[發明專利]利用周邊汽車的圖像自動標注基礎汽車的圖像的方法及裝置

在審

• 申請號: 202010069132.5
• 申請日: 2020-01-21
• 公開（公告）號: CN111507983A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 金桂賢;金镕重;金鶴京;南云鉉;夫碩焄;成明哲;申東洙;呂東勛;柳宇宙;李明春;李炯樹;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: G06T7/10
• 分類號: G06T7/10;G06N3/04;G06N3/08;G06N20/00
• 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

1.一種對利用周邊汽車的圖像來自動標注基礎汽車的圖像的自動標注裝置進行學習的方法，其特征在于，包括：

(a)步驟，獲得所述基礎汽車的至少一個基礎圖像和一個以上周邊汽車各自的第一子圖像至第n子圖像后，其中n為大于0的整數，學習裝置執行流程，即將所述基礎圖像和各個所述第一子圖像至所述第n子圖像分別輸入各個第一已學習密集對應網絡至第n已學習密集對應網絡，從而使所述第一至所述第n已學習密集對應網絡，分別生成各自的第一密集對應信息至第n密集對應信息，其中，當各個所述第一子圖像的密集至所述第n子圖像的密集移動到所述基礎圖像時，各個所述第一密集對應信息至所述第n密集對應信息表示所述第一子圖像的密集至所述第n子圖像的密集分別在所述基礎圖像上的各自的位置；

(b)步驟，所述學習裝置執行：(i)流程，將所述基礎圖像和各個所述第一子圖像至所述第n子圖像分別輸入各個第一編碼器至第(n+1)編碼器，從而使各個所述第一編碼器至所述第(n+1)編碼器，對所述基礎圖像和各個所述第一子圖像至所述第n子圖像分別施加至少一個卷積運算，分別輸出第一卷積特征圖至第(n+1)卷積特征圖，(ii)流程，將各個所述第一卷積特征圖至所述第(n+1)卷積特征圖輸入各個第一解碼器至第(n+1)解碼器，從而使各個所述第一解碼器至所述第(n+1)解碼器，對各個所述第一卷積特征圖至所述第(n+1)卷積特征圖分別施加至少一個反卷積運算，分別輸出第一反卷積特征圖至第(n+1)反卷積特征圖，(iii)流程，參照第k密集對應信息，k為1至n的整數，使第(k+1)反卷積特征圖的坐標移動到所述第一反卷積特征圖的坐標，生成第k調整反卷積特征圖，從而生成第一調整反卷積特征圖至第n調整反卷積特征圖，及(iv)流程，將所述第一反卷積特征圖與所述第一調整反卷積特征圖至所述第n調整反卷積特征圖進行級聯，生成至少一個級聯特征圖；及

(c)步驟，所述學習裝置執行流程：將所述級聯特征圖輸入掩蔽層，從而使所述掩蔽層，對所述級聯特征圖施加至少一個掩蔽運算，生成至少一個語義分割圖像；使第一損失層，參照所述語義分割圖像和與之對應的至少一個分割地面真值GT，計算一個以上的第一損失，通過利用所述第一損失的反向傳播更新所述第一解碼器至所述第(n+1)解碼器的各個加權值及所述第一編碼器至所述第(n+1)編碼器的各個加權值，以使所述第一損失最小化。

2.根據權利要求1所述的方法，其特征在于，

所述學習裝置使各個所述第一至所述第n已學習密集對應網絡執行：(i)流程，將所述基礎圖像分別輸入與各個所述第一至所述第n已學習密集對應網絡對應的各個第一子編碼器，從而使各個所述第一子編碼器對所述基礎圖像施加所述卷積運算而分別生成各自的第一子卷積特征圖；(ii)流程，將各個所述第一至所述第n子圖像分別輸入與各個所述第一至所述第n已學習密集對應網絡對應的各個第二子編碼器，從而使各個所述第二子編碼器對各個所述第一至所述第n子圖像分別施加所述卷積運算而分別生成各自的第二子卷積特征圖；(iii)流程，將各個所述第一子卷積特征圖與各個所述第二子卷積特征圖進行級聯，從而生成各個所述第一至所述第n子級聯特征圖；(iv)將各個所述第一至所述第n子級聯特征圖分別輸入與各個所述第一至所述第n已學習密集對應網絡對應的各個子解碼器，從而使各個所述子解碼器，對各個所述第一至所述第n子級聯特征圖分別施加所述反卷積運算，分別生成各自的第一至第n子反卷積特征圖；及(v)流程，將各個所述第一至所述第n子反卷積特征圖，分別輸入與各個所述第一至所述第n已學習密集對應網絡對應的各個回歸器，從而使各個所述回歸器對各個所述第一至所述第n密集對應信息分別施加至少一個回歸運算，輸出各個所述第一至所述第n密集對應信息。