[發明專利]視覺模型的訓練方法、車輛識別方法及裝置

在審

• 申請號: 202110505255.3
• 申請日: 2021-05-10
• 公開（公告）號: CN113177497A
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 王洋;張歡;熊俊峰;高夢晗;呂中厚;仲震宇
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;臧建明

1.一種視覺模型的訓練方法，包括：

獲取多個原始樣本圖像，并獲取每一所述原始樣本圖像的原始特征屬性信息，其中，每一所述原始樣本圖像中包括待識別對象；

在至少部分所述原始樣本圖像的原始特征屬性信息中，增加光束信息和/或光斑信息，得到新增樣本圖像；

采用各所述原始樣本圖像和各所述新增樣本圖像，對預設的基礎網絡模型進行訓練，得到視覺模型，其中，所述視覺模型用于對待識別對象進行識別。

2.根據權利要求1所述的方法，其中，在至少部分所述原始樣本圖像的原始特征屬性信息中，增加光束信息和/或光斑信息，得到新增樣本圖像，包括：

根據預設擾動強度區間，在至少部分所述原始樣本圖像的原始特征屬性信息中，增加光束信息和/或光斑信息，得到新增樣本圖像。

3.根據權利要求2所述的方法，其中，根據預設擾動強度區間，在至少部分所述原始樣本圖像的原始特征屬性信息中，增加光束信息和/或光斑信息，得到新增樣本圖像，包括：

針對至少部分所述原始樣本圖像中的任意原始樣本圖像，在所述任意原始樣本圖像的原始特征屬性信息中，增加光束信息和/或光斑信息，得到目標特征屬性信息；

若原始特征屬性信息的任意原始樣本圖像，與目標特征屬性信息的原始樣本圖像之間的擾動強度，位于所述預設擾動強度區間，則將位于所述預設擾動強度區間的目標特征屬性信息對應的原始樣本圖像，確定為與所述任意原始樣本圖像對應的新增樣本圖像。

4.根據權利要求3所述的方法，還包括：

確定所述任意原始樣本圖像在目標特征屬性信息時的圖像質量信息，并確定所述任意原始樣本圖像在初始特征屬性信息時的圖像質量信息；

對所述任意原始樣本圖像在目標特征屬性信息時的圖像質量信息，以及所述任意原始樣本圖像在初始特征屬性信息時的圖像質量信息，進行匹配處理，得到所述擾動強度。

5.根據權利要求4所述的方法，其中，圖像質量信息包括峰值信噪比和/或結構相似性。

6.根據權利要求1至5中任一項所述的方法，其中，在至少部分所述原始樣本圖像的原始特征屬性信息中，增加光束信息和/或光斑信息，得到新增樣本圖像，包括：

針對至少部分所述原始樣本圖像中，對原始特征屬性信息中包括光束信息的圖像中的光束參數進行增強處理；和/或，

針對至少部分所述原始樣本圖像中，對原始特征屬性信息中包括光斑信息的圖像中的光斑參數進行增強處理。

7.根據權利要求1至5中任一項所述的方法，其中，在至少部分所述原始樣本圖像的原始特征屬性信息中，增加光束信息和/或光斑信息，得到新增樣本圖像，包括：

針對至少部分所述原始樣本圖像中，原始特征屬性信息中不包括光束信息的圖像增加光束信息；和/或，

針對至少部分所述原始樣本圖像中，原始特征屬性信息中不包括光斑信息的圖像增加光斑信息。

8.根據權利要求1至7中任一項所述的方法，其中，所述基礎網絡模型的種類為至少為兩種；采用各所述原始樣本圖像和各所述新增樣本圖像，對預設的基礎網絡模型進行訓練，生成視覺模型，包括：

根據各所述原始樣本圖像和各所述新增樣本圖像，分別對至少兩種基礎網絡模型進行訓練，生成與至少兩種基礎網絡模型各自對應的中間模型；

基于預設的評估樣本圖像對每一所述中間模型進行評估處理，得到每一中間模型的評估結果；

根據各評估結果從各所述中間模型中確定所述視覺模型。

9.根據權利要求1至8中任一項所述的方法，還包括：

采用所述原始樣本圖像對所述基礎網絡模型進行訓練，得到待評估模型；并基于所述新增樣本圖像對所述待評估模型進行評估。