【技术实现步骤摘要】
一种环境识别模型训练方法、驾驶控制方法及相关装置
[0001]本专利技术实施例涉及自动驾驶控制
,尤其涉及一种环境识别模型训练方法、驾驶控制方法及相关装置。
技术介绍
[0002]自动驾驶车辆在行驶过程中通过实时感知车辆周围的行驶环境来判断是否适宜自动驾驶,如天气、道路等行驶环境,当行驶环境不适宜自动驾驶模式时中断自动驾驶模式,因此识别行驶环境是否适宜自动驾驶至关重要。
[0003]随着人工智能技术的发展,神经网络被广泛应用于目标识别和环境感知等,若通过神经网络识别中断自动驾驶模式的环境,则需要获取大量的包含中断自动驾驶模式的环境的数据来训练神经网络,例如,需要恶劣天气、恶化的道路等不适宜自动驾驶模式的环境的图像作为训练数据,而在自动驾驶车辆的实际行驶过程中,此类图像较为稀疏,导致训练数据难以获取,所获得的神经网络的环境识别能力较差。
技术实现思路
[0004]本专利技术实施例提出了一种环境识别模型训练方法,以解决训练环境识别模型时难以获取训练数据、神经网络的环境识别能力较差的问题。
[0005]第一方面,本专利技术实施例提供了一种环境识别模型训练方法,包括:
[0006]获取包含指定风格的风格图像,所述指定风格为中断自动驾驶模式的预设环境的图像风格;
[0007]将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中,以将所述指定风格迁移到所述原始图像中,得到包含第一图像的第一训练图像集;
[0008]采用所述第一训练图像集训练环境识别模型; ...
【技术保护点】
【技术特征摘要】
1.一种环境识别模型训练方法,其特征在于,包括:获取包含指定风格的风格图像,所述指定风格为中断自动驾驶模式的预设环境的图像风格;将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中,以将所述指定风格迁移到所述原始图像中,得到包含第一图像的第一训练图像集;采用所述第一训练图像集训练环境识别模型;将采集的第二图像输入所述环境识别模型中,得到所述第二图像所包含的预设环境的以及包含所述预设环境的第一概率;在所述第一概率大于预设概率时,将所述第二图像添加到所述第一训练图像集中,得到第二训练图像集;采用所述第二训练图像集更新所述环境识别模型。2.根据权利要求1所述的方法,其特征在于,所述将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中,包括:针对每种所述指定风格,将包含所述指定风格的风格图像和所述原始训练图像集中的原始图像输入到图像风格迁移网络中。3.根据权利要求1所述的方法,其特征在于,所述将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中,以将所述指定风格迁移到所述原始图像中,得到包含第一图像的第一训练图像集,包括:将所述原始训练图像集中的多张原始图像分为多个图像组;针对每种所述指定风格,确定所述指定风格对应的目标图像组;将包含所述指定风格的风格图像和所述目标图像组中的原始图像输入到图像风格迁移网络中,以将所述指定风格迁移到所述原始图像中,得到包含第一图像的第一训练图像集。4.根据权利要求1所述的方法,其特征在于,所述将所述风格图像和原始训练图像集中的原始图像输入到图像风格迁移网络中,以将所述指定风格迁移到所述原始图像中,得到包含第一图像的第一训练图像集,包括:从原始训练图像集中的原始图像中截取出与所述预设环境关联的感兴趣区域,得到第三图像;将所述风格图像和所述第三图像输入图像风格迁移网络中得到第四图像;将所述第四图像替换到所述原始图像的所述感兴趣区域中,得到第一图像,并将所述第一图像的合集作为第一训练图像集。5.根据权利要求1所述的方法,其特征在于,所述采用所述第一训练图像集训练环境识别模型,包括:为所述第一训练图像集中的所述第一图像标注标签,所述标签包括所述第一图像所包含的预设环境以及包含所述预设环境的第二概率;初始化环境识别模型;随机提取所述第一图像输入所述环境识别模型中,得到所述第一图像包含所述预设环境的第三概率;采用所述第二概率和所述第三概率计算损失率;
判断损失率是否小于预设阈值;若是,则停止对所述环境识别模型进行训练,得到训练好的环境识别模型;若否,则采用所述损失率调整所述环境识别模型的模型参数,返回随机提取所述第一图像输入所述环境识别模型的步骤。6.根据权利要求1所述的方法,其特征在于,所述在所述第一概率大于预设概率时,将所述第二图像添加到所述第一训练图像集中,得到第二训练图像集,包括:在所述第一概率大于预设概率时,为所述第二图像标注标签,所述标签包括所述第二图像所...
【专利技术属性】
技术研发人员:杜杭肯,郭湘,王贯安,陈国斌,韩旭,
申请(专利权)人:广州文远知行科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。