JP2021136032A - 移動式信号機の検出方法、装置、電子機器及び記憶媒体 - Google Patents
移動式信号機の検出方法、装置、電子機器及び記憶媒体 Download PDFInfo
- Publication number
- JP2021136032A JP2021136032A JP2021026431A JP2021026431A JP2021136032A JP 2021136032 A JP2021136032 A JP 2021136032A JP 2021026431 A JP2021026431 A JP 2021026431A JP 2021026431 A JP2021026431 A JP 2021026431A JP 2021136032 A JP2021136032 A JP 2021136032A
- Authority
- JP
- Japan
- Prior art keywords
- traffic light
- mobile traffic
- detection model
- sample image
- image set
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 claims abstract description 235
- 238000012549 training Methods 0.000 claims abstract description 85
- 238000005070 sampling Methods 0.000 claims abstract description 35
- 230000015654 memory Effects 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06V20/582—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of traffic signs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of 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
- G06F18/21—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
- G06F18/21—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
- G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
-
- 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
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- 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
Abstract
Description
本出願の第5態様の実施例は、コンピュータに上記第1態様の実施例に記載の移動式信号機の検出方法を実行させるコンピュータプログラムを提案する。
本出願の実施例に係る移動式信号機の検出方法は、移動式信号機を含むポジティブサンプル画像セット、及び移動式信号機を含まないネガティブサンプル画像セットを取得し、事前設定されたサンプリング比に従って、それぞれポジティブサンプル画像セット及びネガティブサンプル画像セットから現在のトレーニングデータを抽出し、第1の事前設定された検出モデルを用いて、現在のトレーニングデータにおける各画像に対して移動式信号機の検出を行い、各画像の検出結果を決定し、各画像の検出結果とラベル付けされたデータとの差異に基づいて、現在の分類損失及びバウンディングボックス回帰損失を決定し、現在の分類損失及びバウンディングボックス回帰損失の両方が事前設定された条件を満たす場合、移動式信号機を検出するための移動式信号機検出モデルを生成する。これにより、トレーニングによって移動式信号機検出モデルを取得し、移動式信号機検出モデルを用いて移動式信号機を検出するため、識別プロセスがシンプルで効率的であり、かつ、事前設定されたサンプリング比に従ってトレーニングデータを抽出するため、ポジティブサンプルとネガティブサンプルの不均衡の問題を解決し、モデルを通常に収束させることができる。
ステップ101において、移動式信号機を含むポジティブサンプル画像セット及び移動式信号機を含まないネガティブサンプル画像セットを取得する。
車両の運転中に、画像を収集可能であり、例えば、車両の前方の画像を収集可能であり、ここでは、第1画像と呼ぶ。
入力装置603は、入力された数字又はキャラクタ情報を受信し、移動式信号機の検出方法の電子機器のユーザ設定及び機能制御に関するキー信号入力を生成することができ、例えば、タッチスクリーン、キーパッド、マウス、トラックパッド、タッチパッド、インジケータースティック、一つ又は複数のマウスボタン、トラックボール、ジョイスティックなどの入力装置である。出力装置604は、ディスプレイデバイス、補助照明デバイス(例えば、LED)、及び触覚フィードバックデバイス(例えば、振動モータ)などを含むことができる。当該ディスプレイデバイスは、液晶ディスプレイ(LCD)、発光ダイオード(LED)ディスプレイ、及びプラズマディスプレイを備えることができるが、これらに限定されない。いくつかの実施形態では、ディスプレイデバイスは、タッチスクリーンであってもよい。
