学习方法、学习装置以及程序记录介质制造方法及图纸

本发明专利技术提供学习方法、学习装置以及程序记录介质。学习方法包括：获取包含物体的学习用图像、以及包含表示物体的类的正确类和表示物体在学习用图像上的区域的正确框的正确信息；基于通过对将图像作为输入来输出物体探测结果的学习模型输入学习用图像而得到的、包含表示物体的类的探测类和表示物体在学习用图像上的区域的探测框的物体探测结果与正确信息之差，来计算针对学习模型的评价值；基于评价值来调整学习模型的参数。其中，通过使同正确框与探测框之间的2个以上的位置或长度的差分别对应的权重互不相同、以及根据正确类是否是特定类来使同正确类与探测类之差对应的权重互不相同中的至少一方，来计算评价值。来计算评价值。来计算评价值。

【技术实现步骤摘要】
学习方法、学习装置以及程序记录介质


[0001]本公开涉及一种学习方法、学习装置以及程序记录介质。

技术介绍

[0002]近年来，为了防止驾驶中的事故，搭载了碰撞减损制动的车辆增加，预计今后还会进一步增加。为了实现这样的碰撞减损制动，已知一种使用由车载摄像机等拍摄到的图像数据来探测车辆周围的物体的物体探测装置。基于由物体探测装置探测物体所得到的结果来控制车辆的行驶，因此期望物体探测装置的探测精度高。
[0003]在这样的物体探测装置中，利用采用机器学习进行了学习的用于物体探测的学习模型。作为用于物体探测的算法，例如已知SSD(Single Shot MultiBox Detector：单步多框探测)(参照非专利文献1)。
[0004]现有技术文献
[0005]非专利文献
[0006]非专利文献1：Wei Liu et al.,“SSD:Single Shot MultiBox Detector”,因特网<URL:https://arxiv.org/pdf/1512.02325.pdf>

