SYSTEM UND VERFAHREN FÜR TIEFGEHENDES MASCHINELLES LERNEN FÜR COMPUTER-VISION-ANWENDUNGEN

Computer-Vision (CV)-Trainingssystem, das enthält: ein System für überwachtes Lernen zur Schätzung einer Überwachungsausgabe aus einem oder mehreren Eingabebildern entsprechend einer Ziel-CV-Anwendung und zur Bestimmung eines überwachten Verlustes entsprechend der Überwachungsausgabe und einer Grund...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: El-Khamy, Mostafa, Raj, Aman, Lee, Jungwon, Ren, Haoyu
Format: Patent
Sprache:ger
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Computer-Vision (CV)-Trainingssystem, das enthält: ein System für überwachtes Lernen zur Schätzung einer Überwachungsausgabe aus einem oder mehreren Eingabebildern entsprechend einer Ziel-CV-Anwendung und zur Bestimmung eines überwachten Verlustes entsprechend der Überwachungsausgabe und einer Grundrichtigkeit der Überwachungsausgabe; ein System für unüberwachtes Lernen zur Bestimmung eines unüberwachten Verlustes entsprechend der Überwachungsausgabe und dem einen oder mehreren Eingabebildern; ein System für schwach überwachtes Lernen, um einen schwach überwachten Verlust entsprechend der Überwachungsausgabe und einer Schwach-Kennzeichnung, die dem einen oder den mehreren Eingabebildern entspricht, zu bestimmen; und einen gemeinsamen Optimierer, um gleichzeitig den überwachten Verlust, den unüberwachten Verlust und den schwach überwachten Verlust zu optimieren. A computer vision (CV) training system, includes: a supervised learning system to estimate a supervision output from one or more input images according to a target CV application, and to determine a supervised loss according to the supervision output and a ground-truth of the supervision output; an unsupervised learning system to determine an unsupervised loss according to the supervision output and the one or more input images; a weakly supervised learning system to determine a weakly supervised loss according to the supervision output and a weak label corresponding to the one or more input images; and a joint optimizer to concurrently optimize the supervised loss, the unsupervised loss, and the weakly supervised loss.