方法、用于训练多个单独的生成器神经网络的训练方法、用于生成器神经网络的生成器方法、包括表示用以使处理器系统实行方法的指令的数据的计算机可读介质、包括表示神经网络的数据的计算机可读介质。
技术介绍
图像到图像转化是一类视觉和图形问题，其中，目标是要学习输入图像与输出图像之间的映射。可以使用对准图像对的训练集（称为成对训练数据）或没有对准图像对的训练集（称为不成对训练数据）完成训练。在Jun-YanZhu等人的“UnpairedImage-to-ImageTranslationusingCycle-ConsistentAdversarialNetworks”的论文中，描述了一种已知的图像到图像转化系统（被称为“CycleGAN”）。CycleGAN学习将图像从域X转化到域Y，并且不需要成对训练数据。考虑到分别在域X和Y中的任何两个无序图像集合X和Y，已知算法进行学习本文档来自技高网...

【技术保护点】
1.一种用于训练生成器神经网络（100；220）的训练系统（200），所述生成器神经网络（100；220）被布置成将所测量传感器数据变换成所生成传感器数据（223），所述系统包括/n-通信接口，用于访问所测量传感器数据的训练集（351；352；353），/n-处理器系统，其被布置成训练生成器网络连同鉴别器神经网络（230；238；239），其中优化生成器网络以将所测量传感器数据变换成所生成传感器数据，并且优化鉴别器网络以在所测量传感器数据与所生成传感器数据之间进行区分，其中/n-生成器网络被布置成接收作为输入的传感器数据和从多个变换目标中选择的变换目标，并且被布置成根据所述变换目标来变换所述传...

【技术特征摘要】
20190514 EP 19174400.21.一种用于训练生成器神经网络（100；220）的训练系统（200），所述生成器神经网络（100；220）被布置成将所测量传感器数据变换成所生成传感器数据（223），所述系统包括
-通信接口，用于访问所测量传感器数据的训练集（351；352；353），
-处理器系统，其被布置成训练生成器网络连同鉴别器神经网络（230；238；239），其中优化生成器网络以将所测量传感器数据变换成所生成传感器数据，并且优化鉴别器网络以在所测量传感器数据与所生成传感器数据之间进行区分，其中
-生成器网络被布置成接收作为输入的传感器数据和从多个变换目标中选择的变换目标，并且被布置成根据所述变换目标来变换所述传感器数据。


2.根据权利要求1所述的系统，其中，
-鉴别器网络被布置成接收作为输入的传感器数据和从所述多个变换目标中选择的变换目标，并且确定所述传感器数据是否为满足所述变换目标的所测量传感器数据。


3.根据权利要求1所述的系统，其中
-所述多个变换目标包括多个域，所述训练数据利用所述多个域中的域而被标注，生成器网络被配置成根据所述变换目标将传感器数据变换到一域，鉴别器网络被配置成根据所述变换目标来确定输入的传感器数据是否满足所述域，或者
-所述多个变换目标包括多个时间差，所述训练数据利用时间戳而被标注，生成器网络被配置成根据所述时间差将传感器数据从第一时间戳变换为第二时间戳，鉴别器网络被配置成接收作为输入的第一传感器数据、第二传感器数据和时间差，并且确定所述第一传感器数据和所述第二传感器数据是否满足所述时间差。


4.根据前述权利要求中任一项所述的系统，其中，鉴别器网络被训练成确定所述传感器数据和变换目标是根据所述训练集的。


5.根据前述权利要求中任一项所述的系统，其中，鉴别器网络被训练成确定输入的传感器数据是所生成传感器数据，和/或输入的传感器数据不是根据输入变换目标的。


6.根据前述权利要求中任一项所述的系统，其中，所述训练集包括第一所测量传感器数据、变换目标和第二所测量传感器数据的一个或多个集合，生成器网络被训练成根据所述变换目标将所述第一所测量传感器数据变换成所述第二所测量传感器数据。


7.根据前述权利要求中任一项所述的系统，其中，所述训练集包括来自利用对应时间戳标注的延时视频的图像。


8.根据前述权利要求中任一项所述的系统，其中，所述多个变换目标包括：指示在所述传感器数据中标识的对象的信息，以及所述对象是要被遮挡还是去遮挡的指示。


9.根据前述权利要求中任一项所述的系统，其中，
-生成器网络和/或鉴别器网络包括一个或多个神经元，所述一个或多个神经元接收所述传感器数据的至少一部分和所述变换目标的至少一部分，和/或
-生成器网络和/或鉴别器网络被布置成接收多个通道作为输入，所述通道中的至少一个对所述传感器数据进行编码并且所述通道中的至少一个对所述变换目标进行编码，和/或
-生成器网络和/或鉴别器网络包括接收所述变换目标的多个层，和/或
-生成器网络和/或鉴别器网络包括编码块、处理块和/或解码块，其中的至少两个接收所述变换目标作为输入。


10.根据前述权利要求中任一项所述的系统，其中，所述多个变换目标包括至少一个多重变换目标，使得根据所述多重变换目标来依次变换所测量传感器数据定义了同一性变换。


11.一种用于训练多个单独的生成器神经网络（100；220）的训练系统（200），每个生成器神经网络被布置成将所测量传感器数据变换成所生成传感器数据（223），所述系统包括
-通信接口，用于访问所测量传感器数据的训练集（351；352；353），
-被布置成训练多个生成器网络连同鉴别器神经网络（230；238；239）的处理器系统，其中优化生成器网络以将所测量传感...

【专利技术属性】
技术研发人员：A科瑞娃，D张，
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