[发明专利]用于识别对象的方法和设备

说明书

公开了一种通过使用诸如深度学习的机器学习算法来模拟人脑的诸如识别和判断的功能的人工智能(AI)系统及其应用。特别地，公开了一种用于根据AI系统及其应用来识别对象的方法，所述方法包括以下步骤：从不同类型的多个传感器获得关于对象的多条传感器数据；将所述多个传感器数据中的至少一部分转换为二维传感器数据；基于从作为多个传感器之一的图像传感器获得的二维图像数据和转换后的二维传感器数据，使用预先生成的学习网络模型来识别对象。

技术领域

实施例涉及一种对象识别方法、一种对象识别设备以及一种其上记录有用于执行所述对象识别方法的程序的记录介质。

背景技术

人工智能(AI)系统是具有人类水平智能的计算机系统。与现有的基于规则的智能系统不同，AI系统是一种自主地进行自我训练、做出决策并变得越来越智能的系统。AI系统被使用得越多，AI系统的识别率就可以提高得越多，并且AI系统可以更准确地理解用户偏好，因此，现有的基于规则的智能系统正逐渐被基于深度学习的AI系统取代。

AI技术是指机器学习(深度学习)和利用机器学习的元技术。

机器学习是一种自主地分类/学习输入数据的特征的算法技术。元技术是一种利用诸如深度学习的机器学习算法的技术，并且由诸如语言理解、视觉理解、推理/预测、知识表示和运动控制等技术领域组成。

AI技术被应用于如下各种领域。语言理解是一种识别并应用/处理人类语言/字符的技术，并且包括自然语言处理、机器翻译、对话系统、查询响应、语音识别/合成等。视觉理解是一种像人类视觉一样识别并处理对象的技术，并且包括对象识别、对象跟踪、图像搜索、人类识别、场景理解、空间理解、图像增强等。推理预测是一种获取信息并对所述信息进行逻辑推断和预测的技术，并且包括基于知识/概率的推理、优化预测、基于偏好的计划、推荐等。知识表示是一种将人类经验信息自动化为知识数据的技术，并且包括知识构建(数据生成/分类)、知识管理(数据利用)等。运动控制是一种控制车辆的自主行驶和机器人的运动的技术，并且包括运动控制(导航、避免碰撞和行驶)、操作控制(行为控制)等。

发明内容

技术问题

提供了一种方法、设备和记录介质，其中，所述方法、设备和介质用于通过将使用不同类型的多个传感器获得的对象的传感器数据进行组合来识别对象，从而提高对象识别的准确性。

问题的解决方案

本公开涉及一种人工智能(AI)系统以及根据所述AI系统的应用来识别对象的方法，所述方法包括：从不同类型的多个传感器获得关于对象的多条传感器数据；将所述多条传感器数据中的至少一些转换为二维(2D)传感器数据；基于2D传感器数据以及从所述多个传感器之中的一个图像传感器获得的2D图像数据，通过使用先前生成的学习网络模型来识别对象。

附图说明

图1是用于说明根据实施例的由对象识别设备执行的对象识别方法的概念图。

图2是根据实施例的对象识别方法的流程图。

图3是用于描述根据实施例的由对象识别设备执行的将图像数据和转换后的二维(2D)传感器数据进行组合的方法的示图。

图4是用于说明根据实施例的由对象识别设备执行的基于通过使用学习网络模型从图像数据获得的特征信息来识别对象的方法的流程图。

图5是用于说明根据实施例的由对象识别设备执行的基于通过使用学习网络模型从图像数据获得的特征信息来识别对象的方法的示图。

图6是用于说明根据实施例的由对象识别设备执行的通过使用学习网络模型将一维(1D)传感器数据转换为2D传感器数据的方法的流程图。

图7是用于说明根据实施例的由对象识别设备执行的训练将1D传感器数据转换为2D传感器数据的学习网络模型的方法的示图。