用于监测车辆盲区的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111008552A(43)申请公布日2020.04.14(21)申请号201910949100.1G06K9/62(2006.01)(22)申请日2019.10.08G06N3/04(2006.01)G06N3/08(2006.01)(30)优先权数据16/153,9722018.10.08US(71)申请人斯特拉德视觉公司地址韩国庆尚北道(72)发明人金桂贤金镕重金寅洙金鹤京南云铉夫硕焄成明哲吕东勋柳宇宙张泰雄郑景中诸泓模赵浩辰(74)专利代理机构北京市中伦律师事务所11410代理人钟锦舜赵瑞(51)Int.Cl.G06K9/00(2006.01)权利要求书4页说明书17页附图6页(54)发明名称用于监测车辆盲区的方法和装置(57)摘要本发明涉及一种用于监测基准车辆的一个以上盲区的CNN的学习方法，包括以下步骤：在输入与来自所述基准车辆的检测器的输出对应的训练数据时，学习装置使线索信息提取层使用包含在所述训练数据中的关于观察对象车辆的类别信息及位置信息，从而输出关于所述观察对象车辆的线索信息；使盲区确认用FC层使用所述线索信息来执行神经网络运算，从而输出关于所述观察对象车辆是否位于所述盲区中的一个盲区内的判断结果；以及使损失层参考所述判断结果和与所述判断结果对应的GT来生成损失值，从而通过反向传播所述损失值而学习所述盲区确认用FC层的参数。CN111008552ACN111008552A权利要求书1/4页1.一种用于监测基准车辆的一个以上盲区的卷积神经网络CNN的学习方法，包括：步骤a：在输入与来自所述基准车辆的检测器的至少一个输出对应的训练数据时，学习装置使线索信息提取层使用包含在所述训练数据中的关于观察对象车辆的类别信息及位置信息来执行预定运算，从而输出关于所述观察对象车辆的一个以上线索信息；步骤b：所述学习装置使盲区确认用全连接FC层使用关于所述观察对象车辆的所述线索信息来执行一个以上神经网络运算，从而输出关于所述观察对象车辆是否位于所述基准车辆的所述盲区中的一个盲区内的判断结果；以及步骤c：所述学习装置使损失层参考所述判断结果和与所述判断结果对应的真实值GT来生成一个以上损失值，从而通过反向传播所述损失值而学习所述盲区确认用FC层的一个以上参数。2.根据权利要求1所述的学习方法，其中，所述盲区确认用FC层包括神经网络，所述神经网络通过以关于所述观察对象车辆的所述线索信息为输入的多层感知器来输出关于所述观察对象车辆是否位于所述盲区中的一个盲区内的结果值。3.根据权利要求1所述的学习方法，其中，关于所述观察对象车辆的所述线索信息包含以下信息中的至少一部分：(i)关于所述观察对象车辆的所述类别信息；(ii)关于所述观察对象车辆的所述位置信息；(iii)与感兴趣区域ROI大小对应的所述观察对象车辆的大小信息；(iv)所述观察对象车辆的纵横比信息；以及(v)所述观察对象车辆的中心点与所述盲区的外侧面之间的距离信息。4.根据权利要求3所述的学习方法，其中，所述线索信息提取层将(i)左侧盲区的外边界与所述观察对象车辆的所述中心点之间的距离以及(ii)右侧盲区的外边界与所述观察对象车辆的所述中心点之间的距离中的较小值判断为所述观察对象车辆的所述中心点与所述盲区的所述外侧面之间的所述距离信息，并且除了所述距离信息之外进一步输出相对位置信息以区分所述观察对象车辆的所述中心点位于所述盲区的所述外侧面的外侧还是内侧。5.一种用于监测基准车辆的一个以上盲区的卷积神经网络CNN的测试方法，包括：步骤a：在利用学习装置(i)使线索信息提取层使用与包含在来自所述基准车辆的检测器的至少一个输出对应的训练数据中的关于观察对象车辆的学习用类别信息及学习用位置信息来执行预定运算，从而输出关于所述观察对象车辆的一个以上学习用线索信息，(ii)使盲区确认用全连接FC层使用关于所述观察对象车辆的所述学习用线索信息来执行一个以上神经网络运算，从而输出关于所述观察对象车辆是否位于所述基准车辆的所述盲区内的学习用判断结果，(iii)使损失层参考所述学习用判断结果和与所述学习用判断结果对应的真实值GT来生成一个以上损失值，从而通过反向传播所述损失值而学习所述盲区确认用FC层的一个以上参数的状态下，当从用于检测位于由所述基准车辆拍摄到的测试图像内的所述观察对象车辆的所述检测器获取关于所述观察对象车辆的测试用类别信息及测试用位置信息时，测试装置使所述线索信息提取层使用关于所述观察对象车辆的所述测试用类别信息及所述测试用位置信息来执行所述预定运算，从而输出关于所述观察对象车辆的一个以上测试用线索信息；以及步骤b：所述测试装置使所述盲区确认用FC层使用关于所述观察对象车辆的所述测试2CN111008