JP6994950B2 - 画像認識システムおよびニューラルネットワークの学習方法 - Google Patents
画像認識システムおよびニューラルネットワークの学習方法 Download PDFInfo
- Publication number
- JP6994950B2 JP6994950B2 JP2018001267A JP2018001267A JP6994950B2 JP 6994950 B2 JP6994950 B2 JP 6994950B2 JP 2018001267 A JP2018001267 A JP 2018001267A JP 2018001267 A JP2018001267 A JP 2018001267A JP 6994950 B2 JP6994950 B2 JP 6994950B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- physical quantity
- observation
- disturbance
- learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Measurement Of Optical Distance (AREA)
- Image Analysis (AREA)
Description
あるいは、前記第2コスト項は、算出される前記物理量の分布が事前知識に基づく分布に近いほど小さい値をとるものであってもよい。
あるいは、前記第3コスト項は、推定される前記外乱の分布が事前知識に基づく分布に近いほど小さい値をとるものであってもよい。
図1は、画像認識システムの一例を模式的に示す図である。本例では、自車両100に搭載されたカメラ1による撮影によって得られた画像から、該画像に含まれる対象車両200に関する物理量を、事前に学習が行われた畳み込みニューラルネットワークを利用して推定するものである。出力される物理量から衝突の危険判定などが行われる。
Y=ΓT*Z ・・・(1)
Y=ΓB*Z ・・・(2)
Y=(H+ΔH)+α*Z ・・・(3)
Z=(H+ΔH)/(ΓB-α) ・・・(4)
なお、実際の距離は、上記(4)式の距離Zにカメラ1の焦点距離f(既知の内部パラメタ)を乗じることで得られる。
Dy=(ΓB-ΓT)*(H+ΔH)/(ΓB-α) ・・・(5)
次に説明する第2の実施形態は、外乱を考慮しないものである。以下、第1の実施形態との相違点を中心に説明する。
Y=ΓC*Z ・・・(6)
Z=H/(ΓB-ΓC) ・・・(7)
Dy=(ΓB-ΓT)*H/(ΓB-ΓC) ・・・(8)
同様にして、車幅Dxや、車速dZ/dt、加速度d2Z/dt2も算出される。
2 物理量推定部
3 時系列フィルタ
21 観測推定部
22 外乱推定部
23 物理量算出部
100 自車両
200 対象車両
Claims (12)
- 複数の画像のそれぞれに含まれる対象の見えに関する観測をニューラルネットワークを用いて推定し、推定された前記観測から前記対象の物理量を算出する画像認識システムにおけるニューラルネットワークの学習方法であって、
前記観測に対する真値と、前記物理量に関する事前知識とを用いて、前記観測の推定精度を示す第1コスト項と、前記物理量の算出精度を示す第2コスト項と、の総和が最小となるよう、前記ニューラルネットワークにおける重みを最適化する、ニューラルネットワークの学習方法。 - 前記第2コスト項は、算出される前記物理量が事前知識に基づく値に近いほど小さい値をとる、請求項1に記載のニューラルネットワークの学習方法。
- 前記第2コスト項は、算出される前記物理量の分布が事前知識に基づく分布に近いほど小さい値をとる、請求項1に記載のニューラルネットワークの学習方法。
- 複数の画像のそれぞれに含まれる対象の見えに関する観測をニューラルネットワークを用いて推定し、推定された前記観測から前記対象の物理量を算出する画像認識システムにおけるニューラルネットワークの学習方法であって、
前記画像認識システムは、前記複数の画像のそれぞれから外乱を推定し、推定された前記観測および前記外乱から前記対象の物理量を算出し、
前記観測に対する真値と、前記物理量に関する事前知識と、前記外乱に関する事前知識と、を用いて、前記ニューラルネットワークにおける重みを最適化する、ニューラルネットワークの学習方法。 - 前記観測の推定精度を示す第1コスト項と、前記物理量の算出精度を示す第2コスト項と、前記外乱の推定精度を示す第3コスト項と、の総和が最小となるよう、前記ニューラルネットワークにおける重みを最適化する、請求項4に記載のニューラルネットワークの学習方法。
- 前記第3コスト項は、推定される前記外乱が事前知識に基づく値に近いほど小さい値をとる、請求項5に記載のニューラルネットワークの学習方法。
- 前記第3コスト項は、推定される前記外乱の分布が事前知識に基づく分布に近いほど小さい値をとる、請求項5に記載のニューラルネットワークの学習方法。
- 前記外乱は、路面の傾き、前記複数の画像のそれぞれを撮影するカメラの取り付け高さのずれ、および、前記カメラのピッチ角の少なくとも1つを含む、請求項4乃至7のいずれかに記載のニューラルネットワークの学習方法。
- 前記物理量は加速度またはジャークである、請求項1乃至8のいずれかに記載のニューラルネットワークの学習方法。
- 前記対象の見えに関する観測は、前記複数の画像において前記対象を囲う矩形である、請求項1乃至9のいずれかに記載のニューラルネットワークの学習方法。
- 複数の画像のそれぞれに含まれる対象の見えに関する観測をニューラルネットワークを用いて推定し、推定された前記観測から前記対象の物理量を算出する画像認識システムであって、
前記観測に対する真値と、前記物理量に関する事前知識とを用いて、前記観測の推定精度を示す第1コスト項と、前記物理量の算出精度を示す第2コスト項と、の総和が最小となるよう、前記ニューラルネットワークにおける重みを最適化する、画像認識システム。 - 複数の画像のそれぞれに含まれる対象の見えに関する観測をニューラルネットワークを用いて推定し、推定された前記観測から前記対象の物理量を算出する画像認識システムであって、
前記画像認識システムは、前記複数の画像のそれぞれから外乱を推定し、推定された前記観測および前記外乱から前記対象の物理量を算出し、
前記観測に対する真値と、前記物理量に関する事前知識と、前記外乱に関する事前知識と、を用いて、前記ニューラルネットワークにおける重みを最適化する、画像認識システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018001267A JP6994950B2 (ja) | 2018-01-09 | 2018-01-09 | 画像認識システムおよびニューラルネットワークの学習方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018001267A JP6994950B2 (ja) | 2018-01-09 | 2018-01-09 | 画像認識システムおよびニューラルネットワークの学習方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019121225A JP2019121225A (ja) | 2019-07-22 |
JP6994950B2 true JP6994950B2 (ja) | 2022-02-04 |
Family
