[发明专利]车辆神经网络

权利要求书

1.一种方法，其包括：

基于多个真实世界图像来训练深度神经网络；

基于通过所述深度神经网络识别所述多个真实世界图像中的包括一个或多个对象类型的一个或多个物理特征来确定所述深度神经网络的准确度低于阈值；

基于根据识别所述一个或多个物理特征确定所述深度神经网络的所述准确度低于阈值，使用真实感图像渲染软件程序和生成式对抗网络来生成多个合成图像；

基于所述多个真实世界图像和所述多个合成图像来重新训练所述深度神经网络；以及

输出所述重新训练的深度神经网络。

2.如权利要求1所述的方法，其还包括：基于识别所述一个或多个物理特征来确定所述重新训练的深度神经网络的准确度；

基于针对所述一个或多个物理特征和一个或多个环境条件确定所述深度神经网络的所述准确度低于阈值来从所述真实感图像渲染软件程序和所述生成式对抗网络生成第二多个合成图像；以及

基于所述多个真实世界图像、所述第一多个合成图像和所述第二多个合成图像来重新训练所述深度神经网络。

3.如权利要求1所述的方法，其中包括在所述第一多个合成图像中的所述物理特征是从所述真实世界图像确定的。

4.如权利要求1所述的方法，其中所述物理特征包括一个或多个对象类型，所述一个或多个对象类型包括多个类型的车辆挂车，其中每个对象类型包括至少一个或多个挂车部件或相对于车辆的一个或多个挂车角度。

5.如权利要求4所述的方法，其中挂车部件包括挂车舌杆配置、挂车侧面配置、挂车颜色和挂车纹理。

6.如权利要求1所述的方法，其中所述物理特征包括环境条件，所述环境条件包括天气、照明、大气、地面类型和纹理以及背景树叶。

7.如权利要求1所述的方法，其中将对应于所述多个真实世界图像的所述物理特征输入到所述真实感图像渲染软件程序以生成所述第一多个合成图像。

8.如权利要求1所述的方法，其中来自所述真实感图像渲染软件程序的所述输出被输入到所述生成式对抗网络以生成所述第二多个合成图像。

9.如权利要求1所述的方法，其中与所述多个真实世界图像相对应的包括挂车角度的所述物理特征被用作基准真相来训练所述深度神经网络。

10.如权利要求1所述的方法，其中所述生成式对抗网络包括生成修改的合成图像的生成网络和确定所述修改的合成图像是否对应于真实世界图像的鉴别网络。

11.如权利要求10所述的方法，其中训练所述生成网络以生成修改的合成图像，所述鉴别网络将所述修改的合成图像接受为对应于真实世界图像。

12.如权利要求11所述的方法，其中使用真实世界图像来训练所述鉴别网络。

13.如权利要求1所述的方法，其还包括基于与所述多个真实世界图像和所述第一多个合成图像中的所述物理特征的出现相对应的分布，将所述多个真实世界图像和所述多个合成图像划分为训练部分和测试部分。

14.如权利要求1所述的方法，其中将所述重新训练的深度神经网络输出到包括处理器和存储器的车辆计算机，所述存储器存储所述重新训练的深度神经网络。

15.一种系统，其包括被编程为执行如权利要求1至14中任一项所述的方法的计算机。