信息处理装置、信息处理方法、车辆、信息处理服务器和记录介质制造方法及图纸

本发明专利技术提供一种信息处理装置，具有：获取单元，其获取由拍摄单元拍摄到的实际图像；识别单元，其执行具有隐含层的神经网络的处理，识别实际图像内的目标；以及处理单元，其以使基于第一评价函数和第二评价函数的评价值减少的方式变更神经网络的权重系数来使神经网络学习，处理单元获取基于实际图像和表示与实际图像类似的场景的计算机图形(CG)图像分别输入到神经网络时的、与来自神经网络的隐含层的各个图像对应的中间输出，使用基于识别单元的识别结果和教师数据的差异越小则评价值减少的第一评价函数、以及与实际图像和CG图像对应的中间输出的差异越小则评价值减少的第二评价函数的评价值，使神经网络学习。使神经网络学习。使神经网络学习。

【技术实现步骤摘要】
信息处理装置、信息处理方法、车辆、信息处理服务器和记录介质


[0001]本专利技术涉及信息处理装置、信息处理方法、车辆、信息处理服务器以及记录介质。

技术介绍

[0002]近年来，已知有如下技术：将由车辆所具备的摄像机拍摄到的图像输入到神经网络，通过神经网络的推定处理来进行物体识别(也称为对象检测)(专利文献1)。
[0003]现有技术文献
[0004]专利文献
[0005]专利文献1：日本特表2018
‑
527660号公报

