【技术实现步骤摘要】
本申请涉及智能网联汽车的感知与决策领域，特别涉及一种针对未知物体检测的深度神经网络训练方法、装置及电子设备。
技术介绍
1、近年来，深度神经网络已被广泛应用于智能网联汽车的视觉感知模块。但是，目前的深度神经网络会存在过分自信的问题。即对于在训练数据集中未出现的物体，深度神经网络亦会给出较高置信度的预测结果。为了避免上述情况，有必要对未知物体检测方法进行研究。例如，马氏距离方法和能量方法是目前最流行的两种未知物体检测方法。然而，若采用仅关注于分类效果的深度神经网络训练方法，并不能让马氏距离方法和能量方法取得令人满意的未知物体检测效果。
技术实现思路
1、本申请实施例的目的在于提供一种深度神经网络训练方法，该方法能够对深度神经网络进行训练使其能够克服会存在过分自信的问题。即使对于训练数据集中的未出现的物体，深度神经网络亦会给出准确置信度的预测结果。
2、为了实现上述目的，本申请提供了一种深度神经网络训练方法，包括：
3、分别对待训练神经网络和相对应的特征提取器进行预处理...
【技术保护点】
1.一种深度神经网络训练方法，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，所述分别对待训练神经网络和相对应的特征提取器进行预处理操作，包括：
3.根据权利要求1所述的方法，其特征在于，所述分别对待训练神经网络和相对应的特征提取器进行预处理操作，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于预处理操作后的所述待训练神经网络和所述特征提取器，初始化包含所述训练数据集合中样本的特征的特征集合，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述样本以及所述特征集合，利用梯度下降法，逐批次...
【技术特征摘要】
1.一种深度神经网络训练方法，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，所述分别对待训练神经网络和相对应的特征提取器进行预处理操作，包括：
3.根据权利要求1所述的方法，其特征在于，所述分别对待训练神经网络和相对应的特征提取器进行预处理操作，包括：
4.根据权利要求1所述的方法，其特征在于，所述基于预处理操作后的所述待训练神经网络和所述特征提取器，初始化包含所述训练数据集合中样本的特征的特征集合，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述样本以及所述特征集合，利用梯度...
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。