[發明專利]仿真數據優化方法、裝置及存儲介質

有效

• 申請號: 201811038346.5
• 申請日: 2018-09-06
• 公開（公告）號: CN109284280B
• 公開（公告）日: 2020-03-24
• 發明（設計）人: 官晨曄;張飛虎;楊睿剛;王亮;馬彧
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F16/21
• 分類號: G06F16/21;G06F30/20;G06F111/10
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 楊瑾瑾;陳建煥

1.一種仿真數據優化方法，其特征在于，包括：

將仿真器生成的仿真數據輸入到第一生成式對抗網絡，所述第一生成式對抗網絡包括遷移模型；

利用所述遷移模型對所述仿真器生成的仿真數據進行優化，以生成優化仿真數據；

其中，利用所述遷移模型對所述仿真器生成的仿真數據進行優化，包括：將仿真器生成的仿真數據輸入到所述遷移模型，由所述遷移模型對所述仿真器生成的仿真數據進行優化，輸出優化仿真數據。

2.根據權利要求1所述的方法，其特征在于，所述第一生成式對抗網絡還包括第一判別模型；所述方法還包括采用以下步驟對所述第一生成式對抗網絡進行訓練：

將仿真器生成的仿真數據輸入到所述遷移模型，由所述遷移模型對所述仿真器生成的仿真數據進行優化，輸出優化仿真數據；

將真實數據和所述優化仿真數據輸入到所述第一判別模型中，由所述第一判別模型產生所述優化仿真數據的真實性概率；

根據所述真實性概率，通過所述遷移模型和所述第一判別模型的博弈學習，訓練所述第一生成式對抗網絡。

3.根據權利要求1所述的方法，其特征在于，利用所述遷移模型對所述仿真器生成的仿真數據進行優化，以生成優化仿真數據，還包括：

在所述遷移模型的網絡傳遞過程中，利用殘差神經網絡在所述遷移模型的中的各子網絡產生損失輸出數據；

將各子網絡的所述損失輸出數據與輸入數據疊加后輸入給所述遷移模型的損失函數；

通過所述損失函數對所述仿真器生成的仿真數據進行優化。

4.根據權利要求2所述的方法，其特征在于，由所述第一判別模型產生所述優化仿真數據的真實性概率，還包括：

采用碎片級別統計所述第一判別模型的損失程度，并根據網絡收斂趨勢、輸入數據中物體分布情況設定所述碎片級別的大小。

5.根據權利要求1-4中任一項所述的方法，其特征在于，將仿真器生成的仿真數據輸入到第一生成式對抗網絡之前，還包括：

通過第二生成式對抗網絡生成語義地圖；

將所述語義地圖作為先驗信息輸入到所述仿真器。

6.根據權利要求5所述的方法，其特征在于，所述第二生成式對抗網絡包括生成模型和第二判別模型；通過第二生成式對抗網絡生成語義地圖，包括：

將噪聲向量輸入所述生成模型，由所述生成模型生成語義地圖；

將真實語義地圖和所述生成模型輸出的語義地圖輸入到所述第二判別模型，由所述第二判別模型產生所述生成模型輸出的語義地圖的真實性概率；

根據所述真實性概率，通過所述生成模型和所述第二判別模型的博弈學習訓練所述第二生成式對抗網絡；

通過訓練好的所述第二生成式對抗網絡生成語義地圖。

7.根據權利要求1-4中任一項所述的方法，其特征在于，利用所述遷移模型對所述仿真器生成的仿真數據進行優化，以生成優化仿真數據，還包括：

設置應用于不同場景的控制器向量；

在所述遷移模型的網絡傳遞過程中輸入所述控制器向量，以生成應用于不同場景的所述優化仿真數據。

8.一種仿真數據優化裝置，其特征在于，包括：

仿真數據輸入單元，用于將仿真器生成的仿真數據輸入到第一生成式對抗網絡，所述第一生成式對抗網絡包括遷移模型；

仿真數據優化單元，用于利用所述遷移模型對所述仿真器生成的仿真數據進行優化，以生成優化仿真數據；

所述仿真數據優化單元還用于：將仿真器生成的仿真數據輸入到所述遷移模型，由所述遷移模型對所述仿真器生成的仿真數據進行優化，輸出優化仿真數據。