用于自动驾驶的计算机视觉网络模型优化方法及相关装置制造方法及图纸

本申请涉及一种用于自动驾驶的计算机视觉网络模型优化方法及相关装置。该方法包括：获取第一计算机视觉网络模型；将第一计算机视觉网络模型改造为第二计算机视觉网络模型；第一计算机视觉网络模型与第二计算机视觉网络模型处理不同的视觉任务；将预设参数向量引入至第二计算机视觉网络模型的主干网络；训练引入有预设参数向量的第二计算机视觉网络模型，得到训练完成后的第二计算机视觉网络模型；提取训练完成后的第二计算机视觉网络模型中的预设参数向量，得到隐式知识参数向量；将隐式知识参数向量引入至第一计算机视觉网络模型的主干网络，得到第三计算机视觉网络模型。本申请提供的方案，能够提升模型的判别能力，提升检测精度。升检测精度。升检测精度。

【技术实现步骤摘要】
用于自动驾驶的计算机视觉网络模型优化方法及相关装置


[0001]本申请涉及导航
，尤其涉及一种用于自动驾驶的计算机视觉网络模型优化方法及相关装置。

技术介绍

[0002]计算机视觉（Computer Vision）是研究如何使机器“看”的科学，更进一步的说，是使用摄像机机和电脑代替人眼对目标进行识别、跟踪和测量等的机器视觉，并通过电脑处理成为更适合人眼观察或传送给仪器检测的图像。目前，计算机视觉技术已广泛应用于汽车导航领域，为自动驾驶功能的实现提供了支撑。计算机视觉的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的信息。计算机视觉任务的主要类型有以下几种：目标检测、语义分割、实例分割、图像分类等。不同的计算机视觉任务通过不同的计算机视觉网络模型处理解决，计算机视觉网络模型可以包括：目标检测模型、语义分割模型、实例分割模型、图像分类模型等。以目标检测模型为例，目标检测模型可以检测出输入图像中存在的目标物体的位置、大小及类别。
[0003]站在人类视觉处理图像信息的角度而言，人类在查找图像中的目标物体时，除了观察图像本身之外本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于自动驾驶的计算机视觉网络模型优化方法，其特征在于，包括：获取第一计算机视觉网络模型；将所述第一计算机视觉网络模型改造为第二计算机视觉网络模型；其中，所述第一计算机视觉网络模型与所述第二计算机视觉网络模型处理不同的视觉任务；将预设参数向量引入至所述第二计算机视觉网络模型的主干网络；训练引入有所述预设参数向量的所述第二计算机视觉网络模型，得到训练完成后的所述第二计算机视觉网络模型；提取训练完成后的所述第二计算机视觉网络模型中的所述预设参数向量，得到隐式知识参数向量；将所述隐式知识参数向量引入至所述第一计算机视觉网络模型的主干网络，得到第三计算机视觉网络模型。2.根据权利要求1所述的方法，其特征在于，所述将所述隐式知识参数向量引入至所述第一计算机视觉网络模型的主干网络，得到第三计算机视觉网络模型之后，还包括：训练所述第三计算机视觉网络模型，得到训练完成后的所述第三计算机视觉网络模型。3.根据权利要求1所述的方法，其特征在于，所述将所述第一计算机视觉网络模型改造为第二计算机视觉网络模型，包括：将所述第一计算机视觉网络模型的预测层的结构进行改造，得到第二计算机视觉网络模型。4.根据权利要求1所述的方法，其特征在于：所述第一计算机视觉网络模型的主干网络中引入所述隐式知识参数向量的位置与所述第二计算机视觉网络模型的主干网络中引入所述预设参数向量的位置相同。5.根据权利要求1所述的方法，其特征在于：所述将预设参数向量引入至所述第二计算机视觉网络模型的主干网络，包括：将预设参数向量的每一维相加到所述第二计算机视觉网络模型的主干网络中预设位置部分的特征图的对应通道的每一个元素上；其中，所述预设参数向量为一维参数向量，所述第一计算机视觉网络模型的主干网络中引入所述预设参数向量的预设位置部分的特征图的通道数与所述预设参数向量的长度相同。6.根据权利要求1所述的方法，其特征在于：所述将预设参数向量引入至所述第二计算机视觉网络模型的主干网络，包括：将至少两个不同的预设参数向量引入至所述第二计算机视觉网络模型...

【专利技术属性】
技术研发人员：罗壮，张雪，张海强，李成军，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：