提供训练数据组集合的方法、训练分类器的方法、控制车辆的方法、计算机可读的存储介质和车辆技术

分类系统需要呈现不同运行条件的大量的训练数据。创建所述训练数据是费事的和昂贵的。本发明专利技术涉及一种用于尤其是针对人工神经网络（32，40）提供训练数据组集合（30）的方法，其包括下列步骤：‑加载基础训练数据组（31），所述基础训练数据组（31）说明了图像数据（14，14｀）与标记（16，16｀）的关联（15，15｀）；‑在使用至少一个滤光器（19）的情况下处理基础训练数据组（31），和产生输出训练数据组（31｀），所述输出训练数据组（31｀）包括经过处理的基础训练数据组（31）；‑提供训练数据组集合，所述训练数据组集合包括基础训练数据组（31）和输出训练数据组（31｀），其中基础训练数据组（31）关联给光学上透明的参考介质的特性、尤其是参考挡风基材的特性，并且输出训练数据组（31｀）关联给光学上透明的训练介质的特性、尤其是训练挡风基材的特性，其中在考虑光学上透明的参考介质（20）关于图像传感器（23）的安装位置的情况下，确定滤光器（19）。

【技术实现步骤摘要】
【国外来华专利技术】提供训练数据组集合的方法、训练分类器的方法、控制车辆的方法、计算机可读的存储介质和车辆
本专利技术涉及一种用于提供训练数据组集合的方法、一种用于训练分类器的方法、一种用于控制车辆的方法、一种计算机可读的存储介质和一种车辆。
技术介绍
在现代车辆中，对于一系列驾驶员辅助功能，常见的是，在挡风基材（Windschutzscheibe）之后布置有（例如作为摄像机的部分的）图像传感器。该图像传感器记录车辆环境，尤其是记录在车辆之前和之后的区域中的车辆环境。由此可能的是，能够实现如自动车道识别、自动制动助力器之类的功能或者半自主的或者全自主的行驶之类的功能。所拍摄的图像数据通过车辆中的计算装置来分析，并且基于所述分析，实施控制功能。例如，当分析已查明在车辆之前布置有停车牌时，车辆可以向驾驶员渐显如下提示：应实施车辆停车。可是，原则上也可能的是，车辆独立地实施停车。为了分析图像数据，通常采用分类器，所述分类器针对图像的每个像素都查明该像素属于哪个对象或属于哪个种类的对象。对象识别因此可以实施为在像素基础上的分类。作为分类器，常常采用人工神经网络、尤其是“深度卷积网络（deepconvolutionalnet）”。作为输入参数，神经网络要么采纳完整的图像，要么采纳图像的剪裁（Ausschnitt）。并且针对每个像素都说明所属的对象种类。神经网络可以在高命中率（查准率（precision），查全率（recall））的情况下实现非常高的精度。为了训练分类器，必需提供经过注释的训练数据。这些经过注释的训练数据包含大量的图像数据，其中针对每个图像并且在那里针对每个像素都存储有如下标记或所谓的标签（Label）：该像素属于哪个对象或哪个对象种类。例如，训练数据可以包含关于确定的像素属于停车牌的说明。训练数据通常通过如下方式生成：首先，一个或者多个车辆驶出多个不同的路段，并且在此记录大量的图像数据。紧接着，手动地、也就是通过人，实施图像数据的注释。部分地，该过程也自动地来执行，但是至少由人来验证和修正。这已经出于立法原因而是必要的。训练数据的注释由此是非常费事的和昂贵的过程。在使用所描述的机器学习的方法时的缺点是，为此需要大量的训练数据，以便能够实现针对实践应用所需的精度。就这点而言，这是有问题的，因为（如所描述的那样）创建训练数据是非常费事的和昂贵的。从现有技术中已知了如何能够改进数据质量的方法。US2016/0300333A1描述了一种方法，以便从用于人工神经网络的数据中过滤基材上的污染物，使得所述污染物对分类没有负面影响。这样，例如也可以从训练数据或有用数据中减去（herausgerechnet）水滴。在现有技术中也描述了一系列如何可以提高训练数据的数目的方法。这里，US2017/0236013A1描述了在使用图形引擎的情况下产生用于人工神经网络的合成的训练数据。借助图形引擎，可以将对象任意放置于三维空间中。因此，可以有针对性地产生罕见的情形，所述情形在用摄像机拍摄时仅仅非常罕见地出现在真实情形中。就这点而言，要训练的人工神经网络可以被训练为使得：该人工神经网络在经过训练的情形下提供改进的结果。可是，另一缺点在于，利用确定的车辆来记录训练数据。这意味着，装配（verbaut）在那里的挡风基材的以及在那里所使用的图像传感器的制造公差对图像数据有影响。制造公差的影响降低了分类器的在运行期间分类时的精度。
