[发明专利]配置图像评估装置的方法和图像评估方法及图像评估装置

权利要求书

1.一种用于配置图像评估装置(BA)以得出所成像的对象(OBJ)的对象类型(OT、OT1、OT2)和对象亚类型(OST)的方法，其中

a)将多个分别与对象类型(OT、OT1、OT2)和对象亚类型(OST)相关联的训练图像(TPIC)馈入到第一神经网络模块(CNN)中，以识别图像特征，

b)将所述第一神经网络模块(CNN)的训练输出数据集(FEA)馈入到第二神经网络模块(MLP)中，以根据图像特征识别对象类型，

c)所述第一神经网络模块和所述第二神经网络模块(CNN、MLP)共同地训练为：所述第二神经网络模块(MLP)的训练输出数据集(OOT)至少近似地复现与所述训练图像(TPIC)相关联的对象类型(OT)，和，

d)对于相应的对象类型(OT1、OT1)：

-将与该对象类型(OT1、OT1)相关联的训练图像(TPIC)馈入到已训练的所述第一神经网络模块(CNN)中，

-将所述第一神经网络模块的针对相应的训练图像(TPIC)生成的训练输出数据集(FEA1、FEA2)与所述相应的训练图像(TPIC)的对象亚类型(OST)相关联，并且

-根据该亚类型关联关系，为所述图像评估装置(BA)配置亚类型识别模块(BMLP1、BMLP2)，以根据图像特征识别对象亚类型(OST)。

2.根据权利要求1所述的方法，其特征在于，根据所述亚类型关联关系推导出关于图像特征与对象亚类型(OST)之间的相关性的相关性参数(CP1、CP2)，以及，根据所述相关性参数(CP1、CP2)配置所述亚类型识别模块(BMLP1、BMLP2)。

3.根据前述权利要求中任一项所述的方法，其特征在于，将概率分类器用作亚类型识别模块(BMLP1、BMLP2)。

4.根据前述权利要求中任一项所述的方法，其特征在于，所述亚类型识别模块(BMLP1、BMLP2)具有对应于所述第二神经网络模块(MLP)的链接结构。

5.根据前述权利要求中任一项所述的方法，其特征在于，待针对对象类型(OT、OT1、OT2)识别的对象亚类型(OST)形成通过预设的序列信息具化的有序序列，并且，根据所述序列信息配置所述亚类型识别模块(BMLP1、BMLP2)。

6.根据权利要求5所述的方法，其特征在于，在配置所述亚类型识别模块(BMLP1，BMLP2)时根据所述序列信息执行序数回归。

7.根据权利要求3至6中任一项所述的方法，其特征在于，根据已训练的所述第二神经网络模块(MLP)的学习参数得出所述概率分类器(BMLP1、BMLP2)的配置参数的先验分布。

8.根据前述权利要求中任一项所述的方法，其特征在于，根据所述第一神经网络模块(CNN)和/或所述第二神经网络模块(MLP)的训练参数来设置所述亚类型识别模块(BMLP1、BMLP2)的配置参数。

9.一种用于得出所成像的对象(OBJ)的对象类型(OT、OT1、OT2)和对象亚类型(OST)的图像评估方法，其中

a)将待评估的图像(PIC)馈入根据前述权利要求中任一项训练的第一神经网络模块(CNN)中，

b)将已训练的所述第一神经网络模块(CNN)的结果输出数据集(FEA)馈入到根据前述权利要求中任一项训练的第二神经网络模块(MLP)中，

c)从已训练的所述第二神经网络模块(MLP)的结果输出数据集推导出对象类型(OT1)，

d)选择专门用于推导出的对象类型(OT1)的、根据前述权利要求中任一项配置的亚类型识别模块(BMLP1)，

e)通过所选择的所述亚类型识别模块(BMLP1)得出与已训练的所述第一神经网络模块(CNN)的所述输出数据集(FEA)相关的对象亚类型(OST)，并且

f)输出推导出的对象类型(OT1)以及所得出的对象亚类型(OST)。