用于创建具有多个输出的机器学习系统的方法和设备与流程

技术特征：
1.一种用于创建机器学习系统的计算机实现的方法，所述机器学习系统被设立用于分割和对象描述，其中所述机器学习系统具有一个用于记录图像的输入和两个输出，其中第一输出输出所述图像的分割并且第二输出输出所述对象描述、尤其是对象检测，所述方法包括如下步骤：提供（s21）有向图，其中所述有向图具有一个输入和输出节点（10、11）以及多个其它节点，其中所述输入和输出节点（10、11）经由所述其它节点借助于有向边来连接，其中所述节点表示数据并且所述边表示操作，所述操作将所述边的第一节点转变成与相应的边连接的另一节点，其中给所述边分别分配概率，所述概率表征相应的边被提取的概率；选择（s23）经过所述图的路径，其中从所述多个其它节点中确定子集，所述子集全部满足关于数据分辨率的指定特性，其中从所述子集中选择至少一个附加节点（英文node of interest，noi），所述附加节点用作第二输出，其中根据被分配给所述边的概率来选择经过所述图的从输入节点（10）沿着所述边经由所述附加节点（noi）到达输出节点（11）的路径；根据所选择的路径来创建机器学习系统并且指导所创建的机器学习系统，其中所指导的机器学习系统的经适配的参数被寄存在所述有向图的对应的边中并且所述路径的边的概率被适配；多次重复先前的步骤“选择路径”以及“创建和指导机器学习系统”；以及根据所述有向图来创建所述机器学习系统，其特征在于，所述边的概率最初被设置（s22）到一个值，使得经过所述有向图的所有路径、尤其是架构都以相同概率被提取。2.根据权利要求1所述的方法，其中针对所述子集的每个节点，对从所述子集的相应节点直至所述输入节点为止的第一子路径的总数和从所述子集的相应节点直至所述输出节点为止的第二子路径的总数进行计数，其中包含在所述第一子路径中的那些边的概率分别最初被设置到将所述输入节点（10）与所述子集的相应节点连接并且经由这些边延伸的可能的路径的数目除以所述第一子路径的总数，其中包含在所述第二子路径中的那些边的概率分别最初被设置到将所述输出节点（11）与所述子集的相应节点连接并且经由这些边延伸的可能的路径的数目除以所述第二子路径的总数。3.根据上述权利要求中任一项所述的方法，其中所述子集的全部满足关于数据分辨率的指定特性的节点也分别分配有概率，其中所述子集的节点的这些概率被归一化。4.根据权利要求3所述的方法，其中所述其它节点的子集中的节点的概率最初被设置到如下概率，即经过所述其它节点的子集中的相应节点的路径的数目除以经过所述有向图的路径的总数。
5.根据权利要求3所述的方法，其中所述其它节点的子集中的节点的概率最初被设置到所述子集的所有节点最初都以相同概率被提取的概率上。6.根据上述权利要求中任一项所述的方法，其中在提取所述路径时选择至少两个附加节点（noi），其中经过所述图的路径具有至少两条路线，所述至少两条路线分别经由所述附加节点之一延伸到所述输出节点，而且其中这两条路线从所述输入节点到所述附加节点地在所述附加节点处开始直至所述输入节点为止地彼此独立地被创建。7.根据上述权利要求中任一项所述的方法，其中在指导所述机器学习系统时优化成本函数，其中所述成本函数具有第一函数，所述第一函数评估所述机器学习系统的关于其输出方面的工作能力，并且所述成本函数具有第二函数，所述第二函数根据所述路径的长度和所述边的操作来估计所述机器学习系统的延迟时间和/或计算机资源消耗。8.一种计算机程序，所述计算机程序包括指令，所述指令被设立为：当所述指令在计算机上被执行时，促使所述计算机实施根据上述权利要求中任一项所述的方法。9.一种机器可读存储元件，在其上寄存有根据权利要求8所述的计算机程序。10.一种设备，所述设备被设立为实施根据权利要求1至7中任一项所述的方法。

技术总结
一种用于创建机器学习系统的方法，该机器学习系统被设立用于分割和对象检测，该方法包括如下步骤：提供有向图，选择经过该图的路径，其中从子集中选择至少一个附加节点（NOI）并且选择经过该图的从输入节点沿着边经由该附加节点（NOI）到达输出节点的路径，其中该路径最初根据这些边的如下概率来被提取，这些概率限定了在该图内的所有架构的相同的提取概率。根据所选择的路径来创建机器学习系统并且指导所创建的机器学习系统。所创建的机器学习系统。所创建的机器学习系统。


技术研发人员：B
受保护的技术使用者：罗伯特
技术研发日：2022.07.22
技术公布日：2023/2/6