Claims (13)
- 移動式信号機を含むポジティブサンプル画像セット及び移動式信号機を含まないネガティブサンプル画像セットを取得するステップと、
事前設定されたサンプリング比に従って、それぞれ前記サンプル画像セット及びネガティブサンプル画像セットから現在のトレーニングデータを抽出するステップと、
第1の事前設定された検出モデルを用いてトレーニングし、移動式信号機を検出するための移動式信号機検出モデルを生成するステップと、
を含み、
第1の事前設定された検出モデルを用いてトレーニングし、移動式信号機を検出するための移動式信号機検出モデルを生成するステップが、
第1の事前設定された検出モデルを用いて、前記現在のトレーニングデータにおける各画像に対して移動式信号機の検出を行い、各画像の検出結果を決定するステップと、
各画像の検出結果とラベル付けされたデータとの差異に基づいて、現在の分類損失及びバウンディングボックス回帰損失を決定するステップと、
前記現在の分類損失及びバウンディングボックス回帰損失の両方が事前設定された条件を満たす場合、移動式信号機を検出するための移動式信号機検出モデルを生成するステップと、
を含む移動式信号機の検出方法。 - 現在の分類損失及びバウンディングボックス回帰損失を決定するステップの後に、
前記現在の分類損失、及び/又はバウンディングボックス回帰損失が事前設定された条件を満たさない場合、前記現在の分類損失及バウンディングボックス回帰損失に基づいて、前記第1の事前設定された検出モデルを誤差逆伝播法で更新するステップと、
前記事前設定されたサンプリング比に従って、前記ポジティブサンプル画像セット及びネガティブサンプル画像セットから新しいトレーニングデータを抽出するステップと、
新しい分類損失及びバウンディングボックス回帰損失の両方が前記事前設定された条件を満たすと決定されるまで、抽出された新しいトレーニングデータを用いて、更新された検出モデルをトレーニングするステップと、
を含む請求項1に記載の方法。 - 移動式信号機を検出するための移動式信号機検出モデルを生成するステップの後に、
運転中に収集された画像を、それぞれ前記移動式信号機検出モデル及び第2の事前設定された検出モデルに入力し、前記移動式信号機検出モデルにより出力された第1検出結果、及び前記第2の事前設定された検出モデルにより出力された第2検出結果を取得するステップと、
前記第1検出結果と前記第2検出結果との一致度に基づいて、現在収集している画像には移動式信号機が含まれているか否かを決定するステップと、
を含む請求項1又は請求項2に記載の方法。 - 移動式信号機を検出するための移動式信号機検出モデルを生成するステップの後に、
運転中に第1画像を取得するステップと、
前記移動式信号機検出モデルを用いて、前記第1画像を検出し、前記第1画像には移動式信号機が含まれているか否かを決定するステップと、
前記第1画像には移動式信号機が含まれており、かつ前記第1画像の収集位置が地図上の交差点の位置と一致しない場合、前記第1画像を前記ネガティブサンプル画像セットに追加するステップと、
更新されたネガティブサンプル画像セット及び前記ポジティブサンプル画像セットを用いて、前記移動式信号機検出モデルの更新及びトレーニングを行うステップと、
を含む請求項1から3のいずれか一項に記載の方法。 - 更新されたネガティブサンプル画像セット及び前記ポジティブサンプル画像セットを用いて、前記移動式信号機検出モデルの更新及びトレーニングを行うステップの前に、
前記更新されたネガティブサンプル画像セット内の画像の総数に対する、前記更新されたネガティブサンプル画像セットに含まれる新しく追加された画像の数の割合が、閾値よりも大きいと決定するステップを含む請求項4に記載の方法。 - 移動式信号機を含むポジティブサンプル画像セット及び移動式信号機を含まないネガティブサンプル画像セットを取得するように構成される第1取得モジュールと、
事前設定されたサンプリング比に従って、それぞれ前記ポジティブサンプル画像セット及びネガティブサンプル画像セットから現在のトレーニングデータを抽出するように構成される抽出モジュールと、
第1の事前設定された検出モデルを用いて、前記現在のトレーニングデータにおける各画像に対して移動式信号機の検出を行い、各画像の検出結果を検出するように構成される検出モジュールと、
各画像の検出結果とラベル付けされたデータとの差異に基づいて、現在の分類損失及バウンディングボックス回帰損失を決定するように構成される第1決定モジュールと、
前記現在の分類損失及びバウンディングボックス回帰損失の両方が事前設定された条件を満たす場合、移動式信号機を検出するための移動式信号機検出モデルを生成するように構成される第2決定モジュールと、
を備える移動式信号機の検出装置。 - 前記現在の分類損失及び/又はバウンディングボックス回帰損失が事前設定された条件を満たさない場合、前記現在の分類損失及びバウンディングボックス回帰損失に基づいて、前記第1の事前設定された検出モデルを誤差逆伝播法で更新するように構成される第1更新モジュールと、
前記事前設定されたサンプリング比に従って、前記ポジティブサンプル画像セット及びネガティブサンプル画像セットから新しいトレーニングデータを抽出するように構成される前記抽出モジュールと、
