生成带不变积分层的卷积神经网络用于对象分类的方法与流程

技术特征：
1.一种用于利用多个训练周期来生成经训练的带至少一个不变积分层的卷积神经网络以对移动平台的环境的数字图像的对象进行分类的方法，其中每个训练周期具有如下步骤：提供移动平台的环境的具有至少一个对象的数字图像（110）；提供被分配给所述数字图像的参考图像，其中所述至少一个对象在所述参考图像中被标记；提供所述数字图像（110）作为带至少一个不变积分层的卷积神经网络的输入信号；而且使带至少一个不变积分层的卷积神经网络匹配，以便在对所述数字图像的至少一个对象进行分类时使所述分类与相应的所分配的参考图像的偏差最小化。2.根据权利要求1所述的方法，其中带至少一个不变积分层（130）的卷积神经网络具有至少一个卷积层和至少一个不变积分层（130），而且所述不变积分层（130）借助于对所述卷积层的输出特征图的变换的不变函数的积分来确定群均值矩阵。3.根据权利要求2所述的方法，其中所述不变函数是所述卷积层的输出特征图（120）的单项式。4.根据权利要求2或3所述的方法，其中所述变换是旋转和/或平移。5.根据权利要求2至4中任一项所述的方法，其中通过在公式1中所描述的关系来确定不变积分：（1）其中k：单项式阶数；u、v：在特征图上的像素位置；：单项式距离；：单项式指数；x：3d张量，该3d张量包括特征图；和：旋转角度。6.根据权利要求3所述的方法，其中对所述单项式进行参数化，而且随机生成单项式的参数，而且从随机生成的参数中选择经优化的参数。7.根据上述权利要求中任一项所述的方法，其中所述卷积神经网络具有多个卷积层，在所述不变积分层确定群均值矩阵之前，所述多个卷积层突出对于所述对象的分类来说重要的特征。8.一种用于对在移动平台的环境的二维数字图像中的对象进行分类的方法，所述方法具有如下步骤：提供所述移动平台的环境的数字图像（110）；借助于经训练的带至少一个不变积分层（130）的卷积神经网络，根据权利要求1至7中任一项以及作为带至少一个不变积分层（130）的卷积神经网络的输入信号的所述数字图像（110），按照多个对象类别来对所述数字图像进行分类，其中带至少一个不变积分层（130）的卷积神经网络已借助于多个数字参考图像以及相应的数字参考图像的经分类的对象来被训练为关于所述多个对象类别来对所述数字参考图像的对象进行分类；而且对所述数字图像的对象进行分类。9.带至少一个不变积分层（130）的卷积神经网络的用于对在移动平台的环境的数字图
像中的对象进行分类的应用，所述卷积神经网络是根据权利要求1至7中任一项所述的方法来被训练的。10.根据权利要求1至7中任一项所述的方法来被训练的带至少一个不变积分层（130）的卷积神经网络的用于对在移动平台的环境的数字图像（110）中的对象进行分类的应用，其中基于所述分类的结果来提供用于操控至少部分自动化移动平台的控制信号和/或基于所述分类的结果来提供用于向至少部分自动化移动平台的乘员报警的报警信号。11.一种带至少一个不变积分层（130）的卷积神经网络，所述卷积神经网络是根据上述权利要求1至7中任一项所述的方法来被训练的。12.一种装置，所述装置具有带至少一个不变积分层（130）的卷积神经网络，所述卷积神经网络是根据权利要求1至7中任一项所述的方法来被训练的。13.一种计算机程序，所述计算机程序包括指令，在通过计算机来执行所述计算机程序时，所述指令促使所述计算机执行根据权利要求1至8中任一项所述的方法。14.一种机器可读存储介质，在其上存储有根据权利要求13所述的计算机程序。

技术总结
提出了一种用于利用多个训练周期来生成经训练的带至少一个不变积分层的卷积神经网络以对移动平台的环境的数字图像的对象进行分类的方法，其中每个训练周期具有如下步骤：提供移动平台的环境的具有至少一个对象的数字图像；提供被分配给所述数字图像的参考图像，其中所述至少一个对象在所述参考图像中被标记；提供该数字图像作为带至少一个不变积分层的卷积神经网络的输入信号；而且使带至少一个不变积分层的卷积神经网络匹配，以便在对该数字图像的至少一个对象进行分类时使该分类与相应的所分配的参考图像的偏差最小化。与相应的所分配的参考图像的偏差最小化。与相应的所分配的参考图像的偏差最小化。


技术研发人员：M
受保护的技术使用者：罗伯特
技术研发日：2021.05.26
技术公布日：2022/12/30