[发明专利]训练分割模型的设备和方法

权利要求书

1.一种计算机实现的分割模型的训练的方法，所述方法包括：

• 分割模型为数字图像生成分割图像，所述分割图像包括描述所述数字图像中的至少一个对象的片段；

• 根据分割图像的片段来确定数字图像的可预测性；

• 训练分割模型，以减少根据分割图像的片段的数字图像的可预测性。

2.根据权利要求1所述的方法，其中，根据分割图像的片段来确定数字图像的可预测性包括：

• 使用分割图像的片段和数字图像来生成数字图像的片段；以及

• 根据数字图像的片段来确定数字图像的可预测性；以及

• 其中，分割模型被训练成减少根据数字图像的片段的数字图像的可预测性。

3.根据权利要求2所述的方法，其中，根据数字图像的片段来确定数字图像的可预测性包括：

• 生成模型为数字图像的片段生成重建的数字图像，其中，重建的数字图像是数字图像的预测；

• 其中，分割模型被训练成增加重建的数字图像与数字图像之间的差异。

4.根据权利要求2所述的方法，其中，根据数字图像的片段来确定数字图像的可预测性包括：

• 生成模型为数字图像的片段生成重建的数字图像，其中，重建的数字图像是数字图像的预测；

• 判别模型确定重建的数字图像属于包括所述数字图像的类别的概率；

并且其中，分割模型被训练成增加由判别模型确定的概率。

5.根据权利要求2所述的方法，其中，分割图像进一步包括片段的背景；所述方法进一步包括：

使用数字图像为分割图像的背景生成数字图像的背景；

其中，根据数字图像的片段来确定数字图像的可预测性包括根据数字图像的片段来确定数字图像的背景的可预测性；以及

其中，分割模型被训练成减少根据数字图像的片段的数字图像的背景的可预测性。

6.根据权利要求5所述的方法，其中，根据数字图像的片段来确定数字图像的背景的可预测性包括：

• 使用分割图像的背景和附加数字图像来生成附加数字图像的背景；

• 为数字图像的片段和附加数字图像的背景生成组合数字图像；

• 判别模型确定组合数字图像属于包括数字图像和附加数字图像的类别的概率；

并且其中，分割模型被训练成增加由判别模型确定的概率。

7.根据权利要求1至8中任一项所述的方法，进一步包括：

• 经训练的分割模型生成训练数据；

• 使用训练数据来训练附加模型。

8.一种训练设备，其被配置成实行根据权利要求1至6中任一项所述的方法。

9.一种设备，其包括通过权利要求7所述的方法训练的附加模型。

10.一种系统，其包括：

权利要求8或9所述的设备；

至少一个传感器，其被配置成为设备提供数字图像。

11.一种包括生成对抗网络(GAN)的系统，其中，所述GAN包括多个生成器网络，并且其中，多个生成器网络中的至少一个生成器网络包括通过权利要求1至6中任一项所述的方法训练的分割模型。

12.一种车辆，其包括：

至少一个成像传感器，其被配置成提供数字图像；

驾驶辅助系统，其包括通过权利要求1至6中任一项所述的方法训练的分割模型，其中，所述分割模型被配置成为每个数字图像提供分割图像，并且其中，所述驾驶辅助系统被配置成使用分割图像来控制车辆。

13.一种车辆，其包括：

至少一个成像传感器，其被配置成提供数字图像；

驾驶辅助系统，其包括分割模型，其中，所述分割模型被配置成为每个数字图像提供分割图像，并且包括通过权利要求7所述的方法训练的附加模型，其中，所述附加模型被配置成处理多个分割图像，并且其中，所述驾驶辅助系统被配置成使用经处理的分割图像来控制车辆。