[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

本發明公開了一種模型訓練方法、駕駛數據處理方法、模型訓練裝置、駕駛數據處理裝置、計算機可讀存儲介質和電子設備，涉及智能駕駛領域。該模型訓練方法包括：獲取多組基于駕駛場景的第一樣本數據、第二樣本數據、目標樣本數據；將第一樣本數據、第二樣本數據以及目標樣本數據分別輸入至特征提取模型，確定第一樣本數據對應的第一特征向量、第二樣本數據對應的第二特征向量、以及目標樣本數據對應的目標特征向量；計算第一特征向量與目標特征向量的相似度作為第一相似度，以及計算第二特征向量與目標特征向量的相似度作為第二相似度；利用第一相似度和第二相似度對特征提取模型進行訓練。本公開可以去除冗余的駕駛數據，促進存儲資源的合理利用。

技術領域

本公開涉及智能駕駛領域。具體而言，涉及一種模型訓練方法、駕駛數據處理方法、模型訓練裝置、駕駛數據處理裝置、計算機可讀存儲介質和電子設備。

背景技術

隨著物聯網和人工智能的快速發展，汽車技術領域也進入了高速發展階段。例如，在智能汽車行業，因人們對生活質量追求的提升，自動駕駛車輛也成為行業的研究熱點。

自動駕駛車輛是一種通過計算機系統實現無人駕駛的智能汽車。其中，自動駕駛是通過各種傳感器來感知車輛周圍環境，并通過融合各種傳感器的數據，例如，道路、車輛位置和障礙物信息等，來控制車輛的轉向和速度，從而使車輛能夠安全、可靠地在道路上行駛。

然而，各種環境下的駕駛場景十分復雜，上述計算機系統不僅需要接收傳感器響應的大量數據，而且需要存儲大量的車輛行駛數據。因此，如何處理大量數據成為了一個重要的問題。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種模型訓練方法、駕駛數據處理方法、模型訓練裝置、駕駛數據處理裝置、計算機可讀存儲介質和電子設備，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致冗余數據過多、未合理利用存儲資源的問題。

根據本公開的第一個方面，提供了一種模型訓練方法，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，第一樣本數據與目標樣本數據之間的相似度大于第二樣本數據與目標樣本數據之間的相似度；將第一樣本數據、第二樣本數據以及目標樣本數據分別輸入至特征提取模型，確定出第一樣本數據對應的第一特征向量、第二樣本數據對應的第二特征向量、以及目標樣本數據對應的目標特征向量；計算第一特征向量與目標特征向量的相似度，作為第一相似度，以及計算第二特征向量與目標特征向量的相似度，作為第二相似度；利用第一相似度和第二相似度對特征提取模型進行訓練。

根據本公開的第二個方面，提供一種駕駛數據處理方法，包括：獲取當前駕駛數據，利用一訓練后的特征提取模型對當前駕駛數據進行處理，確定出與當前駕駛數據對應的當前特征向量；其中，訓練后的特征提取模型是由上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，并分別計算各歷史特征向量與當前特征向量之間的相似度；若各歷史特征向量中存在與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，則確定與目標特征向量對應的目標駕駛數據；從數據庫中刪除目標駕駛數據并將當前駕駛數據存儲至數據庫中，或者丟棄所述當前駕駛數據。