[发明专利]利用周边汽车的图像自动标注基础汽车的图像的方法及装置

说明书

本发明是利用周边汽车的图像自动标注基础汽车的图像的方法及装置。本发明提供一种学习利用周边汽车的子图像来自动标注基础汽车的基础图像的自动标注装置的方法。所述方法包括：学习装置将所述基础图像和所述子图像输入已学习密集对应网络，从而生成密集对应的步骤；将所述基础图像和所述子图像输入编码器，从而输出卷积特征图，将所述卷积特征图输入解码器，从而输出反卷积特征图的步骤；利用第k(k为1至n的整数)密集对应信息，使第(k+1)反卷积特征图的坐标移动，生成第k调整反卷积特征图的步骤；将第一反卷积特征图和调整反卷积特征图进行级联，生成级联的特征图的步骤；及将所述级联的特征图输入掩蔽层，从而输出语义分割图像的步骤。

技术领域

本发明涉及自动标注图像的方法及装置，更详细而言，涉及一种对利用周边汽车的图像来自动标注基础汽车的图像的自动标注装置进行学习的学习方法及学习装置以及利用其的测试方法及测试装置。

背景技术

最近，有很多利用机器学习对执行物体识别及与之相同内容的方法进行的研究。作为这种机器学习方法之一，在输入层与输出层之间具有多个隐藏(hidden)层的神经网络的深度学习，具有高识别性能。

而且，利用这种深度学习的神经网络，一般通过利用了损失(loss)的反向传播进行学习。

为了执行深度学习网络的这种学习，需要借助于标注工具(labeler)而在个别数据点追加了标签的训练数据。准备这种训练数据(即，准确地分类数据)需利用大量的训练数据，在数据预先准备的质量不能一贯保持良好的情况下，是非常劳动密集型的工作，费用高且麻烦。以往的交互式标注在经济方面费用高昂，难以导出良好结果。

因此，最近普遍使用自动标注，利用基于深度学习的自动标注装置在训练图像中追加标签，即追加标注，检验者检验自动标注的训练图像并补正标签或标注。

但是，在这种以往方法中，与自动标注装置的处理量相比，检验者的处理量低，对全体训练图像生成准确的标注需要较长时间。为了提高整体处理量，需增加检验者数量，但在这种情况下，存在费用增加的问题。

另外，为了消化自动标注装置的处理量，需要相应地确保充分熟练的众多检验者，这方面也存在困难。

发明内容

本发明的目的在于解决上述问题。

本发明另一目的在于实时自动标注基础汽车行驶中获得的至少一个基础图像。

本发明又一目的在于，在基础汽车和周边汽车行驶中，将从基础汽车获得的基础图像和从一个以上周边汽车获得的一个以上的子图像统合，从而对统合的图像进行自动标注。

本发明的目的是通过以下技术方案实现的：