[发明专利]用于自主驾驶的数据管线和深度学习系统

说明书

接收使用交通工具上的传感器捕获的图像并且将其分解为多个分量图像。将多个分量图像中的每个分量图像作为不同输入提供给人工神经网络的多个层中的不同层，以确定结果。使用人工神经网络的结果，以至少部分地自主操作交通工具。

背景技术

用于实现自主驾驶的深度学习系统通常依赖于所捕获的传感器数据作为输入。在传统的学习系统中，通过将所捕获的数据从传感器格式转换为与学习系统的初始输入层兼容的格式，可以使所捕获的传感器数据与深度学习系统兼容。该转换可以包括压缩和下采样，这可以降低原始传感器数据的信号保真度。此外，改变传感器可能需要新的转换过程。因此，需要一种定制的数据管线，该管线可以使来自所捕获的传感器数据的信号信息最大化并且向深度学习网络提供更高级别的信号信息以用于深度学习分析。

附图说明

本发明的各种实施例在下面的详细描述和附图中公开。

图1是示出用于使用深度学习管线执行机器学习处理的过程的实施例的流程图。

图2是示出用于使用深度学习管线执行机器学习处理的过程的实施例的流程图。

图3是示出用于使用分量数据执行机器学习处理的过程的实施例的流程图。

图4是示出用于使用高通和低通分量数据执行机器学习处理的过程的实施例的流程图。

图5是示出用于使用高通、带通和低通分量数据执行机器学习处理的过程的实施例的流程图。

图6是示出用于自主驾驶的深度学习系统的实施例的框图。

具体实施方式

本发明可以以多种方式来实现，包括作为一种过程；一种装置；一种系统；一种物质组成；一种体现在计算机可读存储介质上的计算机程序产品；和/或一种处理器，诸如被配置为执行存储在耦合到处理器的存储器上和/或由存储器提供的指令的处理器。在本说明书中，这些实现或本发明可以采用的任何其他形式可以被称为技术。通常，在本发明的范围内，可以改变所公开的过程的步骤顺序。除非另有说明，否则被描述为被配置为执行任务的诸如处理器或存储器等组件可以被实现为被临时配置为在给定时间执行任务的通用组件或被制造为执行任务的特定组件。如本文中使用的，术语“处理器”是指被配置为处理诸如计算机程序指令等数据的一个或多个设备、电路和/或处理核。

以下提供了对本发明的一个或多个实施例的详细描述以及示出本发明的原理的附图。本发明结合这样的实施例进行描述，但是本发明不限于任何实施例。本发明的范围仅由权利要求书限制，并且本发明涵盖很多替代、修改和等同形式。在下面的描述中阐述了很多具体细节以提供对本发明的透彻理解。提供这些细节是为了示例的目的，并且本发明可以根据权利要求来实践而无需这些特定细节中的一些或全部。为了清楚起见，与本发明相关的技术领域中已知的技术材料未详细描述，以便不会不必要地使本发明晦涩难懂。