技术实现思路
因而，本专利技术的任务是降低在产生训练数据时的开销。尤其是，本专利技术的任务是降低制造公差对分类的影响。本专利技术的任务进一步尤其是利用辅助功能提高在车辆运行期间的安全性。该任务通过一种根据权利要求1所述的方法、一种根据权利要求8所述的方法、一种根据权利要求9所述的方法、一种根据权利要求10所述的计算机可读的存储介质和一种根据权利要求11所述的车辆来解决。尤其是，该任务通过一种用于（尤其是针对人工神经网络）提供训练数据组集合的方法来解决，所述方法包括下列步骤：-加载基础训练数据组，所述基础训练数据组说明了图像数据与标记的关联（Zuordnung）；-在使用至少一个滤光器的情况下处理基础训练数据组，并且产生输出训练数据组，所述输出训练数据组包括经过处理的基础训练数据组；-提供训练数据组集合，所述训练数据组集合包括基础训练数据组和输出训练数据组。本专利技术的核心是，在使用滤光器的情况下，处理基础训练数据组。通过将滤光器用于基础训练数据组，现有的数据被加倍。由此可以更好地训练分类器。也明显减少了用于创建训练数据的要施加的资源。图像数据尤其是如下数据结构：单个图像在时间上有序地存储在所述数据结构中。应用滤光器尤其是意味着，训练数据组的图像数据通过应用滤光器来修改。基础训练数据组关联给光学上透明的参考介质的特性、尤其是参考挡风基材的特性，并且输出训练数据组关联给光学上透明的训练介质的特性、尤其是训练挡风基材的特性。“光学上透明的”在本申请的范围中尤其是意味着，介质对于可见光是可透过的，尤其是对于在400nm到800nm的范围中的可见光是可透过的。基础训练数据组因此关联给光学上透明的参考介质。例如，训练数据可以由布置在参考挡风基材之后的图像传感器拍摄。输出训练数据组又关联给光学上透明的训练介质的特性、例如训练挡风基材的特性。这意味着，通过提供训练数据组集合，现在考虑两个不同的透明介质。由此，在与另一挡风基材一起使用时，改善分类的精度。由此也使考虑在光学介质的生产中的制造公差成为可能。在一实施形式中，至少一个滤光器可以给出基础训练数据组到输出训练数据组的解析映射。特别有利的是，滤光器给出解析映射。通过给出解析映射，可理解或可预测对基础训练数据组的处理。因此，尤其是可能的是，进行关于如下情况的说明：在基础训练数据组的图像中的哪个像素与在输出训练数据组的图像中的哪个像素对应。与此相应地，在考虑解析映射的情况下，可以根据基础训练数据组的图像数据的像素的标记来适配输出训练数据组的图像数据的像素的标记。因此给出了一种方法，在所述方法中可以特别高效地实施对输出训练数据组的标记。在一实施形式中，图像数据可以作为具有（优选地分别针对多个颜色通道的）被关联的亮度值的像素的集合来存储，其中针对每个像素的图像数据与标记的关联可以说明所属的对象种类。因此可能的是，针对黑白图像或者彩色图像，基于像素地说明关联。标记在此可以是对象种类的说明。例如，标记可以说明，图像的确定的像素关联给对象种类“停车牌”。最终，通过这种标记可能对图像进行分割，其中对于每个像素都存储有：该像素属于何种对象种类。在一实施形式中可能的是，标记作为如下数据结构来存储：在该数据结构中，作为第一特性存储有像素的坐标，而作为第二特性存储有所关联的对象种类。在一实施形式中，通过测量至少一个光学上透明的参考介质的特性，可以实施滤光器的确定。滤光器尤其是可以构造为高斯模糊（Gaussia本文档来自技高网...

