CN112926368B - 一种识别障碍物的方法和装置 - Google Patents

一种识别障碍物的方法和装置 Download PDF

Info

Publication number
CN112926368B
CN112926368B CN201911243392.3A CN201911243392A CN112926368B CN 112926368 B CN112926368 B CN 112926368B CN 201911243392 A CN201911243392 A CN 201911243392A CN 112926368 B CN112926368 B CN 112926368B
Authority
CN
China
Prior art keywords
neural network
training
image
obstacle
trained
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
Application number
CN201911243392.3A
Other languages
English (en)
Other versions
CN112926368A (zh
Inventor
刘浩
徐卓然
董博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Qianshi Technology Co Ltd
Original Assignee
Beijing Jingdong Qianshi Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Qianshi Technology Co Ltd filed Critical Beijing Jingdong Qianshi Technology Co Ltd
Priority to CN201911243392.3A priority Critical patent/CN112926368B/zh
Publication of CN112926368A publication Critical patent/CN112926368A/zh
Application granted granted Critical
Publication of CN112926368B publication Critical patent/CN112926368B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种识别障碍物的方法和装置，涉及深度学习技术领域。该方法的一具体实施方式包括：采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络；将第二训练集输入到所述训练后的卷积神经网络，得到所述第二训练集的基础特征；采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络；通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类。该实施方式能够解决对数据打标和离线训练模型耗费大量的人力、财力的技术问题。

