用于训练和测试分类器的设备和方法技术

用于训练和测试分类器的设备和方法，分类器被配置为提供表征信号的分类的输出信号，并且训练分类器基于所提供训练数据集，提供训练数据集包括步骤：

【技术实现步骤摘要】
用于训练和测试分类器的设备和方法


[0001]本专利技术涉及一种用于训练分类器的方法、一种用于评估分类器是否可以用在控制系统中的方法、一种用于操作致动器的方法、一种计算机程序和一种机器可读存储介质、一种分类器、一种控制系统和一种训练系统。

技术介绍

[0002]Jun
‑
Yan Zhu、Taesung Park、Phillip Isola和Alexei A. Efros的“Unpaired Image
‑
to
‑
Image Translation using Cycle
‑
Consistent Adversarial Networks”（https://arxiv.org/abs/1703.10593v1）公开了一种用于使用循环一致生成对抗网络进行不成对图像到图像转化的方法。
[0003]本专利技术的优点分类器的监督训练需要大量的标记数据。标记数据可以理解为多个数据点，其中每个数据点被分配对应的标签，当被提供相应的数据点时，分类器将预测该对应的标签。例如，描绘城市交本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于训练分类器（60）的计算机实现的方法，其中分类器（60）被配置为提供表征第一输入信号（x）的分类的输出信号（y），并且基于所提供的训练数据集（T）来训练分类器（60），其中提供训练数据集（T）包括以下步骤：
•ꢀ
提供（901）第一生成器（G），其中第一生成器（G）被配置为基于所提供的具有第一类特征的第二输入信号（I）来提供具有第二类特征的输出信号（O），或者其中所述生成器（G）被配置为提供掩模信号（M），其中所述掩模信号（M）指示第二输入信号（I）的哪些部分示出第一类特征；
•ꢀ
基于所提供的第二输入信号（I），由第一生成器（G）提供（902）输出信号（O）或掩模信号（M）；
•ꢀ
提供（903）对应于第二输入信号（I）的差异信号，其中基于在第二输入信号（I）和输出信号（O）之间的差异来提供差异信号，或者其中掩模信号（M）被提供为差异信号；
•ꢀ
基于对应的差异信号提供（904）对应于第二输入信号（I）的期望输出信号，其中期望输出信号表征第二输入信号（I）的期望分类；
•ꢀ
提供至少一个第二输入信号（I）和对应的期望输出信号作为训练数据集（T）。2.根据权利要求1所述的方法，其中提供第一生成器（G）包括训练CycleGAN，其中所述CycleGAN包括第二生成器和第三生成器，其中训练所述CycleGAN包括基于所提供的具有第一类特征的输入信号来训练第二生成器以提供具有第二类特征的输出信号，并且基于所提供的具有第二类特征的输出信号来训练第三生成器以提供具有第一类特征的输入信号，并且在训练所述CycleGAN之后将第二生成器提供为第一生成器（G）。3.根据权利要求1或2所述的方法，其中由第一生成器（G）或第二生成器基于所提供的具有第一类特征的第二输入信号（I）来提供具有第二类特征的输出信号（O）包括以下步骤：
•ꢀ
基于第二输入信号（I）确定中间信号（Z）和掩模信号（M）；
•ꢀ
确定在掩模信号（M）和中间输出信号（Z）之间的哈达玛乘积，并提供所确定的哈达玛乘积作为第一结果信号（R1）；
•ꢀ
确定在掩模信号的逆（M
‑1）与第二输入信号（I）之间的哈达玛乘积，并提供所确定的哈达玛乘积作为第二结果信号（R2）；
•ꢀ
提供第一结果信号（R1）和第二结果信号（R2）之和作为输出信号（O）。4.根据权利要求3所述的方法，其中使用损失函数来训练第二生成器，其中所述损失函数取决于所述掩模信号（M）的子元素的绝对值之和。5.根据权利要求1至4中任一项所述的方法，其中提供期望输出信号包括：确定所述差异信号的子元素的范数值，其中所述范数值对应于所述子元素；并且将所述范数值与预定义阈值进行比较。6.根据权利要求5所述的方法，其中所述输出信号包括至少一个边界框，其中所述边界框通过如下操作来提供：确定所述差异信号中包括多个子元素的区域，其中所述多个子元素包括其对应的范数值不落入所述阈值...

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