新しい分類損失及びバウンディングボックス回帰損失の両方が前記事前設定された条件を満たすと決定されるまで、抽出された新しいトレーニングデータを用いて、更新された検出モデルをトレーニングするように構成されるトレーニングモジュールと、
を備える請求項6に記載の装置。 - 運転中に収集した画像を、それぞれ前記移動式信号機検出モデル及び第2の事前設定された検出モデルに入力し、前記移動式信号機検出モデルにより出力された第1検出結果及び前記第2の事前設定された検出モデルにより出力された第2検出結果を取得するように構成される第2取得モジュールと、
前記第1検出結果と前記第2検出結果との一致度に基づいて、現在収集している画像には移動式信号機が含まれているか否かを決定するように構成される第3決定モジュールと、を
含む請求項6又は請求項7に記載の装置。 - 運転中に第1画像を収集するように構成される収集モジュールと、
前記移動式信号機検出モデルを用いて、前記第1画像を検出し、前記第1画像には移動式信号機が含まれているか否かを決定するように構成される第4決定モジュールと、
前記第1画像には移動式信号機が含まれており、かつ前記第1画像の収集位置が地図上の交差点の位置と一致しない場合、前記第1画像を前記ネガティブサンプル画像セットに追加するように構成される第3取得モジュールと、
更新されたネガティブサンプル画像セット及び前記ポジティブサンプル画像セットを用いて、前記移動式信号機検出モデルの更新及びトレーニングを行うように構成される第2更新モジュールと、
を備える請求項6から8のいずれか一項に記載の装置。 - 前記更新されたネガティブサンプル画像セット内の画像の総数に対する、前記更新されたネガティブサンプル画像セットに含まれる新しく追加された画像の数の割合が、閾値よりも大きいと決定するように構成される第5決定モジュールを含む請求項9に記載の装置。
- 少なくとも一つのプロセッサと、
該少なくとも一つのプロセッサに通信可能に接続されるメモリと、
を備える電子機器であって、
前記メモリには、前記少なくとも一つのプロセッサによって実行可能な命令が記憶され、前記命令が前記少なくとも一つのプロセッサによって実行される場合、前記少なくとも一つのプロセッサが、請求項1から5のいずれか一項に記載の移動式信号機の検出方法を実行可能な電子機器。 - コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令は、コンピュータに請求項1から5のいずれか一項に記載の移動式信号機の検出方法を実行させる非一時的なコンピュータ読み取り可能な記憶媒体。 - コンピュータに請求項1から5のいずれか一項に記載の移動式信号機の検出方法を実行させるコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116857.5 | 2020-02-25 | ||
CN202010116857.5A CN111275011B (zh) | 2020-02-25 | 2020-02-25 | 移动红绿灯检测方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021136032A true JP2021136032A (ja) | 2021-09-13 |
JP7164644B2 JP7164644B2 (ja) | 2022-11-01 |
Family
ID=71003685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021026431A Active JP7164644B2 (ja) | 2020-02-25 | 2021-02-22 | 移動式信号機の検出方法、装置、電子機器及び記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11508162B2 (ja) |
EP (1) | EP3872696A1 (ja) |
JP (1) | JP7164644B2 (ja) |
KR (1) | KR102616470B1 (ja) |
CN (1) | CN111275011B (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275011B (zh) * | 2020-02-25 | 2023-12-19 | 阿波罗智能技术(北京)有限公司 | 移动红绿灯检测方法、装置、电子设备和存储介质 |
CN111882899B (zh) * | 2020-07-24 | 2021-10-22 | 北京小马慧行科技有限公司 | 确定交通信号灯的位置的方法及装置、系统 |
CN113657428B (zh) * | 2021-06-30 | 2023-07-14 | 北京邮电大学 | 网络流量数据的抽取方法及装置 |
CN113963167B (zh) * | 2021-10-29 | 2022-05-27 | 北京百度网讯科技有限公司 | 应用于目标检测的方法、装置及计算机程序产品 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008033851A (ja) * | 2006-08-01 | 2008-02-14 | Nec Corp | 郵便自動区分機及び郵便自動区分方法 |
WO2019083336A1 (ko) * | 2017-10-27 | 2019-05-02 | 전북대학교산학협력단 | 신경회로망 학습에 의한 작물과 잡초 식별 방법 및 장치 |