Description

一种识别障碍物的方法和装置
技术领域
本发明涉及深度学习技术领域，尤其涉及一种识别障碍物的方法和装置。
背景技术
自动驾驶需要对可能阻碍行驶的障碍物进行检测识别，以便根据不同的障碍物类型和状态作出合理的回避动作，基于计算机视觉的方案是其中关键技术之一。然而现实世界中可能出现的障碍物类型繁多，形态纹理颜色千变万化，如何快速地增量式地学习新的障碍物类型为当前自动驾驶技术甚至是图像识别技术的挑战之一。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
目前业界主流算法如卷积神经网络(CNN)，由于标准的CNN是按照类别训练，并且网络输出层(如全连接层或全卷积层)和类别强相关，且为离线训练方式，每次增加或减少待识别对象的类别时，都需要进行新数据打标、重新训练模型，耗费大量的人力、财力，亦不利于系统的快速迭代。
发明内容
有鉴于此，本发明实施例提供一种识别障碍物的方法和装置，以解决对数据打标和离线训练模型耗费大量的人力、财力的技术问题。
为实现上述目的，根据本发明实施例的一个方面，提供了一种识别障碍物的方法，包括：
采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络；
将第二训练集输入到所述训练后的卷积神经网络，得到所述第二训练集的基础特征；
采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络；
通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类。
可选地，所述第一训练集包括连续帧的第一图像样本和所述第一图像样本中各个障碍物的分类标签；
所述第二训练集包括多个第二图像样本和所述第二图像样本中各个障碍物的分类标签，以及，多个未标记标签的第三图像样本。
可选地，所述第二训练集中的第二图像样本取自于所述第一训练集中的部分第一图像样本。
可选地，所述基础特征包括形状特征、纹理特征和颜色特征。
可选地，采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络，包括：
采用所述第二训练集中的第二图像样本的基础特征以及所述第二图像样本中各个障碍物的分类标签，对自组织神经网络进行有监督的预训练，得到预训练自组织神经网络；
采用所述第二训练集中的第三图像样本的基础特征对所述预训练自组织神经网络进行无监督的训练，得到训练后的自组织神经网络。
可选地，采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络，包括：
使用度量学习的方法，采用第一训练集训练卷积神经网络，并通过arcface loss与softmax loss组合方式或者cosine loss与softmax loss组合方式进行迭代训练，得到训练后的卷积神经网络。
可选地，通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类，包括：
采用目标检测算法定位出待测图像中的障碍物，并对所述待测图像中的障碍物进行裁剪，得到障碍物图像；
将所述障碍物图像输入到所述训练后的卷积神经网络，得到所述障碍物图像的基础特征；
将所述障碍物图像的基础特征输入到所述训练后的自组织神经网络，得到所述障碍物图像中的障碍物的所属分类。
另外，根据本发明实施例的另一个方面，提供了一种识别障碍物的装置，包括：
第一训练模块，用于采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络；
特征提取模块，用于将第二训练集输入到所述训练后的卷积神经网络，得到所述第二训练集的基础特征；
第二训练模块，用于采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络；
识别模块，用于通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类。
可选地，所述第一训练集包括连续帧的第一图像样本和所述第一图像样本中各个障碍物的分类标签；
所述第二训练集包括多个第二图像样本和所述第二图像样本中各个障碍物的分类标签，以及，多个未标记标签的第三图像样本。
可选地，所述第二训练集中的第二图像样本取自于所述第一训练集中的部分第一图像样本。
可选地，所述基础特征包括形状特征、纹理特征和颜色特征。
可选地，所述第二训练模块还用于：
采用所述第二训练集中的第二图像样本的基础特征以及所述第二图像样本中各个障碍物的分类标签，对自组织神经网络进行有监督的预训练，得到预训练自组织神经网络；
采用所述第二训练集中的第三图像样本的基础特征对所述预训练自组织神经网络进行无监督的训练，得到训练后的自组织神经网络。
可选地，所述第一训练模块还用于：
使用度量学习的方法，采用第一训练集训练卷积神经网络，并通过arcface loss与softmax loss组合方式或者cosine loss与softmax loss组合方式进行迭代训练，得到训练后的卷积神经网络。
可选地，所述识别模块还用于：
采用目标检测算法定位出待测图像中的障碍物，并对所述待测图像中的障碍物进行裁剪，得到障碍物图像；
将所述障碍物图像输入到所述训练后的卷积神经网络，得到所述障碍物图像的基础特征；
将所述障碍物图像的基础特征输入到所述训练后的自组织神经网络，得到所述障碍物图像中的障碍物的所属分类。