技术实现思路

[0007]专利技术要解决的问题
[0008]然而，在非专利文献1的技术中，存在物体探测装置有时无法高精度地对探测对象进行探测这样的问题。
[0009]因此，本公开提供一种能够高精度地对探测对象进行探测的学习方法、学习装置以及程序记录介质。
[0010]用于解决问题的方案
[0011]本公开的一个方式所涉及的学习方法包括：获取学习用图像和正确信息，所述学习用图像中包含物体，所述正确信息包含表示所述物体的类的正确类和表示所述物体在所述学习用图像上的区域的正确框；获取通过对将图像作为输入来输出物体探测结果的学习模型输入所述学习用图像而得到的、包含表示所述物体的类的探测类和表示所述物体在所述学习用图像上的区域的探测框的物体探测结果，并基于获取到的所述物体探测结果与所述正确信息之差，来计算针对所述学习模型的评价值；以及基于计算出的所述评价值，来调整所述学习模型的参数，其中，在所述评价值的计算中，通过进行以下处理中的至少一方来计算所述评价值，上述的处理是：使同所述正确框与所述探测框之间的2个以上的位置或长度的差分别对应的权重互不相同；以及根据所述正确类是否是特定类来使同所述正确类与所述探测类之差对应的权重互不相同。
[0012]本公开的一个方式所涉及的学习装置具备：获取部，其获取学习用图像和正确信息，所述学习用图像中包含物体，所述正确信息包含表示所述物体的类的正确类和表示所述物体在所述学习用图像上的区域的正确框；评价部，其获取通过对将图像作为输入来输
出物体探测结果的学习模型输入所述学习用图像而得到的、包含表示所述物体的类的探测类和表示所述物体在所述学习用图像上的区域的探测框的物体探测结果，并基于获取到的所述物体探测结果与所述正确信息之差，来计算针对所述学习模型的评价值；以及调整部，其基于计算出的所述评价值，来调整所述学习模型的参数，其中，所述评价部在所述评价值的计算中，通过进行以下处理中的至少一方来计算所述评价值，上述的处理是：使同所述正确框与所述探测框之间的2个以上的位置或长度的差分别对应的权重互不相同；以及根据所述正确类是否是特定类来使同所述正确类与所述探测类之差对应的权重互不相同。
[0013]本公开的一个方式所涉及的程序记录介质是用于使计算机执行上述的学习方法的程序记录介质。
[0014]专利技术的效果
[0015]根据本公开的一个方式，能够实现一种能够高精度地对探测对象进行探测的学习方法等。
附图说明
[0016]图1是用于说明比较例所涉及的车辆中的位置估计的概要图。
[0017]图2是示出实施方式1所涉及的位置估计系统的功能结构的框图。
[0018]图3是示出位置估计结果的一例的图。
[0019]图4是示出实施方式1所涉及的用于位置估计的学习装置的功能结构的框图。
[0020]图5是示出实施方式1所涉及的学习装置的动作的流程图。
[0021]图6A是示出在学习装置的学习时被给予的正确框的图。
[0022]图6B是示出在学习装置的学习时输出的估计框的图。
[0023]图6C是示出学习装置的学习时的正确框与估计框的偏差的图。
[0024]图7是用于说明实施方式1所涉及的调整部所进行的参数调整方法的图。
[0025]图8是示出作为实施方式2所涉及的位置估计装置的探测对象的类的图。
[0026]图9是示出实施方式2所涉及的学习装置的动作的流程图。
[0027]图10是示出作为实施方式2的变形例所涉及的位置估计装置的探测对象的类的图。
[0028]图11是示出实施方式2的变形例所涉及的学习装置的动作的流程图。
具体实施方式
[0029](得到本公开的背景)
[0030]近年来，关于使用由车载摄像机等拍摄到的图像数据来探测车辆周围的对象物的物体探测装置进行了各种研究。例如，进行了基于由摄像机拍摄到的图像数据来估计对象物的位置的研究。对象物的位置包括从车辆到对象物的距离。在车辆等进行自动驾驶的情况下，在该车辆中例如进行基于TTC(Time To Collision：碰撞时间)的控制。在基于TTC的控制中，对象物的位置的精度是重要的。
[0031]例如，在摄像机是单眼摄像机的情况下，使用单眼摄像机来估计对象物的位置，由此，即使车辆不具备多个摄像机，也能够估计对象物的位置。也就是说，能够以更低的成本来估计对象物的位置。作为物体探测装置的一例，这样的估计对象物的位置的位置估计装
置有时搭载于车辆。
[0032]参照图1来说明基于由摄像机拍摄到的图像数据来估计对象物的位置的情况。图1是用于说明比较例所涉及的车辆中的位置估计的概要图。图1示出了具备摄像机20的车辆10的前方存在与道路L(地面)接触的行人U的例子。另外，车辆10与道路L相接。在图1中，示出了行人U同与车辆10相接的平面的同一平面相接的例子。行人U是对象物的一例。此外，位置估计装置不限定于搭载于车辆10。
[0033]如图1所示，车辆10的摄像机20例如设置于车辆10的前挡风玻璃上部的室内侧，对包括存在于前方的行人U在内的车辆10的周围进行拍摄。摄像机20例如是单眼摄像机，但不限定于此。
[0034]车辆10具备的位置估计装置(未图示)基于摄像机20拍摄到的图像数据，来估计该行人U的位置。位置估计装置例如以拍摄到的图像数据中映出的、探测到行人U的区域(后述的估计框)的下端与道路L相接为前提，来估计该行人U的位置。在该情况下，为了高精度地估计行人U的位置，例如需要高精度地探测图像数据上的、探测到行人U的区域的下端。这样，在位置估计装置搭载于车辆的情况下，有时寻求通过使用学习模型来尤其能够高精度地对探测到行人U的区域的下端进行探测。此外，探测到行人U的区域的下端是特定位置的一例。
[0035]然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种学习方法，包括：获取学习用图像和正确信息，所述学习用图像中包含物体，所述正确信息包含表示所述物体的类的正确类和表示所述物体在所述学习用图像上的区域的正确框；获取通过对将图像作为输入来输出物体探测结果的学习模型输入所述学习用图像而得到的、包含表示所述物体的类的探测类和表示所述物体在所述学习用图像上的区域的探测框的物体探测结果，并基于获取到的所述物体探测结果与所述正确信息之差，来计算针对所述学习模型的评价值；以及基于计算出的所述评价值，来调整所述学习模型的参数，其中，在所述评价值的计算中，通过进行以下处理中的至少一方来计算所述评价值，上述的处理是：使同所述正确框与所述探测框之间的2个以上的位置或长度的差分别对应的权重互不相同；以及根据所述正确类是否是特定类来使同所述正确类与所述探测类之差对应的权重互不相同。2.根据权利要求1所述的学习方法，其中，在所述评价值的计算中，通过进行使第一权重与第二权重不同的处理、以及使第三权重与第四权重不同的处理中的至少一方，来计算所述评价值，所述第一权重是同所述正确框与所述探测框之间的特定位置或特定长度的差对应的权重，所述第二权重是同所述正确框与所述探测框之间的所述特定位置或所述特定长度以外的位置或长度的差对应的权重，所述第三权重是同所述正确类是所述特定类的情况下的所述正确类与所述探测类之差对应的权重，所述第四权重是同所述正确类是所述特定类以外的类的情况下的所述正确类与所述探测类之差对应的权重。3.根据权利要求2所述的学习方法，其中，在所述评价值的计算中，至少使所述第一权重与所述第二权重不同，所述第一权重大于所述第二权重。4.根据权利要求2或3所述的学习方法，其中，在所述评价值的计算中，将所述第二权重设为0。5.根据权利要求2或3所述的...

【专利技术属性】
技术研发人员：和气一博，
申请(专利权)人：松下知识产权经营株式会社，
类型：发明
国别省市：