技术实现思路

[0006]专利技术所要解决的问题
[0007]另外，在使用拍摄到的图像进行物体识别处理并根据该物体识别处理的结果进行车辆的行动控制的情况下，谋求在车辆行驶时可能产生的各种状况下得到稳健的识别结果。另一方面，由于难以确保有拍摄了所有状况的图像作为学习数据，因此也存在将由计算机图形(CG)描绘的CG图像用作学习数据的情况。
[0008]在实际拍摄的图像(也称为实际图像)和CG图像中，即使是对象或背景同样地配置的同一场景，有时也由于边缘部分的增强程度、无边缘的部分的噪声、浓淡变化而使图像的特性不同。
[0009]因此，对于发生频率极低、难以获取与该状况对应的实际图像的场景，将CG图像作为学习数据来使学习模型学习的结果是，担心在实际使用了实际图像的推定处理中无法得到同等的识别结果。
[0010]在专利文献1中，为了得到更稳健的识别结果，公开了作为物体识别处理的前处理进行单色转换、对比度调整，但对于作为学习数据而使用CG图像或其课题没有任何考虑。
[0011]本专利技术是鉴于上述课题而完成的，其目的在于提供一种技术，在使用对输入图像输出推断结果的学习模型的情况下，即使在使用CG图像作为学习数据的情况下，也能够使针对实际图像的推断结果更加稳健。
[0012]用于解决问题的方法
[0013]根据本专利技术，提供一种信息处理装置，其特征在于，
[0014]所述信息处理装置具有：
[0015]获取单元，其获取由拍摄单元拍摄到的实际图像；
[0016]识别单元，其执行具有隐含层的神经网络的处理，识别所述实际图像内的目标物；
[0017]处理单元，其以使基于第一评价函数和第二评价函数的评价值减少的方式变更所述神经网络的权重系数来使所述神经网络学习，
[0018]所述处理单元获取实际图像和表示与所述实际图像类似的场景的计算机图形
(CG)图像分别单独地输入到所述神经网络时的、与来自所述神经网络的隐含层的各个图像对应的中间输出，
[0019]使用基于所述识别单元的识别结果和教师数据的差异越小则评价值越减少的所述第一评价函数、以及与所述实际图像和所述CG图像对应的中间输出的差异越小则评价值越减少的所述第二评价函数的评价值，使所述神经网络学习。
[0020]另外，根据本专利技术，提供一种车辆，其特征在于，
[0021]所述车辆具有：
[0022]拍摄单元；以及
[0023]识别单元，其执行具有隐含层的神经网络的处理，识别由所述拍摄单元拍摄到的实际图像内的目标物，
[0024]所述神经网络是如下的神经网络：
[0025]由具有处理单元的信息处理服务器提供，该处理单元以使基于第一评价函数和第二评价函数的评价值减少的方式变更所述神经网络的权重系数来使所述神经网络学习，
[0026]所述信息处理服务器通过所述处理单元，获取实际图像和表示与所述实际图像类似的场景的计算机图形(CG)图像分别单独地输入到所述神经网络时的、与来自所述神经网络的隐含层的各个图像对应的中间输出，
[0027]使用基于所述识别单元的识别结果与教师数据的差异越小则评价值越减少的所述第一评价函数、以及与所述实际图像和所述CG图像对应的中间输出的差异越小则评价值越减少的所述第二评价函数的评价值进行学习。
[0028]进而，根据本专利技术，提供一种信息处理服务器，其特征在于，
[0029]所述信息处理服务器具有：
[0030]获取单元，其从外部的信息处理装置获取由所述外部的信息处理装置所具有的拍摄单元拍摄到的实际图像；
[0031]识别单元，其执行具有隐含层的神经网络的处理，识别所述实际图像内的目标物；以及
[0032]处理单元，其以使基于第一评价函数和第二评价函数的评价值减少的方式变更所述神经网络的权重系数来使所述神经网络学习，
[0033]所述处理单元获取实际图像和表示与所述实际图像类似的场景的计算机图形(CG)图像分别单独地输入到所述神经网络时的、与来自所述神经网络的隐含层的各个图像对应的中间输出，
[0034]使用基于所述识别单元的识别结果与教师数据的差异越小则评价值越减少的所述第一评价函数、以及与所述实际图像和所述CG图像对应的中间输出的差异越小则评价值越减少的所述第二评价函数的评价值，使所述神经网络学习。
[0035]另外，根据本专利技术，提供一种信息处理方法，其是在信息处理装置中执行的信息处理方法，该信息处理装置具有：获取单元，其获取由拍摄单元拍摄到的实际图像；识别单元，其执行具有隐含层的神经网络的处理，识别所述实际图像中的目标物；以及处理单元，
[0036]所述信息处理方法具有处理步骤，在所述处理步骤中，所述处理单元以使基于第一评价函数和第二评价函数的评价值减少的方式变更所述神经网络的权重系数来使所述神经网络学习，
[0037]在所述处理步骤中，获取实际图像和表示与所述实际图像类似的场景的计算机图形(CG)图像分别单独地输入到所述神经网络时的、与来自所述神经网络的隐含层的各个图像对应的中间输出，
