用于借助两个神经网络探测物体的方法技术

本发明专利技术涉及用于探测物体的方法以及装置，其中，在借助传感器检测到的可视数据中探测物体，其中，使用两个神经网络以进行物体探测，并且所述物体探测包括以下方法步骤：运行第一神经网络以在可视数据中识别几何形状，其中，使用检测到的可视数据作为用于第一神经网络的输入量；运行第二神经网络以在可视数据中识别物体，其中，不仅使用检测到的可视数据而且使用借助第一神经网络识别出的几何形状作为用于第二神经网络的输入量。

【技术实现步骤摘要】
用于借助两个神经网络探测物体的方法
本专利技术涉及用于探测物体的方法以及装置，其中，在借助传感器检测到的可视数据中探测物体，其中，使用两个神经网络以进行物体探测，并且所述物体探测包括以下方法步骤：-运行第一神经网络以在所述可视数据中识别几何形状，○其中，使用所述检测到的可视数据作为用于所述第一神经网络的输入量；-运行第二神经网络以在所述可视数据中识别物体，○其中，不仅使用所述检测到的可视数据而且使用借助所述第一神经网络识别出的几何形状作为用于所述第二神经网络的输入量。
技术介绍
由现有技术公知的是，例如在自主行驶的区域中由通过神经网络(也即深度神经网络，英文：DNN，deepneuralnetworks)的机器学习(machinelearning)进行物体的自动识别。在通过机器学习识别物体时不清楚的是，DNN具体学习了什么，即DNN怎么识别物体。然而其识别率明显优于手写编程算法。然而在通过DNN识别物体时的危险在于(例如借助adversarialpertubations，对抗性干扰)有针对性地攻击。在所述本文档来自技高网...

【技术保护点】
1.一种用于探测物体的方法，其中，在借助传感器(2)检测到的可视数据中探测物体(7)，其中，使用两个神经网络(4，5)以进行物体探测，并且所述物体探测包括以下方法步骤：/n-运行第一神经网络(4)以在所述可视数据中识别几何形状，/n○其中，使用检测到的可视数据作为用于所述第一神经网络(4)的输入量；/n-运行第二神经网络(5)以在所述可视数据中识别物体(7)，/n○其中，不仅使用检测到的可视数据而且使用借助所述第一神经网络(4)识别出的几何形状作为用于所述第二神经网络的输入量。/n

【技术特征摘要】
20190228 DE 102019202751.21.一种用于探测物体的方法，其中，在借助传感器(2)检测到的可视数据中探测物体(7)，其中，使用两个神经网络(4，5)以进行物体探测，并且所述物体探测包括以下方法步骤：
-运行第一神经网络(4)以在所述可视数据中识别几何形状，
○其中，使用检测到的可视数据作为用于所述第一神经网络(4)的输入量；
-运行第二神经网络(5)以在所述可视数据中识别物体(7)，
○其中，不仅使用检测到的可视数据而且使用借助所述第一神经网络(4)识别出的几何形状作为用于所述第二神经网络的输入量。


2.根据权利要求1所述的方法，其中，借助所述传感器(2)检测机动车(1)的周围环境(6)的可视数据。


3.根据前述权利要求中任一项所述的方法，其中，所述第一神经网络(4)在一个方法步...

【专利技术属性】
技术研发人员：S·克勒，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国;DE