[发明专利]用于训练神经网络以分类对象或事件的方法和系统

权利要求书

1.一种用于训练分类器的方法，所述方法包括：

在对应的时间点分别在第一传感器和第二传感器处捕获传感器数据，

由所述第一传感器生成第一组传感器数据，所述第一组传感器数据包括表示被监测环境中的对象或事件的数据，

由所述第二传感器生成第二组传感器数据，所述第二组传感器数据表示与由所述第一组传感器数据表示的时间段对应的时间段，

向导师分类器输入表示所述第一组数据并包括表示所述对象或所述事件的数据的数据，

在所述导师分类器中生成所述对象或事件的分类，

在学徒分类器训练过程中接收所述第二组传感器数据，

在所述学徒分类器训练过程中接收在所述导师分类器中生成的所述分类，以及

使用所述第二组传感器数据作为输入并且使用从所述导师分类器接收的所述分类作为所述第二组传感器数据的所述分类的基础事实，在所述学徒分类器训练过程中训练所述学徒分类器。

2.根据权利要求1所述的方法，其中发送给所述导师分类器的所述第一组传感器数据是包括所述对象或所述事件的所述第一组传感器数据的子集，其中所述第一组传感器数据的所述子集表示与在被监测环境中的所述对象或所述事件的空间位置相关的传感器数据，并且其中发送给所述学徒分类器的所述第二组传感器数据表示所述第二传感器数据的子集，其中所述第二传感器数据的所述子集表示与所述被监测环境中对应于所述第一组传感器数据的所述子集的所述空间位置相关的数据。

3.根据权利要求2所述的方法，其中所述传感器是图像传感器，其中所述第一组传感器数据是静止图像，并且其中所述第二组传感器数据是视频帧序列。

4.根据权利要求1所述的方法，其中所述第一传感器和所述第二传感器被布置为从不同类型的传感器输入生成数据。

5.根据权利要求4所述的方法，其中所述第一传感器是图像传感器，并且其中所述第二传感器是来自包括雷达传感器、音频传感器、声场传感器、LIDAR传感器、激光吸收光谱传感器、声纳传感器、辐射传感器、X射线传感器、超声波的组中的任何传感器类型。

6.根据权利要求5所述的方法，其中所述图像传感器是记录可见光的传感器。

7.根据权利要求4所述的方法，其中所述第一传感器是记录可见光的传感器，并且所述第二传感器是记录红外光的传感器。

8.根据权利要求1-7中任一项所述的方法，其中所述导师分类器基于神经网络。

9.根据权利要求1-7中任一项所述的方法，其中所述学徒分类器基于神经网络。

10.一种被布置为训练分类器的系统，所述系统包括：

第一传感器和第二传感器，其被配置为在对应的时间点捕获传感器数据，

导师分类器，其被布置为接收由所述第一传感器生成的并且包括表示被监测环境中的对象或事件的数据的第一组传感器数据，并且生成所述对象或事件的分类，

学徒分类器，其被布置为被训练，其中所述训练包括接收由所述第二传感器生成的并表示与由所述第一组传感器数据表示的时间段对应的时间段的第二组传感器数据，

损失值计算器，其被布置为从所述导师分类器接收输出分类，从所述学徒分类器接收输出分类，并计算标识两个接收到的分类之间的差异的损失值，以及

权重调节器，其被布置为响应于由所述损失值计算器计算的所述损失值来调节所述学徒分类器中的权重。

11.根据权利要求10所述的系统，其中传感器是图像传感器。