根据本发明实施例的另一个方面，还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面，还提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用卷积神经网络输出的基础特征对自组织神经网络半监督的训练，通过训练后的自组织神经网络识别待测图像中的障碍物的所属分类的技术手段，所以克服了现有技术中对数据打标和离线训练模型耗费大量的人力、财力的技术问题。本发明实施例先对卷积神经网络进行训练，一旦训练完成后，不需要再重新训练；然后采用卷积神经网络输出的基础特征对自组织神经网络半监督的训练，最后通过自组织神经网络识别待测图像中的障碍物的所属分类。因此，本发明实施例可快速增量式学习新的障碍物类别，而不需要对每个类别进行打标和训练，能够降低新类别障碍物的学习成本。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的识别障碍物的方法的主要流程的示意图；
图2是根据本发明实施例的MobileNet模型的结构示意图；
图3是根据本发明实施例的识别障碍物的示意图；
图4是根据本发明一个可参考实施例的识别障碍物的方法的主要流程的示意图；
图5是根据本发明实施例的识别障碍物的装置的主要模块的示意图；
图6是本发明实施例可以应用于其中的示例性系统架构图；
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
目前，一般使用CNN直接用于目标识别，比如行人、自行车、汽车的识别等，这使得CNN与识别对象的类别具有极强的相关性，一旦增加类别或扩充样本多样性时，都需要重新训练CNN，导致耗费大量的人力、财力。为了解决该技术问题，本发明实施例提供了一种识别障碍物的方法，该方法主要有两个组成部分：CNN的离线训练和自组织神经网络的在线学习，将该方法应用于自动驾驶的视觉识别系统中，可快速增量式学习新的障碍物类别，而不需要对每个类别进行打标和训练。
图1是根据本发明实施例的识别障碍物的方法的主要流程的示意图。作为本发明的一个实施例，如图1所示，所述识别障碍物的方法可以包括：
步骤101，采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络。
虽然本发明实施例也使用了卷积神经网络(Convolutional Neural Networks，CNN)，但是在本发明的实施例中，CNN的学习目标并不是类别，而是对物体进行形状、纹理、颜色等基础特征的提取。可以通过大量的样本训练CNN，一旦训练完成后，一般情况下不需要再重新训练CNN。即使增加类别或扩充样本多样性，也可以采用已经训练好的CNN进行基础特征的提取。为了更好的训练CNN，可以使用超过300万条样本(覆盖3万多类别)的训练集进行训练，使得CNN的视觉特征提取能力具有较好的一般性。
可选地，所述第一训练集取自自动驾驶场景的数据集，可以是真实公路场景的数据，此数据集拥有超过300万条数据，覆盖3万多个目标物体，每个物体完整记录从画面出现到消失的全过程，因此对每个物体来说数据都是多尺度的。每个标注时，为每个物体不管是否是同一类别，皆单独标记为一个label(如car-1，car-2，person-1，person-2)。由于自动驾驶场景中的数据集一般为视频数据，因此所述第一训练集可以包括连续帧的第一图像样本和所述第一图像样本中各个障碍物的分类标签，也就是将连续的单帧图像作为样本，训练CNN，使其能够对物体进行形状、纹理、颜色等基础特征的提取。而且所述第一训练集还可以进一步融合公开数据集。
可选地，步骤101包括：使用度量学习的方法，采用第一训练集训练卷积神经网络，并通过arcface loss与softmax loss组合方式或者cosine loss与softmax loss组合方式进行迭代训练，得到训练后的卷积神经网络。所述卷积神经网络可以是VGG或MobileNet等主干网络，但训练时不使用类别的ground-truth作为标签，而是使用object-id，如car-1，car-2，person-1，person-2等分类标签，也就是说不需要考虑具体类别，对同一个物体标记同一个标签id即可。然后使用度量学习思想，并采用arcface loss+softmax loss或者cosine loss+softmax loss进行训练，得到CNN特征提取器。这样做的目的是让特征提取器对轮廓纹理颜色更为敏感，对同类之间的目标区别能力更强。使用大量数据训练，以便提高特征提取器的泛化能力。最后抛弃与类别相关的全连接层或全卷积层，最后进行L2-Norm(归一化)处理，记为embedding(嵌入)层，是对基础特征(颜色、形状、纹理等)的编码。
在本发明的实施例中，CNN可以离线训练，在完成训练后，将训练后的CNN部署到线上，为自组织神经网络的在线学习输出基础特征。
可选地，CNN可以是一个压缩后的MobileNet模型，如图2所示，其为MobileNet模型的结构示意图。比如，使用度量学习方式，batch-size(一次训练所选取的样本数)为128，损失函数为cosine loss，输入维度WHC(宽度、高度、通道数)为112*112*3,使用GlobalDepth-wise Convolution代替Global Average Pooling，Global Depth-wiseConvolution的卷积核大小为7*7。Embedding为模型输出值经过L2-Norm处理后的结果(即CNN输出的最终值)，维度为128*1。经过训练的CNN(即特征提取器)在视觉特征提取上具有较好的一般性，一般情况下不需要重新训练网络。
步骤102，将第二训练集输入到所述训练后的卷积神经网络，得到所述第二训练集的基础特征。
完成对卷积神经网络的训练后，将第二训练集中的各个图像样本输入到训练后的卷积神经网络中，以输出所述各个图像样本的基础特征。可选地，所述基础特征包括形状特征、纹理特征和颜色特征。
