[發明專利]學習方法和記錄介質

有效

• 申請號: 201880003113.3
• 申請日: 2018-03-05
• 公開（公告）號: CN109564687B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: S·阿萊托;L·里加佐;筑澤宗太郎
• 申請（專利權）人: 松下電器（美國）知識產權公司
• 主分類號: G06T7/254
• 分類號: G06T7/254;G06T7/00
• 代理公司: 北京市中咨律師事務所 11247
• 代理人: 劉靜;段承恩

學習方法包括：輸入處理，向神經網絡輸入構成動態圖像的時間上相鄰的第1圖像和第2圖像，所述第2圖像是從第1圖像經過預定時間后的圖像；學習處理，使用第1圖像和第2圖像，使神經網絡學習輸出轉換矩陣，所述轉換矩陣是對第1圖像中的全部像素使用的將第1圖像轉換為第2圖像的轉換矩陣；以及輸出處理，將通過轉換矩陣生成的表現第1圖像的各像素的到預定時間后為止的移動量的移動量圖像作為第1圖像與第2圖像之間的運動的推定結果來輸出。

技術領域

本公開涉及學習方法和程序，特別涉及計算機使用神經網絡進行的學習方法和程序。

背景技術

近年來，存在推定作為表現圖像間的運動的事物的光流的技術。如果能夠實時且高精度地推定光流，能夠根據通過移動中的汽車所搭載的攝像頭等得到的圖像來檢測或追蹤位于路上的多個對象。因此，也期待作為事先檢測并避免事故等可能性的系統的先進駕駛協助系統(Advanced Driver Assistance System：ADAS)和用于實現自動駕駛車的技術。

例如，例如非專利文獻1公開了如下技術：使神經網絡推定光流，其中，該神經網絡使用通過Kitti Dataset等已知的數據集準備的正解數據作為訓練數據(Teacher data，教師數據)來進行學習。

現有技術文獻

非專利文獻

非專利文獻1:G.Long，L.Kneip，J.M.Alvarez，H.Li，X.Zhang，and Q.Yu.Learningimage matching by simply watching video.In European Conference on ComputerVision，pages 434-450.Springer，2016.1，3

非專利文獻2:M.Jaderberg，K.Simonyan，A.Zisserman，et al.Spatialtransformer networks.In Advances in Neural Information Processing Systems，pages 2017-2025，2015.2

發明內容

本公開的一個方式的學習方法包括：輸入步驟，向神經網絡輸入構成動態圖像的時間上相鄰的第1圖像和第2圖像，所述第2圖像是從所述第1圖像經過預定時間后的圖像；學習步驟，使用所述第1圖像和所述第2圖像，使所述神經網絡學習輸出轉換矩陣，所述轉換矩陣是對所述第1圖像中的全部像素使用的將所述第1圖像轉換為所述第2圖像的轉換矩陣；以及輸出步驟，將通過所述轉換矩陣生成的移動量圖像作為所述第1圖像與所述第2圖像之間的運動的推定結果來輸出，所述移動量圖像表現所述第1圖像的各像素的到所述預定時間后為止的移動量。

此外，這些整體或具體的方式也可以由系統、方法、集成電路、計算機程序或計算機可讀取的CD-ROM等記錄介質實現，也可以由系統、方法、集成電路、計算機程序和記錄介質的任意組合實現。

根據本公開的學習方法等，能夠使神經網絡沒有訓練數據而學習光流推定。

附圖說明

圖1是示出實施方式中的推定器的結構的一例的框圖。

圖2是示出圖1所示的推定器使用的神經網絡的結構的一例的框圖。

圖3是示出實施方式中的H-net的結構的一例的圖。

圖4是示出圖1所示的推定器使用的神經網絡的結構的一例的框圖。

圖5是示出實施方式中的F-net的結構的一例的圖。

圖6是概念性地示出實施方式中的推定器的推定處理結果的圖。

圖7是示出實施方式中的學習方法的流程圖。