【技术实现步骤摘要】
【国外来华专利技术】分层机器学习网络架构
技术介绍
计算机视觉用于许多应用,例如,操作自主车辆、出于安全目的标识个人等。计算机视觉技术可以包括构建从图像标识显著部分的软件组件、以计算机可以用来进行进一步操作的形式向计算机表示图像的显著部分和/或跟踪对象。然而,相对稀有的对象和/或行为可能混淆计算机视觉系统,从而导致计算机视觉系统不正确地分类和/或无法检测对象。例如,稀有的对象可以包括正在推或携带大型对象的行人、玩滑板的人、使用高跷的行人、使用轮椅的个人等。附图说明参考附图描述了具体实施方式。在附图中,附图标记的最左边的数字标识该附图标记首次出现的附图。在不同附图中的相同的附图标记指示相似或相同的项目。图1示出了描绘自主车辆在环境中检测在传感器数据中表示的多个对象的示例场景。图2示出了第一机器学习模型的示例架构的框图。图3描绘了用于改进计算机视觉的准确度和/或改进感知系统的可训练性的示例机器学习模型架构的框图。图4示出了用于确定在传感器数据中表示的对象的子分类的示例过程的流程图。图5示出了用于训练和/或使用子类机器学习(ME)模型的示例系统的框图。具体实施方式本文讨论的技术可以通过例如增加对象检测的准确度和/或增加机器学习(ME)模型的可训练性来改进计算机视觉。可训练性是对ML模型可以以高置信度对真实世界建模的程度(例如,由ML模型确定的概率,其指示ML模型的输出准确地对真实世界建模和/或匹配地面真值(groundtruth)的可能性)和/或训练ML模型以准确地且以高置信度对真实世 ...
【技术保护点】
1.一种系统,包括:/n一个或多个处理器;/n存储处理器可执行指令的存储器,所述处理器可执行指令当由所述一个或多个处理器执行时,使所述系统执行包括以下各项的操作:/n接收传感器数据;/n提供所述传感器数据作为对第一机器学习(ML)模型的输入;/n从所述第一ML模型接收:与所述传感器数据中的对象的表示相关联的分类、与所述分类相关联的第一概率、特征图以及所述传感器数据中的与所述对象的所述表示相关联的感兴趣区域;以及/n从子类ML模型接收子分类以及与所述子分类相关联的第二概率。/n
【技术特征摘要】
【国外来华专利技术】20190102 US 16/238,4751.一种系统,包括:
一个或多个处理器;
存储处理器可执行指令的存储器,所述处理器可执行指令当由所述一个或多个处理器执行时,使所述系统执行包括以下各项的操作:
接收传感器数据;
提供所述传感器数据作为对第一机器学习(ML)模型的输入;
从所述第一ML模型接收:与所述传感器数据中的对象的表示相关联的分类、与所述分类相关联的第一概率、特征图以及所述传感器数据中的与所述对象的所述表示相关联的感兴趣区域;以及
从子类ML模型接收子分类以及与所述子分类相关联的第二概率。
2.根据权利要求1所述的系统,所述操作还包括:
将从所述第一ML模型的第一部分接收到的第一特征图的至少第一部分和从所述第一ML模型的第二部分接收到的第二特征图的至少第二部分输入到所述子类ML模型中。
3.根据权利要求2所述的系统,其中,所述第一部分和所述第二部分是至少部分地基于所述感兴趣区域的。
4.根据权利要求2所述的系统,其中,所述第二特征图包括以下各项中的至少一个:语义分割特征图、实例分割特征图、密集深度特征图或对象定向特征图。
5.根据权利要求1-4中任一项所述的系统,其中,所述操作还包括:
向所述第一ML模型或所述子类ML模型中的至少一个提供地面真值传感器数据,所述地面真值传感器数据与地面真值分类标签和地面真值子分类标签相关联;
至少部分地基于所述第一ML模型的第一输出与地面真值分类标签之间的差异来确定第一损失;
至少部分地基于所述子类ML模型的第二输出与地面真值子分类标签之间的差异来确定第二损失;以及
更改所述第一ML模型的一个或多个第一参数或所述子类ML模型的一个或多个第二参数中的至少一个,以使所述第一损失或所述第二损失中的至少一个最小化。
6.根据权利要求1-5中任一项所述的系统,其中:
所述ML模型的所述第二部分与第一分类相关联,
所述ML模型的第三部分与第二分类相关联,以及
所述第一分类和所述第二分类是与所述ML模型的所述第一部分相关联的候选分类。
7.根据权利要求6所述的系统,其中,所述第一分类和所述第二分类是多个分类中的两个,其中,所述多个分类包括以下各项中的至少两个:
行人分类;
车辆分类;
骑行者分类;
路标分类;
动物分类;以及
交通障碍分类。
8.根据权利要求1-7中任一项所述的系统,其中:
所述第一ML模型包括具有多个第一层的第一神经网络;以及
所述子类ML模型包括具有多个第二层的第二神经网络。
9.根据权利要求1-8中任一项所述的系统,其中:
所述第一ML模型包括神经网络的具有多个第一层的第一部分;以及
所述子类ML模型包括所述神经网络的具有多个第二层的第二部分...
【专利技术属性】
技术研发人员:K·戈埃尔,S·塔里克,
申请(专利权)人:祖克斯有限公司,
类型:发明
国别省市:美国;US
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。