使用深度卷积网络的形状偏差的图像分类制造技术

一种用于分析图像的系统，包括：处理设备，其包括配置为接收图像的接收模块；以及分析模块，其配置为将接收的图像应用于机器学习网络，并对接收的图像中的一个或多个特征进行分类，机器学习网络配置为通过多个卷积层传播图像数据，多个卷积层中的每个卷积层包括多个过滤器通道，机器学习网络包括瓶颈层，瓶颈层配置为基于图像分量的形状来识别图像特征。该系统还包括输出模块，其配置为输出包括一个或多个特征的分类的表征数据。个特征的分类的表征数据。个特征的分类的表征数据。

【技术实现步骤摘要】
使用深度卷积网络的形状偏差的图像分类


[0001]本主题公开涉及图像分析领域，更具体地，涉及训练分类模型和表征不同领域中的图像的用于图像识别的系统和方法。

技术介绍

[0002]现代车辆越来越多地配备有相机和/或其他成像设备和传感器，以方便车辆操作并提高安全性。相机可以包括在车辆中用于各种目的，例如增加可见度和驾驶员意识、辅助驾驶员和执行车辆控制功能。车辆的自主控制变得越来越普遍，自主控制系统配备有使用相机和其他传感器比如雷达传感器识别环境物体和特征的能力。

技术实现思路

[0003]在一示例性实施例中，一种用于分析图像的系统包括：处理设备，其包括配置为接收图像的接收模块；以及分析模块，其配置为将接收的图像应用于机器学习网络，并对接收的图像中的一个或多个特征进行分类，机器学习网络配置为通过多个卷积层传播图像数据，多个卷积层中的每个卷积层包括多个过滤器通道，机器学习网络包括瓶颈层，瓶颈层配置为基于图像分量的形状来识别图像特征。该系统还包括输出模块，其配置为输出包括一个或多个特征的分类的表征数据。
[0004]除了本文描述的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于分析图像的系统，包括：处理设备，其包括配置为接收图像的接收模块；分析模块，其配置为将接收的图像应用于机器学习网络，并对接收的图像中的一个或多个特征进行分类，机器学习网络配置为通过多个卷积层传播图像数据，多个卷积层中的每个卷积层包括多个过滤器通道，机器学习网络包括瓶颈层，瓶颈层配置为基于图像分量的形状来识别图像特征；以及输出模块，其配置为输出包括一个或多个特征的分类的表征数据。2.根据权利要求1所述的系统，其中，所述机器学习网络是深度卷积神经网络。3.根据权利要求1所述的系统，其中，所述瓶颈层是卷积层，并且所述机器学习网络包括至少一个汇集层，以及完全连接层，所述完全连接层配置为基于来自瓶颈层和多个卷积层的输出将一个或多个分类应用于接收的图像。4.根据权利要求1所述的系统，其中，所述瓶颈层配置为对所述图像数据应用单个过滤器。5.根据权利要求1所述的系统，其中，所述接收的图像包括多个图像通道，并且所述瓶颈层配置为将单个过滤器应...

【专利技术属性】
技术研发人员：D利维，N加内特，R乌兹尔，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：