[发明专利]使用多个实例学习来训练标志检测器的方法和系统

摘要

公开使用多个实例学习来训练标志检测器的方法、系统和装置。包括多个训练袋的训练数据被接收。该多个训练袋包括多个正向训练袋，每个包括多个正向的经注释的实例，以及多个负向训练袋，每个都包括至少一个负向的经注释的实例。基于正向训练袋和负向训练袋通过训练第一弱分类器来初始化分类函数。使用分类函数评估所有训练实例。对多个剩余分类器中的每一个，基于在每个正向袋中由分类函数评估的每个实例的空间上下文信息计算成本值梯度。基于成本值梯度计算与每个剩余弱分类器相关的梯度值。选择多个剩余弱分类器中的一个弱分类器。选定的弱分类器具有最低的相关梯度值。确定与选定的弱分类器相关的权重参数。将选定的弱分类器加入分类函数。

主权项

一种用于训练标志检测器的方法，包括：接收包含多个训练袋的训练数据，该多个训练袋包括多个正向训练袋，每个正向训练袋包括多个正向的经注释的实例；以及多个负向训练袋，每个负向训练袋包括至少一个负向的经注释的实例；基于正向训练袋和负向训练袋，通过训练第一弱分类器来初始化分类函数；使用分类函数评估所有的训练实例；对多个剩余弱分类器中的每一个：基于在每个正向袋中由分类函数评估的每个实例的空间上下文信息，计算成本值梯度；基于成本值梯度计算与每个弱分类器相关的梯度值；选择多个剩余弱分类器中具有最低的相关梯度值的弱分类器；确定与选定的弱分类器相关的权重参数；以及将选定的弱分类器加入分类函数中。