【技术实现步骤摘要】
计算机实现方法、系统和计算机可读介质
[0001]本专利技术涉及计算机实现的方法、系统和计算机可读介质。
技术介绍
[0002]自主运载工具可以用于将人和/或货物(例如,包裹、对象或其他物品)从一个地点运输到另一地点。例如,自主运载工具可以导航到人的地点,等待该人登上该自主运载工具,并且导航到指定目的地(例如,该人所选择的地点)。为了在环境中导航,这些自主运载工具配备有各种类型的传感器以检测周围环境中的对象。这些传感器中的一个或多于一个传感器的全部或部分阻挡物可能会导致自主运载工具的性能劣化。
技术实现思路
[0003]根据本专利技术的一个方面,提供了一种计算机实现的方法,其由一个或多于一个硬件处理器实现,所述方法包括:使用所述一个或多于一个硬件处理器,基于训练数据集来训练神经网络,从而输出高于第二粒度的第一粒度的数据,所述训练数据集包括以所述第一粒度标记的项的第一子集以及以低于所述第一粒度的所述第二粒度标记的项的第二子集,其中,训练所述神经网络包括:针对以高于所述第二粒度的所述第一粒度标记的项的第一子集内的各项:将以所述第一粒度标记的项传递通过所述神经网络,以生成与以所述第一粒度标记的项相对应的输出,以及基于与以所述第一粒度标记的项相对应的所述输出和与所述第一粒度相对应的项的标记之间的比较,来更新所述神经网络的权重;针对以低于所述第一粒度的所述第二粒度标记的项的第二子集内的各项:将以所述第二粒度标记的项传递通过所述神经网络,以生成与以所述第二粒度标记的项相对应的输出,将与以所述第二粒度标记的项相对应
【技术保护点】
【技术特征摘要】
1.一种计算机实现的方法,其由一个或多于一个硬件处理器实现,所述方法包括:使用所述一个或多于一个硬件处理器,基于训练数据集来训练神经网络,从而输出高于第二粒度的第一粒度的数据,所述训练数据集包括以所述第一粒度标记的项的第一子集以及以低于所述第一粒度的所述第二粒度标记的项的第二子集,其中,训练所述神经网络包括:针对以高于所述第二粒度的所述第一粒度标记的项的第一子集内的各项:将以所述第一粒度标记的项传递通过所述神经网络,以生成与以所述第一粒度标记的项相对应的输出,以及基于与以所述第一粒度标记的项相对应的所述输出和与所述第一粒度相对应的项的标记之间的比较,来更新所述神经网络的权重;针对以低于所述第一粒度的所述第二粒度标记的项的第二子集内的各项:将以所述第二粒度标记的项传递通过所述神经网络,以生成与以所述第二粒度标记的项相对应的输出,将与以所述第二粒度标记的项相对应的输出传递通过转换函数,以将与以所述第二粒度标记的项相对应的输出转换为转换后的所述第二粒度的输出,以及基于转换后的所述第二粒度的输出和与所述第二粒度相对应的项的标记之间的比较,来更新所述神经网络的权重。2.根据权利要求1所述的计算机实现的方法,其中,所述神经网络是卷积神经网络。3.根据权利要求1或2所述的计算机实现的方法,其中,以所述第一粒度标记的项的第一子集是具有像素级标注的图像,所述像素级标注用于标识特征在所述第一子集的图像内的位置。4.根据权利要求3所述的计算机实现的方法,其中,以所述第二粒度标记的项的第二子集是具有非像素级区标注和二进制标注其中至少之一的图像,所述非像素级区标注用于标识特征在所述第二子集的图像内的位置,所述二进制标注用于标识特征是否存在于所述第二子集的图像内。5.根据权利要求1或2所述的计算机实现的方法,其中,以所述第一粒度标记的项的第一子集是具有非像素级区标注的图像,以及其中,以所述第二粒度标记的项的第二子集是具有二进制标注的图像,所述非像素级区标注用于标识特征在所述第二子集的图像内的位置,所述二进制标注用于标识特征是否存在于所述第二子集的图像内。6.根据权利要求3
‑
5中任一项所述的计算机实现的方法,其中,所述特征是传感器阻挡物。7.根据权利要求1
‑
6中任一项所述的计算机实现的方法,其中,所述转换函数是用于将所述第一粒度的标记转换为所述第二粒度的标记的阈值化函数。8.根据权利要求7所述的计算机实现的方法,其中,所述转换函数是机器学习模型。9.根据权利要求8所述的计算机实现的方法,其中,所述机器学习模型是第二神经网络。10.根据权利要求8或9所述的计算机实现的方法,其中,所述机器学习模型与所述神经网络同时进行训练。11.根据权利要求1
‑
10中任一项所述的计算机实现的方法,其中,以低于所述第一粒度
的所述第二粒度标记的项的第二子集包括手动标注的项。12.根据权利要求1
‑
11中任一项所述的计算机实现的方法,其中,以高于所述第二粒度的所述第一粒度标记的项的第一子集包括以编程方式生成的合成项。13.根据权利要求12所述的计算机实现的方法,还包括:生成以编程方式生成的合成项,其中,生成以编程方式生成的合成项包括:针对以编程方式生成的合成项中的各个合成项:进行色度键控操作以从部分特征图像中提取特征的影像,将所提取的特征的影像叠加在背景图像上,以生成以编程方式生成的合成项,以及生成以编程方式生成的合成项的标注数据,所述标注数据用于将以编程方式生成的合成项的表示所提取的特征的影像的部分与以编程方式生成的合成项的表示所述背景图像的部分区分开。14.根据权利要求1
‑
13中任一项所述的计算机实现的方法,还包括:在训练之后部署所述神经网络,以针对输入进行推断...
【专利技术属性】
技术研发人员:杨炯,黄佑丰,Y,
申请(专利权)人:动态AD有限责任公司,
类型:发明
国别省市:
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。