申请/专利权人：祖克斯有限公司

申请日：2019-06-19

公开（公告）日：2024-03-15

公开（公告）号：CN117710647A

主分类号：G06V10/25

分类号：G06V10/25;G06V10/26;G06V20/52;G06V20/56;G06V20/70

优先权：["20180620 US 16/013,729","20180620 US 16/013,748","20180620 US 16/013,764"]

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明讨论了用于训练机器学习ML模型的改进技术。训练ML模型可以基于示例子集。特别地，训练可以包括：识别与表示对象的图像的区域相关联的参考区域，以及至少部分地基于与第一边界框相关联的第一置信度得分，选择第一困难示例以包括在示例子集中。在一些情况下，第一置信度得分和第一边界框可以与特征图的第一部分相关联。接下来，训练可以包括确定第一边界框与参考区域的第一对准度高于阈值对准度，并且作为响应，用第二困难示例代替第一困难示例。

主权项：1.一种系统，包括：一个或多个处理器；以及一个或多个计算机可读介质，其存储可由所述一个或多个处理器执行的指令；其中，所述指令在被执行时使所述系统执行如下的操作：提供图像作为机器学习ML模型的输入；接收作为所述ML模型的输出的特征图，其中，所述特征图的一部分与边界框和置信度得分相关联；以及至少部分地基于示例子集来训练所述ML模型；所述训练包括：识别与表示对象的所述图像的区域相关联的参考区域；至少部分地基于与第一边界框相关联的第一置信度得分，选择第一困难示例以包括在所述示例子集中，所述第一置信度得分和所述第一边界框与所述特征图的第一部分相关联；确定所述第一边界框与所述参考区域的第一对准度达到或高于阈值对准度；以及至少部分地基于达到或高于所述阈值对准度，用第二困难示例代替所述第一困难示例。

全文数据：

权利要求：

百度查询： 祖克斯有限公司 从机器学习模型输出推断出的实例分割

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD