[发明专利]闭环自动数据集创建系统和方法

权利要求书

1.一种系统，该系统包括：

合成图像生成器，所述合成图像生成器用于生成包括多个图像的训练数据集；

神经网络训练系统，所述神经网络训练系统用于使用来自所述训练数据集的所述多个图像来训练神经网络并产生经训练的神经网络；以及

训练数据集分析引擎，所述训练数据集分析引擎用于生成新的训练数据集参数，所述新的训练数据集参数包括所述多个图像的子集和将由所述合成图像生成器生成的新的图像。

2.根据权利要求1所述的系统，其中，所述神经网络训练系统还用于生成表示所述多个图像对所述神经网络训练系统的贡献的信息量度。

3.根据权利要求2所述的系统，其中，所述训练数据集分析引擎用于响应于所述信息量度而生成新的训练数据。

4.根据权利要求1所述的系统，还包括验证系统，所述验证系统包括验证数据集，所述验证数据集包括多个标记的真实世界图像，其中，所述经训练的神经网络对来自所述验证数据集的图像进行分类。

5.根据权利要求4所述的系统，其中，将图像分类提供给所述训练数据集，并且其中，所述训练数据集分析引擎用于响应于所述图像分类而生成新的训练数据。

6.根据权利要求1所述的系统，其中，所述训练数据集分析引擎包括数据提取器/分析器，所述数据提取器/分析器用于接收信息量度并基于对所述神经网络的贡献来评估图像。

7.根据权利要求1所述的系统，其中，所述训练数据集分析引擎包括数据集生成器，所述数据集生成器用于定义更新的训练数据集和定义将生成的新合成图像的参数，其中，所述更新的训练数据集包括所述多个图像的子集。

8.根据权利要求7所述的系统，其中，所述训练数据集和分析引擎包括汇编器/接口，所述汇编器/接口用于生成使所述合成图像生成器创建所述更新的训练数据集的指令。

9.根据权利要求1所述的系统，还包括定义图像分类系统的范围的配置参数。

10.根据权利要求1所述的系统，其中，所述训练数据集分析引擎还用于基于对所述神经网络的性能的相对贡献来对所述多个图像中的每个图像进行排名，并且其中，所述多个图像的子集包括排名靠前的图像。

11.根据权利要求1所述的系统，其中，所述合成图像生成器用于接收所述新的训练数据集参数、生成包括随机对象类型和/或在三维虚拟环境内的布置的成像场景；以及

对于每个成像场景，为更新的训练数据集生成相应的合成图像。

12.根据权利要求1所述的系统，其中，所述合成图像生成器用于接收所述新的训练数据集参数，并生成包括所述多个图像的子集的新的训练数据集。

13.根据权利要求1所述的系统，其中，所述系统还用于使用所述多个图像来训练所述神经网络，使用真实图像来验证所述训练以检测分类错误，以及响应于检测到的分类错误来更新所述参数以提高分类精度。

14.一种方法，所述方法包括：

通过合成图像生成器生成包括多个图像的训练数据集；

通过神经网络训练系统使用来自所述训练数据集的所述多个图像来训练神经网络，以产生经训练的神经网络；以及

生成新的训练数据集参数，所述新的训练数据集参数包括所述多个图像的子集和将由所述合成图像生成器生成的新的图像。

15.根据权利要求14所述的方法，其中，训练所述神经网络还包括：生成表示所述多个图像对所述神经网络训练系统的贡献的信息量度。

16.根据权利要求15所述的方法，其中，响应于所述信息量度，生成新的训练数据。