[发明专利]识别对象实例和/或对象的定向的方法

权利要求书

1.一种借助人工神经网络(CNN)在有干扰的环境(14)中识别对象实例并且确定已定位的对象(10)的定向的方法，具有步骤：

-为了获得多个样本(s)，记录至少一个对象(10)的多个图像(x)，所述样本包含图像数据(x)、对象身份(c)和定向(q)；

-由所述样本生成训练集合(S_train)和模板集合(S_db)；

-借助所述训练集合(S_train)和损失函数(L)，对所述人工神经网络(CNN)进行训练；

-通过借助所述人工神经网络分析所述模板集合(S_db)，来确定对象实例和/或对象(10)的定向，

其特征在于，

进行训练使用的损失函数(L)具有动态余量(m)。

2.根据权利要求1所述的方法，其特征在于，以如下方式由三个样本(s_i,s_j,s_k)形成三元组(38)，即，第一样本(s_i)和第二样本(s_j)来自相似的定向(q)下的相同的对象(10)，其中，选择第三样本(s_k)，使得所述第三样本(s_k)来自与所述第一样本(s_i)不同的对象(10)，或者如果所述第三样本来自与所述第一样本(s_i)相同的对象(10)，则所述第三样本具有与所述第一样本(s_i)不相似的定向(q)。

3.根据权利要求2所述的方法，其特征在于，损失函数(L)具有以下形式的三元组损失函数(L_triplets)：

其中，x表示相应的样本(s_i,s_j,s_k)的图像，f(x)表示所述人工神经网络的输出，并且m表示动态余量。

4.根据上述权利要求中任一项所述的方法，其特征在于，以如下方式由两个样本(s_i,s_j)形成一个对，即，所述两个样本(s_i,s_j)来自相同的对象(10)并且具有相似或者相同的定向(q)，其中，所述两个样本(s_i,s_j)在不同的图像记录条件下获得。

5.根据权利要求4所述的方法，其特征在于，损失函数(L)具有以下形式的对损失函数(L_pairs)：

其中，x表示相应的样本(s_i,s_j)的图像，并且f(x)表示人工神经的输出。

6.根据上述权利要求中任一项所述的方法，其特征在于，对象(10)的记录从多个视点(24)开始进行。

7.根据上述权利要求中任一项所述的方法，其特征在于，以如下方式进行对象(10)的记录，即，从至少一个视点(24)开始进行多次记录，其中，使照相机绕其记录轴(42)转动，以获得具有特别是四元数形式的转动信息的另外的样本(40)。

8.根据权利要求7所述的方法，其特征在于，借助相似性度量来确定两个样本之间的定向的相似性，其中，依据相似性来确定动态余量。

9.根据权利要求8所述的方法，其特征在于，以四元数的形式确定转动信息，其中，所述相似性度量具有以下形式：

θ(q_i，q_j)＝2arccos(q_i，q_j)，

其中，q表示作为四元数的相应的样本的定向。

10.根据权利要求9所述的方法，其特征在于，动态余量具有以下形式：

其中，q表示作为四元数的相应的样本的定向，其中，c表示对象身份。