[发明专利]神经网络训练图像生成系统

说明书

生成用于神经网络的训练图像的系统包含配置成接收表示在图像掩膜中的一个或多个选择的区域的输入的一个或多个处理器。一个或多个处理器配置成通过组合图像掩膜与设备的未标记图像，形成标记掩蔽图像。一个或多个处理器还配置成使用标记掩蔽图像来训练人工神经网络，以进行以下的一个或多个：自动识别在设备的一个或多个实际图像中出现的设备损坏和/或生成一个或多个训练图像以用于训练另一人工神经网络以自动识别在设备的一个或多个实际图像中出现的设备损坏。

技术领域

本文中描述的主题涉及使用一个或多个神经网络的图像分析系统。

背景技术

人工神经网络能够用于检查图像和进行在图像中描绘的对象的预测。这些神经网络是被训练成识别图像中的对象的计算机化的系统。神经网络的训练能够包含提供训练图像到神经网络。训练图像能够是带有被标记或标注的像素的图像，以反映每个像素表示什么类型的对象（例如，对象类）。例如，训练图像中的每个像素能够与指示像素描绘至少部分的什么对象的数据或资料关联。

训练图像的创建能够是时间密集和昂贵的努力。通过一个或多个人员手动检查图像中的每个像素并且将像素以数据或资料来标注或标记以识别由像素表示什么对象类，创建一些训练图像。一些训练图像被使用众包（crowd sourcing）创建，其中不一定处在相同位置的若干人员能够查看和标注图像以加速创建训练图像的过程。但是，并非所有图像都能够使用众包进行标注。一些图像无法以允许此类众包的方式被广泛散布。例如，与机密性协议或限制有关或受其影响而使用的设备（诸如飞机引擎）的损坏的一些图像可能不能在许多人员之中分布以用于像素标注的众包。

发明内容

在一个实施例中，系统包含配置成接收表示在图像掩膜中的一个或多个选择的区域的输入的一个或多个处理器。一个或多个处理器配置成通过组合图像掩膜与设备的未标记图像，形成标记掩蔽图像。一个或多个处理器还配置成使用标记掩蔽图像训练人工神经网络，以进行以下的一个或多个：自动识别在设备的一个或多个实际图像中出现的设备损坏和/或生成一个或多个训练图像以用于训练另一人工神经网络以自动识别在设备的一个或多个实际图像中出现的设备损坏。

在一个实施例中，方法包含接收表示在图像掩膜中的一个或多个选择的区域的输入，通过组合图像掩膜与设备的未标记图像，形成标记掩蔽图像，以及使用标记掩蔽图像训练人工神经网络，以进行以下的一个或多个：自动识别在设备的一个或多个实际图像中出现的设备损坏，或者生成一个或多个训练图像以用于训练另一人工神经网络以自动识别在设备的一个或多个实际图像中出现的设备损坏。

在一个实施例中，系统包含配置成接收设备的实际图像的一个或多个处理器。实际图像不包含由实际图像中的每个像素表示什么对象的标注。一个或多个处理器还配置成获得图像掩膜，图像掩膜表示在其中设备的损坏将出现的一个或多个选择的区域。一个或多个处理器配置成通过组合实际图像与图像掩膜，生成标记掩蔽图像。标记掩蔽图像包含由来自图像掩膜的一个或多个选择的区域中的多个像素表示什么对象的标注。

本发明还公开了一组技术方案，如下：

1. 一种系统，包括：

一个或多个处理器，配置成接收表示在图像掩膜中的一个或多个选择的区域的输入，所述一个或多个处理器配置成通过组合所述图像掩膜与设备的未标记图像，形成标记掩蔽图像，

其中所述一个或多个处理器配置成使用所述标记掩蔽图像训练人工神经网络以进行以下的一个或多个：自动识别在设备的一个或多个实际图像中出现的设备损坏，或者生成一个或多个训练图像以用于训练另一人工神经网络以自动识别在设备的所述一个或多个实际图像中出现的所述设备损坏。

2. 根据技术方案1所述的系统，其中所述一个或多个处理器配置成接收表示人工异常将在所述标记掩蔽图像中在所述设备上何处出现的位置的所述输入。