CN118447348A 用于獲取訓(xùn)練數(shù)據(jù)的系統(tǒng)和方法 （特斯拉公司）

201980060070.72019.09.13例方法包括接收傳感器并且將神經(jīng)網(wǎng)絡(luò)應(yīng)用于否要經(jīng)由計(jì)算機(jī)網(wǎng)絡(luò)傳送傳感器數(shù)據(jù)的至少一2將觸發(fā)分類器應(yīng)用于所述神經(jīng)網(wǎng)絡(luò)的中間結(jié)果，以確定針對(duì)所述至少部分地基于所述分類器得分來(lái)確定是否要經(jīng)由計(jì)算機(jī)網(wǎng)絡(luò)傳送所述傳感器數(shù)據(jù)3[0007]圖2是圖示了用于將觸發(fā)分類器應(yīng)用于機(jī)器學(xué)習(xí)模型的中間結(jié)果的過(guò)程的實(shí)施例[0008]圖3是圖示了用于使用機(jī)器學(xué)習(xí)模型的中間結(jié)果來(lái)創(chuàng)建觸發(fā)分類器的過(guò)程的實(shí)施[0009]圖4是圖示了用于使用觸發(fā)分類器來(lái)標(biāo)識(shí)潛在訓(xùn)練數(shù)據(jù)以及傳送傳感器數(shù)據(jù)的過(guò)[0010]圖5是圖示了用于從與由觸發(fā)分類器標(biāo)識(shí)的用例相對(duì)應(yīng)的數(shù)據(jù)中部署訓(xùn)練數(shù)據(jù)的[0011]圖6是圖示了用于在交通工具(vehicle)上執(zhí)行對(duì)分類器的選擇以及傳送傳感器4[0014]以下隨圖示了創(chuàng)新原理的附圖一起提供了一種或多種創(chuàng)新的一個(gè)或多個(gè)實(shí)施例具體細(xì)節(jié)中的一些或所有具體細(xì)節(jié)的情況下根據(jù)權(quán)利要求書(shū)來(lái)實(shí)踐創(chuàng)新。為了清楚起見(jiàn)，[0020]以上所描述的實(shí)體可以利用在世界的各種道路或其他可導(dǎo)航區(qū)域上行駛的眾多5電路和軟件允許交通工具收集由實(shí)體所期望的將被用作針對(duì)機(jī)器學(xué)習(xí)系統(tǒng)的訓(xùn)練數(shù)據(jù)的統(tǒng)的訓(xùn)練數(shù)據(jù)。由于分類器可以利用在典型操作中已被交通工具執(zhí)行的現(xiàn)有機(jī)器學(xué)習(xí)模這種方式，實(shí)體可以快速獲取表示該實(shí)體感興趣的特6向觸發(fā)分類器的輸入是卷積神經(jīng)網(wǎng)絡(luò)(CNN)的層的中間輸出，該卷積神經(jīng)網(wǎng)絡(luò)被應(yīng)用于由7工具的現(xiàn)有神經(jīng)網(wǎng)絡(luò)軟件并與之相關(guān)聯(lián)的新的并且經(jīng)更新的觸發(fā)分類器可以被更頻繁地?fù)?jù)，諸如交通工具的前方道路的圖像。CNN可以被用來(lái)標(biāo)識(shí)在所捕獲的傳感器數(shù)據(jù)中的對(duì)保留傳感器數(shù)據(jù)并且傳送數(shù)據(jù)以供進(jìn)一步使用所需的閾值來(lái)進(jìn)行確定。在一些實(shí)施例中，分閾值的傳感器數(shù)據(jù)經(jīng)由諸如WiFi或蜂窩網(wǎng)絡(luò)的計(jì)算機(jī)網(wǎng)絡(luò)而被傳送給計(jì)算機(jī)服務(wù)器以1A中圖示出了示例傳感器107。例如，交通工具102可以獲取交通工具102的周?chē)h(huán)境的圖8例傳感器容量104中包括的對(duì)象進(jìn)行分類。下面參考圖1B和圖7來(lái)包括交通工具102可以使位于交通工具102正在行駛的道路上。能夠識(shí)別出該輪胎106可以增強(qiáng)交通工具102的安全感器信息(例如圖像)中描繪了輪胎，則交通將要描述的，這些訓(xùn)練數(shù)據(jù)集然后可以被用來(lái)訓(xùn)練在交通工具102上執(zhí)行的復(fù)雜機(jī)器學(xué)習(xí)傳感器數(shù)據(jù)108可以被提供給交通工具102中包括的一個(gè)或多個(gè)處理器中的深度學(xué)習(xí)系統(tǒng)[0039]如所圖示的，深度學(xué)習(xí)系統(tǒng)700可以使用諸如卷積神經(jīng)網(wǎng)絡(luò)的示例機(jī)器學(xué)習(xí)技術(shù)9度學(xué)習(xí)系統(tǒng)700可以標(biāo)識(shí)包括在交通工具102周?chē)膫鞲衅魅萘?04中的現(xiàn)實(shí)世界的對(duì)象、[0042]當(dāng)訓(xùn)練分類器110A_110N時(shí)，它們可以因此使用從卷積神經(jīng)網(wǎng)絡(luò)的中間層所獲取征112提供給分類器110N。