用于处理图像的方法和装置以及具有该装置的车辆与流程

本发明涉及一种处理图像的方法和装置以及具有该装置的车辆，更具体地，涉及一种配置为训练深度学习模型的弱内核的处理图像的方法和装置以及具有该装置的车辆。

背景技术：

1、自动驾驶是一种使车辆系统能够自行执行车辆运行，而无需驾驶员的部分或全部干预的技术。为了实现自动驾驶，需要一种可以控制各种情况或因素的算法。因此，自动驾驶采用了利用模仿人类神经网络结构的人工神经网络结构的深度学习算法，该算法可以根据大量数据自行分析各种特征。

2、深度学习算法的精度可能会受到车辆周围环境的极大影响。因此，已经开发了各种技术来提高深度学习算法的可靠性，但是深度学习算法在提供高于或等于一定水平的精度方面具有局限性。

3、另一方面，常规的深度学习算法采用一种通过集中来整体训练模型以仅解决模型的当前问题的方法。然而，在这种情况下，只有模型的优点可以被持续学习，而模型的缺点会被进一步削弱。

4、本发明的该背景技术所包括的信息仅仅旨在加深对本发明的总体背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现思路

1、本发明的各个方面旨在提供一种处理图像的方法和装置以及包括该装置的车辆，其可以通过关注深度学习模型的弱点来执行训练。

2、本发明的技术目的不限于上述目的，并且基于以下描述，其他目的对于本领域普通技术人员来说变得显而易见。

3、根据本发明的一个方面，提供一种处理图像的方法，所述方法包括：获取图像信息；输入地面实况；将图像信息输入到对象识别模型，以输出识别信息，所述识别信息包括图像信息中包含的对象的位置和类型；基于输出的识别信息和地面实况生成误识别数据；通过处理误识别数据来生成对象识别模型的弱图案图；基于弱图案图和至少一条预先存储的图像信息对弱数据库进行分类。

4、生成对象识别模型的弱图案图可以包括：基于误识别数据的特征点贡献度和输入/输出敏感度的至少一个，生成误识别数据的预定尺寸的图案图。

5、对弱数据库进行分类可以包括：基于预先存储的图像信息和弱图案图确定相似度，并基于确定出的相似度对弱数据库进行分类。

6、对弱数据库进行分类可以包括：响应于确定出的相似度大于预定值，将预先存储的图像信息分类到弱数据库中。

7、所述对象识别模型可以是基于卷积神经网络(cnn)训练的模型。

8、所述方法可以进一步包括：基于对象识别模型和弱图案图来选择对象识别模型的弱内核，其中，基于弱数据库来训练选择出的弱内核。

9、选择对象识别模型的弱内核可以包括：确定对象识别模型的每个内核对弱图案图的敏感度，将敏感度确定为大于或等于预定的敏感度的内核选择为弱内核。

10、基于弱数据库来训练选择出的弱内核可以包括：以预定的比率将弱数据库随机分类为第一弱数据库和第二弱数据库，基于第一弱数据库对弱内核进行训练。

11、训练选择出的弱内核可以包括：针对训练的每个时期，基于第二弱数据库确定对象识别模型的性能水平，其中，当确定出的性能水平高于预定值时，停止弱内核的训练。

12、根据本发明的另一个方面，提供一种处理图像的装置，所述装置包括：图像传感器，其配置为获取图像信息；输入器，其配置为输入地面实况；以及控制器，其连接到所述图像传感器和所述输入器，并且包括配置为处理获取的图像信息的处理器，其中，所述控制器配置为：将图像信息输入到对象识别模型，以输出识别信息，所述识别信息包括图像信息中包含的对象的位置和类型；基于输出的识别信息和地面实况生成误识别数据；通过处理误识别数据来生成对象识别模型的弱图案图；以及基于弱图案图和至少一条预先存储的图像信息对弱数据库进行分类。

13、本发明的方法和装置具有其他的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。

技术特征：

1.一种处理图像的方法，所述方法包括：

2.根据权利要求1所述的方法，其中，生成对象识别模型的弱图案图包括：

3.根据权利要求1所述的方法，其中，对弱数据库进行分类包括：

4.根据权利要求3所述的方法，其中，对弱数据库进行分类包括：

5.根据权利要求1所述的方法，其中，所述对象识别模型是基于卷积神经网络训练的模型。

6.根据权利要求5所述的方法，进一步包括：

7.根据权利要求6所述的方法，其中，选择对象识别模型的弱内核包括：

8.根据权利要求6所述的方法，其中，基于弱数据库来训练选择出的弱内核包括：

9.根据权利要求8所述的方法，其中，训练选择出的弱内核包括：

10.一种处理图像的装置，所述装置包括：

11.根据权利要求10所述的处理图像的装置，其中，所述控制器进一步配置为：基于误识别数据的特征点贡献度和输入/输出敏感度的至少一个，生成误识别数据的预定尺寸的图案图。

12.根据权利要求10所述的处理图像的装置，其中，所述控制器进一步配置为：基于预先存储的图像信息和弱图案图确定相似度，并基于确定出的相似度对弱数据库进行分类。

13.根据权利要求12所述的处理图像的装置，其中，所述控制器进一步配置为：响应于确定出的相似度大于预定值，将预先存储的图像信息分类到弱数据库中。

14.根据权利要求10所述的处理图像的装置，其中，所述对象识别模型是基于卷积神经网络训练的模型。

15.根据权利要求14所述的处理图像的装置，其中，

16.权利要求15所述的处理图像的装置，其中，所述控制器进一步配置为：

17.权利要求15所述的处理图像的装置，其中，所述控制器进一步配置为：

18.权利要求17所述的处理图像的装置，其中，所述控制器进一步配置为：

19.一种车辆，其包括根据权利要求10所述的处理图像的装置。

技术总结
本发明涉及一种用于处理图像的方法和装置以及具有该装置的车辆。所述方法包括：获取图像信息；输入地面实况；将图像信息输入到对象识别模型，以输出识别信息，所述识别信息包括图像信息中包含的对象的位置和类型；基于输出的识别信息和地面实况生成误识别数据；通过处理误识别数据来生成对象识别模型的弱图案图；以及基于弱图案图和至少一条预先存储的图像信息对弱数据库进行分类。

技术研发人员：崔钟县,安准植
受保护的技术使用者：现代自动车株式会社
技术研发日：
技术公布日：2024/1/13