一种车位的检测方法、模型训练方法、装置及电子设备制造方法及图纸

本申请涉及车辆自动驾驶技术领域，尤其涉及一种车位的检测方法、模型训练方法、装置和电子设备，方法包括：获取样本图像集，将多个样本图像分别输入第一对象检测模型和第二对象检测模型，得到第一检测结果和第二检测结果；并对多个样本图像进行数据挖掘处理，得到第一难例样本和第二难例样本；基于第一难例样本和第二难例样本对相应的第一对象检测模型和第二对象检测模型进行模型参数更新。本申请通过对样本图像的进行数据挖掘处理，得到第一难例样本和第二难例样本，可以避免现有技术在数据处理中出现的长尾分布的问题，从而提高了模型训练的精确性，又通过第一难例样本和第二难例样本对相应的检测模型进行更新，可以缩减数据处理数量，提高模型训练速度。提高模型训练速度。提高模型训练速度。

【技术实现步骤摘要】
一种车位的检测方法、模型训练方法、装置及电子设备


[0001]本申请涉及车辆自动驾驶
，尤其涉及一种车位的检测方法、模型训练方法、装置及电子设备。

技术介绍

[0002]随着汽车高级辅助驾驶技术的不断发展，智能驾驶技术也得到了广泛的推广，车位检测成为智能驾驶的重要数据基础。如车辆自主泊车技术已逐渐开始在低速智能驾驶场景中得到广泛应用，相应的车位检测是自主泊车技术的关键，目前常用的车位检测方法主要分为基于传统图像处理的车位检测算法和基于深度学习的车位检测算法。
[0003]基于传统图像算法的车位检测算法依赖手动选取特征和设计规则，鲁棒性和准确性较差，且在对象图像区域不清晰，如车位线严重磨损甚至部分丢失等工况下无法准确检测到目标；基于深度学习的检测算法在实际量产项目中，面临场景复杂多样、长尾分布样本的现实问题，标注成本长期居高不下，这也成为制约基于深度学习方法广泛应用的原因之一。
[0004]因此，本申请提出了一种改进的车位的检测方法，以解决上述现有技术中存在的问题。

