用于对象检测中的不确定性估计的白盒温度缩放制造技术

本公开提供了“用于对象检测中的不确定性估计的白盒温度缩放”。一种系统和方法包括通过以下操作来确定对象检测深度神经网络(DNN)中的不确定性估计：从验证数据集检索校准数据集，所述校准数据集包括与图像中的所有类别相关联的分数，所述类别包括背景(BG)类别；通过使用交并比(IoU)阈值将地面实况框与由对象检测DNN生成的检测框进行比较来确定校准数据集中的背景地面实况框；通过基于地面实况类别中的地面实况框的数量将所述地面实况类别更新为包括多个背景地面实况框来校正所述地面实况类别中地面实况框与背景地面实况框之间的类别不平衡；基于类别不平衡校正来估计对象检测DNN的不确定性；以及基于所述类别不平衡校正来更新对象检测DNN的输出数据集。

【技术实现步骤摘要】

本公开解决了越来越多地使用对象检测dnn来进行自动驾驶中的感知任务。

技术介绍

1、自动驾驶可以将深度神经网络(dnn)用于各种感知任务，并且依赖于由感知dnn输出的分数来确定与预测输出相关联的不确定性。

技术实现思路

1、dnn基于它们已经被训练来识别和定位对象的多个类别来对对象进行分类。已经发现，根据架构、数据集和训练参数的选择，dnn可能会被误校准(参见guo、chuan等人的“关于现代神经网络的校准(on calibration of modern neural networks)”，国际机器学习大会(international conference on machine learning)，pmlr，2017)。误校准误差确定分数与dnn的真实性能准确度的偏差程度。当分数高于模型的准确度时，认为分数是过度自信的。在其他情况下，当分数低于模型的准确度时，认为分数是缺乏自信的。

2、如本文关于对象检测dnn的校准所使用的，黑盒校准是指在非极大值抑制(nms)步骤之后对数据的校准，而白盒校准是本文档来自技高网...

【技术保护点】

1.一种方法，其包括：

2.如权利要求1所述的方法，其中确定所述校准数据集中的背景地面实况框通过将所述IoU阈值设置为与用于训练和评估所述对象检测DNN的IoU阈值相同而考虑分类分支和回归分支两者。

3.如权利要求1所述的方法，其中所述校准数据集包括在非极大值抑制之前(NMS前)的logit和检测框。

4.如权利要求3所述的方法，其还包括：

5.如权利要求1所述的方法，其还包括：

6.如权利要求5所述的方法，其还包括：

7.如权利要求1所述的方法，其还包括：

8.如权利要求7所述的方法，其还包括：

...

【技术特征摘要】

1.一种方法，其包括：

2.如权利要求1所述的方法，其中确定所述校准数据集中的背景地面实况框通过将所述iou阈值设置为与用于训练和评估所述对象检测dnn的iou阈值相同而考虑分类分支和回归分支两者。

3.如权利要求1所述的方法，其中所述校准数据集包括在非极大值抑制之前(nms前)的logit和检测框。

4.如权利要求3所述的方法，其还包括：

5.如权利要求1所述的方法，其还包括：

6.如权利要求5所述的方法，其还包括：

7.如权利要求1所述的方法，其还包括：

8.如权利要求7所述的方法，其还包括：

9.如权利要求8所述的方法，其还包括：

...

【专利技术属性】
技术研发人员：S·巴斯卡尔，尼基塔·斋普里亚，金尼什·简，什里亚莎·波德尔，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：