[发明专利]用于为神经网络生成受干扰的输入数据的方法和生成器

权利要求书

1.一种用于为用于分析驾驶员辅助系统的传感器数据、特别是数字图像的神经网络（11）生成受干扰的输入数据（9）的方法，其中，

定义第一度量，所述第一度量表明如何测量传感器数据的变化程度，

定义第二度量，所述第二度量表明来自传感器数据的干扰针对的是什么，

由所述第一度量和所述第二度量的组合产生优化问题，

借助至少一种求解算法来求解所述优化问题，其中，所述求解表明所述输入数据（9）的目标干扰，并且

借助所述目标干扰从传感器数据为所述神经网络（11）生成受干扰的所述输入数据（9）。

2.根据权利要求1所述的方法，

其特征在于，

所述第二度量针对的是对象分类的变化。

3.根据权利要求1或2所述的方法，

其特征在于，

所述第二度量针对的是对象的消失。

4.根据权利要求1或2所述的方法，

其特征在于，

所述第二度量针对的是某个类别的对象的变化。

5.根据前述权利要求中任一项所述的方法，

其特征在于，

由所述第一度量和/或第二度量描述的干扰是自然发生的干扰。

6.根据权利要求5所述的方法，

其特征在于，

所述第一度量和/或第二度量存储在数据库（16）中，以及

从所述数据库（16）中加载关于利用所述第一度量和/或第二度量测量的自然发生的干扰的数据组。

7.根据前述权利要求中任一项所述的方法，

其特征在于，

定义第三度量，所述第三度量表明干扰应用于哪些传感器数据，以及

由所述第一度量、所述第二度量和所述第三度量中的至少两个度量的组合生成所述优化问题。

8.根据权利要求7所述的方法，

其特征在于，

所述第三度量涉及到所有传感器数据。

9.根据权利要求7所述的方法，

其特征在于，

所述第三度量仅涉及到所述传感器数据的子集。

10.根据权利要求7所述的方法，

其特征在于，

所述第三度量仅描述包含特定对象的传感器数据。

11.根据前述权利要求中任一项所述的方法，

其特征在于，

所述求解算法包括使用所述神经网络的梯度来确定变化方向的迭代方法。

12.一种为用于分析驾驶员辅助系统的传感器数据、特别是数字图像的神经网络（11）生成受干扰的输入数据（9）的方法，其中，

定义包含所述第一度量的第一组，所述第一度量分别不同地表明如何测量传感器数据的变化程度，

定义包含所述第二度量的第二组，所述第二度量分别不同地表明传感器数据的干扰针对的是什么，

选择所述第一组的第一度量和所述第二组的第二度量的任意组合，

从所述第一度量和第二度量的所选择的组合生成优化问题，

借助至少一种求解算法来求解所述优化问题，其中，所述求解表明所述输入数据（9）的目标干扰，并且

借助所述目标干扰，由传感器数据为所述神经网络（11）生成受干扰的输入数据（9）。

13.根据权利要求12所述的方法，

其特征在于，

所述第一组包括至少两个、特别是至少五个不同的第一度量。

14.根据权利要求12或13所述的方法，

其特征在于，

所述第二组包括至少两个、特别是至少五个不同的第二度量。