公开(公告)号：CN119961621A

公开(公告)日：2025-05-09

申请号：CN202411590271.7

申请日：2024-11-08

Applicant: 罗伯特·博世有限公司

Inventor： A·赫希

IPC: G06F18/21 ,  G06F18/214 ,  G06N20/00

Abstract: 本公开涉及一种用于检查包含至少一个模型的机器学习模块的测试数据集的方法。其包括：接收针对至少一个模型的第一测试数据集和第二测试数据集。第一测试数据集的一个或多个数据点已被使用至少一次来评估至少一个模型，而且未曾使用第二测试数据集的数据点来评估至少一个模型。其还包括：在针对至少一个模型使用第二测试数据集的情况下，计算第一测试数据集的燃烧程度，燃烧程度表征：第一测试数据集对于评估至少一个模型的性能是否有用。最后，其包括：如果燃烧程度满足预定义的数据集标准，则将第一测试数据集归类为适合于对至少一个模型的后续评估；否则，如果燃烧程度不满足该标准，则将第一测试数据集归类为不适合对至少一个模型的后续评估。

公开(公告)号：CN112989915A

公开(公告)日：2021-06-18

申请号：CN202011482505.8

申请日：2020-12-16

Applicant: 罗伯特·博世有限公司

Inventor： Y·近藤 ,  R·伯特 ,  K·B·纳瓦尔帕克坎 ,  A·赫希 ,  N·拉玛克里斯南 ,  F·贡卡尔维斯 ,  S·魏瑟特 ,  J·K·杜塔 ,  R·K·萨佐达

IPC: G06K9/00 ,  G06K9/62

Abstract: 提供了用于检测自主载具中的异常乘客行为的系统和方法。公开了用于监视载具的座舱内的乘客并且确定乘客是否正在从事异常行为的方法和系统。该方法和系统使用新颖的向量来鲁棒地并且用数值方式表示相应帧中的乘客的活动，该向量在本文中被称为“活动向量”。附加地，该方法和系统利用高斯混合模型来在正常和异常乘客行为之间进行区分。有利地使用无监督方法来学习高斯混合模型的集群组份，在该无监督方法中，训练数据没有被标记或注释以指示正常和异常乘客行为。以此方式，可以以非常低的成本来训练高斯混合模型。

公开(公告)号：CN119923649A

公开(公告)日：2025-05-02

申请号：CN202380065242.6

申请日：2023-09-07

Applicant: 罗伯特·博世有限公司

Inventor： A·赫希 ,  L·恩德里希 ,  S·赫明

IPC: G06N3/045

Abstract: 一种用于训练神经网络(60)的计算机实现的方法，其中，所述神经网络(60)被设计为检测图像(x)中的对象，并且所述训练包括如下步骤：·借助于所述神经网络(60)的主干(B)来确定训练图像(xi)的特征表示(f)；·基于所述特征表示(f)并且借助于所述神经网络(60)的多个(MC,MP,MS)头部(HC1,HC2,HC3,HP1,HP2,HP3,HS1,HS2,HS3)，确定头部输出(C1,C2,C3,P1,P2,P3,S1,S2,S3)，其中，所述头部输出(C1,C2,C3,P1,P2,P3,S1,S2,S3)分别针对所述训练图像(xi)的区域表征对象的存在或缺失，或者表征所述对象的范围，或者表征所述对象的位置，或者表征所述范围和所述位置；·确定多个第一损失值，其中，第一损失值分别与头部输出(C1,C2,C3,P1,P2,P3,S1,S2,S3)相对应，并且表征所述头部输出(C1,C2,C3,P1,P2,P3,S1,S2,S3)与期望头部输出的偏差；·基于第二损失值，调整所述主干(B)的至少一个参数(θ)和/或头部(HC1,HC2,HC3,HP1,HP2,HP3,HS1,HS2,HS3)的至少一个参数，其中，所述第二损失值表征所述第一损失值的总和。