[發明專利]模型訓練方法、駕駛數據處理方法、裝置、介質和設備

在審

• 申請號: 201910900628.X
• 申請日: 2019-09-23
• 公開（公告）號: CN112541515A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 陶鑫;劉洋
• 申請（專利權）人: 北京京東乾石科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京律智知識產權代理有限公司 11438
• 代理人: 王輝;闞梓瑄

1.一種模型訓練方法，其特征在于，包括：

獲取多組基于駕駛場景的樣本數據，每組樣本數據包括第一樣本數據、第二樣本數據、目標樣本數據；其中，所述第一樣本數據與所述目標樣本數據之間的相似度大于所述第二樣本數據與所述目標樣本數據之間的相似度；

將所述第一樣本數據、所述第二樣本數據以及所述目標樣本數據分別輸入至特征提取模型，確定出所述第一樣本數據對應的第一特征向量、所述第二樣本數據對應的第二特征向量、以及所述目標樣本數據對應的目標特征向量；

計算所述第一特征向量與所述目標特征向量的相似度，作為第一相似度，以及計算所述第二特征向量與所述目標特征向量的相似度，作為第二相似度；

利用所述第一相似度和所述第二相似度對所述特征提取模型進行訓練。

2.根據權利要求1所述的模型訓練方法，其特征在于，所述特征提取模型包括第一特征提取單元和第二特征提取單元；其中，將所述第一樣本數據、所述第二樣本數據以及所述目標樣本數據分別輸入至特征提取模型，確定出所述第一樣本數據對應的第一特征向量、所述第二樣本數據對應的第二特征向量、以及所述目標樣本數據對應的目標特征向量，包括：

將所述第一樣本數據、所述第二樣本數據以及所述目標樣本數據分別輸入至所述第一特征提取單元，確定出所述第一樣本數據對應的第一特征矩陣、所述第二樣本數據對應的第二特征矩陣、以及所述目標樣本數據對應的目標特征矩陣；

將所述第一特征矩陣、所述第二特征矩陣以及所述目標特征矩陣分別輸入至所述第二特征提取單元，確定出所述第一特征矩陣對應的第一特征向量、所述第二特征矩陣對應的第二特征向量、以及所述目標特征矩陣對應的目標特征向量。

3.根據權利要求2所述的模型訓練方法，其特征在于，將所述第一樣本數據、所述第二樣本數據以及所述目標樣本數據分別輸入至所述第一特征提取單元，確定所述第一樣本數據對應的第一特征矩陣、所述第二樣本數據對應的第二特征矩陣、以及所述目標樣本數據對應的目標特征矩陣包括：

分別對所述第一樣本數據、所述第二樣本數據以及所述目標樣本數據進行嵌入操作，確定出所述第一樣本數據對應的第一中間矩陣、所述第二樣本數據對應的第二中間矩陣、以及所述目標樣本數據對應的目標中間矩陣；

所述第一中間矩陣結合指定參數矩陣確定出第一特征矩陣，所述第二中間矩陣結合所述指定參數矩陣確定出第二特征矩陣，以及所述目標中間矩陣結合所述指定參數矩陣確定出目標特征矩陣。

4.根據權利要求1至3任一項所述的模型訓練方法，其特征在于，利用所述第一相似度和所述第二相似度對所述特征提取模型進行訓練包括：

基于所述第一相似度和所述第二相似度確定出損失函數；

利用所述損失函數對所述特征提取模型進行訓練。

5.一種駕駛數據處理方法，其特征在于，包括：

獲取當前駕駛數據，利用一訓練后的特征提取模型對所述當前駕駛數據進行處理，確定出與所述當前駕駛數據對應的當前特征向量；其中，所述訓練后的特征提取模型是由權利要求1至4中任一項所述的模型訓練方法訓練得到；

獲取各歷史駕駛數據對應的各歷史特征向量，并分別計算各所述歷史特征向量與所述當前特征向量之間的相似度；

若各所述歷史特征向量中存在與所述當前特征向量之間的相似度大于等于一預設閾值的目標特征向量，則確定與所述目標特征向量對應的目標駕駛數據；

從數據庫中刪除所述目標駕駛數據并將所述當前駕駛數據存儲至所述數據庫中，或者丟棄所述當前駕駛數據。

6.根據權利要求5所述的駕駛數據處理方法，其特征在于，所述駕駛數據處理方法還包括：

若各歷史特征向量與當前特征向量之間的相似度均小于預設閾值，則將所述當前駕駛數據存儲至所述數據庫中。