[發明專利]使用針對不同圖像場訓練的多個神經網絡進行物體檢測

在審

• 申請號: 201980055920.4
• 申請日: 2019-07-24
• 公開（公告）號: CN112602091A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: S·D·安丘;王北楠;J·格洛斯納
• 申請（專利權）人: 優創半導體科技有限公司
• 主分類號: G06K9/20
• 分類號: G06K9/20;G06K9/00
• 代理公司: 北京泛華偉業知識產權代理有限公司 11280
• 代理人: 王勇

一種與物體檢測相關的系統和方法可以包括：接收圖像幀，所述圖像幀包括由與處理裝置相關聯的圖像傳感器捕獲的像素陣列，識別所述圖像幀中的近場圖像段和遠場圖像段，將針對近場圖像段訓練的第一神經網絡應用于近場圖像段，以檢測所述近場圖像段中呈現的物體，以及將針對遠場圖像段訓練的第二神經網絡應用于遠場圖像段，以檢測所述近場圖像段中呈現的物體。

相關申請的交叉引用

本申請要求于2018年7月30日提交的的美國臨時申請62/711,695的優先權，其內容通過引用全部合并于此。

技術領域

本公開涉及檢測圖像中的物體，尤其涉及用于使用針對不同圖像場訓練的多個神經網絡進行物體檢測的系統和方法。

背景技術

被編程為檢測環境中的物體的計算機系統具有廣泛的工業應用。例如，自動駕駛車輛可以配備有傳感器(例如激光雷達傳感器和攝像機)以捕獲車輛周圍的傳感器數據。此外，自動駕駛車輛可以配備有計算機系統，該計算機系統包括處理裝置，該處理裝置執行可執行代碼以基于傳感器數據來檢測車輛周圍的物體。

神經網絡用于物體檢測。本公開中的神經網絡是人工神經網絡，其可以使用電路來實現以基于輸入數據做出決策。神經網絡可以包括一層或多層節點，其中每個節點可以以硬件的形式實現為用于執行計算的計算電路元件。輸入層中的節點可以將輸入數據接收到神經網絡。內層中的節點可以接收由先前層中的節點生成的輸出數據。此外，該層中的節點可以執行某些計算并為后續層的節點生成輸出數據。輸出層的節點可以為神經網絡生成輸出數據。因此，神經網絡可以包含多層節點，以執行從輸入層到輸出層的正向傳播的計算。

附圖說明

通過本公開以下給出的詳細描述和各個實施例的附圖，將更充分地理解本公開。然而，不應將附圖視為將本公開限制于特定實施例，而僅是為了解釋和理解。

圖1示出根據本公開的實施方式使用匹配不同圖像場的多個緊湊型神經網絡來檢測物體的系統。

圖2示出了根據本公開的實施方式的圖像幀的分解。

圖3示出了根據本公開的實施方式將圖像幀分解為近場圖像段和遠場圖像段。

圖4描繪了根據本公開的實施方式的使用多場物體檢測器的方法的流程圖。

圖5描繪了根據本公開的一個或多個方面進行操作的計算機系統的框圖。

具體實施方式

神經網絡可以包括多層節點。所述層可以包括輸入層、輸出層和位于它們之間的隱藏層。神經網絡的計算從輸入層通過隱藏層傳播到輸出層。每一層可以包括與通過連接當前層和先前層之間的節點的邊從先前層計算的節點值相關聯的節點。邊可以將一層中的節點連接到相鄰層中的節點。每個邊可以與權重值相關聯。因此，與當前層的節點相關聯的節點值可以是先前層的節點值的加權總和。

神經網絡的一種類型是卷積神經網絡(CNN)，其中在隱藏層處執行的計算可以是與先前層相關聯的節點值和與邊相關聯的權重值的卷積。例如，處理裝置可以將卷積運算應用于輸入層，并生成通過邊連接到輸入層的第一隱藏層的節點值，并且將卷積運算應用于第一隱藏層，以生成第二隱藏層的節點值，依此類推，直到計算到達輸出層為止。處理裝置可以將軟組合操作應用于輸出數據并生成檢測結果。檢測結果可以包括檢測到的物體的身份及其位置。

在神經網絡訓練階段中確定拓撲和與邊相關聯的權重值。在訓練階段期間，訓練輸入數據可以以正向傳播(從輸入層到輸出層)饋送到CNN中。CNN的輸出結果可以與目標輸出數據進行比較，以計算誤差數據?；谡`差數據，處理裝置可以執行反向傳播，在反向傳播中根據判別分析來調整與邊相關聯的權重值?？梢灾貜瓦M行正向傳播和反向傳播的過程，直到誤差數據在驗證過程中滿足某些性能要求為止。然后，可將CNN用于物體檢測。可以針對特定類別的物體(例如，人體)或多種類別的物體(例如，汽車，行人和樹木)訓練CNN。