用于训练多面体分类器的设备和方法技术

本公开涉及用于训练多面体分类器的设备和方法。根据各种实施例，描述了一种用于训练多面体分类器的方法，包括：获得数据空间中的训练数据，所述训练数据包括与第一标签相关联的多个第一数据点和与第二标签相关联的多个第二数据点；通过基于使得所述多个第一数据点位于超平面之间的超平面对之间距离关系于使得所述多个第一数据点和所述多个第二数据点这二者均位于超平面之间的超平面对之间距离的最小化来确定超平面对的定向，从而确定超平面对；以及确定超平面对的位置，使得所述多个第一数据点位于超平面对之间，并且所述多个第二数据点通过超平面对至少部分地与所述多个第一数据点分离。第一数据点分离。第一数据点分离。

【技术实现步骤摘要】
用于训练多面体分类器的设备和方法


[0001]本公开涉及用于训练多面体分类器的设备和方法。

技术介绍

[0002]多面体分类器允许对传感器数据进行分类，即，对为自主驾驶而拍摄的图像中的对象或者对以时间序列形式可用的传感器信息进行分类。与用于分类的神经网络相比，多面体分类器可以典型地在更短得多的时间内被训练，并且因此例如也可以在诸如嵌入式系统的具有较低计算能力的设备中被训练。
[0003]M. Anthony的出版物“Generalization error bounds for threshold decision lists”（在机器学习研究杂志（Journal of Machine Learning Research）5：189
–
217, 2004中）给出了用于学习（换言之，训练）多面体分类器的切割平面方法的概述。
[0004]合期望的是用于多面体分类器的训练方法，其以低计算努力实现经训练分类器的高准确性（借助于经训练分类器进行训练和分类这二者）。

技术实现思路

[0005]具有独立权利要求1（第一示例）和15（第十八示例）的特征的方法和设备提供了一种用于快速和准确的二元分类的方法。
[0006]根据实施例，一种用于训练多面体分类器的方法包括：获得数据空间中的训练数据，所述训练数据包括与第一标签相关联的多个第一数据点和与第二标签相关联的多个第二数据点；以及通过基于使得所述多个第一数据点位于超平面之间的超平面对之间距离关系于使得所述多个第一数据点和所述多个第二数据点这二者均位于超平面之间的超平面对之间距离的最小化来确定超平面对的定向，从而确定超平面对；以及确定超平面对的位置，使得所述多个第一数据点位于超平面对之间，并且所述多个第二数据点通过超平面对至少部分地与所述多个第一数据点分离。本段中提到的方法提供了第一示例。
[0007]所述关系可以是使得所述多个第一数据点位于超平面之间的超平面对之间距离与使得所述多个第一数据点和所述多个第二数据点这二者均位于超平面之间的超平面对之间距离的比率。本段中提到的特征与第一示例组合提供了第二示例。
[0008]确定超平面对可以包括确定将数据空间映射到实数的线性函数的表示以及其端点给出超平面在数据空间中的位置的间隔。本段中提到的特征与第一示例至第二示例中的任何一个组合提供了第三示例。
[0009]超平面对之间的距离可以由间隔的长度给出。本段中提到的特征与第三示例组合提供了第四示例。
[0010]获得数据空间中的训练数据可以包括借助于从原始数据空间到数据空间的变换映射，将原始数据空间中的原始训练数据点集合映射到数据空间。本段中提到的特征与第一示例至第四示例中的任何一个组合提供了第五示例。
[0011]原始数据空间和数据空间可以是欧几里德空间，并且数据空间的维度可以高于原
始数据空间的维度。本段中提到的特征与第五示例组合提供了第六示例。
[0012]数据空间的维度可以比原始数据空间的维度更高一维。本段中提到的特征与第六示例组合提供了第七示例。
[0013]变换映射可以被配置为将原始数据空间映射到数据空间中的严格凸集的边界。本段中提到的特征与第五示例至第七示例中的任何一个组合提供了第八示例。
[0014]变换映射可以被配置为将原始数据空间映射到数据空间中的球面。本段中提到的特征与第一示例至第七示例中的任何一个组合提供了第九示例。
[0015]所述方法可以进一步包括从训练数据中移除不位于所确定的超平面之间的第二数据点。本段中提到的特征与第一示例至第九示例中的任何一个组合提供了第十示例。
[0016]所述方法可以包括确定将所述多个第一数据点与所述多个第二数据点分离的超平面对的序列，所述确定包括对于每个超平面对，基于使得所述多个第一数据点位于超平面之间的超平面对之间距离关系于使得所述多个第一数据点和尚未通过前一超平面对与所述多个第一数据点分离的所述多个第二数据点这二者均位于超平面之间的超平面对之间距离的最小化，来确定超平面对的定向；以及确定超平面对的位置，使得所述多个第一数据点位于超平面对之间，并且所述多个第二数据点通过超平面对至少部分地与所述多个第一数据点分离。本段中提到的特征与第一示例至第十示例中的任何一个组合提供了第十一示例。
[0017]确定超平面对的定向可以包括选择候选定向，并在一个或多个定向搜索迭代的过程中改进所述定向。本段中提到的特征与第一示例至第十一示例中的任何一个组合提供了第十二示例。
[0018]可以选择候选定向以将至少一个第二数据点与所述多个第一数据点分离。本段中提到的特征与第十二示例组合提供了第十三示例。
[0019]选择候选定向可以包括随机选择第二数据点并确定候选定向，以至少将所选的第二数据点与所述多个第一数据点分离。本段中提到的特征与第十二示例至第十三示例中的任何一个组合提供了第十四示例。
[0020]在每次定向搜索迭代中，可以通过所述定向与不同定向的加权组合来改进定向。本段中提到的特征与第十二示例至第十四示例中的任何一个组合提供了第十五示例。
[0021]对于要针对其训练多面体分类器的分类，第一数据点可以是正例，并且第二数据点可以是反例。本段中提到的特征与第一示例至第十五示例中的任何一个组合提供了第十六示例。
[0022]每个数据点可以表示传感器数据。本段中提到的特征与第一示例至第十六示例中的任何一个组合提供了第十七示例。
[0023]根据一个实施例，分类器训练设备被配置为实行第一示例至第十七示例的方法。本段中提到的特征提供了第十八示例。
[0024]根据实施例，分类设备包括根据第一示例至第十七示例的方法训练的多面体分类器。本段中提到的特征提供了第十九示例。
[0025]根据实施例，一种车辆包括提供输入传感器数据的至少一个传感器和包括多面体分类器的驾驶辅助系统，所述多面体分类器被训练成根据第一示例至第十七示例中的任何一个对输入传感器数据进行分类，其中驾驶辅助系统被配置为基于由多面体分类器分类的
输入传感器数据来控制车辆。本段中提到的特征提供了第二十示例。
[0026]一种计算机程序可以具有程序指令，所述程序指令被配置为当由一个或多个处理器执行时，使所述一个或多个处理器执行根据第一示例至第十八示例中的一个或多个的方法。
[0027]所述计算机程序可以存储在机器可读存储介质中。
附图说明
[0028]在附图中，贯穿于不同的视图，同样的参考字符一般指代相同的部分。附图不一定是为了图示比例。相反，一般将重点放在说明本专利技术的原理上。在以下描述中，参考以下附图描述了各个方面，其中：图1示出了自主驾驶场景中分类任务的示例；图2示出了图示用于训练多面体分类器的方法的流程图；图3图示了针对原始欧几里德空间是一维的情况的数据点变换；图4示出了借助于超平面对将训练数据集的正例与反例分离的二维图示；图5示出了图示根据实施例的用于训练多面体分类器的方法的流程图。...

