【技术实现步骤摘要】
用于信号分类的设备
本专利技术涉及一种用于对信号分类的设备、一种用于训练的方法和一种用于运行的方法,所述设备例如可以应用到图像数据或音频数据上。
技术介绍
在分析处理例如图像数据或音频数据时,总是又提出以下任务:在所述数据中识别确定的对象或其他特征。这样的任务对于计算机是要求高的,因为图像数据或音频数据对于计算机而言首先仅仅作为不具有更深的含义的数值存在并且展开高维度的问题空间。例如,在具有24比特的色彩深度的VGA-分辨率(640x480像素)中存在数量级1012个不同的图像。这么大数量的图像适于借助对象的或特征的内容分类成数量级适中的10-100个类别。为了克服该复杂性,使用人工神经网络。这样的神经网络例如可以由多个依次连接的层组成,在所述层中,任务的维度通过卷积核的应用以及通过下采样来明显减少。这样的神经网络的特征此外在于,强大地并行处理这些数据。GB2454857B提供一个用于以下方法的示例:在所述方法中,显微镜图像借助自学习的神经网络来如下分类:所述显微镜图像包含哪些对象。
技术实现思路
在本专利技术的范围中,发展一种用于对输入信号分类的设备。该设备包括具有至少一个卷积层的人工神经网络。所述至少一个卷积层包含多个可训练的卷积核。通过在输入信号中在所有可能的位置上逐次地应用相应的卷积核,对于每个卷积核产生一个激活卡,所述激活卡给在所述至少一个卷积层的输入中的离散位置分别分配一个输出值。所述输出值是所述输入与相应的卷积核的局部一致性的度量。在此,多个卷积层绝对可以串联连接。例如,获得图像数据作为输入信号的第一卷积层可以包含多个卷积核,所述多个卷积核识别对 ...
【技术保护点】
1.一种用于对组织、尤其视网膜进行分类的设备(1),所述设备包括具有至少一个卷积层(31a‑31e)的人工神经网络(3),其中,所述卷积层(31a‑31e)包含多个可训练的卷积核(32a‑32c)并且对于每个卷积核(32a‑32c)提供一个激活卡(33a‑33c),所述激活卡给在所述至少一个卷积层(31a‑31e)的输入中的离散位置分别分配一个输出值,所述输出值是所述输入与相应的卷积核(32a‑32c)的局部一致性的度量,其中,在所述至少一个卷积层(31a‑31e)之后连接至少一个分类器层(35a‑35b),所述至少一个分类器层借助可训练的权重将其输入映射到一组针对以下的概率(36a‑36b)上:所述输入属于多个预给定的类别——尤其所述组织是健康的还是病态地改变——之一,其中,设有分析处理单元(4),所述分析处理单元被构造用于通过从所述至少一个卷积层(31a‑31e)获得的激活卡(33a‑33c)的借助在聚合层(37)存储的权重(38a‑38c)的经加权的求和来求取所述至少一个卷积层(31a‑31e)的输出(33a‑33c)的关联性卡(41),其中,所述关联性卡(41)指出组织的以下位 ...
【技术特征摘要】
2017.08.18 DE 102017214424.6;2018.04.12 DE 10201821.一种用于对组织、尤其视网膜进行分类的设备(1),所述设备包括具有至少一个卷积层(31a-31e)的人工神经网络(3),其中,所述卷积层(31a-31e)包含多个可训练的卷积核(32a-32c)并且对于每个卷积核(32a-32c)提供一个激活卡(33a-33c),所述激活卡给在所述至少一个卷积层(31a-31e)的输入中的离散位置分别分配一个输出值,所述输出值是所述输入与相应的卷积核(32a-32c)的局部一致性的度量,其中,在所述至少一个卷积层(31a-31e)之后连接至少一个分类器层(35a-35b),所述至少一个分类器层借助可训练的权重将其输入映射到一组针对以下的概率(36a-36b)上:所述输入属于多个预给定的类别——尤其所述组织是健康的还是病态地改变——之一,其中,设有分析处理单元(4),所述分析处理单元被构造用于通过从所述至少一个卷积层(31a-31e)获得的激活卡(33a-33c)的借助在聚合层(37)存储的权重(38a-38c)的经加权的求和来求取所述至少一个卷积层(31a-31e)的输出(33a-33c)的关联性卡(41),其中,所述关联性卡(41)指出组织的以下位置:所述位置对于评价是决定性的。2.根据权利要求1所述的设备(1),其中,所述分析处理单元(4)获得由所述分类器层(35a-35b)求取的至少一个概率(36a-36b)作为输入并且根据所述概率(36a-36b)考虑在所述聚合层(37)中存储的不同的权重(38a-38c)。3.根据权利要求1或2所述的设备(1),其中,所述至少一个卷积层(31a-31e)的激活卡(33a-33c)附加地提供给所述聚合层(37),所述聚合层此外被构造用于给从所述至少一个卷积层(31a-31e)获得的每一个激活卡(33a-33c)分配至少一个聚合值(37a-37c),其中,所述聚合层(37)也构造为分类器层,所述分类器层通过以可训练的权重(38a-38c)对所述聚合值(37a-37c)加权来求取到类别的所属性的概率(39a-39b)。4.根据权利要求3所述的设备(1),其中,所述聚合层(37)被构造用于通过关于包含在所述激活卡(33a-33c)中的值的求和和/或平均值形成和/或最大值形成和/或最小值形成和/或方差形成和/或中值形成和/或百分数形成来求取至少一个聚合值(37a-37c)。...
【专利技术属性】
技术研发人员:JM克勒,M贡达尔,
申请(专利权)人:罗伯特·博世有限公司,
类型:发明
国别省市:德国,DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。