Complex road condition sensing system and device based on depth learning. A complex traffic awareness system based on deep learning, the system includes five steps: the first step of image sensor to collect data; the second step to preprocess the image data, including white balance, gamma correction, denoising; the third step uses the first depth neural network for feature extraction; target localization features fourth step second a neural network depth extraction; fifth step used for target recognition of regional positioning using third depth neural network, get the final detection results. The present invention is used for a complex road condition sensing system based on depth learning.
【技术实现步骤摘要】
基于深度学习的复杂路况感知系统及装置
:本专利技术涉及一种基于深度学习的复杂路况感知系统及装置。
技术介绍
:使用深度学习技术,将特征提取、目标定位、目标识别等技术整合为一个统一的深度神经网络,并形成一整套完整的端到端解决防范,并优化了车载设备上深度神经网络的模型复杂度基于性能,使其能够快速、准确的在车载系统中处理视觉任务。传统的方法只能进行单目标检测,如果需要多目标检测、需要使用不同的特征和不同的分类器,这样增加了整个系统的设计难度,并且不同的特征在不同的分类器中无法共享,导致了计算的重复性,无法提高检测的效率,并且传统的算法在复杂场景下的泛化能力较弱,无法达到实用的价值。
技术实现思路
:本专利技术的目的是提供一种使用特殊的网络结构提取多尺度特征,再使用额外一个子网络合并多尺度特征的基于深度学习的复杂路况感知系统及装置。上述的目的通过以下的技术方案实现:一种基于深度学习的复杂路况感知系统,本系统包括五步:第一步采集图像传感器数据;第二步对图像数据进行预处理,包括白平衡、gamma矫正、去噪处理;第三步使用第一个深度神经网络进行特征提取;第四步使用第二个深度神经网络提取的特征进行目标定位;第五步使用使用第三个深度神经网络对定位区域进行目标识别,得到最终的检测结果。所述的基于深度学习的复杂路况感知系统,所述的第三步是做特征复用;所述的第四步是将前景和背景分离;所述的第三步、所述的第四步、所述的第五步中使用的网络整合为一个更深层次的深度神经网络,其中每一步使用的网络作为整个网络的子网络进行处理。所述的基于深度学习的复杂路况感知系统,所述的子网络是一种多尺度神经网 ...
【技术保护点】
一种基于深度学习的复杂路况感知系统,其特征是: 本系统包括五步:第一步采集图像传感器数据;第二步对图像数据进行预处理,包括白平衡、gamma矫正、去噪处理;第三步使用第一个深度神经网络进行特征提取;第四步使用第二个深度神经网络提取的特征进行目标定位;第五步使用使用第三个深度神经网络对定位区域进行目标识别,得到最终的检测结果。
【技术特征摘要】
1.一种基于深度学习的复杂路况感知系统,其特征是:本系统包括五步:第一步采集图像传感器数据;第二步对图像数据进行预处理,包括白平衡、gamma矫正、去噪处理;第三步使用第一个深度神经网络进行特征提取;第四步使用第二个深度神经网络提取的特征进行目标定位;第五步使用使用第三个深度神经网络对定位区域进行目标识别,得到最终的检测结果。2.根据权利要求1所述的基于深度学习的复杂路况感知系统,其特征是:所述的第三步是做特征复用;所述的第四步是将前景和背景分离;所述的第三步、所述的第四步、所述的第五步中使用的网络整合为一个更深层次的深度神经网络,其中每一步使用的网络作为整个网络的子网络进行处理。3.根据权利要求2所述的基于深度学习的复杂路况感知系统,其特征是:所述的子网络是一种多尺度神经网络,在不同的尺度上进行特征提取,最后通过一个特殊的子网络将不用尺度下的特征进行整合,得到最终的多尺度特征。4.根据权利要求3所述的基于深度学习的复杂路况感知系统,其特征是:在多尺度特征提取过后,下一步就是生成定位候选框;使用额外的子网络生成定位锚点,每一个锚点再结合5个尺度变化和5个角度变换,最终生成25个候选框。5.根据权利...
【专利技术属性】
技术研发人员:赵贵平,王曦,宝鹤鹏,温泉,李宗南,
申请(专利权)人:苏州天瞳威视电子科技有限公司,北京卡达克数据有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。