[發(fā)明專(zhuān)利]自動(dòng)駕駛模型的訓(xùn)練方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202211521243.0
• 申請(qǐng)日: 2022-11-30
• 公開(kāi)（公告）號(hào): CN115713749A
• 公開(kāi)（公告）日: 2023-02-24
• 發(fā)明（設(shè)計(jì)）人: 陳鵬;孔祥振;張曄;鄧曉帆
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類(lèi)號(hào): G06V20/58
• 分類(lèi)號(hào): G06V20/58;G06V20/56;G06V40/10;G06V10/774;G06V10/82;B60W40/02
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 石茵汀

1.一種自動(dòng)駕駛模型的訓(xùn)練方法，包括：

獲取自動(dòng)駕駛模型待訓(xùn)練的目標(biāo)場(chǎng)景；

在第1輪檢索的情況下，基于所述目標(biāo)場(chǎng)景，從總圖像集中檢索出第1個(gè)候選圖像集；

在第N輪檢索的情況下，基于第N-1輪檢索出的第N-1個(gè)候選圖像集和所述目標(biāo)場(chǎng)景，從所述總圖像集中檢索出第N個(gè)候選圖像集，其中，2≤N≤M，M為大于1的整數(shù)；

基于M個(gè)候選圖像集，得到所述目標(biāo)場(chǎng)景對(duì)應(yīng)的第一樣本圖像集；

基于所述第一樣本圖像集，對(duì)所述自動(dòng)駕駛模型進(jìn)行訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述基于第N-1輪檢索出的第N-1個(gè)候選圖像集和所述目標(biāo)場(chǎng)景，從所述總圖像集中檢索出第N個(gè)候選圖像集，包括：

基于所述第N-1個(gè)候選圖像集，從所述總圖像集中篩選出第N個(gè)第一圖像集；

基于所述目標(biāo)場(chǎng)景，從所述第N個(gè)第一圖像集中檢索出所述第N個(gè)候選圖像集。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述基于所述第N-1個(gè)候選圖像集，從所述總圖像集中篩選出第N個(gè)第一圖像集，包括：

基于所述第N-1個(gè)候選圖像集中的候選圖像的采集參數(shù)，從所述總圖像集中篩選出所述第N個(gè)第一圖像集。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述基于所述第N-1個(gè)候選圖像集中的候選圖像的采集參數(shù)，從所述總圖像集中篩選出所述第N個(gè)第一圖像集，包括：

響應(yīng)于所述采集參數(shù)指示所述第N-1個(gè)候選圖像集中的候選圖像為目標(biāo)相機(jī)在目標(biāo)幀時(shí)采集的，從所述總圖像集中篩選出所述目標(biāo)相機(jī)在所述目標(biāo)幀的相鄰幀時(shí)采集的第二圖像集；

將所述第二圖像集添加到所述第N個(gè)第一圖像集。

5.根據(jù)權(quán)利要求3所述的方法，其中，所述基于所述第N-1個(gè)候選圖像集中的候選圖像的采集參數(shù)，從所述總圖像集中篩選出所述第N個(gè)第一圖像集，包括：

響應(yīng)于所述采集參數(shù)指示所述第N-1個(gè)候選圖像集中的候選圖像為目標(biāo)相機(jī)在目標(biāo)幀時(shí)采集的，確定與所述目標(biāo)相機(jī)的拍攝范圍重合的候選相機(jī)；

從所述總圖像集中篩選出所述候選相機(jī)在所述目標(biāo)幀、所述目標(biāo)幀的相鄰幀時(shí)采集的第三圖像集；

將所述第三圖像集添加到所述第N個(gè)第一圖像集。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述確定與所述目標(biāo)相機(jī)的拍攝范圍重合的候選相機(jī)，包括：

獲取相機(jī)的分組結(jié)果，其中，同一組內(nèi)的多個(gè)相機(jī)的拍攝范圍重合；

將與所述目標(biāo)相機(jī)同一組的其余相機(jī)確定為所述候選相機(jī)。

7.根據(jù)權(quán)利要求2所述的方法，其中，所述基于所述目標(biāo)場(chǎng)景，從所述第N個(gè)第一圖像集中檢索出所述第N個(gè)候選圖像集，包括：

獲取所述目標(biāo)場(chǎng)景包含的目標(biāo)對(duì)象的目標(biāo)特征表示；

獲取所述第N個(gè)第一圖像集中的每個(gè)第一圖像的第一特征表示；

基于所述目標(biāo)特征表示和所述第一特征表示，從所述第N個(gè)第一圖像集中檢索出所述第N個(gè)候選圖像集。

8.根據(jù)權(quán)利要求7所述的方法，其中，所述獲取所述目標(biāo)場(chǎng)景包含的目標(biāo)對(duì)象的目標(biāo)特征表示，包括：

基于多模態(tài)特征提取大模型，對(duì)所述目標(biāo)對(duì)象的第二樣本圖像集進(jìn)行少樣本學(xué)習(xí)，得到所述目標(biāo)特征表示。

9.根據(jù)權(quán)利要求1-8中任一項(xiàng)所述的方法，其特征在于，所述基于所述目標(biāo)場(chǎng)景，從總圖像集中檢索出第1個(gè)候選圖像集，包括：

獲取相機(jī)的分組結(jié)果，其中，同一組內(nèi)的多個(gè)相機(jī)的拍攝范圍重合；

在每個(gè)組內(nèi)抽取設(shè)定數(shù)量的相機(jī)；

按照設(shè)定抽幀頻率，從抽取到的相機(jī)采集的圖像中抽取圖像，并將抽取到的圖像添加到第1個(gè)第一圖像集；

基于所述目標(biāo)場(chǎng)景，從所述第1個(gè)第一圖像集中檢索出所述第1個(gè)候選圖像集。