[发明专利]用于评估显著性图确定器的设备和方法

权利要求书

1.一种由一个或多个处理器执行的评估显著性图确定器的方法，所述方法包括：

·向多个训练数据集单元添加预定义模式，以训练数据类的识别，其中每个训练数据集单元包括待识别的数据类的表示；

·利用包括预定义模式的所述多个训练数据集单元训练神经网络；

·显著性图确定器确定用于数据类的显著性图；以及

·基于所确定的显著性图是否包括通过添加预定义模式引入的数据类的上下文来评估显著性图确定器。

2.根据权利要求1所述的方法，其中向所述多个训练数据集单元添加预定义模式包括向与数据类相互关联的训练数据添加预定义模式。

3.根据权利要求1或2所述的方法，包括基于如下二者的比较来评估显著性图确定器：在不添加与数据类相互关联的预定义模式的情况下在训练数据上被训练的神经网络的数据类的上下文、与在添加与数据类相互关联的预定义模式的情况下在训练数据上被训练的神经网络的数据类的上下文。

4.根据权利要求1至3中任一项所述的方法，包括基于如下二者的重叠来评估显著性图确定器：表示数据类实例的数据集单元的区域、与用于数据集单元的所述数据类实例的显著性图的区域。

5.根据权利要求1至4中任一项所述的方法，包括基于由请求区域外部的显著性图指定的上下文来评估显著性图确定器。

6.根据权利要求1至5中任一项所述的方法，其中基于所确定的显著性图是否包括通过添加预定义模式引入的数据类的上下文来评估显著性图确定器包括

·确定显著性图是否包括预定义模式的表示；以及

·基于所确定的显著性图是否包括预定义模式的表示来评估显著性图确定器。

7.根据权利要求1至6中任一项所述的方法，其中，所述多个训练数据集单元是包括多重另外的训练数据集单元的训练数据集的部分，并且利用所述训练数据集来训练神经网络。

8.根据权利要求7所述的方法，其中所述另外的训练数据集单元中的至少一些不包含数据类。

9.根据权利要求7或8所述的方法，其中所述另外的训练数据集单元中的至少一些包含另外的数据类。

10.根据权利要求1至9中任一项所述的方法，包括：在训练神经网络之后，将神经网络应用于包括数据类实例和模式的数据集单元上，并且基于神经网络的输出来确定显著性图。

11.根据权利要求1至10中任一项所述的方法，包括检查神经网络是否已经学习了模式与数据类之间的相互关联性，并且如果神经网络已经学习了模式与数据类之间的相互关联性，则评估显著性图确定器。

12.根据权利要求1至11中任一项所述的方法，其中，对于多重数据点中的每一个，每个训练数据集单元包括一个或多个数据值。

13.根据权利要求12所述的方法，其中预定义模式是数据值的预定义组合。

14.根据权利要求13所述的方法，其中所述多个训练数据集单元中的每一个包括数据类实例，并且向训练数据集单元添加预定义模式包括除了数据类实例的数据值之外，还将训练数据集单元的数据值改变为传感器值的预定义组合。

15.根据权利要求1至14中任一项所述的方法，其中，数据类是对象。

16.根据权利要求1至15中任一项所述的方法，包括训练神经网络以标识数据类。

17.根据权利要求1至16中任一项所述的方法，包括训练用于语义分割或对象分类的神经网络。