在多模态环境中利用扰动的系统和方法技术方案

在多模态环境中利用扰动的系统和方法。一种用于训练机器学习网络的计算机实现的方法。该方法可以包括接收输入数据，从输入数据选择一个或多个批次样本，将扰动对象应用到一个或多个批次样本上以创建扰动样本，运行扰动样本通过机器学习网络，响应于运行扰动样本响应于函数更新扰动对象，以及响应于超过收敛阈值输出扰动对象。出扰动对象。出扰动对象。

【技术实现步骤摘要】
在多模态环境中利用扰动的系统和方法


[0001]本公开涉及利用机器学习、诸如利用自动编码器的图像增强和图像处理。

技术介绍

[0002]生成物理扰动对象——是海报状的贴片或者是表示3
‑
D对象形状的网格——来抑制使用单模态输入检测或分类对象的可能性。当附接到感兴趣对象（OOI）时，如何生成对象的问题增加了OOI将被正确检测或分类的可能性，而不管有多少模态可以被用作至对象检测器的输入，这在文献中从未做过。

技术实现思路

[0003]根据一个实施例，公开了一种用于训练机器学习网络的计算机实现的方法。该方法可以包括接收输入数据，从输入数据选择一个或多个批次样本，将扰动对象应用到一个或多个批次样本上以创建扰动样本，运行扰动样本通过机器学习网络，响应于运行扰动样本响应于机器学习网络相对于输入数据的损失函数的导数更新扰动对象，以及响应于超过收敛阈值输出扰动对象。
[0004]根据第二实施例，包括机器学习网络的系统包括被配置为接收输入数据的输入接口和与输入接口通信的处理器。处理器被编程为接收输入数据，从输入数据选择一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于训练机器学习网络的计算机实现的方法，包括：从一个或多个传感器接收输入数据，其中输入数据包括指示图像信息或声音信息的信息，其中所述一个或多个传感器包括相机、雷达、声纳或麦克风；从输入数据选择一个或多个批次样本；将扰动对象应用到所述一个或多个批次样本上以创建扰动样本；运行扰动样本通过与机器学习网络相关联的函数，以检测或分类扰动样本；响应于运行扰动样本的函数，更新扰动对象；和响应于超过收敛阈值，输出扰动对象。2.根据权利要求1所述的计算机实现的方法，其中扰动对象是二维图像。3.根据权利要求1所述的计算机实现的方法，其中扰动对象是三维对象。4.根据权利要求1所述的计算机实现的方法，其中输出扰动对象包括打印扰动对象。5.根据权利要求1所述的计算机实现的方法，其中函数包括多模态分类器。6.根据权利要求1所述的计算机实现的方法，其中函数包括对象检测器。7.根据权利要求1所述的计算机实现的方法，其中，输入数据包括与检测到的对象相关联的位置信息。8.一种包括机器学习网络的系统，包括：输入接口，被配置为接收输入数据，其中输入接口连接到一个或多个传感器，其中所述一个或多个传感器包括相机、雷达、声纳或麦克风；和与输入接口通信的处理器，其中处理器被编程为：接收输入数据，输入数据包括指示图像信息或声音信息的信息；从输入数据选择一个或多个批次样本；将扰动对象应用到所述一个或多个批次样本上以创建扰动样本；运行扰动样本通过机器学习网络，以便检测或分类扰动样本；和响应于运行扰动样本的机器学习网络，更新扰动对象；...

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