[发明专利]用于图像分类器训练的数据扩充

权利要求书

1.一种用于从输入图像x生成输出图像x_g的方法（100），给定图像分类器（3）将所述输出图像x_g分类为从给定分类的多个可用类中选择的目标类c’，所述方法包括以下步骤：

• 借助于经训练的编码器网络（1）将输入图像x映射（110）到潜在空间中的较低维度表示z；

• 从给定分布中抽取（115）噪声样本n；和

• 借助于经训练的生成器网络（2）将噪声样本n映射（120）到输出图像x_g，其中该映射以目标类c’和表示z两者为条件。

2.根据权利要求1所述的方法（100），其中使映射以表示z为条件包括：经训练的生成器网络（2）产生输出图像x_g，经训练的编码器网络（1）将所述输出图像x_g映射到表示z。

3.根据权利要求1至2中任一项所述的方法（100），其中，噪声样本n到输出图像x_g的映射（120）进一步包括：

• 借助于给定的图像分类器（3），将输出图像x_g映射（121）到分类分数c #；

• 借助于给定的分类损失函数（L_C）确定（122）分类分数c#与输出图像x_g到目标类c’的分类多么好地相符；以及

• 优化（123）到生成器网络（2）的至少一个输入，使得基于改变的输入对输出图像x_g的重新计算有可能引起分类损失函数（L_C）的值改进。

4.根据权利要求1至3中任一项所述的方法（100），其中输入图像x被选择（105）为具有源类，从而使输出图像x_g成为输入图像x的反事实图像。

5.根据权利要求4所述的方法（100），进一步包括以下步骤：

• 比较（130）反事实图像x_g和输入图像x；和

• 将其中反事实图像x_g不同于输入图像x的区域（）确定（140）为相对于源类c和目标类c’之间的类边界而言有意义的区域（S）。

6.根据权利要求5所述的方法（100），进一步包括以下步骤：

• 借助于给定度量（4）来确定（150）相对于类边界而言有意义的区域（S）与输入图像x的包含被认为显著的输入图像x的特征的给定区域（S*）多么好地相符；以及

• 将与由所述给定度量（4）输出的结果（4a）相称的分数（3a）归属（160）于图像分类器（3）。

7.根据权利要求6所述的方法（100），进一步包括：优化（170）表征给定图像分类器（3）的行为的参数（3b），使得当重复方法（100）的先前步骤（120-160）时，图像分类器（3）的分数（3a）有可能改进。

8.根据权利要求1至7中任一项所述的方法（100），其中，输入图像x是在产品的光学检查过程中已经获取的制造产品的图像，并且给定分类的类表示产品的质量等级。

9.根据权利要求1至7中任一项所述的方法（100），其中，输入图像x是交通情形的图像，并且给定分类的类表示与交通情形的解释相关的对象。