所述第二训练集包括多个第二图像样本和所述第二图像样本中各个障碍物的分类标签，以及，多个未标记标签的第三图像样本。由于自组织神经网络可以采用半监督方式进行训练，这样可以减少人工标记成本，而且当增加类别或扩充样本多样性时，也不再需要重新训练卷积神经网络，这些没有标签的图像样本也可以输入到训练后的卷积神经网络中，以输出基础特征。可选地，为了减少人工标记成本，所述第二训练集中的第二图像样本取自于所述第一训练集中的部分第一图像样本。可选地，第三图像样本可以是采集车收集实际自动驾驶场景中的新数据。
步骤103，采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络。
由于经过步骤101训练得到的卷积神经网络不具备分类的能力，因此为了实现增量学习的特性，需要在卷积神经网络之后接入自组织神经网络充当增量式分类器的角色。
可选地，步骤103可以包括：采用所述第二训练集中的第二图像样本的基础特征以及所述第二图像样本中各个障碍物的分类标签，对自组织神经网络进行有监督的预训练，得到预训练自组织神经网络；采用所述第二训练集中的第三图像样本的基础特征对所述预训练自组织神经网络进行无监督的训练，得到训练后的自组织神经网络。
可选地，所述自组织神经网络为双层网络结构，如图3所示，第一层为生长竞争层，目标是学习目标类别的数据分布，第一层的输入为embedding，输出为生长后的网络。网络从两个相互连接的神经元开始生长，过程遵循Simple Competitive Hebbian Learning(简单竞争性赫布学习)竞争学习法则。这样可以既保证生成的神经元对高维空间产生Vonoroi(泰森多边形)空间划分，更在神经元周围存在以epsilon为半径的超球域，记为epsilon邻域，这有助于缩小神经元的响应范围，提高拒识能力。最终该层的输出为神经元的高维向量和相应的epsilon领域以及神经元之间的连接矩阵，这代表着目标类别在高维空间中的分布和聚类信息。第二层为聚合交互层，目标是将第一层零散的分布聚合为一个节点(代表一个类别)输出。该层采用半监督的学习机制，此过程可以是数据标签的方式或者与算法使用者交互的方式完成。
步骤102是为了在增量训练自组织神经网络之前，对图像样本进行基础特征提取，可以使用典型数据集，如训练CNN时使用的图像样本来预训练自组织神经网络，然后使用实际收集的图像样本进行无监督增量训练。无须让主车上路，在仿真环境中即可训练。
步骤104，通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类。
由于进行了步骤101-步骤103的训练，分别得到了训练后的卷积神经网络和训练后的自组织神经网络，因此可以通过这两个网络对待测图像中的障碍物进行识别，得到待测图像中各个障碍物的所属分类(即分类标签)。
可选地，步骤104包括：采用目标检测算法定位出待测图像中的障碍物，并对所述待测图像中的障碍物进行裁剪，得到障碍物图像；将所述障碍物图像输入到所述训练后的卷积神经网络，得到所述障碍物图像的基础特征；将所述障碍物图像的基础特征输入到所述训练后的自组织神经网络，得到所述障碍物图像中的障碍物的所属分类。
在待测图像中定位出障碍物位置的目标检测算法有很多，比如区域生成网络(RegionProposalNetwork)，或者激光雷达点云聚类等，通过目标检测算法定位出图像中的障碍物位置，由此得到障碍物在图像中的坐标，如(x_min,y_min)(x_max,y_max)。然后将对障碍物从图像中裁剪出来，得到障碍物图像。由于CNN需要有固定的输入尺寸，比如112*112*3，而裁剪出来的障碍物图像的大小是任意的，因此需要将裁剪出来的障碍物图像变换成CNN的输入大小。
将障碍物图像输入CNN后，获得该障碍物的基础特征，然后将该障碍物的基础特征输入到自组织神经网络，若该障碍物的基础特征在第一层中获胜神经元的Epsilon邻域中，则输出此神经元对应的第二层网络的输出节点的标签值，即为该障碍物的所属分类。
在增量学习中，如遇到新的类别，首先会在第一层学习到新类样本的分布，形成一个或多个簇，并在第二层用一个节点以随机标签代表此类别。此时使用者可以与该自组织神经网络交互，通过映射配置文件告知自组织神经网络这个类别的名称，也可以控制这个节点是否输出结果。
需要指的是，一般来说，训练集中的图像样本中只有一个物体，因此在输入CNN之前不需要进行定位和裁剪，但是需要根据CNN的维度调整图像大小。
根据上面所述的各种实施例，可以看出本发明通过采用卷积神经网络输出的基础特征对自组织神经网络半监督的训练，通过训练后的自组织神经网络识别待测图像中的障碍物的所属分类的技术手段，解决了现有技术中对数据打标和离线训练模型耗费大量的人力、财力的技术问题。本发明实施例先对卷积神经网络进行训练，一旦训练完成后，不需要再重新训练；然后采用卷积神经网络输出的基础特征对自组织神经网络半监督的训练，最后通过自组织神经网络识别待测图像中的障碍物的所属分类。因此，本发明实施例可快速增量式学习新的障碍物类别，而不需要对每个类别进行打标和训练，能够降低新类别障碍物的学习成本。
图4是根据本发明一个可参考实施例的识别障碍物的方法的主要流程的示意图。作为本发明的另一个实施例，如图4所示，所述识别障碍物的方法可以包括：
步骤401，采用第一训练集有训练卷积神经网络，得到训练后的卷积神经网络。
步骤402，将第二训练集中的第二图像样本的输入到所述训练后的卷积神经网络，得到所述第二训练集中的第二图像样本的基础特征。
步骤403，采用所述第二训练集中的第二图像样本的基础特征以及所述第二图像样本中各个障碍物的分类标签，对自组织神经网络进行有监督的预训练，得到预训练自组织神经网络。
步骤404，将第二训练集中的第三图像样本的输入到所述训练后的卷积神经网络，得到所述第二训练集中的第三图像样本的基础特征。
步骤405，采用所述第二训练集中的第三图像样本的基础特征对所述预训练自组织神经网络进行无监督的训练，得到训练后的自组织神经网络。
