[发明专利]一种道路识别模型训练方法、道路识别方法及装置在审
| 申请号： | 201811614332.3 | 申请日： | 2018-12-27 |
| 公开（公告）号： | CN109800661A | 公开（公告）日： | 2019-05-24 |
| 发明（设计）人： | 苏英菲 | 申请（专利权）人： | 东软睿驰汽车技术（沈阳）有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 王宝筠 |
| 地址： | 110179 辽宁省沈阳市浑*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 道路识别 待处理图像 多帧 神经网络结构 多帧图像 类别标签 连续采集 模型训练 图像采集设备 循环神经网络 采集 采集时间点 关联 图像特征 关联性 卷积 申请 图像 携带 | ||
1.一种道路识别模型训练方法，其特征在于，所述方法包括：
获取携带有类别标签的多帧待处理图像；所述多帧待处理图像为利用图像采集设备采集的图像；
基于所述多帧待处理图像，及其对应的类别标签，训练所述道路识别模型；
其中，所述道路识别模型包括第一数目层卷积神经网络结构和第二数目层循环神经网络结构，所述循环神经网络结构，用于建立在第一时间范围内连续M个采集时间点采集的M帧待处理图像的图像特征之间的关联；M为大于1的整数。
2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络结构，用于提取所述多帧待处理图像中每一帧待处理图像的图像特征；
所述循环神经网络结构，用于建立连续M帧待处理图像的图像特征之间的关联，包括：
所述循环神经网络结构，用于建立所述卷积神经网络连续输出的M组图像特征之间的关联。
3.根据权利要求1所述的方法，其特征在于，所述第一数目为大于1的整数，所述第二数目等于1。
4.根据权利要求1-3任意一项所述的方法，其特征在于，所述循环神经网络包括：
双向长时间记忆LSTM网络。
5.一种道路识别方法，其特征在于，所述方法包括：
获取连续多帧待识别图像；
将所述多帧待识别图像作为道路识别模型的输入，得到识别结果；
其中，所述道路识别模型为根据权利要求1至4中任一项所述的方法训练得到的道路识别模型。
6.一种道路识别模型训练装置，其特征在于，所述装置包括：
第一获取单元，用于获取携带有类别标签的多帧待处理图像；所述多帧待处理图像为利用图像采集设备采集的图像；
训练单元，用于基于所述多帧待处理图像，及其对应的类别标签，训练所述道路识别模型；
其中，所述道路识别模型包括第一数目层卷积神经网络结构和第二数目层循环神经网络结构，所述循环神经网络结构，用于建立在第一时间范围内附近的连续M个采集时间点采集的M帧待处理图像的图像特征之间的关联；M为大于1的整数。
7.根据权利要求6所述的装置，其特征在于，所述卷积神经网络结构，用于提取所述多帧待处理图像中每一帧待处理图像的图像特征；
所述循环神经网络结构，用于建立连续M帧待处理图像的图像特征之间的关联，包括：
所述循环神经网络结构，用于建立所述卷积神经网络连续输出的M组图像特征之间的关联。
8.根据权利要求6所述的装置，其特征在于，所述第一数目为大于1的整数，所述第二数目等于1。
9.根据权利要求6-8任意一项所述的装置，其特征在于，所述循环神经网络包括：
双向长时间记忆LSTM网络。
10.一种道路识别装置，其特征在于，所述装置包括：
第二获取单元，用于获取连续多帧待识别图像；
识别单元，用于将所述多帧待识别图像作为道路识别模型的输入，得到识别结果；
其中，所述道路识别模型为根据权利要求6至9中任一项所述的装置训练得到的道路识别模型。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东软睿驰汽车技术（沈阳）有限公司，未经东软睿驰汽车技术（沈阳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811614332.3/1.html，转载请声明来源钻瓜专利网。
