[發明專利]自動挖掘場景數據的模型更新方法、裝置及存儲介質

有效

• 申請號: 202210209986.8
• 申請日: 2022-03-04
• 公開（公告）號: CN114706864B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 茍少帥
• 申請（專利權）人: 阿波羅智能技術（北京）有限公司
• 主分類號: G06F16/23
• 分類號: G06F16/23;G06F16/242;G06F16/2458;G06F16/25;G06F16/27
• 代理公司: 北京鴻德海業知識產權代理有限公司 11412
• 代理人: 谷春靜

本公開提供了自動挖掘場景數據的模型更新方法、裝置及存儲介質，涉及自動駕駛、深度學習以及大數據處理等人工智能領域，其中的方法可包括：針對每次獲取到的待入庫數據，分別對其進行特征數據抽取，并將所述特征數據存入數據庫系統中；當確定符合預定的觸發條件時，從數據庫系統中獲取本次觸發對應的特征數據，并根據獲取到的特征數據進行模型的訓練和評估。應用本公開所述方案，可節省人力和時間成本，提升處理效率等。

技術領域

本公開涉及人工智能技術領域，特別涉及自動駕駛、深度學習以及大數據處理等領域的自動挖掘場景數據的模型更新方法、裝置及存儲介質。

背景技術

目前，在進行自動駕駛模型訓練時，通過需要較多的人工操作，如人工標注數據，如針對需要的駕駛場景，人工標注出合理的駕駛行為軌跡，另外，還需要手動進行數據的抽取，即訓練完成后根據評估效果再手動抽取所需的數據等，從而需要耗費較大的人力和時間成本，且效率低下。

發明內容

本公開提供了自動挖掘場景數據的模型更新方法、裝置及存儲介質。

一種自動挖掘場景數據的模型更新方法，包括：

針對每次獲取到的待入庫數據，分別對其進行特征數據抽取，并將所述特征數據存入數據庫系統；

當確定符合預定的觸發條件時，從所述數據庫系統中獲取本次觸發對應的特征數據，并根據獲取到的特征數據進行模型的訓練和評估。

一種自動挖掘場景數據的模型更新裝置，包括：數據處理模塊以及模型更新模塊；

所述數據處理模塊，用于針對每次獲取到的待入庫數據，分別對其進行特征數據抽取，并將所述特征數據存入數據庫系統；

所述模型更新模塊，用于當確定符合預定的觸發條件時，從所述數據庫系統中獲取本次觸發對應的特征數據，并根據獲取到的特征數據進行模型的訓練和評估。

一種電子設備，包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行如以上所述的方法。

一種存儲有計算機指令的非瞬時計算機可讀存儲介質，所述計算機指令用于使計算機執行如以上所述的方法。

一種計算機程序產品，包括計算機程序/指令，所述計算機程序/指令被處理器執行時實現如以上所述的方法。

上述公開中的一個實施例具有如下優點或有益效果：可實現自動化數據抽取、數據存儲、模型訓練及評估的一套完整的數據閉環處理方式，從而節省了人力和時間成本，并提升了處理效率，所述方式可適用于自動駕駛等場景，如先用一小部分測試數據訓練確定好模型結構，之后通過數據閉環，自動抽取大規模線上真實的數據繼續去訓練完善模型，自動評估模型效果，最終自動調節出效果比較好的參數，從而實現自動駕駛中相似場景數據挖掘等。

應當理解，本部分所描述的內容并非旨在標識本公開的實施例的關鍵或重要特征，也不用于限制本公開的范圍。本公開的其它特征將通過以下的說明書而變得容易理解。

附圖說明

附圖用于更好地理解本方案，不構成對本公開的限定。其中：

圖1為本公開所述自動挖掘場景數據的模型更新方法實施例的流程圖；

圖2為本公開所述自動挖掘場景數據的模型更新方法的整體實現過程示意圖；

圖3為本公開所述自動挖掘場景數據的模型更新裝置實施例300的組成結構示意圖；