步骤406，采用目标检测算法定位出待测图像中的障碍物，并对所述待测图像中的障碍物进行裁剪和图像大小调整，得到障碍物图像。
步骤407，将所述障碍物图像输入到所述训练后的卷积神经网络，得到所述障碍物图像的基础特征。
步骤408，将所述障碍物图像的基础特征输入到所述训练后的自组织神经网络，得到所述障碍物图像中的障碍物的所属分类。
另外，在本发明一个可参考实施例中识别障碍物的方法的具体实施内容，在上面所述识别障碍物的方法中已经详细说明了，故在此重复内容不再说明。
图5是根据本发明实施例的识别障碍物的装置的主要模块的示意图，如图5所示，所述识别障碍物的装置500包括：
第一训练模块，用于采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络；
特征提取模块，用于将第二训练集输入到所述训练后的卷积神经网络，得到所述第二训练集的基础特征；
第二训练模块，用于采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络；
识别模块，用于通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类。
可选地，所述第一训练集包括连续帧的第一图像样本和所述第一图像样本中各个障碍物的分类标签；
所述第二训练集包括多个第二图像样本和所述第二图像样本中各个障碍物的分类标签，以及，多个未标记标签的第三图像样本。
可选地，所述第二训练集中的第二图像样本取自于所述第一训练集中的部分第一图像样本。
可选地，所述基础特征包括形状特征、纹理特征和颜色特征。
可选地，所述第二训练模块还用于：
采用所述第二训练集中的第二图像样本的基础特征以及所述第二图像样本中各个障碍物的分类标签，对自组织神经网络进行有监督的预训练，得到预训练自组织神经网络；
采用所述第二训练集中的第三图像样本的基础特征对所述预训练自组织神经网络进行无监督的训练，得到训练后的自组织神经网络。
可选地，所述第一训练模块还用于：
使用度量学习的方法，采用第一训练集训练卷积神经网络，并通过arcface loss与softmax loss组合方式或者cosine loss与softmax loss组合方式进行迭代训练，得到训练后的卷积神经网络。
可选地，所述识别模块还用于：
采用目标检测算法定位出待测图像中的障碍物，并对所述待测图像中的障碍物进行裁剪，得到障碍物图像；
将所述障碍物图像输入到所述训练后的卷积神经网络，得到所述障碍物图像的基础特征；
将所述障碍物图像的基础特征输入到所述训练后的自组织神经网络，得到所述障碍物图像中的障碍物的所属分类。
根据上面所述的各种实施例，可以看出本发明通过采用卷积神经网络输出的基础特征对自组织神经网络半监督的训练，通过训练后的自组织神经网络识别待测图像中的障碍物的所属分类的技术手段，解决了现有技术中对数据打标和离线训练模型耗费大量的人力、财力的技术问题。本发明实施例先对卷积神经网络进行训练，一旦训练完成后，不需要再重新训练；然后采用卷积神经网络输出的基础特征对自组织神经网络半监督的训练，最后通过自组织神经网络识别待测图像中的障碍物的所属分类。因此，本发明实施例可快速增量式学习新的障碍物类别，而不需要对每个类别进行打标和训练，能够降低新类别障碍物的学习成本。
需要说明的是，在本发明所述识别障碍物的装置的具体实施内容，在上面所述识别障碍物的方法中已经详细说明了，故在此重复内容不再说明。
图6示出了可以应用本发明实施例的识别障碍物的方法或识别障碍物的装置的示例性系统架构600。
如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的物品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、物品信息——仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的识别障碍物的方法一般由服务器605执行，相应地，所述识别障碍物的装置一般设置在服务器605中。本发明实施例所提供的识别障碍物的方法也可以由终端设备601、602、603执行，相应地，所述识别障碍物的装置可以设置在终端设备601、602、603中。
应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图7，其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括第一训练模块、特征提取模块、第二训练模块和识别模块，其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络；将第二训练集输入到所述训练后的卷积神经网络，得到所述第二训练集的基础特征；采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络；通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类。
根据本发明实施例的技术方案，因为采用卷积神经网络输出的基础特征对自组织神经网络半监督的训练，通过训练后的自组织神经网络识别待测图像中的障碍物的所属分类的技术手段，所以克服了现有技术中对数据打标和离线训练模型耗费大量的人力、财力的技术问题。本发明实施例先对卷积神经网络进行训练，一旦训练完成后，不需要再重新训练；然后采用卷积神经网络输出的基础特征对自组织神经网络半监督的训练，最后通过自组织神经网络识别待测图像中的障碍物的所属分类。因此，本发明实施例可快速增量式学习新的障碍物类别，而不需要对每个类别进行打标和训练，能够降低新类别障碍物的学习成本。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (9)

