[發明專利]神經網絡標定效能評估方法、裝置、介質、設備及車輛

在審

• 申請號: 202110871467.3
• 申請日: 2021-07-30
• 公開（公告）號: CN113538599A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 王志偉;李鹍
• 申請（專利權）人: 聯合汽車電子有限公司
• 主分類號: G06T7/80
• 分類號: G06T7/80;G06F3/01;G06N3/04;G06N3/08
• 代理公司: 上海浦一知識產權代理有限公司 31211
• 代理人: 王江富

1.一種神經網絡模型的標定效能評估方法，其特征在于，包括：

獲取多維度的區域劃分向量；其中，所述多維度是指，三維及三維以上的維度；所述區域劃分向量用于為神經元模型的作用區域提供定量參照；

提取所述區域劃分向量中的一維標定參數；所述一維標定參數根據所述區域劃分向量的維度，至少劃分為第一標定參數、第二標定參數、第三標定參數；

獲取由所述神經網絡模型輸出的核坐標；所述核坐標包含與所述多維度的維數相同個數的坐標值，所述核坐標用于效能評估向量初始值的構建；

構建以所述核坐標為參照點，以所述區域劃分向量為棱長的第N標定向量族，其中N為自然數；比較由不同的所述區域劃分向量構建的第N標定向量族，進行神經網絡模型的標定效能評估；

若所述標定向量族內部的向量為三維向量，則在可視化界面繪制以所述核坐標為支撐的立方體；其中，所述第一標定參數、所述第二標定參數和所述第三標定參數為棱長的數值。

2.如權利要求1所述的評估方法，其特征在于：

所述區域劃分向量包括：區域核點坐標向量和棱長向量；所述區域核點坐標向量包括核點第一坐標、核點第二坐標和核點第三坐標；所述棱長向量包括第一棱長、第二棱長和第三棱長。

3.如權利要求2所述的評估方法，其特征在于：

所述區域核點坐標向量對應于笛卡爾坐標系的坐標值；所述核坐標即所述笛卡爾坐標系中，點元素的坐標。

4.如權利要求2所述的評估方法，其特征在于：

所述第一棱長由所述第一標定參數約束、所述第二棱長由所述第二標定參數約束、所述第三棱長由所述第三標定參數約束。

5.如權利要求2-4的任一所述評估方法，其特征在于：

所述第一標定參數為轉速指標，所述第二標定參數為負荷指標，所述第三標定參數為水溫指標。

6.如權利要求5所述的評估方法，其特征在于，包括：

單立方繪制步驟：獲取第一核坐標及第一棱長向量，并以所述第一核坐標為參照點，以所述第一棱長向量為立方體的三個棱長，在人機交互界面繪制第一立方體；其中，所述第一核坐標為所述網絡模型在第一組標定參數下得到的核坐標；所述第一棱長向量為所述網絡模型在第一組標定參數下得到的第一組棱長數據；

對比步驟：保留所述第1立方體在所述人機交互界面的圖像輸出，并用重復所述單立方繪制步驟，繪制待評估第M立方體；其中，M為自然數；

重復執行所述對比步驟，繪制待評估的所述第M立方體，所述第M立方體包括任意有限數量的立方體。

7.如權利要求6所述的評估方法，其特征在于：

在同一所述人機交互界面輸出所述第1立方體、所述第2立方體……直至所述第M立方體，M為自然數；

在所述對比步驟和重復執行所述對比步驟時，根據計算機圖形學的方法，對不可見部分作虛線處理。

8.如權利要求6或7所述的評估方法，其特征在于：

所述第1立方體、所述第2立方體…直至所述第M立方體，依次代表需要進行標定效能評估的神經元的第M個空間分布，M為自然數。