【技术保护点】
1.一种用于尤其是针对人工神经网络（32，40）提供训练数据组集合（30）的方法，其包括下列步骤：/n- 加载基础训练数据组（31），所述基础训练数据组（31）说明了图像数据（14，14｀）与标记（16，16｀）的关联（15，15｀）；/n- 在使用至少一个滤光器（19）的情况下处理所述基础训练数据组（31），并且产生输出训练数据组（31｀），所述输出训练数据组（31｀）包括经过处理的基础训练数据组（31）；/n- 提供训练数据组集合，所述训练数据组集合包括所述基础训练数据组（31）和所述输出训练数据组（31｀）,/n其特征在于，/n所述基础训练数据组（31）关联给光学上透明的参考介质的特性、尤其是参考挡风基材的特性，并且所述输出训练数据组（31｀）关联给光学上透明的训练介质的特性、尤其是训练挡风基材的特性，其中，/n在考虑所述光学上透明的参考介质（20）关于图像传感器（23）的安装位置的情况下，确定所述滤光器（19）。/n

【技术特征摘要】
【国外来华专利技术】20190214 EP 19157049.81.一种用于尤其是针对人工神经网络（32，40）提供训练数据组集合（30）的方法，其包括下列步骤：
-加载基础训练数据组（31），所述基础训练数据组（31）说明了图像数据（14，14｀）与标记（16，16｀）的关联（15，15｀）；
-在使用至少一个滤光器（19）的情况下处理所述基础训练数据组（31），并且产生输出训练数据组（31｀），所述输出训练数据组（31｀）包括经过处理的基础训练数据组（31）；
-提供训练数据组集合，所述训练数据组集合包括所述基础训练数据组（31）和所述输出训练数据组（31｀）,
其特征在于，
所述基础训练数据组（31）关联给光学上透明的参考介质的特性、尤其是参考挡风基材的特性，并且所述输出训练数据组（31｀）关联给光学上透明的训练介质的特性、尤其是训练挡风基材的特性，其中，
在考虑所述光学上透明的参考介质（20）关于图像传感器（23）的安装位置的情况下，确定所述滤光器（19）。


2.根据权利要求1所述的方法，
其特征在于，
所述至少一个滤光器（19）给出所述基础训练数据组（31）到所述输出训练数据组（31｀）的解析映射。


3.根据上述权利要求中任一项所述的方法，
其特征在于，
作为具有被关联的亮度值、优选地分别针对多个颜色通道的被关联的亮度值的像素（14，14｀）的集合，存储所述图像数据（14，14｀），其中图像数据（14，14｀）与标记（16，16｀）的关联（15，15｀）针对每个像素（14，14｀）说明所属的对象种类。


4.根据上述权利要求中任一项所述的方法，
其特征在于
通过测量至少一个光学上透明的参考介质的特性，确定所述滤光器（19）。


5.根据上述权利要求中任一项、尤其是根据权利要求4所述的方法，
其特征在于，<...

【专利技术属性】
技术研发人员：C马蒂森，G瓦尔加，C埃费尔茨，D沃尔法伊尔，
申请(专利权)人：法国圣戈班玻璃厂，
类型：发明
国别省市：法国;FR