[發明專利]信息處理裝置、信息處理方法、車輛、信息處理服務器和記錄介質

在審

• 申請號: 202110274204.4
• 申請日: 2021-03-15
• 公開（公告）號: CN113496194A
• 公開（公告）日: 2021-10-12
• 發明（設計）人: 安井裕司
• 申請（專利權）人: 本田技研工業株式會社
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 霍玉娟;張剛

1.一種信息處理裝置，其特征在于，

所述信息處理裝置具有：

獲取單元，其獲取由拍攝單元拍攝到的實際圖像；

識別單元，其執行具有隱含層的神經網絡的處理，識別所述實際圖像內的目標物；以及

處理單元，其以使基于第一評價函數和第二評價函數的評價值減少的方式變更所述神經網絡的權重系數來使所述神經網絡學習，

所述處理單元獲取實際圖像和表示與所述實際圖像類似的場景的計算機圖形圖像分別單獨地輸入到所述神經網絡時的、與來自所述神經網絡的隱含層的各個圖像對應的中間輸出，

使用基于所述識別單元的識別結果和教師數據的差異越小則評價值越減少的所述第一評價函數、以及與所述實際圖像和所述計算機圖形圖像對應的中間輸出的差異越小則評價值越減少的所述第二評價函數的評價值，使所述神經網絡學習。

2.根據權利要求1所述的信息處理裝置，其特征在于，所述處理單元使用對所述第一評價函數的評價值和所述第二評價函數的評價值進行加權并相加而得到的評價值來使所述神經網絡學習。

3.根據權利要求2所述的信息處理裝置，其特征在于，所述處理單元根據所述神經網絡的學習進度，使所述第一評價函數的評價值和所述第二評價函數的評價值的所述權重變化，使所述神經網絡學習。

4.根據權利要求1所述的信息處理裝置，其特征在于，所述處理單元根據基于所述第一評價函數和所述第二評價函數的評價值，變更所述神經網絡的規定層的權重系數，基于所述第一評價函數的評價值來變更所述神經網絡的所述規定層以外的層的權重系數。

5.根據權利要求4所述的信息處理裝置，其特征在于，所述規定層由多個所述神經網絡的隱含層中的一部分層構成。

6.根據權利要求1所述的信息處理裝置，其特征在于，所述處理單元基于作為與所述實際圖像對應的中間輸出的圖像的規定的特征量和作為與所述計算機圖形圖像對應的中間輸出的圖像的所述規定的特征量的差異，計算所述第二評價函數的評價值。

7.根據權利要求6所述的信息處理裝置，其特征在于，所述規定的特征量包含圖像內的亮度或RGB值的規定值以下的低頻成分的位置、區域的大小、變化量、變化周期、或者圖像內的亮度或RGB值的規定值以上的高頻成分的出現頻率中的至少任一者。

8.根據權利要求1所述的信息處理裝置，其特征在于，所述信息處理裝置還具有通信單元，該通信單元從外部裝置接收所述教師數據和表示與所述實際圖像類似的場景的所述計算機圖形圖像。

9.一種車輛，其特征在于，該車輛具備權利要求1至8中任一項所述的信息處理裝置。

10.一種車輛，其特征在于，

所述車輛具有：

拍攝單元；以及

識別單元，其執行具有隱含層的神經網絡的處理，識別由所述拍攝單元拍攝到的實際圖像內的目標物，

所述神經網絡是如下的神經網絡：

由具有處理單元的信息處理服務器提供，該處理單元以使基于第一評價函數和第二評價函數的評價值減少的方式變更所述神經網絡的權重系數來使所述神經網絡學習，

所述信息處理服務器通過所述處理單元，獲取實際圖像和表示與所述實際圖像類似的場景的計算機圖形圖像分別單獨地輸入到所述神經網絡時的、與來自所述神經網絡的隱含層的各個圖像對應的中間輸出，

使用基于所述識別單元的識別結果與教師數據的差異越小則評價值越減少的所述第一評價函數、以及與所述實際圖像和所述計算機圖形圖像對應的中間輸出的差異越小則評價值越減少的所述第二評價函數的評價值進行學習。