[发明专利]用于目标检测和表征的神经网络

说明书

方法、系统和设备，包括被编码在计算机存储介质上的计算机程序，用于在车辆的环境中选择对象可能居于中心的位置并确定那些对象的属性。所述方法之一包括接收表征车辆外部环境的输入。对于环境中的多个位置中的每一个，确定表示对象的中心位于该位置处的可能性的相应第一对象分数。基于第一对象分数，从多个位置中选择一个或多个位置作为环境中相应对象可能居于中心的位置。还确定可能以所选位置为中心的对象的对象属性。

对相关申请的交叉引用

本申请要求于2018年3月12日提交的第15/919,045号美国专利申请的优先权，其全部内容通过引用并入本文。

背景技术

本说明书总体上涉及自主车辆。

自主车辆包括自动驾驶汽车、船和飞行器。自主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，并且使用这样的检测来做出控制和导航决策。

一些自主车辆具有实现用于图像内的对象类别的神经网络的计算机系统。例如，可以使用神经网络来确定由车载相机捕获的图像很可能是附近汽车的图像。

神经网络，或为简洁起见称为网络，是采用多层操作来从一个或多个输入预测一个或多个输出的机器学习模型。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的另一层(例如，下一隐藏层或输出层)的输入。

神经网络的每一层指定将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。每个神经元接收一个或多个输入并且生成由另一神经网络层接收的输出。通常，每个神经元从其他神经元接收输入，并且每个神经元向一个或多个其他神经元提供输出。

神经网络的架构指定在网络中包括哪些层及其属性，以及网络的每一层的神经元如何连接。换句话说，架构指定哪些层将它们的输出作为输入提供给其他层以及如何提供输出。

每一层的变换操作由已安装实现变换操作的软件模块的计算机执行。因此，被描述为执行操作的层意指实现层的变换操作的计算机来执行操作。

每一层使用该层的参数集的当前值来生成一个或多个输出。因此，训练网络涉及连续地对输入执行前向传递、计算梯度值、以及更新每一层的参数集的当前值。一旦神经网络被训练，则最终的参数集可以被用于在生产系统中进行预测。

自主和半自主车辆系统可以使用由神经网络生成的预测来做出驾驶决策。

发明内容

本说明书描述了用于在车辆的环境中选择对象可能居于中心的一个或多个位置并且确定那些对象的属性的技术。

自主或半自主车辆上的系统接收表征车辆外部环境的输入。对于环境中的每个位置，输入包括由车辆的一个或多个传感器捕获的传感器数据。系统根据输入并且针对所述位置中的每一个来确定第一对象分数，所述第一对象分数表示对象的中心位于所述位置处的可能性。然后选择一个或多个位置作为环境中对象可能居于中心的位置。该选择基于对象分数。接下来，车辆的系统获得表征在每个所选位置处的环境的特征。最后，针对每个所选位置并且根据所选位置的特征，系统确定可能以所选位置为中心的对象的对象属性。该方面的其他实施例包括对应的计算机系统、装置和记录在一个或多个计算机存储设备上的计算机程序，其每个被配置为执行方法的动作。

对于被配置为执行特定操作或动作的一个或多个计算机的系统，意指系统在其上已经安装了在操作中使系统执行操作或动作的软件、固件、硬件或它们的组合。一个或多个计算机程序被配置为执行特定操作或动作意指，所述一个或多个程序包括当由数据处理装置执行所述程序时、使该装置执行操作或动作的指令。