[发明专利]用于训练机器学习算法的方法和装置

说明书

本发明涉及一种用于训练由车辆的计算单元执行的用于正确物品识别的机器学习算法(例如深度学习算法)的方法，其中计算单元包括处理器、机器学习单元、通信单元、和存储器，并且其中车辆包括传感器。该方法包括以下步骤：触发传感器数据采集并控制传感器以获取传感器数据，控制传感器以将传感器数据传送到机器学习单元，可选地控制机器学习单元以将数据和与数据相关的信息传送到用户接口，并且基于与数据相关的信息，控制用户接口单元以在用户接口的显示器上显示数据和标记数据的指令；将标记信息分配给所述数据；以及控制机器学习单元以基于标记信息来再训练被存储在存储器中的机器学习算法。

技术领域

本发明涉及通过为机器学习算法供给额外的局部化训练数据来提供定制驾驶体验的方法。本发明还涉及一种用于为机器学习算法供给额外训练数据的装置。

背景技术

几十年来，车辆安全在汽车行业的研发部门发挥着重要作用。多年来，已经开发了大量的机械和电子设备，以使车辆更安全，从而为乘客和车辆附近的其他车辆或人员提供保护。

随着计算设备的进化和计算能力的快速增长，近来出现了基于机器学习或深度学习算法或人工智能的新安全系统。在一些车辆中，嵌入式摄像机拍摄周围环境的图像，并且识别其中的物体、位置、物品、障碍物等，以向车辆驾驶员提供可能的危险情况的指示，或者向车辆的自动驾驶系统提供数据，以辅助车辆的驾驶或与车辆的驾驶交互。

通常，这样的机器学习或深度学习算法的训练是使用全局数据进行的，例如使用属于世界不同地区的图像。由于车辆可能被使用的环境是多种多样的，基于全局数据训练的机器学习算法可能无法正确识别特定于局部区域的某些物品。这会影响车辆驾驶员和车辆所在的局部区域周围事物的安全。

此外，机器学习或深度学习算法的训练通常由计算设备自动执行，而无需或仅具有有限的人类用户交互。该模型能导致错误地识别用户最经常使用车辆的环境中的物体、物品、位置等。

机器学习算法的性能通常受到用于训练它们的训练数据质量的影响。此外，考虑到车辆的特定用途和车辆行驶的特定环境，通常难以获取数据以改进模型。

发明内容

本发明的一个目的是提供一种由车辆的计算单元执行的用于训练用于正确物品识别的机器学习(例如，深度学习)算法的方法，其中，计算单元包括处理器、机器学习单元、通信单元、和存储器。所述车辆包括传感器，并且所述方法包括以下步骤：

-触发传感器数据采集并控制所述传感器以获取传感器数据，

-将所述传感器数据传送到所述机器学习单元，

-可选地控制所述机器学习单元以将所述数据和与所述数据相关的信息传送到用户接口，所述用户接口被配置为基于与所述数据相关的信息向用户提供所述数据的表示和指令以标记所述数据，

-将标记信息分配给所述数据，以及

-控制所述机器学习单元以基于所述数据和可选地所述标记信息来再训练被存储在所述存储器中的机器学习算法。

这样的方法能够改进所述算法的功能，特别是在通用算法不那么精确的局部环境中。这样的改进能够导致总体上更安全的系统。

本发明的另一个或替代目的是提供一种用于训练机器学习算法的方法，其中控制传感器以将传感器数据传送到机器学习单元包括控制机器学习单元以预处理所述传感器数据。预处理能够包括对所述传感器数据执行的任何操作，例如，如果传感器数据是图像，则预处理能够包括轮廓加工、亮度或对比度调整、重新缩放、边缘检测等中的一项或多项。这样的预处理能够改进数据标记和/或可视化或显示。