[0038]使用基于所述识别单元的识别结果与教师数据的差异越小则评价值越减少的所述第一评价函数、以及与所述实际图像和所述CG图像对应的中间输出的差异越小则评价值越减少的所述第二评价函数的评价值，使所述神经网络学习。
[0039]进而，根据本专利技术，提供一种信息处理方法，其是在信息处理服务器中执行的信息处理方法，该信息处理服务器具有：获取单元，其从外部的信息处理装置获取由所述外部的信息处理装置所具有的拍摄单元拍摄到的实际图像；识别单元，其执行具有隐含层的神经网络的处理，识别所述实际图像内的目标物；以及处理单元，
[0040]所述信息处理方法具有处理步骤，在所述处理步骤中，所述处理单元以使基于第一评价函数和第二评价函数的评价值减少的方式变更所述神经网络的权重系数来使所述神经网络学习，
[0041]在所述处理步骤中，获取实际图像和表示与所述实际图像类似的场景的计算机图形(CG)图像分别单独地输入到所述神经网络时的、与来自所述神经网络的隐含层的各个图像对应的中间输出，
[0042]使用基于所述识别单元的识别结果与教师数据的差异越小则评价值越减少的所述第一评价函数、以及与所述实际图像和所述CG图像对应的中间输出的差异越小则评价值越减少的所述第二评价函数的评价值，使所述神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息处理装置，其特征在于，所述信息处理装置具有：获取单元，其获取由拍摄单元拍摄到的实际图像；识别单元，其执行具有隐含层的神经网络的处理，识别所述实际图像内的目标物；以及处理单元，其以使基于第一评价函数和第二评价函数的评价值减少的方式变更所述神经网络的权重系数来使所述神经网络学习，所述处理单元获取实际图像和表示与所述实际图像类似的场景的计算机图形图像分别单独地输入到所述神经网络时的、与来自所述神经网络的隐含层的各个图像对应的中间输出，使用基于所述识别单元的识别结果和教师数据的差异越小则评价值越减少的所述第一评价函数、以及与所述实际图像和所述计算机图形图像对应的中间输出的差异越小则评价值越减少的所述第二评价函数的评价值，使所述神经网络学习。2.根据权利要求1所述的信息处理装置，其特征在于，所述处理单元使用对所述第一评价函数的评价值和所述第二评价函数的评价值进行加权并相加而得到的评价值来使所述神经网络学习。3.根据权利要求2所述的信息处理装置，其特征在于，所述处理单元根据所述神经网络的学习进度，使所述第一评价函数的评价值和所述第二评价函数的评价值的所述权重变化，使所述神经网络学习。4.根据权利要求1所述的信息处理装置，其特征在于，所述处理单元根据基于所述第一评价函数和所述第二评价函数的评价值，变更所述神经网络的规定层的权重系数，基于所述第一评价函数的评价值来变更所述神经网络的所述规定层以外的层的权重系数。5.根据权利要求4所述的信息处理装置，其特征在于，所述规定层由多个所述神经网络的隐含层中的一部分层构成。6.根据权利要求1所述的信息处理装置，其特征在于，所述处理单元基于作为与所述实际图像对应的中间输出的图像的规定的特征量和作为与所述计算机图形图像对应的中间输出的图像的所述规定的特征量的差异，计算所述第二评价函数的评价值。7.根据权利要求6所述的信息处理装置，其特征在于，所述规定的特征量包含图像内的亮度或RGB值的规定值以下的低频成分的位置、区域的大小、变化量、变化周期、或者图像内的亮度或RGB值的规定值以上的高频成分的出现频率中的至少任一者。8.根据权利要求1所述的信息处理装置，其特征在于，所述信息处理装置还具有通信单元，该通信单元从外部装置接收所述教师数据和表示与所述实际图像类似的场景的所述计算机图形图像。9.一种车辆，其特征在于，该车辆具备权利要求1至8中任一项所述的信息处理装置。10.一种车辆，其特征在于，所述车辆具有：拍摄单元；以及识别单元，其执行具有隐含层的神经网络的处理，识别由所述拍摄单元拍摄到的实际图像内的目标物，所述神经网络是如下的神经网络：
由具有处理单元的信息处理服务器提供，该处理单元以使基于第一评价函数和第二评价函数的评价值减少的方式变更所述神经网络的权重系数来使所述神经网络学习，所述信息处理服务器通过所述处理单元，获取实际图像和表示与所述实际图像类似的场景的计算机图形图像分别单独地输入到所述神经网络时的、与来自所述神经网络的隐含层的各个图像对应的中间输出，使用基于所述识别单元的识别结果与教师数据的差异越小则评价值越减少的所述第一评价函数、以及与所述实际图像和所述计算机图形图像对应的中间输出的差异越小则评价值越减少的所述第二评价函数的评价值进行学习。11.一种信息处理服务器，其特征在于，所述信息处理服务器具有：获取单元，其从外部的信息处理装置获取由所述外部的信息处理装置所...

【专利技术属性】
技术研发人员：安井裕司，
申请(专利权)人：本田技研工业株式会社，
类型：发明
国别省市：