WO2019100946A1 (zh) * | 2017-11-22 | 2019-05-31 | 北京市商汤科技开发有限公司 | 用于物体检测的方法、装置和设备 |
Family Cites Families (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1993020545A1 (de) * | 1992-04-02 | 1993-10-14 | Voehringer, Albert, E. | Verfahren und anlage zur verkehrsregulierung |
CN101216884B (zh) * | 2007-12-29 | 2012-04-18 | 北京中星微电子有限公司 | 一种人脸认证的方法及系统 |
US8576069B2 (en) * | 2009-10-22 | 2013-11-05 | Siemens Corporation | Mobile sensing for road safety, traffic management, and road maintenance |
CN102176287B (zh) * | 2011-02-28 | 2013-11-20 | 无锡中星微电子有限公司 | 一种交通信号灯识别系统和方法 |
US8620032B2 (en) | 2011-05-10 | 2013-12-31 | GM Global Technology Operations LLC | System and method for traffic signal detection |
US9145140B2 (en) * | 2012-03-26 | 2015-09-29 | Google Inc. | Robust method for detecting traffic signals and their associated states |
DE102012110219A1 (de) * | 2012-10-25 | 2014-04-30 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Erkennung von gekennzeichneten Gefahr- und/oder Baustellen im Bereich von Fahrbahnen |
CN104680120B (zh) * | 2013-12-02 | 2018-10-19 | 华为技术有限公司 | 一种人脸检测的强分类器的生成方法及装置 |
US9779314B1 (en) * | 2014-08-21 | 2017-10-03 | Waymo Llc | Vision-based detection and classification of traffic lights |
CN104408424B (zh) * | 2014-11-26 | 2017-08-15 | 浙江大学 | 一种基于图像处理的多信号灯识别方法 |
KR101934325B1 (ko) * | 2014-12-10 | 2019-01-03 | 삼성에스디에스 주식회사 | 객체 분류 방법 및 그 장치 |
KR102374565B1 (ko) * | 2015-03-09 | 2022-03-14 | 한화테크윈 주식회사 | 표적 추적 방법 및 장치 |
CN105528607B (zh) * | 2015-10-30 | 2019-02-15 | 小米科技有限责任公司 | 区域提取方法、模型训练方法及装置 |
CN106407901A (zh) * | 2016-08-31 | 2017-02-15 | 重庆云库房物联科技有限公司 | 一种基于红外阵列的人流行为分析系统及人体识别方法 |
CN106529424B (zh) * | 2016-10-20 | 2019-01-04 | 中山大学 | 一种基于选择性搜索算法的车标检测识别方法及系统 |
CN106934346B (zh) * | 2017-01-24 | 2019-03-15 | 北京大学 | 一种目标检测性能优化的方法 |
US10380438B2 (en) * | 2017-03-06 | 2019-08-13 | Honda Motor Co., Ltd. | System and method for vehicle control based on red color and green color detection |
KR102309296B1 (ko) * | 2017-03-17 | 2021-10-06 | 엘지전자 주식회사 | 이동단말기 및 그 제어 방법 |
KR20180131789A (ko) * | 2017-06-01 | 2018-12-11 | 현대자동차주식회사 | 정차 중 전방의 신호등 정보를 제공하는 시스템 및 방법 |
CN110490177A (zh) * | 2017-06-02 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 一种人脸检测器训练方法及装置 |
CN108391446B (zh) * | 2017-06-20 | 2022-02-22 | 埃森哲环球解决方案有限公司 | 基于机器学习算法对针对数据分类器的训练语料库的自动提取 |