分類器110N然后可以被訓(xùn)練以針對(duì)描繪輪胎的圖像分配高的分類器得分。分類器110N可以可選地被訓(xùn)練以針對(duì)未描繪輪胎的圖像分配低的分類器得分。[0043]如圖1B中所圖示的，分類器110A_110N正在接收來(lái)自卷積神經(jīng)網(wǎng)絡(luò)的中間層的特基于對(duì)應(yīng)的訓(xùn)練分類器關(guān)于驗(yàn)證數(shù)據(jù)集的準(zhǔn)確性來(lái)類器得分分配給傳感器數(shù)據(jù)108。在圖示出的示例中，分類器N110N已經(jīng)分配了大于閾值120可以接收來(lái)自交通工具的描繪輪胎的圖像，這些交通工具在其正常操作過(guò)程中可能恰交通工具102可以接收標(biāo)識(shí)位置或近似位置的信息，其已知具有某些現(xiàn)實(shí)世界的對(duì)象、特[0048]作為另一示例，外部系統(tǒng)120可以可選地接收與所接收到的傳感器數(shù)據(jù)一起的位的交通工具已傳送傳感器數(shù)據(jù)。作為示例，外部系統(tǒng)120可以標(biāo)識(shí)特定的入口匝道(on_交通工具所獲取的圖像中可能是部分可見(jiàn)的，并且因此在大型訓(xùn)練集中可用于標(biāo)識(shí)該對(duì)[0050]在外部系統(tǒng)120接收位置信息或任何標(biāo)識(shí)信息的所有情形中，應(yīng)理解該信息可以[0052]圖2是圖示了用于將觸發(fā)分類器應(yīng)用于機(jī)器學(xué)習(xí)模型的中間結(jié)果的過(guò)程的實(shí)施例描述的技術(shù)可以被應(yīng)用于自主駕駛的上下文之外的其他深度學(xué)習(xí)系統(tǒng)，以改善訓(xùn)練數(shù)據(jù)[0053]在一些實(shí)施例中，多個(gè)觸發(fā)和/或多個(gè)分類器可以一起被用來(lái)標(biāo)識(shí)針對(duì)多個(gè)用例僅在黎明和黃昏時(shí)捕獲隧道的傳感器數(shù)據(jù)。作為另一示例并且對(duì)于減少重復(fù)數(shù)據(jù)很有用，觸發(fā)可能要求以最多每30分鐘且僅在交通工具已經(jīng)行駛了至少20分鐘之后才捕獲傳感器203處執(zhí)行的預(yù)處理步驟是可選的和/或可以被并入到征)可以與深度學(xué)習(xí)分析相結(jié)合。其他信息可以包括交通工具操作和/或控制參數(shù)和/或環(huán)[0061]圖3是圖示了用于使用機(jī)器學(xué)習(xí)模型的中間結(jié)果來(lái)創(chuàng)建觸發(fā)分類器的過(guò)程的實(shí)施對(duì)自主駕駛有用的其他適當(dāng)特征。通過(guò)利用具有觸發(fā)分類器的深度學(xué)習(xí)系統(tǒng)的中間結(jié)果，間層的輸出是足夠的。最佳的中間層的輸出可以通過(guò)比較多個(gè)經(jīng)訓(xùn)練的觸發(fā)分類器來(lái)確元素?cái)?shù)目與所使用的中間層的輸出的元素?cái)?shù)目以及用于訓(xùn)練分類器的輸入的元素?cái)?shù)目相類器的輸入數(shù)據(jù)為1024個(gè)元素并且所得的觸發(fā)分類器可以被表示為1024個(gè)加權(quán)向量和偏連接的無(wú)線技術(shù)傳送經(jīng)打包的觸發(fā)分類器和屬性作為空中更新。一旦在交通工具上被接[0071]圖4是圖示了用于使用觸發(fā)分類器來(lái)標(biāo)識(shí)潛在訓(xùn)練數(shù)據(jù)的過(guò)程的實(shí)施例的流程算符)來(lái)嵌套被用來(lái)指定要應(yīng)用觸發(fā)分類器之間)可以被用來(lái)表示傳感器數(shù)據(jù)是目標(biāo)用例的負(fù)示例或正示[0081]圖5是圖示了用于從與由觸發(fā)分類器標(biāo)識(shí)的用例相對(duì)應(yīng)的數(shù)據(jù)中創(chuàng)建訓(xùn)練數(shù)據(jù)的號(hào)燈等進(jìn)行注釋。