[发明专利]用于可靠地运行分割器的方法和设备

权利要求书

1.一种用于训练机器学习系统（60）、尤其是神经网络来创建对借助于成像传感器（30）所检测到的输入图像（x）的语义分割和/或分类（y）的方法，其中提供至少一个训练图像（xs），所述训练图像具有所属的逐像素的语义分割（SEMs），其中根据所述训练图像（xs）来生成新训练图像（xn），其方式是在所述训练图像（xs）中利用可预先给定的纹理（xe）来覆盖至少一个与所提供的语义分割（SEMs）的分割区相对应的可预先给定的区域（b1、b2、b3），

而且其中所述机器学习系统针对所述新训练图像（xn）来确定语义分割（SEM），并且对所述机器学习系统进行参数化的参数（φ）根据所确定的语义分割（SEM）和所提供的语义分割（SEMs）来予以适配。

2.根据权利要求1所述的方法，其中所述可预先给定的纹理（xe）是从所提供的其它训练图像（xt）剪下的。

3.根据权利要求2所述的方法，其中所述可预先给定的纹理是从所提供的其它训练图像（xt）的如下区域（bex）剪下的，所述区域完全处在属于所述所提供的其它训练图像（xt）的其它语义分割（SEMt）的唯一的分割区之内。

4.根据上述权利要求中任一项所述的方法，其中所述可预先给定的区域随机地被选择，尤其是从所述所提供的语义分割（SEMs）的多个分割区中随机地被选择。

5.根据上述权利要求中任一项所述的方法，其中所提供的训练图像（xs）是根据可预先给定的几何结构列表、尤其是无纹理地被生成的。

6.根据权利要求5所述的方法，其中所要训练的机器学习系统由前子系统（61）和后子系统（71）组成，而且在根据所述所确定的语义分割（SEM）和所述所提供的语义分割（SEMs）来对所述参数（φ）进行适配时只适配对所述前子系统（61）进行参数化的这种参数（φ）。

7.根据权利要求6所述的方法，其中如果向所述机器学习系统（60）输送所述新训练图像（xn），则在所述前子系统（61）的输出端上提供所述所确定的语义分割（SEM）。

8.根据权利要求6或7所述的方法，其中在训练所述前子系统（61）之后向所述机器学习系统（60）提供利用成像传感器（30）所拍摄的至少一个附加的训练图像（xw）以及被分配给一个或多个所述训练图像（xw）的额定输出信号（yw），

其中所述机器学习系统（60）根据所述至少一个附加的训练图像（xw）来提供输出信号（y）而且对所述后子系统进行参数化的参数（φ）根据所述额定输出信号（yw）与所述输出信号（y）的一致性来予以适配。

9.根据权利要求1至8中任一项所述的方法，其中利用根据权利要求11所述的方法来确定表征所述机器学习系统（60）的鲁棒性的鲁棒值（b）并且根据所确定的鲁棒值（b）来使所述训练继续或不继续。

10.一种训练系统（14），所述训练系统被设立为执行根据上述权利要求中任一项所述的方法。

11.一种用于确定机器学习系统（60）、尤其是神经网络的鲁棒性来创建对借助于成像传感器（30）所检测到的输入图像（x）的语义分割和/或分类（y）的方法，其中针对所检测到的输入图像（x）提供所属的逐像素的语义分割（SEM），其中根据所述输入图像（x）生成其它输入图像（x2），其方式是在所述其它输入图像（x）中利用可预先给定的纹理来覆盖至少一个与所提供的语义分割（SEM）的分割区相对应的可预先给定的区域，而且其中所述机器学习系统根据所检测到的输入图像（x）来确定输出信号（y）并且根据所生成的其它输入图像（x2）来确定第二输出信号（y2），其中表征所述鲁棒性的鲁棒值（b）根据所确定的输出信号（y）和所确定的第二输出信号（y2）来予以确定。