本公开涉及车辆技术领域中的一种生成数据处理模型的方法、数据处理方法、相关装置、车辆及介质，提高数据处理模型的编码效率。生成数据处理模型的方法包括：获取训练样本，训练样本包括第一样本图像数据、第一样本图像数据对应的感知任务标注结果以及目标概率分布；将第一样本图像数据输入初始的变分自编码器，得到初始的变分自编码器输出的样本编码特征数据；将样本编码特征数据输入感知任务模型，得到感知任务模型输出的感知任务样本结果；根据样本编码特征数据、目标概率分布、感知任务样本结果和感知任务标注结果，对初始的变分自编码器的参数和感知任务模型的参数进行调整；在满足预设的训练终止条件时，将变分自编码器确定为数据处理模型。定为数据处理模型。定为数据处理模型。
【技术实现步骤摘要】
生成模型的方法、数据处理方法、相关装置、车辆及介质
[0001]本公开涉及车辆
，尤其涉及一种生成数据处理模型的方法、数据处理方法、相关装置、车辆及介质。
技术介绍
[0002]目前自动驾驶技术普遍采用深度学习方法，而其中又以视觉感知为重点。图像数据具有丰富的路况信息，在自动驾驶中占用重要地位，覆盖任务包含行车泊车辅助驾驶的方方面面。自动驾驶感知算法的精度强烈依赖于数据量的大小，数据越多自动驾驶感知算法精度越高，相应地，自动驾驶方案越可靠。
[0003]为了提供精度更高的自动驾驶感知算法，需要不停地扩增数据量，然而，现在对数据采集的要求越发严格，采集的数据为了安全要求需要进行脱敏。数据脱敏的主要方法为对敏感区域做模糊/色块等方案处理，但是会导致采集的数据与真实数据分布有差异，进而影响自动驾驶感知算法的精度。
技术实现思路
[0004]为克服相关技术中存在的问题，本公开提供一种生成数据处理模型的方法、数据处理方法、相关装置、车辆及介质。
[0005]根据本公开实施例的第一方面，提供一种生成数据处理模型的方法，所述生成数据处理模型的方法包括：获取训练样本，所述训练样本包括第一样本图像数据、所述第一样本图像数据对应的感知任务标注结果、以及目标概率分布；将所述第一样本图像数据输入初始的变分自编码器，得到所述初始的变分自编码器输出的样本编码特征数据；将所述样本编码特征数据输入感知任务模型，得到所述感知任务模型输出的感知任务样本结果；根据所述样本编码特征数据、所述目标概率分布、所述感知任务样本结果和所述感知任务标注结果，对所述初始的变分自编码器的参数和所述感知任务模型的参数进行调整；在满足预设的训练终止条件时，将所述变分自编码器确定为数据处理模型。
[0006]可选地，所述生成数据处理模型的方法还包括：根据所述样本编码特征数据，确定与所述初始的变分自编码器对应的解码器的输入参数；将所述输入参数输入所述解码器，得到所述解码器输出的第二样本图像数据；所述根据所述样本编码特征数据、所述目标概率分布、所述感知任务样本结果和所述感知任务标注结果，对所述初始的变分自编码器的参数和所述感知任务模型的参数进行调整，包括：
根据所述样本编码特征数据、所述目标概率分布、所述感知任务样本结果和所述感知任务标注结果、以及所述第一样本图像数据和所述第二样本图像数据，对所述初始的变分自编码器的参数、所述感知任务模型的参数和所述解码器的参数进行调整。
[0007]可选地，所述目标概率分布为高斯分布；所述根据所述样本编码特征数据，确定与所述初始的变分自编码器对应的解码器的输入参数，包括：根据所述样本编码特征数据，生成与所述样本编码特征数据对应的第一高斯噪声；对所述第一高斯噪声进行采样，得到样本采样特征数据；将所述样本采样特征数据确定为与所述初始的变分自编码器对应的解码器的输入参数。
[0008]可选地，所述第一样本图像数据为自动驾驶车辆的场景图像数据，所述感知任务模型为自动驾驶任务模型。
[0009]根据本公开实施例的第二方面，提供一种数据处理方法，所述数据处理方法包括：获取待处理图像的图像数据；将所述图像数据输入至数据处理模型，得到所述数据处理模型输出的编码特征数据，其中，所述数据处理模型是根据本公开第一方面所述的生成数据处理模型的方法生成的；存储所述编码特征数据。
[0010]可选地，所述待处理图像为自动驾驶车辆的场景图像；所述获取待处理图像的图像数据，包括：监测所述自动驾驶车辆的行驶工况；在所述行驶工况属于预设工况时，获取所述自动驾驶车辆的场景图像，以得到所述场景图像的图像数据；所述预设工况包括但不限于：急加速工况、急减速工况、急转弯工况、碰撞工况中的最少一者。
[0011]可选地，所述数据处理模型部署在所述自动驾驶车辆内，所述存储所述编码特征数据，包括：将所述编码特征数据上传至云服务器，以在所述云服务器中存储所述编码特征数据。
[0012]可选地，所述自动驾驶车辆内还部署有感知任务模型，所述感知任务模型是根据本公开第一方面所述的生成数据处理模型的方法，在满足预设的训练终止条件时生成的感知任务模型；所述数据处理方法还包括：将所述编码特征数据输入所述感知任务模型，以得到所述感知任务模型输出的感知任务结果；根据所述感知任务结果控制所述自动驾驶车辆行驶。
[0013]可选地，所述数据处理方法还包括：根据所述编码特征数据，生成与所述编码特征数据对应的第二高斯噪声；对所述第二高斯噪声进行采样，得到采样特征数据；将所述采样特征数据输入所述数据处理模型对应的解码器，得到所述解码器输出
的解码图像数据；根据所述解码图像数据重构场景图像。
