公开(公告)号：CN119604875A

公开(公告)日：2025-03-11

申请号：CN202380055063.4

申请日：2023-07-12

Applicant: 罗伯特·博世有限公司

Inventor： L·贝格尔 ,  C·塞巴斯蒂安 ,  S·林登施密德 ,  李珂欣 ,  伍氏凤英

IPC: G06N20/00 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/09 ,  G06N3/094 ,  G06T7/00 ,  G06V10/764

Abstract: 本发明涉及一种用于验证机器学习算法的方法，其中，该机器学习算法被训练为识别图像数据中的对象，而且其中，该方法(1)具有：提供机器学习算法，该机器学习算法被训练为识别图像数据中的对象(2)；生成用于验证该机器学习算法的经标记的验证数据，其中，这些验证数据分别包含至少一个干扰量(3)；以及基于所生成的验证数据，验证该机器学习算法(4)。

公开(公告)号：CN119832354A

公开(公告)日：2025-04-15

申请号：CN202411409037.X

申请日：2024-10-10

Applicant: 罗伯特·博世有限公司

Inventor： C·塞巴斯蒂安 ,  D·斯里尼瓦赛亚 ,  L·贝格尔 ,  伍氏凤英

IPC: G06V10/774 ,  G06V10/26 ,  G06V20/70

Abstract: 本发明涉及一种用于为机器学习模型提供组合的训练数据集的方法，包括以下步骤：提供图像数据，其中图像数据包括未注释部分和注释部分，基于图像数据的未注释部分训练基础机器学习模型，以便提供通用模型，基于图像数据的注释部分训练通用模型，以便提供语义分割模型，借助语义分割模型分析训练数据集，以便为训练数据集提供语义，借助零样本分割模型分析训练数据集，以便为训练数据集提供分割，基于训练数据集的所提供的语义和所提供的分割的组合来提供组合的训练数据集。本发明还涉及用于此目的的计算机程序、设备和存储介质。

公开(公告)号：CN120020826A

公开(公告)日：2025-05-20

申请号：CN202411633387.4

申请日：2024-11-15

Applicant: 罗伯特·博世有限公司

Inventor： A·斯泰默 ,  C·塞巴斯蒂安 ,  J·维瑟 ,  L·贝格尔 ,  伍氏凤英 ,  M·班萨尔

IPC: G06N5/045 ,  G06N20/00

Abstract: 本发明涉及一种用于使机器学习算法的函数可解释的方法，其中，所述机器学习算法被设计为将输入数据分别分配给至少两个组中的一个，而且其中，所述方法(1)具有如下步骤：‑为所述机器学习算法提供输入数据(2)；‑通过所述机器学习算法，针对所提供的输入数据的全部，分别将相对应的输入数据分配给所述至少两个组中的一个(3)；‑从所述至少两个组中的第一组中选择数据(4)；‑确定来自所述至少两个组中的第二组中的在所有包含在所述第二组中的数据中与所选择的数据最相似的数据(5)；‑将所选择的数据与所确定的数据进行比较，以便使所述机器学习算法可解释(6)；而且‑提供相对应的比较结果(7)。

公开(公告)号：CN119785137A

公开(公告)日：2025-04-08

申请号：CN202411392863.8

申请日：2024-10-08

Applicant: 罗伯特·博世有限公司

Inventor： A·斯泰默 ,  C·塞巴斯蒂安 ,  J·维瑟 ,  L·贝格尔 ,  伍氏凤英

IPC: G06V10/774 ,  G06T7/00 ,  G06N20/00

Abstract: 本发明涉及用于评估用于机器学习模型的训练数据集的方法(100)，包括以下步骤：‑提供(101)传感器数据，其中传感器数据的一部分具有探测特征，‑通过其他机器学习模型，基于具有探测特征的传感器数据的部分生成(102)合成数据，‑确定(103)训练数据集的合成数据的份额与具有探测特征的传感器数据的份额之间的比率，‑基于至少一个度量利用所确定的比率来评估(104)训练数据集。本发明此外涉及用于此目的的计算机程序、设备以及存储介质。