1.一种识别障碍物的方法，其特征在于，包括：
采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络；
将第二训练集输入到所述训练后的卷积神经网络，得到所述第二训练集的基础特征；
采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络；
通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类；
所述第一训练集包括连续帧的第一图像样本和所述第一图像样本中各个障碍物的分类标签；
所述第二训练集包括多个第二图像样本和所述第二图像样本中各个障碍物的分类标签，以及，多个未标记标签的第三图像样本。
2.根据权利要求1所述的方法，其特征在于，所述第二训练集中的第二图像样本取自于所述第一训练集中的部分第一图像样本。
3.根据权利要求1所述的方法，其特征在于，所述基础特征包括形状特征、纹理特征和颜色特征。
4.根据权利要求1所述的方法，其特征在于，采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络，包括：
采用所述第二训练集中的第二图像样本的基础特征以及所述第二图像样本中各个障碍物的分类标签，对自组织神经网络进行有监督的预训练，得到预训练自组织神经网络；
采用所述第二训练集中的第三图像样本的基础特征对所述预训练自组织神经网络进行无监督的训练，得到训练后的自组织神经网络。
5.根据权利要求1所述的方法，其特征在于，采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络，包括：
使用度量学习的方法，采用第一训练集训练卷积神经网络，并通过arcface loss与softmax loss组合方式或者cosine loss与softmax loss组合方式进行迭代训练，得到训练后的卷积神经网络。
6.根据权利要求1所述的方法，其特征在于，通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类，包括：
采用目标检测算法定位出待测图像中的障碍物，并对所述待测图像中的障碍物进行裁剪，得到障碍物图像；
将所述障碍物图像输入到所述训练后的卷积神经网络，得到所述障碍物图像的基础特征；
将所述障碍物图像的基础特征输入到所述训练后的自组织神经网络，得到所述障碍物图像中的障碍物的所属分类。
7.一种识别障碍物的装置，其特征在于，包括：
第一训练模块，用于采用第一训练集训练卷积神经网络，得到训练后的卷积神经网络；
特征提取模块，用于将第二训练集输入到所述训练后的卷积神经网络，得到所述第二训练集的基础特征；
第二训练模块，用于采用所述第二训练集的基础特征对自组织神经网络半监督的训练，得到训练后的自组织神经网络；
识别模块，用于通过所述训练后的卷积神经网络和所述训练后的自组织神经网络，识别待测图像中的障碍物的所属分类；
所述第一训练集包括连续帧的第一图像样本和所述第一图像样本中各个障碍物的分类标签；
所述第二训练集包括多个第二图像样本和所述第二图像样本中各个障碍物的分类标签，以及，多个未标记标签的第三图像样本。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN201911243392.3A 2019-12-06 2019-12-06 一种识别障碍物的方法和装置 Active CN112926368B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911243392.3A CN112926368B (zh) 2019-12-06 2019-12-06 一种识别障碍物的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911243392.3A CN112926368B (zh) 2019-12-06 2019-12-06 一种识别障碍物的方法和装置