在各種實(shí)施例中，注釋可以被用于訓(xùn)練和/或核實(shí)經(jīng)訓(xùn)練的機(jī)器學(xué)習(xí)模將在503處轉(zhuǎn)換的傳感器數(shù)據(jù)準(zhǔn)備為用于訓(xùn)練的數(shù)據(jù)集和用于驗(yàn)證機(jī)器學(xué)習(xí)模型的驗(yàn)證數(shù)有訓(xùn)練數(shù)據(jù)的一些部分被丟棄和/或被新的訓(xùn)練[0087]圖6是圖示了用于引起對(duì)交通工具上的分類器的選擇的過(guò)程的實(shí)施例的流程圖。可以從外部系統(tǒng)(例如，系統(tǒng)120)接新分類器可以由交通工具執(zhí)行以確定針對(duì)所接收的傳感器數(shù)據(jù)的分類701的傳感器數(shù)據(jù)被饋送到圖像預(yù)處理器703。圖像預(yù)處理器703的經(jīng)處理的傳感器數(shù)據(jù)被饋送到在AI處理器707上運(yùn)行的深度學(xué)習(xí)網(wǎng)絡(luò)705。在AI處理器707上運(yùn)行的深度學(xué)習(xí)網(wǎng)絡(luò)于捕獲傳感器數(shù)據(jù)的深度學(xué)習(xí)系統(tǒng)的一部分[0095]在一些實(shí)施例中，圖像預(yù)處理器703被用來(lái)對(duì)傳感器701的傳感器數(shù)據(jù)進(jìn)行預(yù)處[0096]在一些實(shí)施例中，深度學(xué)習(xí)網(wǎng)絡(luò)705是用于實(shí)現(xiàn)自主交通工具控制的深度學(xué)習(xí)網(wǎng)網(wǎng)絡(luò)705的神經(jīng)網(wǎng)絡(luò)的副本被用于創(chuàng)建觸發(fā)分類器模塊71[0097]在一些實(shí)施例中，人工智能(AI)處理器707是用于運(yùn)行深度學(xué)習(xí)網(wǎng)絡(luò)705和/或觸啟用喇叭等。在一些實(shí)施例中，交通工具控制模塊709被用來(lái)控制包括警告系統(tǒng)的通知系器數(shù)據(jù)經(jīng)由網(wǎng)絡(luò)接口711被傳送給計(jì)算機(jī)服務(wù)器，諸如遠(yuǎn)程計(jì)算機(jī)服務(wù)器。在一些實(shí)施例711被用來(lái)實(shí)現(xiàn)自主駕駛特征，諸如訪問(wèn)日歷信息以檢索和/或更新目的地位置和/或預(yù)期[0102]在一些實(shí)施例中，觸發(fā)分類器模塊713被利用來(lái)標(biāo)識(shí)和保留對(duì)應(yīng)于特定用例的傳發(fā)屬性來(lái)確定是否滿足適當(dāng)?shù)臈l件來(lái)確定分類器得分和/或保留滿足分類器得分閾值的傳被配置為深度學(xué)習(xí)網(wǎng)絡(luò)705的一個(gè)或多個(gè)層的中間結(jié)果。特定層的輸出可以取決于觸發(fā)分將所描述的實(shí)施例限制為所公開(kāi)的精確形式。對(duì)于本領(lǐng)域的普通技術(shù)人員將顯而易見(jiàn)的特定的操作和方法可以由特定于給定功能的電路系業(yè)上合理的時(shí)間量?jī)?nèi)提供所期望的圖像處理任務(wù)或[0107]代碼模塊或任何類型的數(shù)據(jù)可以被存儲(chǔ)在任何類型的非字傳播信號(hào)的一部分)在各種計(jì)算機(jī)可讀傳輸為多個(gè)離散數(shù)字分組或幀)。所公開(kāi)的過(guò)程或過(guò)程步驟的結(jié)果可以被永久地或以其他方式存儲(chǔ)在任何類型的非暫態(tài)有形計(jì)算機(jī)存儲(chǔ)中，或者可以經(jīng)由計(jì)算機(jī)可讀傳輸介質(zhì)進(jìn)行連或功能應(yīng)被理解為潛在地表示包括用于實(shí)現(xiàn)過(guò)程中的特定功能(例如邏輯或算術(shù))或步驟[0111]在本說(shuō)明書(shū)中被描述在在分開(kāi)的實(shí)施例的上下文中的某些特征也可以在單個(gè)實(shí)保護(hù)的組合的一個(gè)或多個(gè)特征，并且所要求保護(hù)的組合可以被指向子組合或子組合的變