用于传感器系统的数据漂移识别技术方案

本公开提供了“用于传感器系统的数据漂移识别”。一种识别经训练的对象检测深度神经网络(DNN)中的数据漂移的系统和方法包括：接收基于真实世界使用的数据集，其中所述数据集包括与图像中的每个类别相关联的分数，所述类别包括背景(BG)类别；通过在白盒设置下用以特定交并比(IoU)阈值为条件的来自非极大值抑制之前的所述数据集的检测(NMS前检测)计算预期校准误差(ECE)来测量IoU调节的ECE(IoU‑ECE)；在确定所述IoU‑ECE大于预设的第一阈值时，对所述数据集的所述NMS前检测执行白盒温度缩放(WB‑TS)校准以提取温度T；以及在确定温度T超过预设的第二阈值时，识别出已经发生了所述数据漂移。

【技术实现步骤摘要】

本公开涉及用于识别经训练的对象检测深度神经网络(dnn)中的数据漂移的系统和方法。

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、可以训练对象检测深度神经网络(dnn)以确定由系统中的传感器获取的图像数据中的对象，所述系统包括车辆引导、机器人操作、安全性、制造和产品跟踪。车辆引导可包括车辆在包括多个对象的环境中在自主或半自主模式下操作。机器人引导可以包括引导机器人末端执行器(例如夹持器)来拾取零件并对零件进行取向以在包括多个零件的环境中进行组装。安全系统包括其中计算机从观察安全区域的相机获取视频数据以向授权用户提供访问权限并检测包括多个用户的环境中的未经授权进入的特征。在制造系统中，dnn可以确定包括多个零件的环境中的一个或多个零件的位置和取向。在产品跟踪系统中，深度神经网络可以确定包括多个包裹的环境中的一个或多个包裹的位置和取向。

2、此类任务可以使用对象检测dnn用于各种感知任务并且依赖本文档来自技高网...

【技术保护点】

1.一种通过以下方式识别经训练的对象检测深度神经网络(DNN)中的数据漂移的方法：

2.如权利要求1所述的方法，其还包括在识别出所述数据漂移时，使用所提取的温度T来校准传入数据。

3.如权利要求2所述的方法，其中通过在Sigmoid/Softmax层之前用所述温度T均匀地缩放与所述对象检测DNN的所述NMS前检测相关联的logit向量来校准传入数据。

4.如权利要求1所述的方法，其还包括在识别出所述数据漂移时，对所述对象检测DNN执行附加学习。

5.如权利要求1所述的方法，其中所述IoU-ECE是

6.如权利要求1所述的方法，其...

【技术特征摘要】

1.一种通过以下方式识别经训练的对象检测深度神经网络(dnn)中的数据漂移的方法：

2.如权利要求1所述的方法，其还包括在识别出所述数据漂移时，使用所提取的温度t来校准传入数据。

3.如权利要求2所述的方法，其中通过在sigmoid/softmax层之前用所述温度t均匀地缩放与所述对象检测dnn的所述nms前检测相关联的logit向量来校准传入数据。

4.如权利要求1所述的方法，其还包括在识别出所述数据漂移时，对所述对象检测dnn执行附加学习。

5.如权利要求1所述的方法，其中所述iou-ece是

6.如权利要求1所述的方法，其中所述特定iou阈值被设置为与用于训练所述对象检测dnn的iou阈值相同。

7.如权利要求1所述的方法，其中对所述数据集的所述nms前检测执行所述wb-ts校准以提取所述温度t包括：

8.如权...

【专利技术属性】
技术研发人员：S·巴斯卡尔，金尼什·简，尼基塔·斋普里亚，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：