CN107679455A (zh) * | 2017-08-29 | 2018-02-09 | 平安科技(深圳)有限公司 | 目标跟踪装置、方法及计算机可读存储介质 |
CN109508580B (zh) * | 2017-09-15 | 2022-02-25 | 阿波罗智能技术(北京)有限公司 | 交通信号灯识别方法和装置 |
CN109823344B (zh) * | 2017-11-22 | 2021-10-22 | 宏碁股份有限公司 | 驾驶提示方法与系统 |
CN107968840B (zh) * | 2017-12-15 | 2020-10-09 | 华北电力大学(保定) | 一种大规模电力设备监测报警数据实时处理方法及系统 |
CN110659545B (zh) * | 2018-06-29 | 2023-11-14 | 比亚迪股份有限公司 | 车辆识别模型的训练方法、车辆识别方法、装置和车辆 |
WO2020038699A1 (en) * | 2018-08-22 | 2020-02-27 | Starship Technologies Oü | Method and system for traffic light signal detection and usage |
CN109800778B (zh) * | 2018-12-03 | 2020-10-09 | 浙江工业大学 | 一种基于难分样本挖掘的Faster RCNN目标检测方法 |
US10633003B1 (en) * | 2018-12-05 | 2020-04-28 | Here Global B.V. | Method, apparatus, and computer readable medium for verifying a safe vehicle operation via a portable device |
WO2020157068A1 (en) * | 2019-01-28 | 2020-08-06 | Starship Technologies Oü | Device, system and method for assisting mobile robot operations |
CN110121088B (zh) * | 2019-04-17 | 2021-05-25 | 北京奇艺世纪科技有限公司 | 一种用户属性信息确定方法、装置及电子设备 |
CN110569721B (zh) * | 2019-08-01 | 2023-08-29 | 平安科技(深圳)有限公司 | 识别模型训练方法、图像识别方法、装置、设备及介质 |
CN110689747B (zh) * | 2019-10-12 | 2021-04-06 | 北京百度网讯科技有限公司 | 自动驾驶车辆的控制方法和装置、自动驾驶车辆 |
CN111275011B (zh) * | 2020-02-25 | 2023-12-19 | 阿波罗智能技术(北京)有限公司 | 移动红绿灯检测方法、装置、电子设备和存储介质 |
CN111368424B (zh) * | 2020-03-03 | 2023-09-01 | 阿波罗智能技术(北京)有限公司 | 一种车辆仿真方法、装置、设备及介质 |
-
2020
- 2020-02-25 CN CN202010116857.5A patent/CN111275011B/zh active Active
-
2021
- 2021-02-22 KR KR1020210023464A patent/KR102616470B1/ko active IP Right Grant
- 2021-02-22 JP JP2021026431A patent/JP7164644B2/ja active Active
- 2021-02-23 US US17/183,104 patent/US11508162B2/en active Active
- 2021-02-24 EP EP21158904.9A patent/EP3872696A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008033851A (ja) * | 2006-08-01 | 2008-02-14 | Nec Corp | 郵便自動区分機及び郵便自動区分方法 |
WO2019083336A1 (ko) * | 2017-10-27 | 2019-05-02 | 전북대학교산학협력단 | 신경회로망 학습에 의한 작물과 잡초 식별 방법 및 장치 |
WO2019100946A1 (zh) * | 2017-11-22 | 2019-05-31 | 北京市商汤科技开发有限公司 | 用于物体检测的方法、装置和设备 |
Non-Patent Citations (1)
Title |
---|
MICHAEL WEBER, PETER WOLF, J. MARIUS ZOLLNER: ""DeepTLR: A single deep convolutional network for detection and classification of traffic lights"", 2016 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV), JPN6022009481, 19 June 2016 (2016-06-19), pages 342 - 348, XP032938986, ISSN: 0004727879, DOI: 10.1109/IVS.2016.7535408 * |
