未见环境分类制造技术

本公开提供了“未见环境分类”。

【技术实现步骤摘要】
未见环境分类


[0001]本公开涉及车辆中的神经网络
。

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检测和
/
或分类
。
当车辆的环境改变时，车辆的感知系统应能够从意外结果中学习诸如感知系统无法自信地识别的检测到的对象
。
识别具有域移位或分布外数据点的数据
(
诸如数据集
)
可能具有挑战性
。
域移位对应于车辆环境的主要变化
。
分布外数据点可以是在熟悉的环境中先前未见的对象
。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：利用深度神经网络处理车辆传感器数据以基于所述车辆传感器数据生成指示一个或多个对象的预测，并且确定与所述预测相对应的对象不确定性；然后，在确定所述对象不确定性大于不确定性阈值时：将所述车辆传感器数据分割为前景部分和背景部分；当前景认知不确定性大于前景认知不确定性阈值时，将所述前景部分分类为包括未见对象类别；当背景认知不确定性大于背景认知不确定性阈值时，将所述背景部分分类为包括未见背景；以及将所述数据和数据分类传输到服务器
。2.
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指示一个或多个对象的所述预测来操作车辆
。3.
如权利要求1所述的方法，其中所述对象不确定性是指示一个或多个对象的所述预测正确地识别所述一个或多个对象的概率
。4.
如权利要求1所述的方法，其中所述前景认知不确定性是所述一个或多个对象在训练数据分布中表示的程度的概率度量
。5.
如权利要求1所述的方法，其中所述背景认知不确定性是噪声因子在训练数据分布中表示的程度的概率度量，其中噪声因子包括天气状况
、
照明状况和表面状况
。6.
如权利要求1所述的方法，其还包括：将所述前景部分映射到潜在表示；将所述潜在表示映射到所述前景部分的重建；以及基于重建的前景部分与所述前景部分的比较来确定所述前景认知不确定性
。7.
如权利要求1所述的方法...

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