实时神经网络再训练制造技术

本公开提供了“实时神经网络再训练”。一种系统，其包括计算机，所述计算机包括处理器和存储器，所述存储器包括指令，使得所述处理器被编程为：确定摩擦系数标签和与描绘表面的图像相对应的所确定的摩擦系数之间的差值是否大于标签阈值；当所述差值大于所述标签阈值时，将所述确定的摩擦系数修改为等于所述摩擦系数标签；以及使用所述图像和所述摩擦系数标签再训练神经网络。签再训练神经网络。签再训练神经网络。

【技术实现步骤摘要】
实时神经网络再训练


[0001]本公开总体上涉及深度神经网络。

技术介绍

[0002]深度神经网络(DNN)可以用于执行许多图像理解任务，包括分类、分割和生成字幕。例如，卷积神经网络可以将图像作为输入，为图像内描绘的各个方面/对象分配重要性，并且将所述方面/对象彼此区分开。

技术实现思路

[0003]自主车辆通常采用感知算法来感知车辆周围的环境。感知算法可以使用一个或多个深度神经网络来帮助对对象进行分类。例如，可以训练深度神经网络以输入来自车辆传感器的图像数据，所述车辆传感器被配置为获取车辆前方的道路的图像并确定所述道路的估计的摩擦系数。车辆中的计算装置可以使用所估计的摩擦系数来做出关于车辆动力传动系统、制动和转向部件的控制的决策。例如，当车辆前方的道路的所确定的摩擦系数指示打滑的概率增加时，计算装置可以减小对所允许的横向加速度和纵向加速度的限制。深度神经网络的其他应用包括确定诸如车辆周围环境中的车辆和行人之类的对象的标签和位置，以及基于处理一系列视频帧来确定车辆的真实世界位置、速度和方向。
[0004]训练深度神经网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，其包括：确定摩擦系数标签和与描绘表面的图像相对应的所确定的摩擦系数之间的差值是否大于标签阈值；当所述差值大于所述标签阈值时，将所述确定的摩擦系数修改为等于所述摩擦系数标签；以及使用所述图像和所述摩擦系数标签再训练神经网络。2.如权利要求1所述的方法，其中基于所述确定的摩擦系数通过控制车辆制动、车辆动力传动系统和车辆转向中的一者或多者来操作车辆。3.如权利要求2所述的方法，其中基于所述确定的摩擦系数来操作所述车辆包括降低允许的横向加速度和纵向加速度。4.如权利要求1所述的方法，其中所述处理器还被编程为基于车辆传感器数据来确定所述摩擦系数标签。5.如权利要求4所述的方法，其中所述处理器还被编程为访问将所述车辆传感器数据与所述摩擦系数标签相关联的查找表。6.如权利要求4所述的方法，其中所述车辆传感器数据包括非图像传感器数据。7.如权利要求4...

【专利技术属性】
技术研发人员：莎拉，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：