【技术实现步骤摘要】
训练分割模型的设备和方法
各种实施例一般涉及训练分割模型的设备和方法。
技术介绍
作为示例，对于自主驾驶，可以使用诸如相机传感器和/或视频传感器之类的成像传感器来提供车辆周围环境的数字图像。该数字图像可以图示对象（诸如汽车、自行车、行人、路牌等），并且可以使用分割模型通过语义分割来进行分割和分类，并且可以取决于经分割和分类的数字图像来控制车辆。因此，出于安全原因，分割模型有必要能够为数字图像中的对象提供具有清晰边界的片段。诸如神经网络之类的各种模型被应用于计算机视觉领域。作为示例，神经网络可以被用来使用由成像传感器检测到的图像来生成分割图像。然而，分割图像的片段还可以包括不属于检测到的图像中示出的对象的像素。因此，可能有必要提供一种能够为检测到的图像生成具有分割对象的清晰对象边界的分割图像的模型。在Arandjelovic等人的《具有复制粘贴GAN的对象发现》(arXiv：1905.11369，2019)中描述了一种生成对抗网络，其中，图像的分割部分被复制到另一幅图像中。具有独立权利要求1（第一示例）和11（...
【技术保护点】
1.一种计算机实现的分割模型的训练的方法，所述方法包括：/n• 分割模型为数字图像生成分割图像，所述分割图像包括描述所述数字图像中的至少一个对象的片段；/n• 根据分割图像的片段来确定数字图像的可预测性；/n• 训练分割模型，以减少根据分割图像的片段的数字图像的可预测性。/n
【技术特征摘要】
20190919 EP 19198420.21.一种计算机实现的分割模型的训练的方法，所述方法包括：
•分割模型为数字图像生成分割图像，所述分割图像包括描述所述数字图像中的至少一个对象的片段；
•根据分割图像的片段来确定数字图像的可预测性；
•训练分割模型，以减少根据分割图像的片段的数字图像的可预测性。
2.根据权利要求1所述的方法，其中，根据分割图像的片段来确定数字图像的可预测性包括：
•使用分割图像的片段和数字图像来生成数字图像的片段；以及
•根据数字图像的片段来确定数字图像的可预测性；以及
•其中，分割模型被训练成减少根据数字图像的片段的数字图像的可预测性。
3.根据权利要求2所述的方法，其中，根据数字图像的片段来确定数字图像的可预测性包括：
•生成模型为数字图像的片段生成重建的数字图像，其中，重建的数字图像是数字图像的预测；
•其中，分割模型被训练成增加重建的数字图像与数字图像之间的差异。
4.根据权利要求2所述的方法，其中，根据数字图像的片段来确定数字图像的可预测性包括：
•生成模型为数字图像的片段生成重建的数字图像，其中，重建的数字图像是数字图像的预测；
•判别模型确定重建的数字图像属于包括所述数字图像的类别的概率；
并且其中，分割模型被训练成增加由判别模型确定的概率。
5.根据权利要求2所述的方法，其中，分割图像进一步包括片段的背景；所述方法进一步包括：
使用数字图像为分割图像的背景生成数字图像的背景；
其中，根据数字图像的片段来确定数字图像的可预测性包括根据数字图像的片段来确定数字图像的背景的可预测性；以及
其中，分割模型被训练成减少根据数字图像的片段的数字图像的背景的可预测性。
6.根据权...
【专利技术属性】
技术研发人员：M·诺鲁齐，
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。