[發(fā)明專利]實(shí)時(shí)更新可檢測類的類別的對(duì)象檢測系統(tǒng)的方法和設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202010072012.0
• 申請(qǐng)日: 2020-01-21
• 公開（公告）號(hào): CN111507164A
• 公開（公告）日: 2020-08-07
• 發(fā)明（設(shè)計(jì)）人: 金桂賢;金镕重;金鶴京;南云鉉;夫碩熏;成明哲;申東洙;呂東勛;柳宇宙;李明春;李炯樹;張?zhí)┬?/a>;鄭景中;諸泓模;趙浩辰
• 申請(qǐng)（專利權(quán)）人: 斯特拉德視覺公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06F16/583;G06F16/50
• 代理公司: 上海弼興律師事務(wù)所 31283
• 代理人: 薛琦;王衛(wèi)彬

提供了一種用于實(shí)時(shí)更新對(duì)象檢測系統(tǒng)以檢測具有未訓(xùn)練的類別的對(duì)象的方法。該方法包括以下步驟：(a)如果獲取到至少一個(gè)輸入圖像，則對(duì)象檢測系統(tǒng)指示其包括的識(shí)別器生成特定特征映射之后再生成特定查詢向量；(b)對(duì)象檢測系統(tǒng)指示相似性確定單元(i)將特定查詢向量與數(shù)據(jù)向量進(jìn)行比較，從而計(jì)算特定查詢向量與數(shù)據(jù)向量之間的第一相似度得分的每一個(gè)，并且(ii)如果特定第一相似度得分小于預(yù)定的第一閾值，則將特定局部圖像追加到未知圖像數(shù)據(jù)庫；(c)如果獲取到特定類別信息，則對(duì)象檢測系統(tǒng)指示短期更新單元生成與特定短期更新向量，然后更新特征指紋數(shù)據(jù)庫。

技術(shù)領(lǐng)域

本發(fā)明涉及一種用于自動(dòng)駕駛車輛的方法和設(shè)備；更具體地，涉及一種用于提供能夠?qū)崟r(shí)更新可檢測類的類別的對(duì)象檢測系統(tǒng)的方法和設(shè)備。

背景技術(shù)

深度卷積神經(jīng)網(wǎng)絡(luò)(Deep Convolution Neural Networks，Deep CNN)是深度學(xué)習(xí)中顯著發(fā)展的核心。CNN在上世紀(jì)90年代已經(jīng)用于解決字符識(shí)別問題，但是由于最近的研究，它們的使用變成像現(xiàn)在這樣廣泛。在2012年ImageNet圖像分類比賽中，CNN擊敗了其他競爭對(duì)手取得勝利。之后，卷積神經(jīng)網(wǎng)絡(luò)成為機(jī)器學(xué)習(xí)(Machine Learning)領(lǐng)域中非常有用的工具。

最近，CNN已廣泛應(yīng)用于自動(dòng)駕駛。CNN可以執(zhí)行各種功能以支持自動(dòng)駕駛汽車的自動(dòng)駕駛，例如，語義分割(Semantic Segmentation)、目標(biāo)檢測等，這些功能通過使用成千上萬的訓(xùn)練數(shù)據(jù)集來學(xué)習(xí)，然后安裝到自動(dòng)駕駛汽車上。

同時(shí)，當(dāng)自動(dòng)駕駛汽車被長時(shí)間使用后，可能會(huì)出現(xiàn)問題。其中一個(gè)問題是，在學(xué)習(xí)期間未出現(xiàn)的新對(duì)象會(huì)隨著時(shí)間推移而在增加到路上，因此， CNN無法正常用作目標(biāo)檢測器。例如，每年都會(huì)發(fā)布新車輛，并且它們的設(shè)計(jì)會(huì)發(fā)生變化，在這種情況下，目標(biāo)檢測器可能無法將這些新車輛檢測為車輛。因此，需要定期更新安裝在自動(dòng)駕駛車輛上的CNN。然而，更新CNN 的參數(shù)的學(xué)習(xí)過程是昂貴的，并且將參數(shù)和相關(guān)信息傳輸?shù)矫總€(gè)自動(dòng)駕駛車輛以進(jìn)行更新的過程也是昂貴的。

發(fā)明內(nèi)容

本發(fā)明的一個(gè)目的是解決前面所述的問題。

本發(fā)明的另一個(gè)目的是，通過提供一種能夠?qū)崟r(shí)更新可檢測類的類別的對(duì)象檢測系統(tǒng)，允許已經(jīng)長時(shí)間運(yùn)行的自動(dòng)駕駛車輛安全駕駛。

為了達(dá)到如上所述的本發(fā)明的目的，實(shí)現(xiàn)如下所述的本發(fā)明的特定效果，本發(fā)明的特定構(gòu)成如下。

根據(jù)本發(fā)明的一實(shí)施方式，本發(fā)明提供了一種用于實(shí)時(shí)更新對(duì)象檢測系統(tǒng)以檢測具有未學(xué)習(xí)的類的對(duì)象，包括以下步驟：(a)如果獲取到至少一個(gè)輸入圖像，對(duì)象檢測系統(tǒng)指示其包括的識(shí)別器生成特定特征映射(Feature Map)，該特定特征映射與包括所述輸入圖像的特定目標(biāo)的特定ROI相對(duì)應(yīng)，并通過使用所述特定特征映射生成特定查詢向量(Query Vector)，該特定查詢向量與特定目標(biāo)相對(duì)應(yīng)；(b)對(duì)象檢測系統(tǒng)指示相似性確定單元(Similarity Determining Unit)(i)將所述特定查詢向量與至少一個(gè)特征指紋數(shù)據(jù)庫(Feature Fingerprint DB、特征指紋DB)所包括的一個(gè)或多個(gè)數(shù)據(jù)向量進(jìn)行比較，該特征指紋數(shù)據(jù)庫用于檢測向所述對(duì)象檢測系統(tǒng)輸入的圖像目標(biāo)，從而計(jì)算特定查詢向量與每一個(gè)數(shù)據(jù)向量之間的一個(gè)或多個(gè)第一相似度得分 (Similarity Score)，(ii)如果特定第一相似度得分(在第一相似度得分中最高) 小于預(yù)定的第一閾值，將與特定ROI相對(duì)應(yīng)的特定局部圖像(Partial Image)添加到用于更新特征指紋數(shù)據(jù)庫的未知圖像數(shù)據(jù)庫(Unknown-Image DB、未知圖像DB)；(c)如果獲取到與所述特定局部圖像相對(duì)應(yīng)的特定類別信息，則對(duì)象檢測系統(tǒng)指示短期更新單元(Short-Term Update Unit)通過使用特定類別信息和與所述特定目標(biāo)對(duì)應(yīng)的、由識(shí)別器生成的特定分量向量，生成與特定目標(biāo)對(duì)應(yīng)的特定短期更新向量，然后使用特定短期更新向量更新特征指紋數(shù)據(jù)庫。