[發明專利]識別方法、識別裝置、識別器生成方法以及識別器生成裝置

在審

• 申請號: 201710853009.0
• 申請日: 2017-09-20
• 公開（公告）號: CN108073950A
• 公開（公告）日: 2018-05-25
• 發明（設計）人: 莊田幸惠;谷川徹
• 申請（專利權）人: 松下電器（美國）知識產權公司
• 主分類號: G06K9/66
• 分類號: G06K9/66;G06K9/00;G06N3/04
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 林娜;段承恩

一種識別方法、識別裝置、識別器生成方法以及識別器生成裝置。識別方法包括：取得圖像數據，取得所述圖像數據的拍攝條件，從按各自不同的多個拍攝條件的每一個而生成的多個識別器之中，選擇與所述取得的拍攝條件相應的識別器，使用所述選擇的識別器，識別所述取得的圖像數據中的對象物。

技術領域

本公開涉及使用識別器識別圖像數據中的對象物的識別方法和識別裝置、生成識別圖像數據中的對象物的識別器的識別器生成方法和識別器生成裝置。

背景技術

以往，已知有使用識別器識別圖像數據中的對象物的識別裝置。在以往的識別裝置中，通過對識別器進行機器學習，提高了識別器的識別精度(例如參照專利文獻1)。

在先技術文獻

專利文獻

專利文獻1：日本特開2004-213567號公報

發明內容

發明要解決的問題

作為機器學習，已知有使用了多層神經網絡(neural network)的深度學習。在深度學習中，制作依存于學習數據集的識別器。在使用有偏差的學習數據進行了學習而得到的識別器中，能夠以高精度對為該學習數據特制的圖像數據識別對象物，但是對于通用的圖像數據，識別精度變低。這樣的使用了有偏差的學習數據的學習通常被稱為過學習。

通常來說，要求制作通用性高的識別器而不陷入過學習。然而，為了制作通用性高的識別器，需要大量收集沒有偏差的學習數據，難易度變高，也花費成本。另外，由于使用大量的學習數據進行學習，所以有可能花費大量的時間，且學習不會結束。

本公開是為解決上述問題而提出的，其目的在于，提供一種能夠以高精度識別對象物的識別方法、識別裝置、識別器生成方法以及識別器生成裝置。

用于解決問題的手段

本公開涉及的識別方法是使用識別器識別圖像數據中的對象物的識別方法，包括：取得所述圖像數據，取得所述圖像數據的拍攝條件，從按各自不同的多個拍攝條件的每一個而生成的多個識別器之中，選擇與所述取得的拍攝條件相應的識別器，使用所述選擇的識別器，識別所述取得的圖像數據中的所述對象物。

發明的效果

根據本公開，由于使用識別器識別圖像數據中的對象物，其中，所述識別器是使用了與識別時所取得的圖像數據相同的拍攝條件下取得的學習用圖像數據進行學習而得到的識別器所以能夠以高精度識別對象物。

附圖說明

圖1是表示本實施方式1涉及的學習系統的構成的框圖。

圖2是用于說明本實施方式1涉及的學習系統的工作的流程圖。

圖3是表示本實施方式1涉及的識別系統的構成的框圖。

圖4是用于說明本實施方式1涉及的識別系統的工作的流程圖。

圖5是表示本實施方式2涉及的自動駕駛車輛的構成的框圖。

圖6是表示利用第一識別器從在第一地域拍攝到的圖像數據之中對行人進行了識別而得到的識別結果的圖，所述第一識別器是使用在第一地域拍攝到的多個學習用圖像數據進行了學習而得到的識別器。

圖7是表示利用第一識別器從在第二地域拍攝到的圖像數據之中對行人進行了識別而得到的識別結果的圖，所述第二地域與第一地域不同，所述第一識別器是使用在第一地域拍攝到的多個學習用圖像數據進行了學習而得到的識別器。

圖8是表示利用第二識別器從在第二地域拍攝到的圖像數據之中對行人進行了識別而得到的識別結果的圖，所述第二識別器是使用在第二地域拍攝到的多個學習用圖像數據進行了學習而得到的識別器。

具體實施方式