【技术实现步骤摘要】
一种导入SDL模型的图像抽出的方法
本专利技术属于人工智能领域中的一种导入SDL模型的图像抽出的方法。
技术介绍
自动驾驶汽车是人工智能的主战场，但是遗憾的是针对自动驾驶汽车的控制问题应用的专用的机器学习的研究成果甚少，至今仍没有引起广泛的注意。日本著名的丰田公司发表了“驾驶指向推定装置”的专利(专利文献1)，该专利提出根据汽车自动驾驶过程中，针对突发的情况，即使驾驶员没有反映的情况下，通过人工智能的逆传递神经网络的机器学习算法，自动的选择驾驶状态，以避免行车事故的发生等。2016年10月9日日本NHK由解说委员室山哲也所讲解的“如何跨越自动驾驶的壁垒”(非专利文献1)。在这个专题上，室山哲也提出了在自动驾驶系统中目前还解决不了的几个问题：人机判断冲突疑难：今年2月在谷歌进行自动驾驶的实验，当谷歌车右拐时，前面有一沙堆的障碍物，谷歌车急向右车道闪去，正好这时右车道后面来了一辆大巴，大巴的驾驶员认为谷歌车会迅速刹车，没想到会往右车道躲闪，因此出现了撞车的严重事故。车距选择的人机感觉融合的...
【技术保护点】
1.一种导入SDL模型的图像抽出的方法，是由特征向量生成部分，与图像抽出部分构成的，其特征是：/n(1)特征向量生成部分：以希望抽出图像的各个颜色的灰度值为主复数个特征值；上述特征向量对应着希望抽出图像的各个颜色的灰度值；针对不同的图像，对特征向量的各个特征值进行的复数次的训练；得到特征向量中的各个特征值的最大概率值；最大概率空间；最大概率分布；将结果进行数据库的登录；/n(2)图像抽出部分：针对样本图像数据，按上述方法求出特征向量；计算样本图像的特征向量与数据库登录的各个特征向量的距离，找出距离最小的学习后的特征向量中的希望抽出图像的各个颜色的灰度值。/n
【技术特征摘要】
1.一种导入SDL模型的图像抽出的方法，是由特征向量生成部分，与图像抽出部分构成的，其特征是：
(1)特征向量生成部分：以希望抽出图像的各个颜色的灰度值为主复数个特征值；上述特征向量对应着希望抽出图像的各个颜色的灰度值；针对不同的图像，对特征向量的各个特征值进行的复数次的训练；得到特征向量中的各个特征值的最大概率值；最大概率空间；最大概率分布；将结果进行数据库的登录；
(2)图像抽出部分：针对样本图像数据，按上述方法求出特征向量；计算样本图像的特征向量与数据库登录的各个特征向量的距离，找出距离最小的学习后的特征向量中的希望抽出图像的各个颜色的灰度值。
2.根据权利要求1所述的一种导入SDL模型的图像抽出的方法，其特征在于：所述距离是指：包括在欧几里德空间，概率空间中至少一种空间的距离尺度。
3.根据权利要求1所述的一种导入SDL模型的图像抽出的方法，其特征在于：所述最大概率值，为概率尺度自组织的机器学习的迭代结果。
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。