【技术保护点】

【技术特征摘要】
1.一种用于训练多面体分类器的方法，包括：获得数据空间中的训练数据，所述训练数据包括与第一标签相关联的多个第一数据点（304）和与第二标签相关联的多个第二数据点（305）；和通过以下方式确定平行超平面对（401，402）：基于超平面需要具有的使得所述多个第一数据点（304）位于超平面之间的超平面对之间距离关系于超平面需要具有的使得所述多个第一数据点（304）和所述多个第二数据点（305）这二者均位于超平面之间的超平面对之间距离的最小化，来确定超平面对（401，402）的定向；和确定超平面对（401，402）的位置，使得所述多个第一数据点（304）位于超平面对（401，402）之间，并且所述多个第二数据点（305）通过超平面对（401，402）至少部分地与所述多个第一数据点（304）分离。2.根据权利要求1所述的方法，其中所述关系是使得所述多个第一数据点（304）位于超平面之间的超平面对（401，402）之间距离与使得所述多个第一数据点（304）和所述多个第二数据点（305）这二者均位于超平面之间的超平面对之间距离的比率。3.根据权利要求1或2所述的方法，其中确定超平面对（401，402）包括确定将数据空间映射到实数的线性函数的表示，所述表示给出超平面对（401，402）的定向和其端点给出超平面（401，402）在数据空间中的位置的间隔。4.根据权利要求3所述的方法，其中超平面对（401，402）之间的距离由所述间隔的长度给出。5.根据权利要求1至4中任一项所述的方法，其中获得数据空间中的训练数据包括借助于从原始数据空间到数据空间的变换映射，将原始数据空间中的原始训练数据点集合映射到数据空间，其中变换映射被配置为将原始数据空间映射到数据空间中的严格凸集的边界，并且其中原始数据空间和数据空间是欧几里德空间，并且数据空间的维度高于原始数据空间的维度。6.根据权利要求5所述的方法，其中数据空间的维度比原始数据空间的维度高一维。7.根据权利要求5或6中任一项所述的方法，其中变换映射被配置为将...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：罗伯特，
类型：发明
国别省市：