System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及模型域泛化,尤其涉及一种模式识别方法、装置、图像处理系统及自动驾驶系统。
技术介绍
1、模式识别是人工智能领域的基础,随着计算机和人工智能技术的发展,模式识别在图像处理等领域的应用日益广泛。
2、然而实践发现,目前的模式识别实现方案中,对于跨域任务,如跨摄像头、跨天气、跨季节、跨模态、以及跨场景等跨域任务,在进行模式识别时,其准确性会受到较大影响,无法保持较高的准确性。
技术实现思路
1、有鉴于此,本申请提供一种模式识别方法、装置、图像处理系统及自动驾驶系统。
2、具体地,本申请是通过如下技术方案实现的:
3、根据本申请实施例的第一方面,提供一种模式识别方法,包括:
4、在目标神经网络模型的训练过程中,对于任一批次的训练样本,获取所述目标神经网络的任一指定模块对该批次的训练样本的第一输出特征,并对所述第一输出特征进行顺序打乱处理,得到第二输出特征;
5、依据所述第一输出特征和所述第二输出特征进行频谱混合处理,得到具有增强的域信息的第一增强特征,并依据所述第一增强特征对所述目标神经网络模型进行训练;在所述目标神经网络模型训练完成的情况下,利用训练好的所述目标神经网络模型,对待识别对象进行模式识别处理。
6、根据本申请实施例的第二方面,提供一种模式识别装置,包括:
7、训练单元,用于在目标神经网络模型的训练过程中,对于任一批次的训练样本,获取所述目标神经网络的任一指定模块对该批次的训练样本的第
8、模式识别单元,用于在所述目标神经网络模型训练完成的情况下,利用训练好的所述目标神经网络模型,对待识别对象进行模式识别处理。
9、根据本申请实施例的第三方面,提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器用于执行机器可执行指令,以实现第一方面提供的方法。
10、根据本申请实施例的第四方面,提供一种图像处理系统,包括:图像采集设备以及图像处理设备;其中:
11、所述图像采集设备,用于进行图像采集;
12、所述图像处理设备,用于获取所述图像采集设备采集的图像,并利用第一方面中的训练好的所述目标神经网络模型对所获取到的图像进行图像处理,得到图像处理结果;其中,所述图像处理包括:图像分类、目标检测,和/或,语义分割。
13、根据本申请实施例的第四方面,提供一种自动驾驶系统,包括:车载摄像头以及车载控制设备;其中:
14、所述车载摄像头,用于进行图像采集;
15、所述车载控制设备,用于获取所述车载摄像头采集的图像,并利用第一方面的训练好的所述目标神经网络模型对所获取到的图像进行目标检测,得到目标检测结果,并依据所述目标检测结果进行车辆控制。
16、本申请实施例的模式识别方法,通过对目标神经网络模型的指定模块对输入样本的输出特征进行顺序打乱处理,并依据原始输出特征(即第一输出特征)以及顺序打乱后的输出特征(即第二输出特征)进行频谱混合处理,得到具有增强的域信息的潜在特征(即第一增强特征),依据该具有增强域的域信息的潜在特征对目标神经网络模型进行训练,促进目标神经网络模型学习域不变的潜在特征,使目标神经网络模型处理跨域任务的性能更优,准确性更高,进而,在目标神经网络模型训练完成的情况下,利用训练好的目标神经网络模型,对待识别对象进行模式识别处理,提高了模式识别的准确性。
本文档来自技高网...【技术保护点】
1.一种模式识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述依据所述第一输出特征和所述第二输出特征进行频谱混合处理,得到具有增强的域信息的第一增强特征,包括:
3.根据权利要求2所述的方法,其特征在于,所述在保持所述第一输出特征的相位分量不变的情况下,对所述第一输出特征和所述第二输出特征的幅度分量进行混合处理,得到所述第一输出特征对应的频谱特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述对所述第一幅度分量和所述第二幅度分量进行混合处理,得到第三幅度分量,包括:
5.根据权利要求2所述的方法,其特征在于,不同域的待处理对象的域信息被隐式编码在待处理对象的频谱特征的幅度分量中;
6.根据权利要求1所述的方法,其特征在于,所述依据所述第一增强特征对所述目标神经网络模型进行训练,包括:
7.根据权利要求6所述的方法,其特征在于,所述对所述第一增强特征和所述第一输出特征进行空间混合处理,包括:
8.根据权利要求1-7任一项所述的方法,其特征在于,所述指定模块为所述目标
9.根据权利要求1-7任一项所述的方法,其特征在于,所述目标神经网络模型为卷积神经网络模型或Transformer模型。
10.根据权利要求1-7任一项所述的方法,其特征在于,所述模式识别包括图像处理,所述图像处理包括:图像分类、目标检测,和/或,语义分割;
11.一种模式识别装置,其特征在于,包括:
12.一种图像处理系统,其特征在于,包括:图像采集设备以及图像处理设备;其中:
13.一种自动驾驶系统,其特征在于,包括:车载摄像头以及车载控制设备;其中:
...【技术特征摘要】
1.一种模式识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述依据所述第一输出特征和所述第二输出特征进行频谱混合处理,得到具有增强的域信息的第一增强特征,包括:
3.根据权利要求2所述的方法,其特征在于,所述在保持所述第一输出特征的相位分量不变的情况下,对所述第一输出特征和所述第二输出特征的幅度分量进行混合处理,得到所述第一输出特征对应的频谱特征,包括:
4.根据权利要求3所述的方法,其特征在于,所述对所述第一幅度分量和所述第二幅度分量进行混合处理,得到第三幅度分量,包括:
5.根据权利要求2所述的方法,其特征在于,不同域的待处理对象的域信息被隐式编码在待处理对象的频谱特征的幅度分量中;
6.根据权利要求1所述的方法,其特征在于,所述依据所述第一增强特征对所述目标神经网络模型进行训练,包括:
7.根据权利要求6所述...
【专利技术属性】
技术研发人员:李现峰,浦世亮,陈伟杰,杨世才,谢迪,
申请(专利权)人:杭州海康威视数字技术股份有限公司,
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。