[發明專利]用GAN減少圖像的畸變的學習方法及裝置、測試方法及裝置

有效

• 申請號: 202010017403.2
• 申請日: 2020-01-08
• 公開（公告）號: CN111489298B
• 公開（公告）日: 2023-04-14
• 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: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 延美花;臧建明

本發明涉及為了在極限狀況提高容錯及波動魯棒性而提供的利用GAN減少變形的圖像上發生的畸變的學習方法，其特征在于，包括：(a)獲取到初始圖像時，使包含于生成網絡的調整層調整至少一部分的初始特征值以將初始圖像變換成調整圖像的步驟；以及(b)獲取到(i)自然度評分、(ii)特性保持評分及(iii)類似度評分的至少一部分時，使包含于生成網絡的損失層參照自然度評分、特性保持評分及類似度評分生成生成網絡損失以學習生成網絡的參數的步驟，本發明能夠用于行動預測、超精密客體檢測或追蹤等。

技術領域

本發明涉及用于自動行駛車輛的學習方法及學習裝置、以及利用其的測試方法及測試裝置，更具體來講涉及用于利用GAN(Generative?Adversarial?Network，生成對抗網絡)減少變形的(Warped)圖像上發生的畸變的學習方法及學習裝置、以及利用其的測試方法及測試裝置。

背景技術

CNN還廣泛用于車輛的自動行駛領域，其主要執行分析通過附著于車輛的攝像頭獲取的影像以檢測障礙物，檢測自由空間(Free?Space)等功能使得車輛能夠安全行駛。

然而，這種利用CNN使車輛自動行駛的方法在特定狀況下可能難以執行。即，CNN須使用通過攝像頭得到的圖像，但由于攝像頭晃動等問題導致影像嚴重晃動的情況下，發生視頻的各幀的圖像大幅改變的抖動(Jittering)現象。發生這種抖動現象的情況下，CNN難以追蹤影像上的客體的運動。尤其，這種抖動現象在常常越野行駛的軍用車輛自動行駛的狀況下經常發生，防止這種現象的方法非常重要。

用于去除這種抖動的現有技術有測定攝像頭的運動并物理糾正發生抖動的圖像的方法，但該情況下攝像頭模塊的重量增大、需要大量費用，由于使用多種裝置，因此引起故障的危險性增大。有作為替代方案的軟件技術，該方法是將圖像分成網格，算出表示攝像頭的晃動引起的各所述網格的各活動的各向量后，參照各所述向量對各網格進行變形(Warping)去除抖動的方法。

然而這種軟件技術只考慮圖像的客體的光流(Optical?Flow)，調整發生抖動的圖像的過程中導致圖像發生很大畸變，因此具有無法識別到本應從圖像上識別到的客體或過度非現實地改變相應圖像的問題。

發明內容

技術問題

本發明的目的是解決上述問題。

本發明的目的是提供利用GAN(Generative?Adversarial?Network)減少在穩定發生抖動(Jittering)的圖像的過程中生成的變形的(Warped)圖像上發生的畸變的方法。

技術方案