[發明專利]神經網絡訓練方法及裝置、車輛檢測估計方法及裝置、存儲介質

在審

• 申請號: 201711262814.2
• 申請日: 2017-12-04
• 公開（公告）號: CN108875902A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 王曼晨
• 申請（專利權）人: 北京曠視科技有限公司;北京邁格威科技有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06K9/62;G06K9/32
• 代理公司: 北京市磐華律師事務所 11336
• 代理人: 高偉;張建

1.一種神經網絡的訓練方法，其特征在于，所述神經網絡包括車輛位置檢測分支網絡和車輛姿態估計分支網絡，所述訓練方法包括：

獲取訓練數據，所述訓練數據包括標注了車輛位置坐標和車輛三維包圍框頂點投影坐標的圖片；

重復執行以下步驟直到滿足設定條件為止：

利用所述訓練數據訓練所述車輛位置檢測分支網絡，

利用所述訓練數據和所述車輛位置檢測分支網絡輸出的訓練用車輛檢測框訓練所述車輛姿態估計分支網絡。

2.根據權利要求1所述的訓練方法，其特征在于，所述神經網絡還包括深層神經網絡、區域建議網絡和感興趣區域池化層，所述訓練所述車輛位置檢測分支網絡包括：

通過所述深層神經網絡對所述訓練數據進行處理以得到訓練用特征圖；

通過所述區域建議網絡對所述訓練用特征圖進行處理以得到訓練用候選框；

將所述訓練用特征圖和所述訓練用候選框輸入所述感興趣區域池化層做池化處理，以得到所述訓練用候選框對應的訓練用第一特征向量；

將所述訓練用第一特征向量輸入所述車輛位置檢測分支網絡，以得到所述訓練用車輛檢測框。

3.根據權利要求2所述的訓練方法，其特征在于，所述訓練所述車輛姿態估計分支網絡包括：

將所述訓練用車輛檢測框輸入所述感興趣區域池化層做池化處理，以得到所述訓練用車輛檢測框對應的訓練用第二特征向量；

將所述訓練用第二特征向量輸入所述車輛姿態估計分支網絡，以得到車輛姿態估計信息。

4.一種神經網絡的訓練裝置，所述神經網絡包括車輛位置檢測分支網絡和車輛姿態估計分支網絡，其特征在于，所述訓練裝置包括：

數據獲取單元，用于獲取訓練數據，所述訓練數據包括標注了車輛位置坐標和車輛三維包圍框頂點投影坐標的圖片；

第一訓練單元，用于利用所述訓練數據訓練所述車輛位置檢測分支網絡；

第二訓練單元，用于利用所述訓練數據和所述車輛位置檢測分支網絡輸出的訓練用車輛檢測框訓練所述車輛姿態估計分支網絡。

5.一種神經網絡的訓練裝置，其特征在于，所述訓練裝置包括存儲器和處理器，所述存儲器上存儲有由所述處理器運行的計算機程序，所述計算機程序在被所述處理器運行時執行如權利要求1-3中的任一項所述的神經網絡的訓練方法。

6.一種存儲介質，其特征在于，所述存儲介質上存儲有計算機程序，所述計算機程序在運行時執行如權利要求1-3中的任一項所述的神經網絡的訓練方法。

7.一種用于車輛位置檢測和姿態估計的方法，其特征在于，包括：

獲取待檢測圖像；

利用預先訓練的用于車輛位置檢測和姿態估計的神經網絡對所述待檢測圖像進行處理，以獲取車輛檢測框和車輛姿態估計信息；

其中，所述預先訓練的用于車輛位置檢測和姿態估計的神經網絡包括車輛位置檢測分支網絡和車輛姿態估計分支網絡，

所述車輛位置檢測分支網絡用于基于待測圖像輸出車輛檢測框；

所述車輛姿態估計分支網絡用于基于所述待測圖像和所述車輛檢測框輸出車輛姿態估計信息。

8.根據權利要求7所述的方法，其特征在于，所述預先訓練的用于車輛位置檢測和姿態估計的神經網絡還包括深層神經網絡、區域建議網絡和感興趣區域池化層，所述方法還包括：

通過所述深層神經網絡對所述待測圖像進行處理以得到特征圖；

通過所述區域建議網絡對所述特征圖進行處理以得到候選框；

將所述候選框和所述特征圖輸入所述感興趣區域池化層做池化處理，以得到所述候選框對應的第一特征向量。

9.根據權利要求8所述的方法，其特征在于，還包括：

通過所述位置檢測分支網絡基于所述第一特征向量輸出所述車輛檢測框和置信度；

將所述車輛檢測框輸入所述感興趣區域池化層做池化處理，以得到所述車輛檢測框對應的第二特征向量；

通過所述車輛姿態估計分支網絡基于所述第二特征向量輸出所述車輛姿態估計信息。