[發明專利]一種模型訓練的方法及裝置

在審

• 申請號: 202010540961.7
• 申請日: 2020-06-15
• 公開（公告）號: CN111797711A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 尹軒宇
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 北京曼威知識產權代理有限公司 11709
• 代理人: 方志煒

本說明書公開了一種模型訓練的方法及裝置，通過獲取包含實際邊界框的位置信息的點云作為訓練樣本，將訓練樣本輸入待訓練檢測模型，得到待訓練檢測模型輸出的預測邊界框的位置信息以及預測差異信息，預測差異信息為待訓練檢測模型對預測邊界框的位置信息與實際邊界框的位置信息之間的差異的預測值，根據預測邊界框的位置信息與實際邊界框的位置信息，可確定實際差異信息，以實際差異信息最小化以及預測差異信息最小化為訓練目標，對待訓練檢測模型進行訓練。通過上述內容，無人設備訓練檢測模型的方向為預測邊界框最準，從而通過訓練完成的檢測模型，可確定準確的目標檢測結果。

技術領域

本說明書涉及無人駕駛技術領域，尤其涉及一種模型訓練的方法及裝置。

背景技術

目前，在無人駕駛領域中，為了更好的控制無人設備，通常需要檢測環境中的諸如車輛、行人等目標。

無人設備可將通過傳感器采集的數據輸入預先訓練檢測模型，通過檢測模型確定目標的預測邊界框信息。在對檢測模型進行訓練時，通常會根據目標的實際邊界框的信息，對檢測模型確定的目標的預測邊界框(Bounding Box)進行篩選，選擇與實際邊界框的交并比(Intersection over Union，IOU)大于預設的IOU閾值的預測邊界框，根據選擇的預測邊界框，對檢測模型進行訓練，顯然，根據上述內容訓練完成的檢測模型，得到的目標檢測結果中，可能無法檢測出部分目標。

并且，在根據上述內容得到的預測邊界框后，對預測邊界框進行非極大值抑制(Non-maximum suppression，NMS)處理，而在NMS處理的過程中，仍舊存在無法檢測到部分目標的情況。

因此，如何檢測出無人設備周圍環境中的目標，成為亟需解決的問題。

發明內容

本說明書實施例提供一種模型訓練的方法及裝置，以部分解決現有技術存在的上述問題。

本說明書實施例采用下述技術方案：

本說明書提供的一種模型訓練的方法，所述方法包括：

獲取包含標注信息的點云，作為訓練樣本，所述標注信息包括實際邊界框的位置信息；

將所述訓練樣本輸入待訓練檢測模型，得到所述待訓練檢測模型輸出的預測邊界框的信息，其中，所述預測邊界框的信息包括位置信息以及預測差異信息，所述預測差異信息為所述待訓練檢測模型對所述預測邊界框的位置信息與所述實際邊界框的位置信息之間的差異的預測值；

根據所述預測邊界框的位置信息與所述實際邊界框的位置信息，確定實際差異信息；

以所述實際差異信息最小化以及所述預測差異信息最小化為訓練目標，對所述待訓練檢測模型進行訓練。

可選地，位置信息包括邊界框的中心信息、尺寸信息、角度信息；

根據所述預測邊界框的位置信息與所述實際邊界框的位置信息，確定實際差異信息，具體包括：

根據所述實際邊界框的中心信息、尺寸信息、角度信息以及所述預測邊界框的中心信息、尺寸信息、角度信息，確定所述實際差異信息。

可選地，以所述實際差異信息最小化以及所述預測差異信息最小化為訓練目標，對所述待訓練檢測模型進行訓練，具體包括：

根據所述實際差異信息以及所述預測差異信息，確定損失；

以所述損失最小化為訓練目標，對所述待訓練檢測模型進行訓練，其中，所述損失與所述實際差異信息正相關，所述損失與所述預測差異信息正相關。

可選地，根據所述實際差異信息以及所述預測差異信息，確定損失，具體包括：

確定所述待訓練檢測模型輸出的所述預測邊界框中包含預設目標的概率，作為置信度；