[发明专利]利用部分标记的训练数据训练多类别对象分类模型的系统和方法

权利要求书

1.一种用于利用部分标记的训练数据来训练多类别对象分类模型的计算系统，包括：

一个或多个处理器；

机器学习的多类别对象分类模型，所述机器学习的多类别对象分类模型被配置成对多个对象类别进行分类；以及

存储计算机可读指令的一个或多个有形非暂时性计算机可读介质，所述指令在由所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括：

获得描绘一个或多个对象的图像数据以及包括分别与所述多个对象类别的对象类别的子集相关联的对象类别注释的子集的基本事实数据；

利用所述机器学习的多类别对象分类模型来处理所述图像数据以获得对象分类数据；

评估损失函数，所述损失函数评估包括所述对象分类数据与所述对象类别注释的子集之间的差异的多类别分类损失，其中所述损失函数包括分别与所述多个对象类别相关联的多个加权损失信号，其中所述加权损失信号中的每一个的权重至少部分地基于与相应损失信号相关联的所述对象类别包括在所述对象类别的子集内；以及

至少部分地基于所述损失函数来调整所述机器学习的多类别对象分类模型的一个或多个参数。

2.根据权利要求1所述的计算系统，其中：

所述加权损失信号中的每一个的所述权重是归一化值；

所述多个加权损失信号中的第一加权损失信号与被包括在所述对象类别的子集内的第一对象类别相关联；

所述多个加权损失信号中的第二加权损失信号与从所述对象类别的子集排除的第二对象类别相关联；以及

所述第一加权损失信号的所述权重大于所述第二加权损失信号的所述权重。

3.根据权利要求2所述的计算系统，其中：

所述第一加权损失信号的所述权重是一；以及

所述第二加权损失信号的所述权重是零。

4.根据权利要求2或权利要求3所述的计算系统，其中，调整所述机器学习的多类别对象分类模型的所述一个或多个参数包括至少部分地基于权重大于零的所述多个加权损失信号中的每一个来调整所述机器学习的多类别对象分类模型的所述一个或多个参数。

5.根据任一前述权利要求所述的计算系统，其中，所述机器学习的多类别对象分类模型的所述一个或多个参数与所述损失函数的所述加权损失信号中的每一个的所述权重成比例地调整。

6.根据任一前述权利要求所述的计算系统，其中：

所述对象类别注释的子集的第一注释包括所述图像数据中描绘的第一对象类别的对应对象的边界框和标签；以及

所述对象类别注释的子集的第二注释包括指示第二对象类别的对象在所述图像数据中没有描绘的标签。

7.根据任一前述权利要求所述的计算系统，其中，所述对象分类数据包括预测将在所述图像数据中描绘的一个或多个对象的一个或多个预测的对象类别注释。

8.根据任一前述权利要求所述的计算系统，其中，评估所述损失函数包括评估分别与所述对象类别的子集相关联的所述损失函数的加权损失信号的子集。

9.根据任一前述权利要求所述的计算系统，其中，所述操作进一步包括：

获得描绘一个或多个附加对象的附加图像数据；以及

利用所述机器学习的多类别分类模型来处理所述附加图像数据以获得图像分类输出，所述图像分类输出包括描述所述附加图像数据的一个或多个标签。