【技术实现步骤摘要】
【国外来华专利技术】将图像映射到合成域
本专利技术涉及一种用于训练生成网络的方法，该生成网络被设计用于将杂乱图像转换成合成域的表示，例如法线映射。这样的经训练的生成网络可以例如用于从有噪声的彩色图像识别对象或其属性。
技术介绍
生成网络包括人工神经网络。深度卷积神经网络特别适合这个任务。深度卷积神经网络的日益普及似乎是理所应当的，因为它们被越来越多的复杂应用所采用。不过，这种成功必须稍有细微差别，因为这些方法通常依赖于大型带注释的数据集以用于它们的训练。仍然在许多情况下（例如，对于可扩展的工业应用），如果不是不可能的话，收集所需的数据将是极其昂贵的。然而，对于这样的用例和许多其它用例，表示目标元素的合成模型通常是预先可用的。这样的合成模型的示例是工业三维（3D）计算机辅助设计（CAD）蓝图、仿真模型等。因此，利用这样的数据来训练识别方法变得普遍，例如通过渲染相关合成图像及其注释的巨大数据集。然而，开发行为类似于它们的真实副本的详尽、精确的模型通常与收集带注释的数据一样昂贵（例如获取精确的纹理信息以从CAD数据渲染适当的图像，实际上暗指捕...
【技术保护点】
1.一种训练生成网络（G）的方法，所述生成网络（G）被设计用于将杂乱图像（32）从真实域转换成来自合成域的表示，其中所述生成网络（G）包括人工神经网络，并且所述方法包括以下步骤：/n-接收杂乱图像（32）作为输入，/n-借助于编码器子网络（11）从杂乱图像（32、41）提取多个特征，/n-借助于第一解码器子网络（121）将特征解码成第一模态，/n-借助于第二解码器子网络（122）将特征解码成不同于第一模态的至少第二模态，/n-借助于蒸馏子网络（14）使第一模态和第二模态相关，以及/n-从合成域返回表示作为输出，/n其中所述生成网络（G）的人工神经网络通过一起优化编码器子网络...
【技术特征摘要】
【国外来华专利技术】20181128 EP 18208941.7;20180817 US 62/7192101.一种训练生成网络（G）的方法，所述生成网络（G）被设计用于将杂乱图像（32）从真实域转换成来自合成域的表示，其中所述生成网络（G）包括人工神经网络，并且所述方法包括以下步骤：
-接收杂乱图像（32）作为输入，
-借助于编码器子网络（11）从杂乱图像（32、41）提取多个特征，
-借助于第一解码器子网络（121）将特征解码成第一模态，
-借助于第二解码器子网络（122）将特征解码成不同于第一模态的至少第二模态，
-借助于蒸馏子网络（14）使第一模态和第二模态相关，以及
-从合成域返回表示作为输出，
其中所述生成网络（G）的人工神经网络通过一起优化编码器子网络（11）、第一解码器子网络（121）、第二解码器子网络（122）和蒸馏子网络（14）来训练。
2.根据权利要求1所述的方法，
其中来自合成域的表示没有任何杂乱。
3.根据前述权利要求中的一项所述的方法，
其中来自合成域的表示是法线映射（15）、深度映射或UV映射。
4.根据前述权利要求中的一项所述的方法，其中所述第一模态或所述第二模态是深度映射（131）、法线映射（132）、照明映射（133）、二进制掩模或UV映射。
5.根据前述权利要求中的一项所述的方法，
其中所述蒸馏子网络（14）包括多个自关注层。
6.根据前述权利要求中的一项所述的方法，
其中作为输入接收的杂乱图像（32）是从计算机辅助设计模型获得的，所述计算机辅助设计模型已经借助于增强流水线（A）被增强为杂乱...
【专利技术属性】
技术研发人员：B·普兰谢，S·扎卡罗夫，A·胡特，S·伊利克，吴子彦，
申请(专利权)人：西门子股份公司，
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。