[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

本發明是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。本發明提供一種學習利用周邊汽車的子圖像來自動標注基礎汽車的基礎圖像的自動標注裝置的方法。所述方法包括：學習裝置將所述基礎圖像和所述子圖像輸入已學習密集對應網絡，從而生成密集對應的步驟；將所述基礎圖像和所述子圖像輸入編碼器，從而輸出卷積特征圖，將所述卷積特征圖輸入解碼器，從而輸出反卷積特征圖的步驟；利用第k(k為1至n的整數)密集對應信息，使第(k+1)反卷積特征圖的坐標移動，生成第k調整反卷積特征圖的步驟；將第一反卷積特征圖和調整反卷積特征圖進行級聯，生成級聯的特征圖的步驟；及將所述級聯的特征圖輸入掩蔽層，從而輸出語義分割圖像的步驟。

技術領域

本發明涉及自動標注圖像的方法及裝置，更詳細而言，涉及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

最近，有很多利用機器學習對執行物體識別及與之相同內容的方法進行的研究。作為這種機器學習方法之一，在輸入層與輸出層之間具有多個隱藏(hidden)層的神經網絡的深度學習，具有高識別性能。

而且，利用這種深度學習的神經網絡，一般通過利用了損失(loss)的反向傳播進行學習。

為了執行深度學習網絡的這種學習，需要借助于標注工具(labeler)而在個別數據點追加了標簽的訓練數據。準備這種訓練數據(即，準確地分類數據)需利用大量的訓練數據，在數據預先準備的質量不能一貫保持良好的情況下，是非常勞動密集型的工作，費用高且麻煩。以往的交互式標注在經濟方面費用高昂，難以導出良好結果。

因此，最近普遍使用自動標注，利用基于深度學習的自動標注裝置在訓練圖像中追加標簽，即追加標注，檢驗者檢驗自動標注的訓練圖像并補正標簽或標注。

但是，在這種以往方法中，與自動標注裝置的處理量相比，檢驗者的處理量低，對全體訓練圖像生成準確的標注需要較長時間。為了提高整體處理量，需增加檢驗者數量，但在這種情況下，存在費用增加的問題。

另外，為了消化自動標注裝置的處理量，需要相應地確保充分熟練的眾多檢驗者，這方面也存在困難。

發明內容

本發明的目的在于解決上述問題。

本發明另一目的在于實時自動標注基礎汽車行駛中獲得的至少一個基礎圖像。

本發明又一目的在于，在基礎汽車和周邊汽車行駛中，將從基礎汽車獲得的基礎圖像和從一個以上周邊汽車獲得的一個以上的子圖像統合，從而對統合的圖像進行自動標注。

本發明的目的是通過以下技術方案實現的：