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：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。

公开(公告)号：CN116894799A

公开(公告)日：2023-10-17

申请号：CN202310376448.2

申请日：2023-04-10

Applicant: 罗伯特·博世有限公司

Inventor： L·贝格尔 ,  F·J·卡布里塔孔德萨 ,  R·胡特马彻 ,  J·科尔特 ,  N·T·P·吴 ,  F·谢赫勒斯拉米 ,  D·T·威尔莫特

IPC: G06T5/50 ,  G06T7/11 ,  G06T7/194 ,  G06T7/90

Abstract: 提供了用于域泛化的数据增强。公开了用于生成机器学习模型的训练数据以获得该模型的更好性能的方法和系统。从图像数据库中选择源图像连同目标图像。利用图像分割器以源图像来生成具有前景区域和背景区域的源图像分割掩模。对目标图像执行相同的操作，以生成具有前景区域和背景区域的目标图像分割掩模。基于掩模确定源图像和目标图像的前景和背景。从目标图像中移除目标图像前景，并将源图像前景插入到目标图像中以创建具有源图像前景和目标图像背景的增强图像。更新机器学习模型的训练数据以包括该增强图像。

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：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：CN118863087A

公开(公告)日：2024-10-29

申请号：CN202410511849.9

申请日：2024-04-26

Applicant: 罗伯特·博世有限公司

Inventor： L·贝格尔 ,  T·P·N·吴

IPC: G06N20/00 ,  G06N5/04 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明涉及用于验证机器学习算法的方法，其中所述方法(1)包括以下步骤：提供多个测试数据集，用于测试基于训练数据集训练的机器学习算法，其中测试数据集中没有一个与所述训练数据集具有共同的元素(2)；对于多个测试数据集中的每一个测试数据集，分别确定对应的测试数据集与所述训练数据集之间的相似性的值(3)；对于多个测试数据集中的每一个测试数据集，分别通过基于对应的测试数据集的元素测试所述机器学习算法来产生测试结果(4)；基于多个测试数据集中的所有测试数据集的相似性的值和多个测试数据集中的所有测试数据集的测试结果来验证所述机器学习算法，以便产生验证结果(5)；以及提供所述验证结果(6)。

公开(公告)号：CN116894968A

公开(公告)日：2023-10-17

申请号：CN202310341034.6

申请日：2023-03-31

Applicant: 罗伯特·博世有限公司

Inventor： L·贝格尔 ,  W·H·贝鲁施

IPC: G06V10/764 ,  G06V10/774

Abstract: 对用于分类器(1)的训练数据集(2b)中的训练示例(2a)进行优先级排序的方法(100)，所述分类器被构造用于，将测量数据(2)映射到关于预给定分类的类别的分类评分(3)，所述方法具有步骤：·利用所述训练数据集(2b)中的训练示例(2a)对所述分类器(1)进行训练(110)；·为至少一个训练示例(2a)生成变体(2a#)(120)；·利用所述分类器(1)根据所述变体(2a#)分别确定分类评分(3a#)(130)；·根据所述分类评分(3a#)的分布确定所述变体(2a#)所属于的训练示例(2a)的优先级(2a*)(140)。