图像识别模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开一种图像识别模型的训练方法、装置、电子设备及存储介质，该方法包括：通过待训练的图像识别模型对样本图像中第一物体进行小类识别，得到所述第一物体的小类预测结果；基于小类和大类的对应关系，确定所述小类预测结果所属的目标大类，得到大类预测结果；所述对应关系包括物体分类的N个大类，每个大类包括M个小类，N大于或等于2，M大于或等于1，不同大类中的小类对应的车辆驾驶策略不同；根据所述第一物体的大类参考信息和所述大类预测结果计算分类损失；根据所述分类损失更新所述图像识别模型中的参数。实施本申请实施例，能够在计算资源有限的情况下训练出能够满足车辆驾驶策略需求的图像识别模型。足车辆驾驶策略需求的图像识别模型。足车辆驾驶策略需求的图像识别模型。

【技术实现步骤摘要】
图像识别模型的训练方法、装置、电子设备及存储介质


[0001]本申请涉及图像识别
，具体涉及一种图像识别模型的训练方法、装置、电子设备及存储介质。

技术介绍

[0002]基于视觉的自动驾驶方案需要对车辆采集到的图像进行识别，包括识别图像中物体的大小、位置、类别等。其中，物体类别的识别结果是决定车辆驾驶策略的一个重要因素。因此，如何识别图像中的物体类别是自动驾驶方案需要解决的问题。

技术实现思路

[0003]本申请实施例公开了一种图像识别模型的训练方法、装置、电子设备及存储介质，能够在计算资源有限的前提下训练得到能够满足车辆驾驶策略需求的图像识别模型。
[0004]本申请实施例公开一种图像识别模型的训练方法，所述方法包括：通过待训练的图像识别模型对样本图像中第一物体进行小类识别，得到所述第一物体的小类预测结果；所述样本图像携带有所述第一物体的大类参考信息；基于小类和大类的对应关系，确定所述小类预测结果所属的目标大类，得到大类预测结果；所述对应关系包括物体分类的N个大类，每个大类包括M个小类，N大于或等于2，M大于或等本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别模型的训练方法，其特征在于，所述方法包括：通过待训练的图像识别模型对样本图像中第一物体进行小类识别，得到所述第一物体的小类预测结果；所述样本图像携带有所述第一物体的大类参考信息；基于小类和大类的对应关系，确定所述小类预测结果所属的目标大类，得到大类预测结果；所述对应关系包括物体分类的N个大类，每个大类包括M个小类，N大于或等于2，M大于或等于1，不同大类中的小类对应的车辆驾驶策略不同；根据所述第一物体的大类参考信息和所述大类预测结果计算分类损失；根据所述分类损失更新所述图像识别模型中的参数。2.根据权利要求1所述的方法，其特征在于，所述大类预测结果对应的大类包括至少两个小类；所述样本图像还携带有所述第一物体的小类参考信息；以及，所述根据所述第一物体的大类参考信息和所述大类预测结果计算分类损失，包括：根据所述第一物体的大类参考信息和所述大类预测结果计算大类损失；根据所述第一物体的小类参考信息和所述小类预测结果计算小类损失；根据所述大类损失和所述小类损失计算分类损失。3.根据权利要求2所述的方法，其特征在于，所述根据所述大类损失和所述小类损失计算分类损失，包括：根据与大类对应的第一权重和所述大类损失，以及与小类对应的第二权重和所述小类损失进行加权和计算，得到分类损失。4.根据权利要求3所述的方法，其特征在于，所述第一权重大于所述第二权重。5.根据权利要求2所述的方法，其特征在于，所述大类损失或者所述小类...

【专利技术属性】
技术研发人员：梁康正，
申请(专利权)人：广州小鹏自动驾驶科技有限公司，
类型：发明
国别省市：