-
公开(公告)号：CN119672456A
公开(公告)日：2025-03-21
申请号：CN202411307271.1
申请日：2024-09-19
Applicant: 罗伯特·博世有限公司
IPC: G06V10/774 , G06V10/26 , G06V10/764 , G06V10/82 , G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/09 , G06N3/094
Abstract: 提供了用于机器学习、用于提供机器学习系统或用于操作技术系统的设备和计算机实现的方法。用于机器学习的方法包括：提供表示合成数字图像的扩散模型的潜在变量，根据扩散模型的参数利用扩散模型将潜在变量映射到扩散模型的特征(f),根据扩散模型的参数利用扩散模型将特征(f)映射到扩散模型的输出(Z0)，其中合成数字图像包括该输出，或者其中该方法包括利用解码器将输出映射到合成数字图像，根据鉴别器的参数利用鉴别器(300)将特征(f)或合成数字图像映射到类别(c)，特别是用于真实数字图像的类别的预定集合中的类别(c)或者用于合成数字图像的类别，以及根据鉴别器的损失来学习扩散模型和/或鉴别器的至少一个参数，该损失是根据类别和预定参考类别来定义的。
-
公开(公告)号：CN117911806A
公开(公告)日：2024-04-19
申请号：CN202311345252.3
申请日：2023-10-17
Applicant: 罗伯特·博世有限公司
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N20/00
Abstract: 提供了用于确定编码器配置的图像分析的设备和方法。一种用于训练编码器(70)的计算机实现的方法，其中编码器(70)被配置用于确定图像(xi)的潜在表示，并且训练编码器包括以下步骤：·通过向编码器(70)提供训练图像(xi)来确定潜在表示(w)和噪声图像(ε)，其中编码器(70)被配置用于为所提供的图像确定潜在表示和噪声图像；·掩蔽噪声图像(ε)的部分(p)，从而确定掩蔽的噪声图像(εm)；·通过向生成对抗网络的生成器(80)提供潜在表示(w)和掩蔽的噪声图像(εm)来确定经预测图像#imgabs0#·通过基于损失值适配编码器(70)的参数来训练编码器(70)，其中损失值表征经预测图像#imgabs1#和训练图像(xi)之间的差异。
-
公开(公告)号：CN117132670A
公开(公告)日：2023-11-28
申请号：CN202310608891.8
申请日：2023-05-26
Applicant: 罗伯特·博世有限公司
IPC: G06T9/00 , G06V10/774 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/06 , G06N3/08
Abstract: 用于确定合成图像(802’)的像素的设备和计算机实现的方法，其中所述方法包括提供生成器(816)，所述生成器被配置为从包括标签地图(804)和第一潜在编码(808)的第一输入确定输出，其中标签地图(804)包括至少一个类到像素中的至少一个的映射，其中所述方法包括提供标签地图(804)和潜在编码，其中所述潜在编码包括潜在空间中的输入数据点(810)，提供(906)用于在潜在空间中移动输入数据点(810)的第一方向(812)，取决于在第一方向(812)上移动的潜在编码的至少一个输入数据点(810)来确定第一潜在编码(808)，取决于针对第一输入的生成器(816)的输出来确定合成图像(802’)。
-
公开(公告)号：CN113159092A
公开(公告)日：2021-07-23
申请号：CN202110080333.X
申请日：2021-01-21
Applicant: 罗伯特·博世有限公司
Abstract: 提供了用于对数据分类的计算机实现的方法和设备。用于基于模型（112）对数据进行分类的设备（100）和方法，模型（112）包括生成器和分类器，其特征在于：提供训练对，该训练对包括属于数据集的训练示例和属于第一类嵌入集合的类嵌入；训练生成器以取决于训练对在特征空间中生成人工训练示例；取决于生成器并取决于第二类嵌入集合的类嵌入来确定特征空间中的人工训练示例，特别地，其中第一类嵌入集合和第二类嵌入集合是不相交的集合；训练分类器以取决于人工样本和类嵌入从类集合确定人工样本的类，特别地，其中该类集合是由第一类嵌入集合表征的第一类集合和由第二类嵌入集合表征的第二类集合的并集；以及取决于分类器对数据进行分类。
-
公开(公告)号：CN112529173A
公开(公告)日：2021-03-19
申请号：CN202010973059.4
申请日：2020-09-16
Applicant: 罗伯特·博世有限公司
Abstract: 用于训练人工神经网络的设备和计算机实现的方法。用于训练人工神经网络（106）的设备（100）和计算机实现的方法，其中设备（100）包括用于数据的输入（108）、用于输出信号的输出（110）、适于执行所述方法的用于人工神经网络（106）的存储器（104）和至少一个处理器（102），所述方法提供具有多个输出通道的用于等变特征映射的神经网络层、特别是卷积神经网络层，将神经网络层的多个输出通道中的通道分组（204）为多个独特组，为所述多个独特组中的每个单独的独特组的每个输出通道提供（206）独特归一化函数，取决于独特归一化函数中的每个的结果来确定（208）人工神经网络（106）的输出，在人工神经网络（106）的训练中训练（210）所述超参数。
