The present invention relates to a method for generating a machine learning model for vehicle driving scenarios, the method comprising the steps of: recognizing features of an object in an image to generate a first object recognition embedding vector for machine learning training; performing, by using the first object recognition embedding vector as an input value, convolutional neural network (CNN) machine learning training and generating an object recognition machine learning model; generating a first graph embedding vector by using a second object recognition embedding vector used to generate the object recognition machine learning model and driving scenario rules that define the semantic relation between predetermined objects; and performing, by using the first graph embedding vector as an input value, graph neural network (GNN) machine learning training and generating a driving scenario machine learning model.
La présente invention concerne un procédé de génération d'un modèle d'apprentissage automatique pour des scénarios de conduite de véhicule, le procédé comprenant les étapes consistant à : reconnaître des caractéristiques d'un objet dans une image pour générer un premier vecteur d'incorporation de reconnaissance d'objet en vue d'un entraînement par apprentissage automatique ; effectuer, à l'aide du premier vecteur d'incorporation de reconnaissance d'objet en tant que valeur d'entrée, un entraînement par apprentissage automatique de réseau neuronal convolutif (CNN) et générer un modèle d'apprentissage automatique de reconnaissance d'objet ; générer un premier vecteur de représentation de graphe à l'aide d'un second vecteur de représentation de reconnaissance d'objet utilisé pour générer le modèle d'apprentissage automatique de reconnaissance d'objet et des règles de scénario de conduite qui définissent la relation sémantique entre des objets prédéterminés ; et effectuer, à l'aide du premier vecteur de représentation de graphe en tant que valeur d'entrée, un entraînement par apprentissage automatique de réseau neuronal de graphe (GNN) et générer un modèle d'apprentissage automatique de scénario de conduite.
본 발명은 영상 이미지에서 객체의 특징을 인식하여 머신러닝 학습을 위한 제 1 객체 인식 임베딩(embedding) 벡터를 생성하는 단계, 상기 제 1 객체 인식 임베딩 벡터를 입력값으로 사용하여, 합성곱 신경망(CNN: Convolution Neural Network) 머신러닝(machine-learning) 학습을 수행하고 객체 인식 머신러닝 모델을 생성하는 단계, 상기 객체 인식 머신러닝 모델 생성에 사용된 제 2 객체 인식 임베딩 벡터 및 미리 정해진 객체간의 연관 정보(sematic relation)를 정의한 주행 시나리오 룰을 이용하여, 제 1 그래프(graph) 임베딩 벡터를 생성하는 단계, 상기 제 1 그래프 임베딩 벡터를 입력값으로 사용하여, 그래프 신경망 머신러닝(GNN: graph neural network) 학습을 수행하고, 주행 시나리오 머신러닝 모델을 생성하는 단계를 포함하는 차량 주행 시나리오 머신러닝 모델 생성 방법에 관한 것이다.
METHOD FOR GENERATING MACHINE LEARNING MODEL FOR VEHICLE DRIVING SCENARIOS
PROCÉDÉ DE GÉNÉRATION D'UN MODÈLE D'APPRENTISSAGE AUTOMATIQUE POUR SCÉNARIOS DE CONDUITE DE VÉHICULE
차량 주행 시나리오 머신러닝 모델 생성 방법
07.08.2025
Patent
Elektronische Ressource
Koreanisch
IPC: | G06V / G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion |
The method of generating machine learning model of driving vehicle scenario
Europäisches Patentamt | 2025
|