[0014]根据本公开实施例的第三方面，提供一种生成数据处理模型的装置，所述生成数据处理模型的装置包括：第一获取模块，被配置为获取训练样本，所述训练样本为第一样本图像数据、所述样本图像数据对应的感知任务标注结果、以及目标概率分布；第一输入模块，被配置为将所述样本图像数据输入初始的变分自编码器，得到所述初始的变分自编码器输出的样本编码特征数据；第二输入模块，被配置为将所述样本编码特征数据输入感知任务模型，得到所述感知任务模型输出的感知任务样本结果；调整模块，被配置为根据所述样本编码特征数据、所述目标概率分布、所述感知任务样本结果和所述感知任务标注结果，对所述初始的变分自编码器的参数和所述任务感知模型的参数进行调整；第一确定模块，被配置为在满足预设的训练终止条件时，将所述变分自编码器确定为数据处理模型。
[0015]根据本公开实施例的第四方面，提供一种数据处理装置，所述数据处理装置包括：第二获取模块，被配置为获取待处理图像的图像数据；第四输入模块，被配置为将所述图像数据输入至数据处理模型，得到所述数据处理模型输出的编码特征数据，其中，所述数据处理模型是根据本公开第一方面所述的生成数据处理模型的方法生成的；存储模块，被配置为存储所述编码特征数据。
[0016]根据本公开实施例的第五方面，提供一种车辆，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置执行所述指令时实现本公开第一方面所述的生成数据处理模型的方法的步骤，或者，实现本公开第二面所述的数据处理方法的步骤。
[0017]根据本公开实施例的第六方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所述的生成数据处理模型的方法的步骤，或者，实现本公开第二面所述的数据处理方法的步骤。
[0018]本公开的实施例提供的技术方案可以包括以下有益效果：采用上述技术方案，首先，将第一样本图像数据输入初始的变分自编码器，得到样本编码特征数据，接着，将样本编码特征数据输入感知任务模型，得到感知任务样本结果，之后，综合利用样本编码特征数据、目标概率分布、感知任务样本结果和感知任务标注结果，对变分自编码器的参数和感知任务模型的参数进行调整，最后，在训练结束时将变分自编码器确定为数据处理模型。如此，综合利用样本编码特征本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种生成数据处理模型的方法，其特征在于，所述生成数据处理模型的方法包括：获取训练样本，所述训练样本包括第一样本图像数据、所述第一样本图像数据对应的感知任务标注结果、以及目标概率分布；将所述第一样本图像数据输入初始的变分自编码器，得到所述初始的变分自编码器输出的样本编码特征数据；将所述样本编码特征数据输入感知任务模型，得到所述感知任务模型输出的感知任务样本结果；根据所述样本编码特征数据、所述目标概率分布、所述感知任务样本结果和所述感知任务标注结果，对所述初始的变分自编码器的参数和所述感知任务模型的参数进行调整；在满足预设的训练终止条件时，将所述变分自编码器确定为数据处理模型。2.根据权利要求1所述的生成数据处理模型的方法，其特征在于，所述生成数据处理模型的方法还包括：根据所述样本编码特征数据，确定与所述初始的变分自编码器对应的解码器的输入参数；将所述输入参数输入所述解码器，得到所述解码器输出的第二样本图像数据；所述根据所述样本编码特征数据、所述目标概率分布、所述感知任务样本结果和所述感知任务标注结果，对所述初始的变分自编码器的参数和所述感知任务模型的参数进行调整，包括：根据所述样本编码特征数据、所述目标概率分布、所述感知任务样本结果、所述感知任务标注结果、以及所述第一样本图像数据和所述第二样本图像数据，对所述初始的变分自编码器的参数、所述感知任务模型的参数和所述解码器的参数进行调整。3.根据权利要求2所述的生成数据处理模型的方法，其特征在于，所述目标概率分布为高斯分布；所述根据所述样本编码特征数据，确定与所述初始的变分自编码器对应的解码器的输入参数，包括：根据所述样本编码特征数据，生成与所述样本编码特征数据对应的第一高斯噪声；对所述第一高斯噪声进行采样，得到样本采样特征数据；将所述样本采样特征数据确定为与所述初始的变分自编码器对应的解码器的输入参数。4.根据权利要求1
‑
3中任一项所述的生成数据处理模型的方法，其特征在于，所述第一样本图像数据为自动驾驶车辆的场景图像数据，所述感知任务模型为自动驾驶任务模型。5.一种数据处理方法，其特征在于，所述数据处理方法包括：获取待处理图像的图像数据；将所述图像数据输入至数据处理模型，得到所述数据处理模型输出的编码特征数据，其中，所述数据处理模型是根据如权利要求1
‑
4中任一项所述的生成数据处理模型的方法生成的；存储所述编码特征数据。6.根据权利要求5所述的数据处理方法，其特征在于，所述待处理图像为自动驾驶车辆的场景图像；所述获取待处理图像的图像数据，包括：监测所述自动驾驶车辆的行驶工况；
在所述行驶工况属于预设工况时，获取所述自动驾驶车辆的场景图像，以得到所述场景图像的图像数据；所述预设工况包括但不限于：急加速工况、急减速工况、急转弯工况、碰撞工况中的最少一者。7.根据权利要求6所述的数据处理方法，其特征在于，所述数据处理模型...
【专利技术属性】
技术研发人员：杨龙召，
申请(专利权)人：小米汽车科技有限公司，
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。