用于训练机器学习算法的方法和装置制造方法及图纸

本发明专利技术涉及一种用于训练由车辆的计算单元执行的用于正确物品识别的机器学习算法(例如深度学习算法)的方法，其中计算单元包括处理器、机器学习单元、通信单元、和存储器，并且其中车辆包括传感器。该方法包括以下步骤：触发传感器数据采集并控制传感器以获取传感器数据，控制传感器以将传感器数据传送到机器学习单元，可选地控制机器学习单元以将数据和与数据相关的信息传送到用户接口，并且基于与数据相关的信息，控制用户接口单元以在用户接口的显示器上显示数据和标记数据的指令；将标记信息分配给所述数据；以及控制机器学习单元以基于标记信息来再训练被存储在存储器中的机器学习算法。器学习算法。器学习算法。

【技术实现步骤摘要】
用于训练机器学习算法的方法和装置


[0001]本专利技术涉及通过为机器学习算法供给额外的局部化训练数据来提供定制驾驶体验的方法。本专利技术还涉及一种用于为机器学习算法供给额外训练数据的装置。

技术介绍

[0002]几十年来，车辆安全在汽车行业的研发部门发挥着重要作用。多年来，已经开发了大量的机械和电子设备，以使车辆更安全，从而为乘客和车辆附近的其他车辆或人员提供保护。
[0003]随着计算设备的进化和计算能力的快速增长，近来出现了基于机器学习或深度学习算法或人工智能的新安全系统。在一些车辆中，嵌入式摄像机拍摄周围环境的图像，并且识别其中的物体、位置、物品、障碍物等，以向车辆驾驶员提供可能的危险情况的指示，或者向车辆的自动驾驶系统提供数据，以辅助车辆的驾驶或与车辆的驾驶交互。
[0004]通常，这样的机器学习或深度学习算法的训练是使用全局数据进行的，例如使用属于世界不同地区的图像。由于车辆可能被使用的环境是多种多样的，基于全局数据训练的机器学习算法可能无法正确识别特定于局部区域的某些物品。这会影响车辆驾驶员和车辆所在的局部区域周围事物的安全。
[0005]此外，机器学习或深度学习算法的训练通常由计算设备自动执行，而无需或仅具有有限的人类用户交互。该模型能导致错误地识别用户最经常使用车辆的环境中的物体、物品、位置等。
[0006]机器学习算法的性能通常受到用于训练它们的训练数据质量的影响。此外，考虑到车辆的特定用途和车辆行驶的特定环境，通常难以获取数据以改进模型。

