[发明专利]提供个性化及自适应深度学习模型的方法及装置

说明书

本发明涉及提供并非固定的深度学习模型的动态自适应深度学习模型支援使得至少一个特定自动行驶车辆根据周边状况执行适当的自动行驶的方法，其特征在于，包括：与自动行驶车辆联动的管理装置(a)使微调(fine‑tuning)系统获得要更新的特定深度学习模型的步骤；(b)将所述影像数据及与其对应的贴标(labeling)的数据作为训练数据输入到所述微调系统更新所述特定深度学习模型的步骤；及(c)使自动更新系统将所述更新的特定深度学习模型传输到所述特定自动行驶车辆，使所述特定自动行驶车辆将遗留(legacy)深度学习模型改为使用所述更新的特定深度学习模型执行所述自动行驶的步骤。

技术领域

本发明涉及用于自动行驶车辆的方法及装置，更具体来讲，涉及一种向至少一个自动行驶车辆的至少一个用户提供至少一个经过校准的个性化及自适应深度学习模型的方法及装置。

背景技术

近来，深度学习除了在自动识别之外在控制自动行驶车辆方面也受到极大关注。

这种深度学习使用神经网络且积极适用于图像识别及分类领域，与增强学习结合以在特定领域展现出超越人类能力的极大成果。基于提高的学习能力，所述深度学习以未对传感器进行预处理的状态用于自动行驶车辆之类的多种领域。

尤其，所述自动行驶车辆使用利用按国家或地区收集的数据学习的深度学习模型。

然而，由于这种自动行驶车辆使用相同的深度学习模型，因此在满足具有不同性格的所有驾驶员方面存在局限性。

因此，本发明旨在提供一种分别满足利用自动行驶车辆的所有用户的自动行驶车辆的个性化深度学习模型的方案。

发明内容

技术问题

本发明的目的是解决上述所有问题。

本发明的另一目的是向一个以上的自动行驶车辆的一个以上的个别用户提供一个以上的经过校准的个性化深度学习模型。

本发明的又一目的是向自动行驶车辆的个别用户提供对应于一个以上的个性化深度学习模型。

本发明的又一目的是为自动行驶车辆的个别用户优化的一个以上的优化深度学习模型。

技术方案

为了达成如上所述的本发明的目的，实现下述本发明的特征性效果的本发明的特征性构成如下。

根据本发明的一个方面，提供一种方法，是提供并非固定的深度学习模型的动态自适应深度学习模型支援使得至少一个特定自动行驶车辆根据周边状况执行适当的自动行驶的方法，其特征在于，包括：(a)与自动行驶车辆联动的管理装置通过影像存储系统获得从所述自动行驶车辆中所述特定自动行驶车辆传输的影像数据的情况下，使微调(fine-tuning)系统使用存储一个以上的深度学习模型的深度学习模型库的所述影像数据获得要更新的特定深度学习模型的步骤；(b)所述管理装置将所述影像数据及与其对应的贴标(labeling)的数据作为训练数据输入到所述微调系统更新所述特定深度学习模型的步骤；及(c)所述管理装置使自动更新系统将所述更新的特定深度学习模型传输到所述特定自动行驶车辆，使所述特定自动行驶车辆将遗留(legacy)深度学习模型改为使用所述更新的特定深度学习模型执行所述自动行驶的步骤。

根据一个实施例，在所述(b)步骤中，所述微调系统，(i)使所述特定深度学习模型内至少一个卷积层对所述影像数据适用至少一个卷积运算生成特征图，(ii)使所述特定深度学习模型内至少一个输出层对所述特征图适用至少一个输出运算生成预测数据，(iii)使至少一个损失层参照所述预测数据及所述贴标的数据生成损失，利用所述损失执行反向传播(backpropagation)微调所述特定深度学习模型的参数。