[发明专利]分析视觉参数的相关性以训练计算机视觉模型的计算机实现方法

说明书

计算机视觉涉及计算机如何能够从数字图像或视频中自动获得高级理解。计算机视觉系统在汽车或机器人车辆领域的应用日益增加。计算机视觉可以通过考虑定义视觉数据项中的至少一个视觉状态的视觉参数来改进。然而，先验地，不清楚哪些视觉参数与计算机视觉相关。本说明书讨论了用于分析视觉参数的相关性以训练计算机视觉模型的计算机实现方法。在调整视觉参数集以增加它们的相关性时，得到了可以在（重新）训练和/或测试计算机视觉模型中使用的视觉数据的新集合和对应的地面实况。

技术领域

本说明书涉及一种用于分析视觉参数的相关性以训练计算机视觉模型的计算机实现的方法、相关装置、计算机程序、计算机可读介质和分布式数据通信系统。

背景技术

计算机视觉涉及计算机如何能够从数字图像或视频中自动获得高级理解。计算机视觉系统在汽车或机器人车辆领域的应用日益增加。计算机视觉可处理来自至少一个检测器与该检测器的环境之间的交互的输入。环境可以被至少一个检测器感知为场景或连续的场景。

特别地，交互可以由至少一个电磁源产生，其可以是或可以不是环境的一部分。能够捕获这种电磁交互的检测器可以是例如摄像机、多摄像机系统、RADAR或LIDAR系统。

在汽车计算机视觉系统中，计算机视觉通常必须处理开放的背景，尽管也被要求是安全关键的。因此，可以进一步改进计算机视觉系统。

发明内容

根据第一方面，提供了一种用于分析视觉参数的相关性以训练计算机视觉模型的计算机实现的方法。所述方法包括以下步骤：

-获得在初始训练状态中的计算机视觉模型，其被配置成执行表征观察场景的元素的计算机视觉功能；

-获得视觉数据集并从其中选择视觉数据项的第一子集，并提供与视觉数据的第一子集对应的地面实况数据的第一子集；

-获得第一视觉参数集，其中，其中的至少一个视觉参数定义视觉数据的第一子集中的至少一个项的至少一个视觉状态，其中，至少一个视觉状态能影响计算机视觉模型的分类或回归结果；

-将视觉数据项的第一子集应用到计算机视觉模型以获得视觉数据项的第一子集中的观察场景的元素的多个预测，其中，所述预测包括视觉数据的第一子集中的至少一个项的至少一个分类结果和/或至少一个回归结果；

-使用地面实况数据的第一子集，计算当提供至少一个分类结果和/或至少一个回归结果的所述预测时表征所述第一计算机视觉模型的准确度的第一视觉参数集的对应的多个表现得分；

-在第一视觉参数集的域上执行多个表现得分的灵敏度分析；以及

-根据在第一视觉参数集的域上的多个表现得分的灵敏度分析，生成视觉数据项的第二子集和与视觉数据的第二子集对应的地面实况数据的第二子集。

在一个实施例中，提供了一种计算机实现的方法，用于分析视觉参数与计算机视觉模型的表现的相关性。

根据第一方面的方法有利地用于生成改进的训练数据集和/或改进的验证数据集以用于训练和/或测试计算机视觉模型。改进使得训练/验证数据集能够包括与计算机视觉模型的表现具有更多相关性的视觉参数集的视觉参数，从而具有较少的偏差。

例如，具有较高相关性的相关视觉参数具有例如计算机视觉模型的表现上的较高方差，并且是由全局灵敏度分析产生的。因此，术语“较高相关性”不涉及视觉数据项中的给定场景可能给人类观察者带来的任何主观或认知印象。较高相关性是视觉图像数据与计算机视觉模型交互的技术后果，所述计算机视觉模型可以是未经训练、部分训练或完全训练（或训练为收敛）的。相关性的概念可以用许多技术品质因数来表示，尽管本申请集中于使用方差的示例。

在改进的训练数据集上训练另外的计算机视觉模型（参考第二方面）可以产生能够更好地归纳到视觉数据的未见（即，样本外）项的计算机视觉模型，从而增加由计算机视觉模型进行的预测的准确度。对改进的验证数据集的测试减少了测试的时间和成本。