【技术实现步骤摘要】
本专利技术涉及驾驶辅助，具体涉及一种基于深度学习的多任务识别系统。
技术介绍
1、在传统的机器学习领域中，通常采用单任务学习的方式进行，即，构建并训练一项模型，用于专门解决某一项特定的任务。而如果有n个任务，这n个任务或它们的一个子集彼此相关但不完全相同，则称为多任务学习(mtl)通过使用所有n个任务中包含的知识，将有助于改善特定模型的学习。在驾驶辅助领域，由于道路场景相对复杂，往往需要对多个不同的目标进行识别，比如道路标线、交通标志、行人、车辆等。而采用多任务学习模型对该类场景进行处理，特别是在特征提取、目标检测阶段对特征进行复用，有助于缩短模型的处理延时，提高驾驶辅助功能的性能表现。
2、现有技术中，已存在有基于多任务学习来实现驾驶辅助的技术方案。比如，中国专利cn202211467563.2公开了一种自动驾驶多任务视觉感知方法，采取硬约束式多任务网络的方式同时利用目标检测和语义分割的方法对图像进行全面的感知；采用单阶段目标检测网络yolov5的主干网络和特征金字塔网络组成网络的编码器，实现对图像的特征进行提取和融合。利...
【技术保护点】
1.一种基于深度学习的多任务识别系统，其特征在于，适用于车辆，包括：
2.根据权利要求1所述的多任务识别系统，其特征在于，所述识别模型包括：
3.根据权利要求2所述的多任务识别系统，其特征在于，所述第一预测分支包括：
4.根据权利要求2所述的多任务识别系统，其特征在于，所述第二预测分支包括：
5.根据权利要求4所述的多任务识别模块，其特征在于，所述多任务预测模块包括行人预测模块，所述行人预测模块用于生成所述行人识别结果，所述行人预测模块包括：
6.根据权利要求4所述的多任务识别模块，其特征在于，所述多任务预测...
【技术特征摘要】
1.一种基于深度学习的多任务识别系统，其特征在于，适用于车辆，包括：
2.根据权利要求1所述的多任务识别系统，其特征在于，所述识别模型包括：
3.根据权利要求2所述的多任务识别系统，其特征在于，所述第一预测分支包括：
4.根据权利要求2所述的多任务识别系统，其特征在于，所述第二预测分支包括：
5.根据权利要求4所述的多任务识别模块，其特征在于，所述多任务预测模块包括行人预测模块，所述行人预测模块用...
【专利技术属性】
技术研发人员：郝东东，
申请(专利权)人：华人运通上海自动驾驶科技有限公司，
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。