Publications (2)

Publication Number Publication Date
CN112926368A CN112926368A (zh) 2021-06-08
CN112926368B true CN112926368B (zh) 2024-01-16

Family

ID=76161749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911243392.3A Active CN112926368B (zh) 2019-12-06 2019-12-06 一种识别障碍物的方法和装置

Country Status (1)

Country Link
CN (1) CN112926368B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780578B (zh) * 2021-09-08 2023-12-12 北京百度网讯科技有限公司 模型训练方法、装置、电子设备及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102024179A (zh) * 2010-12-07 2011-04-20 南京邮电大学 一种基于半监督学习的ga-som聚类方法
CN102647292A (zh) * 2012-03-20 2012-08-22 北京大学 一种基于半监督神经网络模型的入侵检测方法
CN107506711A (zh) * 2017-08-15 2017-12-22 江苏科技大学 基于卷积神经网络的双目视觉障碍物检测系统及方法
CN110458079A (zh) * 2019-08-05 2019-11-15 黑龙江电力调度实业有限公司 一种基于fpga和卷积神经网络的图像采集与目标识别方法
WO2019232435A1 (en) * 2018-06-01 2019-12-05 Grail, Inc. Convolutional neural network systems and methods for data classification

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10467529B2 (en) * 2016-06-08 2019-11-05 Adobe Inc. Convolutional neural network joint training
US10878708B2 (en) * 2017-03-03 2020-12-29 Farrokh Mohamadi Drone terrain surveillance with camera and radar sensor fusion for collision avoidance

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102024179A (zh) * 2010-12-07 2011-04-20 南京邮电大学 一种基于半监督学习的ga-som聚类方法
CN102647292A (zh) * 2012-03-20 2012-08-22 北京大学 一种基于半监督神经网络模型的入侵检测方法
CN107506711A (zh) * 2017-08-15 2017-12-22 江苏科技大学 基于卷积神经网络的双目视觉障碍物检测系统及方法
WO2019232435A1 (en) * 2018-06-01 2019-12-05 Grail, Inc. Convolutional neural network systems and methods for data classification
CN110458079A (zh) * 2019-08-05 2019-11-15 黑龙江电力调度实业有限公司 一种基于fpga和卷积神经网络的图像采集与目标识别方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
关于自组织神经网络应用的综述;王晓荣;伦淑娴;马欢;门涛;;福建电脑(04);5+14 *
基于SOM神经网络的半监督分类算法;赵建华;;西华大学学报(自然科学版)(01);42-46+57 *
基于改进空洞卷积神经网络的丘陵山区田间道路场景识别;李云伍;徐俊杰;刘得雄;于尧;;农业工程学报(07);158-167 *
遥感图像飞机目标分类的卷积神经网络方法;周敏;史振威;丁火平;;中国图象图形学报(05);144-150 *

Also Published As

Publication number Publication date
CN112926368A (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN111062495B (zh) 机器学习方法及相关装置
CN113255694B (zh) 训练图像特征提取模型和提取图像特征的方法、装置
CN112131978B (zh) 一种视频分类方法、装置、电子设备和存储介质
US20140270489A1 (en) Learned mid-level representation for contour and object detection
CN109993102B (zh) 相似人脸检索方法、装置及存储介质
US9922265B2 (en) Global-scale object detection using satellite imagery
Mohamed et al. Content-based image retrieval using convolutional neural networks
CN111582409A (zh) 图像标签分类网络的训练方法、图像标签分类方法及设备
CN112016559A (zh) 实例分割模型的训练方法及装置，图像处理的方法及装置
Karthika et al. A novel convolutional neural network based architecture for object detection and recognition with an application to traffic sign recognition from road scenes
CN114298122A (zh) 数据分类方法、装置、设备、存储介质及计算机程序产品
CN112733701A (zh) 一种基于胶囊网络的鲁棒场景识别方法及系统
CN114898266B (zh) 训练方法、图像处理方法、装置、电子设备以及存储介质
Viet‐Uyen Ha et al. High variation removal for background subtraction in traffic surveillance systems
Hu et al. Attention‐guided evolutionary attack with elastic‐net regularization on face recognition
CN112926368B (zh) 一种识别障碍物的方法和装置
Cheng et al. AL‐DDCNN: a distributed crossing semantic gap learning for person re‐identification
CN116958624A (zh) 指定材质的识别方法、装置、设备、介质及程序产品
CN115546554A (zh) 敏感图像的识别方法、装置、设备和计算机可读存储介质
CN113344121B (zh) 训练招牌分类模型和招牌分类的方法
CN115359468A (zh) 一种目标网站识别方法、装置、设备及介质
Cheng et al. Sparse representations based distributed attribute learning for person re-identification
CN113762298B (zh) 相似人群扩展方法和装置
CN111695526B (zh) 网络模型生成方法、行人重识别方法及装置
CN112418321A (zh) 标志图像的识别方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant