摘要
为更好的鲁棒性和泛化而训练神经网络。针对将在至少包括图像的输入上执行的给定任务训练任务神经网络的方法包括:提供相对于给定任务用基础真值加标签的2D训练图像;将训练图像的至少子集扩展成相应训练图像内容的3D表示;由待训练任务神经网络将2D训练图像处理成任务输出;由训练用于辅助任务的辅助神经网络将3D表示处理成辅助输出;由任务损失函数对每个训练图像的任务输出与用其对训练图像加标签的基础真值的偏差评级;由辅助损失函数对从至少一个训练图像产生的任务神经网络的结果与从对应3D表示产生的辅助神经网络的结果的似真性评级;将任务损失函数值和辅助损失函数值合计成总损失;朝着改善总损失的目标优化表征任务神经网络行为的参数。
技术关键词
机器可读数据载体
训练神经网络
深度图
机器可读指令
非暂时性
鲁棒性
机器人
计算机
基础
对象
图像处理
语义
相机
传感器
中间层
像素
偏差
车辆
参数
系统为您推荐了相关专利信息
推理网络
图像特征提取
图像修复方法
解码器编码器
编码特征
双臂机器人
晶体
夹持工具
基座坐标系
六维力矩传感器