-
Patent Agency Ranking
公开(公告)号：CN119295850A
公开(公告)日：2025-01-10
申请号：CN202410920839.0
申请日：2024-07-10
Applicant: 罗伯特·博世有限公司
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V20/70
Abstract: 用于生成图像的计算机实现方法，其中图像由神经网络(70)生成，方法包括以下步骤：·提供随机绘制图像或随机绘制图像的表示作为神经网络(70)的层序列的输入，层序列包括至少一个交叉关注层；·向交叉关注层提供第一输入，其中第一输入是由交叉关注层前的层序列的层确定的层序列的输入的表示，或第一输入是对层序列的输入，并且提供表征要生成的图像的描述的文本嵌入作为对交叉关注层的第二输入；·由交叉关注层基于第一输入和第二输入确定关注映射图；·基于损失函数优化提供给层序列的输入从而确定优化输入，方法的特征在于损失函数包括表征关注映射图的负总变化的项；·基于优化输入确定层序列的输出；·基于确定的层序列的输出确定图像。
-
公开(公告)号：CN118626812A
公开(公告)日：2024-09-10
申请号：CN202410259753.8
申请日：2024-03-07
Applicant: 罗伯特·博世有限公司
Abstract: 测量经训练的机器学习模型相对于给定测量数据的泛化能力。一种用于测量经训练的机器学习模型的能力的方法，所述经训练的机器学习模型用于处理测量数据，以相对于给定任务泛化到测量数据的一个或多个输入记录所属的目标域和/或分布，所述方法包括以下步骤：从测量数据的输入记录中确定表征目标域和/或分布的目标风格；至少部分基于目标风格获得目标域和/或分布中的验证示例以及还有对应的基础真值标签；由所述经训练的机器学习模型将验证示例处理成输出；和基于所述输出和相应的基础真值标签之间的比较，将所述经训练的机器学习模型的准确度确定为所述经训练的机器学习模型泛化到目标域的所寻求的能力。
-
公开(公告)号：CN118052722A
公开(公告)日：2024-05-17
申请号：CN202311519844.2
申请日：2023-11-15
Applicant: 罗伯特·博世有限公司
IPC: G06T5/50 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 提供了用标记槽条件化训练用于对象级图像合成的机器学习系统。一种用于训练机器学习系统的计算机实现的方法，所述机器学习系统被训练用于在至少两个阶段中生成图像。
-
公开(公告)号：CN117132979A
公开(公告)日：2023-11-28
申请号：CN202310609830.3
申请日：2023-05-26
Applicant: 罗伯特·博世有限公司
IPC: G06V20/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/46 , G06V10/26 , G06N3/0475 , G06N3/094
Abstract: 用于评估确定合成图像的像素的生成器的控制的设备和计算机实现方法，其特征在于，生成器被配置为从包括标签地图和第一潜在编码的第一输入来确定合成图像的像素，其中标签地图包括至少一个类到像素中的至少一个的映射，其中方法包括提供标签地图和潜在编码，其中潜在编码包括潜在空间中的输入数据点，提供控制，其中控制包括用于在潜在空间中移动潜在编码的方向集，取决于在第一方向上移动的潜在编码的至少一个输入数据点来确定第一潜在编码，其中第一方向是从方向集选择的，确定由生成器针对不同的第一输入生成的至少一个合成图像对之间的距离，其中不同的第一输入包括标签地图，并且随着被选择用于从潜在编码确定第一潜在编码的第一方向而变化。
-
公开(公告)号：CN115860108A
公开(公告)日：2023-03-28
申请号：CN202211156509.6
申请日：2022-09-22
Applicant: 罗伯特·博世有限公司
IPC: G06N3/094 , G06N3/0475 , G06N3/045 , G06N20/00 , G06V10/82 , G06V10/764
Abstract: 提供了用于为机器学习系统生成训练数据的设备和方法。用于训练第一机器学习系统的计算机实现的方法，其中第一机器学习系统被配置为生成表征图像的标签图的输出，其中所述方法包括以下步骤：提供第一输入和第二输入，其中第一输入表征二进制向量，所述二进制向量表征来自多个类的类的相应存在或不存在，并且其中第二输入表征随机抽取的值；由第一机器学习系统的第一生成器基于第一输入和第二输入确定输出，其中输出表征第一标签图，其中第一标签图表征针对来自所述多个类的类的概率；借助于全局汇集操作确定第一标签图的表示；基于损失函数训练第一机器学习系统，其中损失函数表征F1损失，其中F1损失表征第一输入和第一标签图的表示之间的差异。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.021 seconds)
