申请/专利权人:北京大学
申请日:2023-12-18
公开(公告)日:2024-04-02
公开(公告)号:CN117809085A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/774;G06N3/084;G06N3/09
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明提供一种视觉地表属性分类预测模型训练方法及系统,属于自动驾驶技术领域,获取训练数据;基于训练数据对视觉地表属性分类预测模型进行训练,其中,视觉地表属性分类预测模型包括视觉模块、机体感知模块和分类网络;视觉模块的输入为1帧图像块,输出为地表属性标签;机体感知模块的输入为100毫秒的加速度计及轮速编码器的时序信号,输出为地表属性标签;分类网络基于人工标注样本,以全监督方式学习视觉模块、机体感知模块的模型参数,得到地表属性分类。本发明利用机体感知对环境变化的稳定性等特点,利用对同一地表的机体感知结果构建监督样本,在线地优化视觉感知模型,使其具备对环境变化的自适应能力,提高了鲁棒性。
主权项:1.一种视觉地表属性分类预测模型训练方法,其特征在于,包括:获取训练数据;其中,所述训练数据包括多张地表图像以及标注图像中地表属性特征的标签;基于训练数据对视觉地表属性分类预测模型进行训练,其中,视觉地表属性分类预测模型包括视觉模块、机体感知模块和分类网络;视觉模块的输入为1帧图像块,输出为地表属性标签;机体感知模块的输入为100毫秒的加速度计及轮速编码器的时序信号,输出为地表属性标签;分类网络基于人工标注样本,以全监督方式学习视觉模块、机体感知模块的模型参数,得到地表属性分类。
全文数据:
权利要求:
百度查询: 北京大学 视觉地表属性分类预测模型训练方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。