ID=67306419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018001267A Active JP6994950B2 (ja) | 2018-01-09 | 2018-01-09 | 画像認識システムおよびニューラルネットワークの学習方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6994950B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111077335B (zh) * | 2020-01-22 | 2021-03-02 | 滴图(北京)科技有限公司 | 一种车速检测方法、车速检测装置及可读存储介质 |
CN113556551B (zh) * | 2020-04-23 | 2023-06-23 | 上海高德威智能交通***有限公司 | 一种编码、解码方法、装置及设备 |
WO2022091650A1 (ja) * | 2020-10-30 | 2022-05-05 | 株式会社スマートドライブ | 移動体挙動情報取得方法、移動体挙動情報取得装置及びプログラム |
US20230051377A1 (en) * | 2020-10-30 | 2023-02-16 | Smartdrive Inc. | Mobility movemennt information acquiring method and mobility movement information acquiring apparatus |
JP7318995B1 (ja) | 2022-03-24 | 2023-08-01 | 株式会社スマートドライブ | 移動体挙動情報取得方法、移動体挙動情報取得装置及びプログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016006626A (ja) | 2014-05-28 | 2016-01-14 | 株式会社デンソーアイティーラボラトリ | 検知装置、検知プログラム、検知方法、車両、パラメータ算出装置、パラメータ算出プログラムおよびパラメータ算出方法 |
-
2018
- 2018-01-09 JP JP2018001267A patent/JP6994950B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016006626A (ja) | 2014-05-28 | 2016-01-14 | 株式会社デンソーアイティーラボラトリ | 検知装置、検知プログラム、検知方法、車両、パラメータ算出装置、パラメータ算出プログラムおよびパラメータ算出方法 |
Non-Patent Citations (1)
Title |
---|
橋岡 佳輝,DNNを用いたカメラの6自由度相対運動推定,情報処理学会 研究報告 コンピュータビジョンとイメージメディア(CVIM) 2017-CVIM-206 [online] ,日本,情報処理学会,2017年03月14日,第1-8頁 |
Also Published As
Publication number | Publication date |
---|---|
JP2019121225A (ja) | 2019-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6994950B2 (ja) | 画像認識システムおよびニューラルネットワークの学習方法 | |
US10983199B2 (en) | Vehicle sensor calibration and localization | |
CN109521756A (zh) | 用于无人驾驶车辆的障碍物运动信息生成方法和装置 | |
CN107179768B (zh) | 一种障碍物识别方法及装置 | |
CN107741229B (zh) | 一种光电/雷达/惯性组合的舰载机着舰导引方法 | |
JP7482978B2 (ja) | 車両センサの較正及び位置特定 | |
CN107192409A (zh) | 自动传感器姿态估计的方法 | |
WO2018221453A1 (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
WO2018181974A1 (ja) | 判定装置、判定方法、及び、プログラム | |
JP5804185B2 (ja) | 移動物***置姿勢推定装置及び移動物***置姿勢推定方法 | |
CN110009037B (zh) | 一种基于物理信息耦合的工程风速短时预测方法及*** | |
CN105892471A (zh) | 汽车自动驾驶方法和装置 | |
CN109564285A (zh) | 用于检测在移动单元的交通环境下的地面标志的方法和*** | |
CN108968811A (zh) | 一种扫地机器人的物体识别方法及*** | |
US10789488B2 (en) | Information processing device, learned model, information processing method, and computer program product | |
CN106969770B (zh) | 一种机器人及其导航方法、计算机可读存储介质 | |
CN114599995A (zh) | 根据静止路边对象的雷达回波估计面内速度 | |
CN110914703A (zh) | 对点云中基于运动的不准确性的校正 | |
CN107014296B (zh) | 综合巡检车接触网巡检***高速定位触发方法及装置 | |
CN111201448A (zh) | 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法 | |
CN114758504B (zh) | 一种基于滤波校正的网联车超速预警方法及*** | |
JP2022022287A (ja) | 地図作成装置、制御方法、プログラム及び記憶媒体 | |
CN110674674A (zh) | 一种基于yolo v3的旋转目标检测方法 | |
CN112578673B (zh) | 无人方程式赛车多传感器融合的感知决策与跟踪控制方法 | |
CN105447881A (zh) | 基于多普勒的雷达图像分割及光流 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200624 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20210705 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210730 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210907 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211102 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211130 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6994950 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |