-
公开(公告)号:CN113780331B
公开(公告)日:2025-02-28
申请号:CN202110556748.X
申请日:2021-05-21
IPC: G06V10/764 , G06V10/762 , G06V10/82 , G06V20/58 , G06N3/045 , G06N3/088 , G06N3/0895
Abstract: 本发明涉及由计算机实施的训练方法、分类方法及系统和计算机可读记录介质。一种用于训练分类器(Φη)的由计算机实施的方法包括:S10)训练前置模型(ΦΘ)以学习前置任务,从而使源样本经由前置模型(ΦΘ)的输出与相应的变换后样本经由前置模型(ΦΘ)的输出之间的距离最小,变换后样本是通过对源样本应用转换(T)而获得的样本;S20)确定嵌入空间中的数据集(SD)的样本(Xi)的邻域(NXi);S30)使用第二训练准则来训练分类器(Φη),以预测样本(Xi)属于各聚类(Cj)的相应估计概率Φηj(Xi),j=1……C,该第二训练准则倾向于:‑使样本及其邻域(NXi)的邻值(Xj)属于同一聚类的可能性最大化;和‑迫使所述样本分布在多个聚类上。
-
公开(公告)号:CN113780331A
公开(公告)日:2021-12-10
申请号:CN202110556748.X
申请日:2021-05-21
Abstract: 本发明涉及由计算机实施的训练方法、分类方法及系统和计算机可读记录介质。一种用于训练分类器(Φη)的由计算机实施的方法包括:S10)训练前置模型(ΦΘ)以学习前置任务,从而使源样本经由前置模型(ΦΘ)的输出与相应的变换后样本经由前置模型(ΦΘ)的输出之间的距离最小,变换后样本是通过对源样本应用转换(T)而获得的样本;S20)确定嵌入空间中的数据集(SD)的样本(Xi)的邻域(NXi);S30)使用第二训练准则来训练分类器(Φη),以预测样本(Xi)属于各聚类(Cj)的相应估计概率Φηj(Xi),j=1……C,该第二训练准则倾向于:‑使样本及其邻域(NXi)的邻值(Xj)属于同一聚类的可能性最大化;和‑迫使所述样本分布在多个聚类上。
-
公开(公告)号:CN113646769B
公开(公告)日:2025-04-04
申请号:CN201980092105.5
申请日:2019-02-15
Abstract: 提供了一种用于生成用于车辆的虚拟图像视图的系统。该系统包括:一个或多个图像捕获装置,其被配置为捕获车辆附近的图像数据以及提供标识一个或多个相应的图像捕获装置的标识符,其中,图像数据至少部分地由第一视点参数定义;存储装置,其被配置为存储包含与虚拟化视点和多个图像捕获装置有关的转换信息的多个虚拟化记录;以及处理装置。处理装置被配置为接收所捕获的图像数据;基于与由存储装置存储的虚拟化记录相关联的转换信息来将所捕获的图像数据的第一视点参数转换为虚拟视点参数,以产生虚拟图像视图,其中,虚拟化记录是至少基于标识符来标识的;以及基于虚拟图像视图来执行至少一个驾驶员辅助和/或自动驾驶功能。
-
公开(公告)号:CN113646769A
公开(公告)日:2021-11-12
申请号:CN201980092105.5
申请日:2019-02-15
IPC: G06K9/00
Abstract: 提供了一种用于生成用于车辆的虚拟图像视图的系统。该系统包括:一个或多个图像捕获装置,其被配置为捕获车辆附近的图像数据以及提供标识一个或多个相应的图像捕获装置的标识符,其中,图像数据至少部分地由第一视点参数定义;存储装置,其被配置为存储包含与虚拟化视点和多个图像捕获装置有关的转换信息的多个虚拟化记录;以及处理装置。处理装置被配置为接收所捕获的图像数据;基于与由存储装置存储的虚拟化记录相关联的转换信息来将所捕获的图像数据的第一视点参数转换为虚拟视点参数,以产生虚拟图像视图,其中,虚拟化记录是至少基于标识符来标识的;以及基于虚拟图像视图来执行至少一个驾驶员辅助和/或自动驾驶功能。
-
-
-