[发明专利]用于训练神经网络和用于使其生效的设备和方法

权利要求书

1.一种用于训练神经网络的方法，所述方法由一个或多个处理器来实施，所述方法具有：

· 通过神经网络来对输入数据进行分类，其中给所述输入数据中的每个输入数据都分配多个类别中的一个类别；

· 基于被分类的输入数据来生成所述多个类别中的一个类别的显著图，其中给所述输入数据中的每个输入数据都分配分类重要性值；

· 提供目标分割，在所述目标分割中，给所述输入数据中的每个输入数据都分配类别从属关系；

· 通过所述被分类的输入数据与所述目标分割的比较来确定第一分类误差；

· 通过所述显著图与所述目标分割的比较来确定第二分类误差；

· 基于所述第一分类误差和所述第二分类误差来使所述神经网络自适应。

2.根据权利要求1所述的方法，

其中被分配给一个类别的显著图的输入数据中的每个输入数据的分类重要性值都说明在分配所述类别时相应的输入数据的重要性。

3.根据权利要求1或2中任一项所述的方法，

其中所述被分类的输入数据与所述目标分割的比较具有：将所述被分类的输入数据与针对所述输入数据中的每个输入数据的目标分割进行比较。

4.根据权利要求1至3中任一项所述的方法，

其中所述神经网络的自适应具有：使至少一个总损失值最小化，其中所述总损失值基于所分配的类别的第一分类误差和被分配给所述类别的显著图的第二分类误差。

5.根据权利要求1至4中任一项所述的方法，

其中对第一分类误差的确定具有：针对所述多个类别中的每个类别确定第一分类误差。

6.根据权利要求1至5中任一项所述的方法，

其中对显著图的生成还具有：针对所述多个类别中的每个类别生成显著图；而且其中对第二分类误差的确定还具有：针对所述多个显著图中的每个显著图确定第二分类误差。

7.根据权利要求1至6中任一项所述的方法，

其中所述目标分割由至少一个附加的神经网络来提供。

8.根据权利要求7所述的方法，

· 其中所述类别从属关系的类别从第一附加神经网络来提供；而且

· 其中对所述类别的分割由第二附加神经网络来提供，所述第二附加神经网络不同于所述第一附加神经网络。

9.根据权利要求1至8中任一项所述的方法，

其中所述输入数据具有数字图像数据，而且其中所述输入数据中的每个输入数据都具有多个图像点中的一个图像点或者由这种图像点形成。

10.根据权利要求9所述的方法，

· 其中所述输入数据具有多个数字图像数据；

· 其中多个图像数据中的所分配的图像数据的每个输入数据都具有多个图像点中的一个图像点或者由这种图像点形成；而且

· 其中所述用于训练神经网络的方法针对所述多个图像数据中的每个图像数据予以执行。

11.一种设备，所述设备被设立为实施根据权利要求1至10中任一项所述的方法。

12.一种系统，其具有：

· 根据权利要求11所述的设备；和

· 成像传感器，所述成像传感器被设立为向所述设备提供所述输入数据。

13.一种车辆，其具有：

至少一个成像传感器，所述至少一个成像传感器被设立用于提供数字图像数据；和

驾驶辅助系统，所述驾驶辅助系统具有根据权利要求9或10中任一项被训练的神经网络，其中所述神经网络被设立用于对所述数字图像数据进行分类，而且其中所述驾驶辅助系统被设立用于基于被分类的数字图像数据来控制所述车辆。