【技术实现步骤摘要】
对象识别方法、装置、车辆及存储介质
[0001]本申请涉及车辆控制
，更具体地，涉及一种对象识别方法、装置、车辆及计算机可读取存储介质。
技术介绍
[0002]随着汽车电子电器和网络技术的发展，对象检测越来越重要，对象检测也逐渐变成自动驾驶系统中环境感知的重要环节。
[0003]目前，对象检测可以是基于视觉的对象检测。首先对彩色样本图像进行选择框(用于框选样本图像中的目标对象)的标注，并通过标注的彩色图像训练初始模型，得到对象识别模型；在车辆自动驾驶过程中，获取车辆的行车环境的彩色拍摄图像，通过对象识别模型对彩色拍摄图像进行处理，得到彩色拍摄图像包括目标对象的概率，再通过拍摄图像包括目标对象的概率，确定行车环境所包括的对象。
[0004]然而，采用现有的方法得到的对象识别模型的识别效果较差，导致得到的彩色拍摄图像包括目标对象的概率的准确率较低，致使车辆在自动驾驶过程中存在安全隐患。
技术实现思路
[0005]有鉴于此，本申请提出了一种对象识别方法、装置、车辆及计算机可读取存储介质，以解决...
【技术保护点】
【技术特征摘要】
1.一种对象识别方法，其特征在于，所述方法包括：获取目标区域的拍摄图像；将所述拍摄图像输入对象识别模型，得到目标对象的预测概率；所述预测概率是指所述拍摄图像包括所述目标对象的概率；所述对象识别模型通过每次迭代过程的单阶段梯度损失值以及回归损失值训练获得，每次迭代过程的单阶段梯度损失值表征该次迭代过程的待训练模型对目标样本预测的准确度，每次迭代过程的回归损失值表征该次迭代过程的待训练模型对所述目标对象识别的位置的拟合程度，每次迭代过程的单阶段梯度损失值通过样本图像在该次迭代过程对应的预测框以及真值框之间的重叠程度确定，所述样本图像在每次迭代过程对应的预测框是通过该次迭代过程的待训练模型确定，所述样本图像在每次迭代过程对应的预测框是指该次迭代过程的待训练模型预测的用于框选所述目标对象的选择框，所述真值框是指标注的用于框选所述目标对象的选择框；根据所述预测概率，确定针对所述目标区域的对象识别结果。2.根据权利要求1所述的方法，其特征在于，每次迭代过程的单阶段梯度损失值的获取方法包括：获取样本图像对应的标签、真值框、第N次迭代过程的样本预测概率以及第N次迭代过程的预测框；所述标签表征所述样本图像包括所述目标对象或所述样本图像不包括所述目标对象，所述第N次迭代过程的样本预测概率表征第N次迭代过程的待训练模型预测所述样本图像包括所述目标对象的概率，其中，N为大于1的整数；根据所述标签以及所述第N次迭代过程的样本预测概率，确定所述样本图像的第N次迭代过程的梯度值；根据所述第N次迭代过程的梯度值确定第N次迭代过程的梯度区间，并对所述第N次迭代过程的梯度区间进行划分处理，得到第N次迭代过程的多个子区间；确定所述第N次迭代过程的预测框以及所述真值框之间的重叠程度，作为第N次迭代过程的重叠度；根据所述第N次迭代过程的多个子区间以及所述第N次迭代过程的重叠度，确定第N次迭代过程的单阶段梯度损失值。3.根据权利要求2所述的方法，其特征在于，所述根据所述第N次迭代过程的多个子区间以及所述第N次迭代过程的重叠度，确定第N次迭代过程的单阶段梯度损失值，包括：统计所述样本图像的样本图像总数量以及第N次迭代过程的每个子区间下的样本图像的样本图像数量；根据所述样本图像总数量、第N次迭代过程的每个样本图像的梯度值、第N次迭代过程的每个样本图像的重叠度以及第N次迭代过程的每个子区间对应的样本图像数量，确定第N次迭代过程的单阶段梯度损失值。4.根据权利要求2所述的方法，其特征在于，所述第N次迭代过程的样本预测概率以及预测框的获取方法包括：通过第N次迭代过程的待训练模型，确定针对所述样本图像的第N次迭代过程的多尺度特征图信息；对所述第N次迭代过程的多尺度特征图信息进行卷积运算，得到所述样本图像的第N次迭代过程的样本预测概率以及预测框。
5.根据权利要求1所述的方法，其特征在于，每次迭代过程的回归损失值的...
【专利技术属性】
技术研发人员：黄彦铨，何俏君，杨伟康，陈泽武，王薏，邝俊澎，
申请(专利权)人：广州汽车集团股份有限公司，
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。