[發明專利]神經網絡訓練、路面檢測、智能駕駛控制方法和裝置

在審

• 申請號: 201811409501.X
• 申請日: 2018-11-23
• 公開（公告）號: CN111222522A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 孫鵬;程光亮;石建萍
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;劉芳

本發明實施例提供一種神經網絡訓練、路面檢測、智能駕駛控制方法和裝置，神經網絡訓練方法包括：將訓練圖像集包括的第一訓練圖像子集輸入神經網絡，以經神經網絡輸出第一訓練圖像子集包括的各訓練圖像相對至少二個檢測任務的任務預測結果；分別確定各訓練圖像的任務預測結果與各訓練圖像相對至少二個檢測任務的任務檢測真值之間的損失；根據確定的各損失確定神經網絡相對至少二個檢測任務的共享損失；根據共享損失調整神經網絡的網絡參數。通過在多任務神經網絡的訓練中，根據多任務的檢測損失確定共享損失，并回傳神經網絡進行神經網絡參數的調整，提高了神經網絡對多任務的訓練效果。

技術領域

本發明計算機視覺技術，尤其涉及一種神經網絡訓練、路面檢測、智能駕駛控制方法和裝置。

背景技術

可行駛區域檢測技術、車道線檢測技術以及車道線類型檢測技術是輔助駕駛系統和自動駕駛系統的關鍵技術，基于視覺的可行駛區域檢測系統由于信息豐富，成本低廉等優勢成為科研人員的研究重點。

目前的可行駛區域檢測技術、車道線檢測技術以及車道線類型檢測技術主要是基于模式識別和相機幾何，即對圖像中的主要特征，包括顏色、紋理、形狀模型、消失點等，進行識別，從而檢測出可行駛區域、車道線以及車道線類型。

發明內容

本發明實施例提供一種神經網絡訓練、路面檢測、智能駕駛控制方法和裝置。

第一方面，本發明實施例提供一種神經網絡訓練方法，包括：

將訓練圖像集包括的第一訓練圖像子集輸入神經網絡，以經所述神經網絡輸出所述第一訓練圖像子集包括的各訓練圖像相對至少二個檢測任務的任務預測結果；

分別確定所述各訓練圖像的任務預測結果與所述各訓練圖像相對所述至少二個檢測任務的任務檢測真值之間的損失，其中，所述任務檢測真值根據所述訓練圖像與檢測任務相應的標注信息確定；

根據確定的各損失確定所述神經網絡相對所述至少二個檢測任務的共享損失；

根據所述共享損失調整所述神經網絡的網絡參數。

在第一方面的一種可行的實施方式中，所述根據確定的各損失確定所述神經網絡相對所述至少二個檢測任務的共享損失，包括：

根據確定的各損失調整所述至少二個檢測任務對應的損失的權重；

根據確定的各損失和所述各損失分別對應的權重，確定所述共享損失。

在第一方面的一種可行的實施方式中，在所述確定的損失越大時，所述確定的損失的權重越大；在所述確定的損失越小時，所述確定的損失的權重越小。

在第一方面的一種可行的實施方式中，所述根據所述共享損失調整所述神經網絡的網絡參數之后，神經網絡訓練方法還包括：

確定所述訓練圖像集包括的第二訓練圖像子集，其中，所述第二訓練圖像子集包括的訓練圖像和所述第一訓練圖像子集包括的訓練圖像至少部分不同；

將所述第二訓練圖像子集作為第一訓練子集輸入所述神經網絡，以調整所述神經網絡的網絡參數。

在第一方面的一種可行的實施方式中，所述神經網絡包括：共享網絡層以及分別與所述共享網絡層連接的至少二個任務檢測分支；

所述將訓練圖像集包括的第一訓練圖像子集輸入神經網絡，以經所述神經網絡輸出所述第一訓練圖像子集包括的各訓練圖像相對至少二個檢測任務的任務預測結果，包括：

將所述第一訓練圖像子集輸入所述神經網絡，以經所述神經網絡的共享網絡層以及至少二個任務檢測分支中的相應任務檢測分支輸出相應檢測任務的任務預測結果。

在第一方面的一種可行的實施方式中，所述根據所述共享損失調整所述神經網絡的網絡參數，包括：