[发明专利]形成用于全监督式学习的数据集

说明书

本发明特别涉及一种信号处理的计算机实现的方法，包括：提供图像；针对图像的至少一个子集中的每个相应的一个：应用弱监督式学习函数，弱监督式学习函数输出相应对，所述相应对中的每个包括相应定位和一个或多个相应置信度分数，每个置信度分数表示相应对象类别在相应定位处的实例化概率；基于所述弱监督式学习函数的输出来确定一个或多个相应注释，每个注释包括相应定位和表示相应对象类别在相应定位处的相应标签；以及形成包括数据片段的数据集，每个数据片段包括所述子集的相应图像和针对所述相应图像确定的所述一个或多个注释的至少一部分。这种方法改进了对象检测领域。

技术领域

本发明涉及计算机程序和系统领域，并且更具体地涉及与信号处理有关的方法、设备、数据结构和程序。

背景技术

市场上提供了用于对象的设计、工程和制造的许多系统和程序。CAD是计算机辅助设计的首字母缩略词，例如它涉及用于设计对象的软件解决方案。CAE是计算机辅助工程的缩写，例如它涉及用于模拟未来产品的物理行为的软件解决方案。CAM是计算机辅助制造的首字母缩略词，例如它涉及用于定义制造过程和操作的软件解决方案。在这种计算机辅助设计系统中，图形用户界面在技术效率方面起着重要的作用。这些技术可能嵌入在产品生命周期管理(PLM)系统中。PLM指的是一种商业战略，其帮助企业共享产品数据、应用公共流程，并利用企业知识进行跨越扩展企业概念从概念到产品生命尽头的产品开发。达索系统(Dassault Systèmes)(以CATIA、ENOVIA和DELMIA为商标)提供的PLM解决方案提供了组织产品工程知识的工程中心、管理制造工程知识的制造中心以及使企业集成和连接到工程和制造中心的企业中心。整个系统提供了开放的对象模型，其连接产品、流程和资源以实现动态的、基于知识的产品创建和决策支持，这驱动优化的产品定义、制造准备、生产和服务。

在这种背景和其他背景下，场景理解变得越来越重要。场景理解显然涉及诸如多对象检测算法之类的对象检测解决方案。例如，给定图像，多对象检测算法可以包括同时定位和识别多个对象的所有实例。对象检测可能在许多应用中非常有用，所述应用如盲人或部分视力不佳的人的身体佩戴的摄像头或自动驾驶汽车。

以下论文涉及该领域，并在下文中提及：

[1]Y.Lecun等，“Backpropagation applied to handwritten zip coderecognition”,Neural Comput,1989

[2]S.Ren,等，“Faster R-CNN:Towards Real-Time Object Detection withRegion Proposal Networks”,NIPS 2015

[3]J.Dai等，“R-FCN:Object Detection via Region-based FullyConvolutional Networks”,NIPS 2016

[4]K.Kim等，“PVANET:Deep but Lightweight Neural Networks for Real-timeObject Detection”,NIPS 2016

[5]O.Russakovy等，“ImageNet Large Scale Visual Recognition Challenge”,IJCV 2015

[6]本申请的优先权日期的以下URL公开的论文:http://host.robots.ox.ac.uk/pascal/VOC/voc2012/

[7]V.Kantorov等，“ContextLocNet:Context-Aware Deep Network Models forWeakly Supervised Localization”,ECCV 2016