使用机器学习预测参数的最优值制造技术

一种预测在图像信号处理器的操作中使用的多个参数的最优值的方法包括：将所述多个参数的初始值输入到机器学习模型，所述机器学习模型具有与所述多个参数对应的输入层和与从由图像信号处理器产生的结果图像中提取的多个评估项对应的输出层；使用所述机器学习模型的输出，获得所述多个评估项的评估分数；基于所述评估分数调整应用于所述多个参数的权重；以及使用调整后的权重来确定最优值。

【技术实现步骤摘要】
使用机器学习预测参数的最优值相关申请的交叉引用该专利申请要求于2019年5月21日在韩国知识产权局提交的第10-2019-0059573号韩国专利申请的优先权，该申请的公开内容通过引用全部合并于此。
本公开涉及一种训练机器学习以预测在图像信号处理器的操作中使用的参数的最优值的方法以及一种被配置为执行该方法的电子设备。
技术介绍
图像传感器是被配置为接收光并产生电信号的基于半导体的传感器。由图像传感器输出的原始数据可以由图像信号处理器(ISP)处理。图像信号处理器可以使用由图像传感器输出的原始数据来产生图像。图像信号处理器可以基于各种参数从原始数据产生图像。然而，所产生的图像的质量和特性可能根据应用于图像信号处理器的参数的值而变化。
技术实现思路
本专利技术构思的至少一个示例性实施例提供了一种使用机器学习来预测图像信号处理器的性能或由图像信号产生的图像的质量的方法。所得预测可以用于调谐图像信号处理器以提高由图像信号处理器产生的图像的质量。根据本专利技术构思的示例性实施例，一种训练机器学习模型以预测在图像本文档来自技高网...

【技术保护点】
1.一种训练机器学习模型以预测在图像信号处理器的操作中使用的多个参数的最优值的方法，包括:/n捕获样本对象的图像以获得样本数据；/n产生所述多个参数的多组样本值；/n仿真所述图像信号处理器根据每一组样本值处理所述样本数据以产生多个样本图像；/n针对多个评估项评估所述多个样本图像中的每个样本图像，以产生相应的样本分数；以及/n使用所述样本值和所述样本分数来训练所述机器学习模型以预测所述最优值。/n

【技术特征摘要】
20190521 KR 10-2019-00595731.一种训练机器学习模型以预测在图像信号处理器的操作中使用的多个参数的最优值的方法，包括:
捕获样本对象的图像以获得样本数据；
产生所述多个参数的多组样本值；
仿真所述图像信号处理器根据每一组样本值处理所述样本数据以产生多个样本图像；
针对多个评估项评估所述多个样本图像中的每个样本图像，以产生相应的样本分数；以及
使用所述样本值和所述样本分数来训练所述机器学习模型以预测所述最优值。


2.根据权利要求1所述的方法，其中，所述多个参数包括图像的颜色、模糊、噪声、对比度、分辨率和尺寸中的至少两个。


3.根据权利要求1所述的方法，其中，所述多个评估项包括图像的颜色、锐度、噪声、分辨率、动态范围，、明暗度和纹理损失中的至少两个。


4.根据权利要求1所述的方法，其中，所述多组样本值包括针对所述多个参数的第一样本组和第二样本组，并且
所述多个样本图像包括对应于第一样本组的第一样本图像和对应于第二样本组的第二样本图像。


5.根据权利要求4所述的方法，其中，所述样本分数包括由所述第一样本图像获得的第一样本分数组，以及由所述第二样本图像获得的第二样本分数组。


6.根据权利要求1所述的方法，所述训练机器学习模型包括：
向所述机器学习模型输入所述多个参数的初始值，以获得所述多个评估项的评估分数；以及
调整应用于所述多个参数的权重，使得所述评估分数满足预定参考条件。


7.如权利要求6所述的方法，还包括：当图像传感器捕获对象以产生原始数据时，将原始数据输入到所述图像信号处理器以产生结果图像，所述图像信号处理器具有应用了所述权重的所述多个参数。


8.根据权利要求6所述的方法，其中，所述机器学习模型被实现为人工神经网络。


9.根据权利要求6所述的方法，其中，所述权重和所述多个参数以部分连接方式连接。


10.根据权利要求1所述的方法，其中，所述样本对象包括多个不同对象。


11.一种预测在图像信号处理器的操作中使用的多个参数的最优值的方法，包括：
将所述多个参数的初始值输入到机器学习模型，所述机器学习模型包括具有多个输入节点的输入层和具有多个输出节点的输出层，多个输入节点与所述多个参数对应，多个输出节点与从由所述图像信号处理器产生的结果图像提取的多个评估项对应；
使用所述机器学习模型的输出，获得所述多个评估项的评估分数；

【专利技术属性】
技术研发人员：金英晕，金圣洙，李庭旻，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国;KR