技术实现思路
r/>[0007]本专利技术的一个目的是提供一种由车辆的计算单元执行的用于训练用于正确物品识别的机器学习(例如，深度学习)算法的方法，其中，计算单元包括处理器、机器学习单元、通信单元、和存储器。所述车辆包括传感器，并且所述方法包括以下步骤：
[0008]‑
触发传感器数据采集并控制所述传感器以获取传感器数据，
[0009]‑
将所述传感器数据传送到所述机器学习单元，
[0010]‑
可选地控制所述机器学习单元以将所述数据和与所述数据相关的信息传送到用户接口，所述用户接口被配置为基于与所述数据相关的信息向用户提供所述数据的表示和指令以标记所述数据，
[0011]‑
将标记信息分配给所述数据，以及
[0012]‑
控制所述机器学习单元以基于所述数据和可选地所述标记信息来再训练被存储在所述存储器中的机器学习算法。
[0013]这样的方法能够改进所述算法的功能，特别是在通用算法不那么精确的局部环境中。这样的改进能够导致总体上更安全的系统。
[0014]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中控制传感器以将传感器数据传送到机器学习单元包括控制机器学习单元以预处理所述传感器数据。预处理能够包括对所述传感器数据执行的任何操作，例如，如果传感器数据是图像，则预处理能够包括轮廓加工、亮度或对比度调整、重新缩放、边缘检测等中的一项或多项。这样的预处理能够改进数据标记和/或可视化或显示。
[0015]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中触发传感器数据采集包括基于车辆的位置信息触发传感器数据采集。例如，这可以是指示频繁地访问的位置和/或与高于特定阈值的物品识别不确定性相关联的位置的位置信息。这能够导致非常局部性的数据采集，改进特定位置的算法，例如，车辆经常行驶的位置或物品识别存在不确定性的位置。
[0016]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中，位置信息是从包括在车辆中的地理跟踪装置获得的。这能够引起不需要用户触发情况下的数据采集，从而使系统不易受到人为错误的影响。
[0017]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中位置信息是在用户接口单元中输入的指示车辆位置的第二用户输入获得的。例如，当用户尚未经常在某些地区旅行，但预计未来会出现这种情况，并可以向系统指示这一点时，这能够是有用的。
[0018]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中触发传感器数据采集包括基于用户在用户接口单元中输入的命令来触发传感器数据采集。这样的命令输入能够是用户触发采集的简单方式。
[0019]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中触发传感器数据采集包括基于下列各项中的一项或多项来触发传感器数据采集：当前日期或者从已执行机器学习算法的训练的最后日期经过的时间段；有规律的时间间隔；用户的身份；以及触发事件。其中任何一项都可能是表明数据采集在某些方面将有助于训练和改进算法的有用指标。
[0020]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中所述传感器是摄像机。
[0021]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中所述传感器数据是图像或视频。
[0022]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中传送传感器数据包括将所述传感器数据存储在所述存储器中。这能够允许数据存储，直到数据能被系统和/或用户处理和/或使用。
[0023]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中用户接口位于车辆中或者是车辆的一部分。用户接口位于车辆中或作为车辆的一部分能够是用户与系统交互的方便场所。
[0024]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中所述计算单元包括用户接口单元，并且其中预处理的数据和与预处理的数据相关的信息被传送到和第一用户输入被输入到的用户接口是包括在所述计算单元中的用户接口单元。这能够是用户将信息输入到系统中的方便方式。
[0025]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中预处理数据包括执行被存储在存储器中的机器学习算法以预标记所述传感器数据。预标记传感器数据能够减少用户标记数据的工作，并且在某些情况下能够消除在标记中对用户输入的需要。
[0026]本专利技术的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中与所述数据相关的信息包括位置、时间、使用车辆的用户的身份、或所述预处理数据的格式类型中的至少一个的指示。提供这样的数据能够帮助训练算法到局部化环境，例如，与特定用户、时间、位置等有关的环境。
[0027]本专利技术的另一方面是提供一种通信单元，以执行用于对用于正确物品识别的机器学习算法进行训练的方法。这样的通信单元可以是计算单元。
[0028]本专利技术的另一方面是提供一种用于正确物品识别的机器学习算法。
[0029]本专利技术的又一方面是提供一种车辆，该车辆包括一种执行用于对用于正确物品识别的机器学习算法进行训练的通信单元。
附图说明
[0030]通过非限制性和非排他性实施例对本专利技术的描述，本专利技术的其他特征和优点将变得明显。这些实施例不应被解释为限制保护范围。本领域技术人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种由车辆(10)的计算单元(110)执行的用于训练用于正确物品识别的机器学习算法的方法，其中所述计算单元(110)包括处理器(111)、机器学习单元(113)、通信单元(112)和存储器(114)，并且其中所述车辆包括传感器(101)，所述方法包括以下步骤：
‑
触发(S400)传感器数据采集并控制所述传感器(101)以获取(S400)传感器数据，
‑
将所述传感器数据传送到所述机器学习单元(113)，
‑
可选地控制所述机器学习单元(113)以将所述数据和与所述数据相关的信息传送(S420)到用户接口，所述用户接口被配置为基于与所述数据相关的信息，向用户提供所述数据的表示和指令以标记所述数据，
‑
向所述数据分配(S440)标记信息，以及
‑
控制所述机器学习单元(113)以基于所述数据和可选地标记信息来再训练(S450)存储在所述存储器(114)中的机器学习算法。2.根据权利要求1所述的方法，其中，当所述方法包括以下步骤时：
‑
控制所述机器学习单元(113)以将所述数据和与所述数据相关的信息传送(S420)到用户接口，以及
‑
控制所述用户接口单元(120)以基于与所述数据相关的信息在所述用户接口(120)的显示器(121)上显示所述数据和标记所述数据的指令，其中，分配(S440)所述数据的标记信息的步骤包括从所述用户接口(120)接收由通过所述用户接口输入(S430)的第一用户输入所获得的标记信息，并将所述标记信息传送到所述机器学习单元(113)。3.根据权利要求1或2所述的方法，其中控制所述传感器以将传感器数据传送到所述机器学习单元包括控制所述机器学习单元(113)以预处理(S410)所述传感器数据。4.根据前述权利要求中任一项所述的方法，其中触发传感器数据采集包括基于所...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：沃尔沃汽车公司，
类型：发明
国别省市：