[發明專利]利用GAN來生成虛擬特征圖的方法及裝置

有效

• 申請號: 202010016992.2
• 申請日: 2020-01-08
• 公開（公告）號: CN111489403B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 金桂賢;金镕重;金寅洙;金鶴京;南云鉉;夫碩焄;成明哲;呂東勛;柳宇宙;張泰雄;鄭景中;諸泓模;趙浩辰
• 申請（專利權）人: 斯特拉德視覺公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/0475;G06N3/094
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 鄧毅;黃綸偉

本發明涉及利用GAN來生成虛擬特征圖的方法及裝置，具體地涉及利用虛擬行駛環境中使用的可應用于域自適應的包括生成網絡及鑒別網絡的GAN來從具備與從真實圖像導出的真實特征圖相同或類似的特性的虛擬圖像導出虛擬特征圖的學習方法，該學習方法的特征在于，其包括如下步驟：(a)學習裝置使生成網絡對輸入圖像應用卷積運算而生成具備與真實特征圖相同或類似的特性的輸出特征圖；及(b)使第1損失單元參照與輸出特征圖對應的通過鑒別網絡而生成的評價分值來生成損失，通過使用于運行時輸入變換的上述方法，能夠減少虛擬與現實之間的差異和注釋費用。

技術領域

本發明涉及虛擬行駛環境中使用的學習方法及學習裝置、利用該學習方法及學習裝置的測試方法及測試裝置，并涉及利用GAN來生成具備與真實特征圖相同或類似的特性的虛擬特征圖的學習方法及學習裝置、利用該學習方法及學習裝置的測試方法及測試裝置。

背景技術

深度卷積神經網絡(Deep?Convolution?Neural?Networks；Deep?CNNs)是在深度學習領域中發生的驚人的發展核心。CNN雖然在90年代已被用來解決文字識別問題，但它之所以能夠像現在這樣被廣泛使用，還要歸功于近年來的研究結果。這樣的CNN在2012年的ImageNet圖像分類比賽中擊敗其他競爭者而獲得冠軍。之后，卷積神經網絡在機器學習(Machine?Learning)領域中成為非常有用的工具。

近年來CNN在自動駕駛汽車領域中非常廣泛地得到使用。在自動駕駛汽車領域中使用時，CNN從附著于汽車的照相機獲得影像并執行探測車道等的作用。為此，CNN利用現實世界上的訓練圖像及與此對應的GT(Ground?truth)來學習參數。這樣的傳統的接近方法的缺點在于：在獲得現實世界上的訓練圖像并生成與此對應的GT時，其不能由被編程的計算機自動地處理，需要人的投入，因此在訓練過程中需要較多的費用和時間。

作為訓練CNN的對策，提出了利用通過被編程的計算機而模擬的虛擬世界上的虛擬圖像的方法。此時，虛擬圖像和與此對應的GT可通過被編程的計算機而獲得，與傳統的接近方法相比，在訓練過程中顯著地減少費用和時間。

但是，在該情況下存在如下缺點：CNN利用虛擬圖像而學習參數，因此在檢測關于具備與虛擬圖像的特性稍微不同的特性的真實世界的真實圖像內所包含的對象時，作業性能下降。

發明內容

發明要解決的課題

本發明的目的在于解決上述問題。

本發明的目的在于提供一種利用GAN來生成具備與使用真實圖像而生成的真實特征圖相同或類似的特性的虛擬特征圖的方法，從而利用虛擬圖像來學習對象檢測器，以檢測真實圖像(例如，測試圖像)所包含的對象。

用于解決課題的手段

用于達到如上述的本發明的目的并實現后述的本發明的特征性效果的本發明的特征性結構如下。