Also Published As
Publication number | Publication date |
---|---|
CN111275011A (zh) | 2020-06-12 |
EP3872696A1 (en) | 2021-09-01 |
JP7164644B2 (ja) | 2022-11-01 |
US20210264178A1 (en) | 2021-08-26 |
CN111275011B (zh) | 2023-12-19 |
KR20210108324A (ko) | 2021-09-02 |
KR102616470B1 (ko) | 2023-12-21 |
US11508162B2 (en) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021136032A (ja) | 移動式信号機の検出方法、装置、電子機器及び記憶媒体 | |
US11694461B2 (en) | Optical character recognition method and apparatus, electronic device and storage medium | |
EP3862723A2 (en) | Method and apparatus for detecting map quality | |
CN111753914B (zh) | 模型优化方法和装置、电子设备及存储介质 | |
JP2021082279A (ja) | 交通信号の制御方法、装置、コンピュータ機器及び記憶媒体 | |
JP2021174516A (ja) | ナレッジグラフ構築方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
US20210312799A1 (en) | Detecting traffic anomaly event | |
EP4064212A2 (en) | Method and apparatus for detecting camera occlusion, device, storage medium and program product | |
US20230072632A1 (en) | Obstacle detection method, electronic device and storage medium | |
CN111696095B (zh) | 用于检测物体表面缺陷的方法及装置 | |
US11290843B2 (en) | Method for measuring sensing range of vehicle, device and medium | |
EP3842753B1 (en) | Method and apparatus for positioning a vehicle, vehicle, storage medium, and computer program product | |
CN113033431B (zh) | 光学字符识别模型训练和识别方法、装置、设备及介质 | |
CN113051926B (zh) | 文本抽取方法、设备和存储介质 | |
CN111611902B (zh) | 车辆违章检测方法、装置、设备以及存储介质 | |
CN114475631B (zh) | 驾驶数据处理方法装置、设备、自动驾驶车辆介质及产品 | |
CN111599174A (zh) | 一种交通指标的异常检测方法和电子设备 | |
WO2016192558A2 (zh) | 一种提供对象信息的方法与设备 | |
CN113177077B (zh) | 用于自动驾驶的异常事件确定方法、装置及电子设备 | |
CN114926447B (zh) | 用于训练模型的方法、用于检测目标的方法和装置 | |
JP7349012B2 (ja) | ウェイクアップ指標の監視方法、装置及び電子機器 | |
CN111783591B (zh) | 异常检测方法、装置、设备和存储介质 | |
CN116703028A (zh) | 自动驾驶性能的评估方法、装置、设备及介质 | |
CN117762767A (zh) | 用户界面的显示方法、装置、电子设备和存储介质 | |
CN115293264A (zh) | 数据处理方法、装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210222 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220216 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220315 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220609 |
|
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: 20221011 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221020 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7164644 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |