一點(diǎn)，所顯示或討論的 相互之間的禪合或直接禪合或通信鏈接可W是通過(guò)一些接口，裝置或模塊的間接禪合或通 信鏈接，可W是電性，機(jī)械或其它的形式。
[0100] 所述作為分離部件說(shuō)明的模塊可W是或者也可W不是物理上分開的，作為模塊顯 示的部件可W是或者也可W不是物理模塊，即可W位于一個(gè)地方，或者也可W分布到多個(gè) 網(wǎng)絡(luò)模塊上?？蒞根據(jù)實(shí)際的需要選擇其中的部分或者全部模塊來(lái)實(shí)現(xiàn)本實(shí)施例方案的目 的。
[0101] 另外，在本發(fā)明各個(gè)實(shí)施例中的各功能模塊可W集成在一個(gè)處理模塊中，也可W 是各個(gè)模塊單獨(dú)物理存在，也可W兩個(gè)或兩個(gè)W上模塊集成在一個(gè)模塊中。上述集成的模 塊既可W采用硬件的形式實(shí)現(xiàn)，也可W采用軟件功能模塊的形式實(shí)現(xiàn)。
[0102] 所述集成的模塊如果W軟件功能模塊的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用 時(shí)，可W存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中?；谶\(yùn)樣的理解，本發(fā)明的技術(shù)方案本質(zhì)上 或者說(shuō)對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的全部或部分可軟件產(chǎn)品的形式 體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用W使得一臺(tái)計(jì)算機(jī) 設(shè)備(可W是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全 部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器（ROM,Read-Only Memo巧）、隨機(jī)存取存儲(chǔ)器(RAM,Random Access Memcxry)、磁碟或者光盤等各種可W存儲(chǔ)程 序代碼的介質(zhì)。
[0103] 需要說(shuō)明的是，對(duì)于前述的各方法實(shí)施例，為了簡(jiǎn)便描述，故將其都表述為一系列 的動(dòng)作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動(dòng)作順序的限制，因?yàn)?依據(jù)本發(fā)明，某些步驟可W采用其它順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知 悉，說(shuō)明書中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所設(shè)及的動(dòng)作和模塊并不一定都是本發(fā) 明所必須的。
[0104] 在上述實(shí)施例中，對(duì)各個(gè)實(shí)施例的描述都各有側(cè)重，某個(gè)實(shí)施例中沒(méi)有詳述的部 分，可W參見(jiàn)其它實(shí)施例的相關(guān)描述。
[0105] W上為對(duì)本發(fā)明所提供的交通場(chǎng)景深度解析方法及裝置的描述，對(duì)于本領(lǐng)域的一 般技術(shù)人員，依據(jù)本發(fā)明實(shí)施例的思想，在【具體實(shí)施方式】及應(yīng)用范圍上均會(huì)有改變之處，綜 上，本說(shuō)明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。
【主權(quán)項(xiàng)】
1. 一種交通場(chǎng)景深度解析方法，其特征在于，所述方法包括： 使用多個(gè)交通場(chǎng)景數(shù)據(jù)庫(kù)中的原始圖像數(shù)據(jù)集和原始圖像對(duì)應(yīng)的道路區(qū)域標(biāo)定作為 訓(xùn)練樣本； 通過(guò)拉普拉斯金字塔變換方式，將所述訓(xùn)練樣本中的各原始圖像縮放為多個(gè)不同尺 度； 將縮放后的圖像輸入與不同尺度分別對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)，以通過(guò)所述神經(jīng)網(wǎng)絡(luò)提取道路 特征，所述神經(jīng)網(wǎng)絡(luò)由卷積神經(jīng)網(wǎng)絡(luò)部分與反卷積神經(jīng)網(wǎng)絡(luò)部分聯(lián)合組成； 利用訓(xùn)練縮放后的圖像和所述縮放后的圖像對(duì)應(yīng)的道路區(qū)域標(biāo)定，對(duì)卷積神經(jīng)網(wǎng)絡(luò)與 反卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行訓(xùn)練； 通過(guò)與所述神經(jīng)網(wǎng)絡(luò)鏈接的全鏈接層輸出與原始圖像像素相同的一維數(shù)組，并將所述 一維數(shù)組還原為與所述原始圖像相同大小的結(jié)果圖像，所述結(jié)果圖像中標(biāo)出不同類型的道 路； 使用預(yù)置標(biāo)準(zhǔn)對(duì)所述結(jié)果圖像進(jìn)行處理，以還原出道路的分割結(jié)果； 將待檢測(cè)圖像輸入訓(xùn)練成功的所述神經(jīng)網(wǎng)絡(luò)中，得到完成道路分割與該待檢測(cè)圖像對(duì) 應(yīng)的結(jié)果圖像。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)與所述神經(jīng)網(wǎng)絡(luò)鏈接的全鏈接層 輸出與原始圖像像素相同的一維數(shù)組之前包括： 在所述全鏈接層中對(duì)提取的道路特征對(duì)應(yīng)的像素進(jìn)行回歸擬合。3. 根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述將所述一維數(shù)組還原為與所述原 始圖像相同大小的結(jié)果圖像包括： 按照pixel-wise方法根據(jù)所述一維數(shù)組，對(duì)所述結(jié)果圖像的每一個(gè)像素點(diǎn)進(jìn)行預(yù)測(cè)， 并通過(guò)插值將不同尺度的結(jié)果圖像歸一到原始圖像大小的結(jié)果圖像。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述方法還包括： 比較當(dāng)前網(wǎng)絡(luò)輸出的道路區(qū)域預(yù)測(cè)結(jié)果與預(yù)置標(biāo)準(zhǔn)中實(shí)際道路區(qū)域的誤差，并根據(jù)誤 差調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)； 按照調(diào)整參數(shù)后的神經(jīng)網(wǎng)絡(luò)重新預(yù)測(cè)道路區(qū)域，直至網(wǎng)絡(luò)參數(shù)達(dá)到預(yù)置期望值。5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述使用多個(gè)交通場(chǎng)景數(shù)據(jù)庫(kù)中的原始圖 像數(shù)據(jù)集和原始圖像對(duì)應(yīng)的道路區(qū)域標(biāo)定作為訓(xùn)練樣本包括： 將多個(gè)交通場(chǎng)景數(shù)據(jù)庫(kù)中的原始圖像數(shù)據(jù)集中的各原始圖像進(jìn)行歸一化處理后，和歸 一化處理后的圖像對(duì)應(yīng)的道路區(qū)域標(biāo)定作為訓(xùn)練樣本。6. -種交通場(chǎng)景深度解析裝置，其特征在于，所述裝置包括： 樣本確定模塊，用于使用多個(gè)交通場(chǎng)景數(shù)據(jù)庫(kù)中的原始圖像數(shù)據(jù)集和原始圖像對(duì)應(yīng)的 道路區(qū)域標(biāo)定作為訓(xùn)練樣本； 變換模塊，用于通過(guò)拉普拉斯金字塔變換方式，將所述訓(xùn)練樣本中的各原始圖像縮放 為多個(gè)不同尺度； 提取模塊，用于將縮放后的圖像輸入與不同尺度分別對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)，以通過(guò)所述神 經(jīng)網(wǎng)絡(luò)提取道路特征，所述神經(jīng)網(wǎng)絡(luò)由卷積神經(jīng)網(wǎng)絡(luò)部分與反卷積神經(jīng)網(wǎng)絡(luò)部分聯(lián)合組 成； 訓(xùn)練模塊，用于利用訓(xùn)練縮放后的圖像和所述縮放后的圖像對(duì)應(yīng)的道路區(qū)域標(biāo)定，對(duì) 卷積神經(jīng)網(wǎng)絡(luò)與反卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行訓(xùn)練； 輸出模塊，用于通過(guò)與所述神經(jīng)網(wǎng)絡(luò)鏈接的全鏈接層輸出與原始圖像像素相同的一維 數(shù)組； 還原模塊，用于將所述一維數(shù)組還原為與所述原始圖像相同大小的結(jié)果圖像，所述結(jié) 果圖像中標(biāo)出不同類型的道路； 所述還原模塊，還用于使用預(yù)置標(biāo)準(zhǔn)對(duì)所述結(jié)果圖像進(jìn)行處理，以還原出道路的分割 結(jié)果； 檢測(cè)模塊，用于將待檢測(cè)圖像輸入訓(xùn)練成功的所述神經(jīng)網(wǎng)絡(luò)中，得到完成道路分割與 該待檢測(cè)圖像對(duì)應(yīng)的結(jié)果圖像。7. 根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括： 擬合模塊，用于在所述全鏈接層中對(duì)提取的道路特征對(duì)應(yīng)的像素進(jìn)行回歸擬合。8. 根據(jù)權(quán)利要求6或7所述的裝置，其特征在于，所述還原模塊包括： 預(yù)測(cè)模塊，用于按照pixel-wise方法根據(jù)所述一維數(shù)組，對(duì)所述結(jié)果圖像的每一個(gè)像 素點(diǎn)進(jìn)行預(yù)測(cè)； 歸一模塊，用于通過(guò)插值將不同尺度的結(jié)果圖像歸一到原始圖像大小的結(jié)果圖像。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括： 糾正模塊，用于比較當(dāng)前網(wǎng)絡(luò)輸出的道路區(qū)域預(yù)測(cè)結(jié)果與預(yù)置標(biāo)準(zhǔn)中實(shí)際道路區(qū)域的 誤差，并根據(jù)誤差調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)。10. 根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述樣本確定模塊，還用于將多個(gè)交通場(chǎng) 景數(shù)據(jù)庫(kù)中的原始圖像數(shù)據(jù)集中的各原始圖像進(jìn)行歸一化處理后，和歸一化處理后的圖像 對(duì)應(yīng)的道路區(qū)域標(biāo)定作為訓(xùn)練樣本。
【專利摘要】本發(fā)明公開了交通場(chǎng)景深度解析方法及裝置，包括：使用多個(gè)交通場(chǎng)景數(shù)據(jù)庫(kù)中的原始圖像數(shù)據(jù)集和原始圖像對(duì)應(yīng)的道路區(qū)域標(biāo)定作為訓(xùn)練樣本，通過(guò)拉普拉斯金字塔變換方式，將其中各原始圖像縮放為多個(gè)不同尺度，并輸入與不同尺度分別對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)由卷積神經(jīng)網(wǎng)絡(luò)部分與反卷積神經(jīng)網(wǎng)絡(luò)部分聯(lián)合組成，通過(guò)與神經(jīng)網(wǎng)絡(luò)鏈接的全鏈接層輸出與原始圖像像素相同的一維數(shù)組，并還原為與原始圖像相同大小的結(jié)果圖像，其中標(biāo)出不同類型的道路，使用預(yù)置標(biāo)準(zhǔn)對(duì)結(jié)果圖像進(jìn)行處理，以還原出道路的分割結(jié)果，將待檢測(cè)圖像輸入訓(xùn)練成功的神經(jīng)網(wǎng)絡(luò)中，得到完成道路分割與待檢測(cè)圖像對(duì)應(yīng)的結(jié)果圖像。本發(fā)明可提高交通場(chǎng)景解析的準(zhǔn)確度。
【IPC分類】G06K9/62, G06K9/00
【公開號(hào)】CN105488534
【申請(qǐng)?zhí)枴緾N201510887525
【發(fā)明人】喬宇, 陳翔
【申請(qǐng)人】中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院
【公開日】2016年4月13日
【申請(qǐng)日】2015年12月4日