[發明專利]用于識別對象的方法和設備

在審

• 申請號: 201880061243.2
• 申請日: 2018-07-11
• 公開（公告）號: CN111108514A
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 崔寅權;李建熙;鄭玹朱;金圣晉;崔賢秀
• 申請（專利權）人: 三星電子株式會社
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06N3/08
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 曾世驍;朱志玲

1.一種識別對象的方法，所述方法包括：

從不同類型的多個傳感器獲得關于所述對象的多條傳感器數據；

將所述多條傳感器數據中的至少一些轉換為二維2D傳感器數據；

基于2D傳感器數據以及從作為所述多個傳感器之一的圖像傳感器獲得的2D圖像數據，通過使用先前生成的學習網絡模型來識別所述對象。

2.如權利要求1所述的方法，其中，轉換步驟包括：通過使用用于傳感器數據的轉換的學習網絡模型將所述多條傳感器數據中的至少一些轉換為2D傳感器數據，其中，所述用于傳感器數據的轉換的學習網絡模型是作為學習用于將一維1D傳感器數據轉換為2D傳感器數據的參考的結果而生成的。

3.如權利要求2所述的方法，還包括：

通過再轉換2D傳感器數據獲得1D傳感器數據；

基于將作為獲得的所述多條傳感器數據的至少一部分的1D傳感器數據與作為再轉換結果而獲得的1D傳感器數據進行比較的結果，確定在傳感器數據的轉換中發生的誤差；

基于確定的誤差，更新構成所述用于傳感器數據的轉換的學習網絡模型的多個層的參數。

4.如權利要求1所述的方法，其中，轉換步驟包括：

從所述多個傳感器中的至少一個獲得沿第一軸向的1D傳感器數據；

通過在第二軸向上對沿第一軸向的1D傳感器數據進行上采樣來生成2D傳感器數據。

5.如權利要求1所述的方法，其中，識別所述對象的步驟包括：

通過使用作為學習用于從至少一條圖像數據獲得圖像特征信息的參考的結果而生成的學習網絡模型，從2D圖像數據獲得表示所述對象的圖像特征信息；

基于圖像特征信息和2D傳感器數據，通過使用所述先前生成的學習網絡模型來識別所述對象。

6.如權利要求1所述的方法，其中，所述先前生成的學習網絡模型包括多個層，并且

其中，所述多個層中的每個層的參數是基于學習用于從圖像數據和2D傳感器數據中選擇用于對象識別的至少一條數據并將選擇的所述至少一條數據進行組合的參考的結果而被確定的。

7.如權利要求1所述的方法，還包括：

基于將識別出的對象的類別與所述對象的類別進行比較的結果，確定在對象識別中發生的誤差；

基于確定的誤差，更新構成所述先前生成的學習網絡模型的多個層的參數。

8.一種用于識別對象的設備，所述設備包括：

存儲器，存儲一個或更多個指令；

顯示器；

多個傳感器，被配置為獲得關于所述對象的多條傳感器數據；

處理器，被配置為執行所述存儲器中存儲的所述一個或更多個指令以進行以下操作：

從所述多個傳感器獲得關于所述對象的所述多條傳感器數據；

將所述多條傳感器數據中的至少一些轉換為二維2D傳感器數據；

基于2D傳感器數據以及從作為所述多個傳感器之一的圖像傳感器獲得的2D圖像數據，通過使用先前生成的學習網絡模型來識別所述對象。

9.如權利要求8所述的設備，其中，所述處理器還被配置為執行所述一個或更多個指令以進行以下操作：通過使用用于傳感器數據的轉換的學習網絡模型將所述多條傳感器數據中的至少一些轉換為2D傳感器數據，其中，所述用于傳感器數據的轉換的學習網絡模型是作為學習用于將一維1D傳感器數據轉換為2D傳感器數據的參考的結果而生成的。

10.如權利要求9所述的設備，其中，所述處理器還被配置為執行所述一個或更多個指令以進行以下操作：

通過再轉換2D傳感器數據獲得1D傳感器數據；

基于將作為獲得的所述多條傳感器數據的至少一部分的1D傳感器數據與作為再轉換結果而獲得的1D傳感器數據進行比較的結果，確定在傳感器數據的轉換中發生的誤差；

基于確定的誤差，更新構成所述用于傳感器數據的轉換的學習網絡模型的多個層的參數。