技术实现思路

[0005]为了解决上述现有技术存在的问题，本专利技术提供了一种车位的检测方法、模型训练方法、装置及电子设备。
[0006]一方面，本申请提供了一种车位检测模型训练方法，方法包括：
[0007]获取样本图像集，所述样本图像集包括多个样本图像，所述样本图像包括待检测的目标车位；
[0008]将所述多个样本图像分别输入第一对象检测模型和第二对象检测模型，得到所述多个样本图像各自对应的第一检测结果和第二检测结果，所述第一对象检测模型为所述第二对象检测模型对应的轻量级检测模型；
[0009]基于所述第一检测结果、所述第二检测结果和所述样本图像的对象检测确认值对所述多个样本图像进行数据挖掘处理，得到第一难例样本和第二难例样本，所述第一难例样本为所述第一检测检测结果与所述对象检测确认值不匹配的样本图像，所述第二难例样本为所述第二检测结果中与所述对象检测确认值不匹配的样本图像；
[0010]基于所述第一难例样本对所述第一对象检测模型进行模型参数更新，得到更新的第一对象检测模型；
[0011]基于所述第二难例样本对所述第二对象检测模型进行模型参数更新，得到更新的第二对象检测模型。
[0012]进一步的，所述基于所述第一检测结果、所述第二检测结果和所述样本图像的对象检测确认值对所述多个样本图像进行数据挖掘处理，得到第一难例样本和第二难例样
本，包括：
[0013]对所述多个样本图像中每一样本图像对应的第一检测结果和第二检测结果进行检测匹配处理，得到所述每一样本图像对应的检测匹配结果；
[0014]基于所述检测匹配结果从所述多个样本图像中筛选出候选正样本和候选负样本，所述候选正样本为所述检测匹配结果指示所述第一检测结果和所述第二检测结果不匹配的样本图像，所述候选负样本为所述检测匹配结果指示所述第一检测结果和所述第二检测结果匹配的样本图像；
[0015]基于所述对象检测确认值从所述候选正样本和所述候选负样本中确定出所述第一难例样本和所述第二难例样本。
[0016]进一步的，所述对所述多个样本图像中每一样本图像对应的第一检测结果和第二检测结果进行检测匹配处理，得到所述每一样本图像对应的检测匹配结果，包括：
[0017]以所述多个样本图像中每一样本图像对应的第二检测结果为伪真值，对所述每一样本图像对应的第一检测结果进行结果验证，得到所述每一样本图像对应的伪真值验证结果，所述伪真值验证结果指示所述检测匹配结果。
[0018]进一步的，在所述基于所述对象检测确认值从所述候选正样本和所述候选负样本中确定出所述第一难例样本和所述第二难例样本之前，所述方法还包括：
[0019]基于预设比例从所述候选负样本中抽取目标负样本；
[0020]所述基于所述对象检测确认值从所述候选正样本和所述候选负样本中确定出所述第一难例样本和所述第二难例样本包括：
[0021]基于所述对象检测确认值从所述候选正样本和所述目标负样本中确定出所述第一难例样本和所述第二难例样本。
[0022]进一步的，所述基于所述对象检测确认值从所述候选正样本和所述候选负样本中确定出所述第一难例样本和所述第二难例样本，包括：
[0023]以所述对象检测确认值分别对所述候选正样本的第一检测结果和所述候选负样本的第一检测结果进行结果验证处理，得到真值验证结果；
[0024]将所述真值验证结果为所述第一检测结果与所述对象检测确认值不匹配的候选正样本，以及所述真值验证结果为第一检测结果与所述对象检测确认值不匹配的候选负样本确定为所述第一难例样本；
[0025]将所述真值验证结果为所述第一检测结果与所述对象检测确认值匹配的候选正样本，以及所述真值验证结果为所述第一检测结果与所述对象检测确认值不匹配的候选负样本确定为所述第二难例样本。
[0026]进一步的，所述第一对象检测模型包括第一特征提取网络和多任务网络，所述第二对象检测模型包括第二特征提取网络和所述多任务网络，所述第一特征提取网络为所述第二特征提取网络对应的轻量化网络；
[0027]所述将所述多个样本图像分别输入第一对象检测模型和第二对象检测模型，得到所述多个样本图像各自对应的第一检测结果和第二检测结果，包括：
[0028]基于所述第一特征提取网络，对所述多个样本图像进行特征提取，得到所述多个样本图像各自对应的第一样本特征图；
[0029]基于所述第一对象检测模型的多任务网络对所述第一样本特征图进行多任务检
测，得到所述多个样本图像各自对应的第一检测结果；
[0030]基于所述第二特征提取网络，对所述多个样本图像进行特征提取，得到所述多个样本图像各自对应的第二样本特征图；
