[发明专利]用于粗略和精细对象分类的神经网络

说明书

本文公开的主题的各方面包括一种方法、系统和其他技术，其用于在第一阶段中用第一训练数据集合来训练对象分类器神经网络，第一训练数据集合包括第一多个训练样本，第一训练数据集合中的每个训练样本用粗略对象分类来标记；以及在第一阶段完成之后的第二阶段中，用第二训练数据集合来训练对象分类器神经网络，第二训练数据集合包括第二多个训练样本，第二训练数据集合中的每个训练样本用精细对象分类来标记。

相关申请的交叉引用

本申请要求于2018年12月21号提交的美国申请序列号No.16/229，332的权益，其全部内容通过引用结合到本公开中。

背景技术

本说明书涉及自动车辆，并且更具体地，例如，涉及被配置为生成由车辆上的一个或多个传感器获取的数据中表示的对象的分类的机器学习模型。

自动车辆包括自主驾驶汽车、船只和飞机。如本文所用，自动车辆可以指全自动车辆或半自动车辆。全自动车辆通常能够独立于人类操作员完全自动驾驶，而半自动车辆自动进行一些驾驶操作，但在某种程度上仍然允许或需要人类控制或干预。自动车辆使用各种车载传感器和计算机系统来检测附近的对象，并使用这些检测来做出控制和导航决策。

一些自动车辆实施神经网络以基于传感器数据帮助辨识关于它们的环境的信息。神经网络是机器学习模型，其采用多层操作来从一个或多个输入预测一个或多个输出。神经网络通常包括位于输入层和输出层之间的一个或多个隐藏层。每一层的输出被用作网络中另一层(例如，下一个隐藏层或输出层)的输入。

神经网络的每一层指定要对该层的输入执行的一个或多个变换操作。一些神经网络层具有被称为神经元的操作。通常，每个神经元可以接收一个或多个输入，并生成由另一神经网络层接收的输出。每一层的转换操作可以由一个或多个位置处的一个或多个计算机来执行，该一个或多个计算机已经安装有实施转换操作的软件模块。

发明内容

本说明书描述了用于训练和使用对象分类神经网络系统的系统、方法、设备和技术。对象分类神经网络系统可以被配置为处理表示在自动车辆附近检测到的感兴趣对象的测量值(measurement)的传感器数据，并生成对对象的对象类型分类。这些分类可以包括“粗略”分类和“精细”分类，它们表示对象的不同语义理解级别。神经网络系统可以分两个阶段进行训练，以便首先优化系统以用于确定粗略对象分类，然后精细化该系统以确定精细对象分类。在通过聚集于精细对象分类的训练来精细化系统的第二阶段期间，基于目标精细对象分类来固定或冻结系统的某些部分中的参数的值，以便减轻系统的粗略对象分类能力的退化。

本文描述的主题的一些方面包括一种用于训练能够生成粗略对象分类和精细对象分类的对象分类器神经网络的方法。该方法可以包括以下动作：在第一阶段中，用第一训练数据集合来训练对象分类器神经网络，第一训练数据集合包括第一多个训练样本(example)，第一训练数据集合中的每个训练样本用粗略对象分类来标记；以及在第一阶段完成之后的第二阶段中，用第二训练数据集合来训练对象分类器神经网络，第二训练数据集合包括第二多个训练样本，第二训练数据集合中的每个训练样本用精细对象分类来标记。在第二阶段中训练对象分类器神经网络包括：对于每个训练样本，调整神经网络的被分配给由训练样本的标签指示的精细对象分类的一个或多个第一部分的参数，而不调整神经网络的未被分配给由训练样本的标签指示的精细对象分类的一个或多个第二部分的参数。

这些和其他实施方式可以可选地包括一个或多个以下特征。

神经网络的一个或多个第一部分和神经网络的一个或多个第二部分可以是通道编码器子网络，每个通道编码器子网络被配置为处理传感器数据的不同通道。

调整神经网络的一个或多个第一部分的参数可以包括：调整被配置为生成输出的一个或多个通道编码器子网络的参数，所述输出将在推理阶段期间被处理以生成由所述训练样本的标签指示的精细对象分类。