公开(公告)号：CN114154389A

公开(公告)日：2022-03-08

申请号：CN202111031918.9

申请日：2021-09-03

Applicant: 罗伯特·博世有限公司

Inventor： J·皮特斯 ,  T·A·凯勒 ,  A·霍列娃 ,  E·胡格布姆 ,  M·韦林 ,  P·简尼

IPC: G06F30/27 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06F111/08

Abstract: 用于训练标准化流(70)的计算机实现的方法(1)，其中，该标准化流(70)被配置成基于第一输入图像(x)预测第一密度值，其中，该第一密度值表征第一输入图像出现的可能性，其中，该第一密度值是基于标准化流的第一卷积层的中间输出而预测的，其中，该中间输出是基于第一卷积层的多个权重而确定的，其中，训练的方法包括以下步骤：●确定(101)第二输入图像(xi)；●确定(102)输出()，其中，输出()是通过将第二输入图像(xi)提供给标准化流并且提供标准化流的输出作为输出()而确定的；●基于输出张量并且基于多个权重来确定(103)第二密度值；●确定(104)多个权重相对于第二密度值的自然梯度；●根据该自然梯度适配(105)多个权重。

公开(公告)号：CN114358276A

公开(公告)日：2022-04-15

申请号：CN202111144023.6

申请日：2021-09-28

Applicant: 罗伯特·博世有限公司

Inventor： J·皮特斯 ,  T·A·凯勒 ,  A·霍列娃 ,  E·胡格布姆 ,  M·韦林 ,  P·弗雷 ,  P·简尼

IPC: G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06V10/764 ,  G06V10/774

Abstract: 使用自标准化梯度训练标准化流的设备和方法。用于训练标准化流的计算机实现的方法，其中标准化流被配置为确定表征输入信号的似然性或对数似然性的第一输出信号，其中标准化流包括至少一个第一层，其中训练标准化流包括以下步骤：●确定至少一个训练输入信号；●借助于标准化流针对每个训练输入信号确定训练输出信号；●确定第一损失值，其中第一损失值基于所述至少一个确定的训练输出信号相对于预定义概率分布的似然性或对数似然性；●确定第一层的可训练参数相对于第一损失值的梯度的近似，其中梯度取决于可训练参数的矩阵的逆，并且通过优化逆的近似来实现对梯度的近似的确定；●基于梯度的近似更新第一层的可训练参数。

公开(公告)号：CN114359648A

公开(公告)日：2022-04-15

申请号：CN202111144027.4

申请日：2021-09-28

Applicant: 罗伯特·博世有限公司

Inventor： E·胡格布姆 ,  D·尼尔森 ,  M·韦林 ,  P·佛雷 ,  P·简尼 ,  W·H·贝鲁奇

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V20/56 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 提供了基于对数似然性的图像生成模型。本发明涉及一种训练图像生成模型的计算机实现的方法（700）。图像生成模型包括argmax变换，其被配置为计算离散索引特征，该离散索引特征指示具有极值的连续特征向量的特征的索引。使用对数似然性优化来训练图像生成模型。这涉及获得训练图像的索引特征值，根据argmax变换的随机逆变换，给定索引特征值对连续特征向量的值进行采样，以及基于随机逆变换在给定索引特征值的情况下生成连续特征向量的值的概率，确定argmax变换对于对数似然性的似然性贡献。