[0031]基于所述第二对象检测模型的多任务网络对所述第二样本特征图进行多任务检测，得到所述多个样本图像各自对应的第二检测结果。
[0032]另一方面，本申请提供了一种车位检测方法，所述方法包括：
[0033]在车辆自动驾驶模式下，获取车辆智能驾驶过程中的车位图像；
[0034]将所述车位图像输入到目标车端检测模型中，得到第一检测结果；
[0035]所述目标车端检测模型根据上述的一种车位检测模型训练方法训练得到。
[0036]另一方面，本申请提供了一种车位检测模型训练装置，所述装置包括：
[0037]数据获取模块，用于获取样本图像集，所述样本图像集包括多个样本图像，所述样本图像包括待检测的目标车位；
[0038]数据检测模块，用于将所述多个样本图像分别输入第一对象检测模型和第二对象检测模型，得到所述多个样本图像各自对应的第一检测结果和第二检测结果，所述第一对象检测模型为所述第二对象检测模型对应的轻量级检测模型；
[0039]数据挖掘模块，用于基于所述第一检测结果、所述第二检测结果和所述样本图像的对象检测确认值对所述多个样本图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车位检测模型训练方法，其特征在于，所述方法包括：获取样本图像集，所述样本图像集包括多个样本图像，所述样本图像包括待检测的目标车位；将所述多个样本图像分别输入第一对象检测模型和第二对象检测模型，得到所述多个样本图像各自对应的第一检测结果和第二检测结果，所述第一对象检测模型为所述第二对象检测模型对应的轻量级检测模型；基于所述第一检测结果、所述第二检测结果和样本图像的对象检测确认值对所述多个样本图像进行数据挖掘处理，得到第一难例样本和第二难例样本，所述第一难例样本为所述第一检测结果与所述对象检测确认值不匹配的样本图像，所述第二难例样本为所述第二检测结果与所述对象检测确认值不匹配的样本图像；基于所述第一难例样本对所述第一对象检测模型进行模型参数更新，得到更新的第一对象检测模型；基于所述第二难例样本对所述第二对象检测模型进行模型参数更新，得到更新的第二对象检测模型。2.根据权利要求1所述的一种车位检测模型训练方法，其特征在于，所述基于所述第一检测结果、所述第二检测结果和所述样本图像的对象检测确认值对所述多个样本图像进行数据挖掘处理，得到第一难例样本和第二难例样本，包括：对所述多个样本图像中每一样本图像对应的第一检测结果和第二检测结果进行检测匹配处理，得到所述每一样本图像对应的检测匹配结果；基于所述检测匹配结果从所述多个样本图像中筛选出候选正样本和候选负样本，所述候选正样本为所述检测匹配结果指示所述第一检测结果和所述第二检测结果不匹配的样本图像，所述候选负样本为所述检测匹配结果指示所述第一检测结果和所述第二检测结果匹配的样本图像；基于所述对象检测确认值从所述候选正样本和所述候选负样本中确定出所述第一难例样本和所述第二难例样本。3.根据权利要求2所述的一种车位检测模型训练方法，其特征在于，所述对所述多个样本图像中每一样本图像对应的第一检测结果和第二检测结果进行检测匹配处理，得到所述每一样本图像对应的检测匹配结果，包括：以所述多个样本图像中每一样本图像对应的第二检测结果为伪真值，对所述每一样本图像对应的第一检测结果进行结果验证，得到所述每一样本图像对应的伪真值验证结果，所述伪真值验证结果指示所述检测匹配结果。4.根据权利要求2所述的一种车位检测模型训练方法，其特征在于，在所述基于所述对象检测确认值从所述候选正样本和所述候选负样本中确定出所述第一难例样本和所述第二难例样本之前，所述方法还包括：基于预设比例从所述候选负样本中抽取目标负样本；所述基于所述对象检测确认值从所述候选正样本和所述候选负样本中确定出所述第一难例样本和所述第二难例样本包括：基于所述对象检测确认值从所述候选正样本和所述目标负样本中确定出所述第一难例样本和所述第二难例样本。
5.根据权利要求2所述的一种车位检测模型训练方法，其特征在于，所述基于所述对象检测确认值从所述候选正样本和所述候选负样本中确定出所述第一难例样本和所述第二难例样本，包括：以所述对象检测确认值分别对所述候选正样本的第一检测结果和所述候选负样本的第一检测结果进行结果验证处理，得到真值验证结果；将所述真值验证结果为所述第一检测结果与所述对象检测确认值不匹配的候选正样本，以及所述真值验证结果为第一检测结果与所述对象检测确认值不匹配的候选负样本确定为所述第一难例样本；将所述真值验证结果为所...

【专利技术属性】
技术研发人员：张振林，龙翔，卢先芙，
申请(专利权)人：中汽创智科技有限公司，
类型：发明
国别省市：