System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 模型训练方法、数据获取方法、装置以及自动驾驶车辆制造方法及图纸_技高网

模型训练方法、数据获取方法、装置以及自动驾驶车辆制造方法及图纸

技术编号:40949332 阅读:2 留言:0更新日期:2024-04-18 20:23
本公开提供了模型训练方法、数据获取方法、装置以及自动驾驶车辆,涉及人工智能技术领域,尤其涉及自动驾驶、智能交通、数据处理等技术领域。具体实现方案为:接收多条问题场景数据,每条问题场景数据包含场景标签,场景标签用于表征问题场景数据的场景特征;利用包含相同场景标签的问题场景数据,生成场景标签对应的模型数据集;利用基础模型所绑定的模型数据集,对基础模型进行训练。本公开能够提高模型训练的效果。

【技术实现步骤摘要】

本公开涉及人工智能,尤其涉及自动驾驶、智能交通、数据处理等。


技术介绍

1、自动驾驶车辆可以利用车辆内部的模型识别车辆当前的行驶场景,并基于模型的识别结果,确定自动驾驶车辆的行驶策略或行驶路径。其中,该模型可以包括任一神经网络模型,如感知模型。可见,自动驾驶车辆内部的模型往往会对车辆的行驶安全性造成决定性的作用。

2、因此,为了提高自动驾驶车辆的行驶安全性,如何高效地训练模型逐渐成为人们重点关注的问题。


技术实现思路

1、本公开提供了模型训练方法、数据获取方法、装置以及自动驾驶车辆

2、根据本公开的一方面,提供了一种模型训练方法,包括:

3、接收多条问题场景数据,每条问题场景数据包含场景标签,场景标签用于表征问题场景数据的场景特征;

4、利用包含相同场景标签的问题场景数据,生成场景标签对应的模型数据集;

5、利用基础模型所绑定的模型数据集,对基础模型进行训练。

6、根据本公开的另一方面,提供了一种数据获取方法,应用于问题场景检测装置,方法包括:

7、获取多条问题场景数据,每条问题场景数据包含场景标签,场景标签用于表征问题场景数据的场景特征;

8、发送问题场景数据。

9、根据本公开的另一方面,提供了一种模型训练装置,包括:

10、接收模块,用于接收多条问题场景数据,每条问题场景数据包含场景标签,场景标签用于表征问题场景数据的场景特征;

11、生成模块,用于利用包含相同场景标签的问题场景数据,生成场景标签对应的模型数据集;

12、训练模块,用于利用基础模型所绑定的模型数据集,对基础模型进行训练。

13、根据本公开的另一方面,提供了一种问题场景检测装置,应用于问题场景检测装置,问题场景检测装置包括:

14、获取模块,用于获取多条问题场景数据,每条问题场景数据包含场景标签,场景标签用于表征问题场景数据的场景特征;

15、发送模块,用于发送问题场景数据。

16、根据本公开的另一方面,提供了一种电子设备,包括:

17、至少一个处理器;以及

18、与该至少一个处理器通信连接的存储器;其中,

19、该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行本公开实施例中任一的方法。

20、根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,该计算机指令用于使该计算机执行根据本公开实施例中任一的方法。

21、根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现根据本公开实施例中任一的方法。

22、根据本公开的另一方面,提供了一种自动驾驶车辆,包括车体和问题场景检测装置。

23、本公开实施例接收多条具有不同场景特征的问题场景数据,根据场景特征对问题场景数据进行分类、以生成多个模型数据集;并利用基础模型所绑定的模型数据集对基础模型进行训练。从而可以自主触发对基础模型的训练,并且自动采用基础模型所绑定的一个或多个模型数据集对基础模型进行训练,提高模型训练的效果。

24、应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

本文档来自技高网...

【技术保护点】

1.一种模型训练方法,包括:

2.根据权利要求1所述的方法,其中,所述接收多条问题场景数据,包括:

3.根据权利要求1或2所述的方法,其中,所述基础模型包括部署于自动驾驶车辆的神经网络模型。

4.根据权利要求2所述的方法,其中,所述问题场景数据还包含:所述问题场景数据的时间范围、以及所述时间范围内主车报出的信息;

5.根据权利要求4所述的方法,其中,所述主车报出的信息,包括:

6.根据权利要求4或5所述的方法,其中,

7.根据权利要求6所述的方法,其中,所述至少两个字段包括以下字段中的全部或部分:基础场景字段、主车行为字段、道路信息字段、模型状态字段和模型行为字段。

8.根据权利要求6所述的方法,还包括,

9.根据权利要求1-8中任一所述的方法,其中,所述利用包含相同场景标签的所述问题场景数据,生成所述场景标签对应的模型数据集,包括:

10.根据权利要求9所述的方法,其中,所述至少一个处理阶段包括以下全部或部分:

11.根据权利要求10所述的方法,其中,所述模型数据集包括训练集和测试集;

12.一种数据获取方法,应用于问题场景检测装置,所述方法包括:

13.根据权利要求12所述的方法,其中,所述问题场景数据还包含:所述问题场景数据的时间范围、以及所述时间范围内主车报出的信息;

14.根据权利要求13所述的方法,其中,所述主车报出的信息,包括:

15.根据权利要求13或14所述的方法,其中,

16.根据权利要求15所述的方法,其中,所述至少两个字段包括以下字段中的全部或部分:基础场景字段、主车行为字段、道路信息字段、模型状态字段和模型行为字段。

17.一种模型训练装置,包括:

18.一种问题场景检测装置,包括:

19.一种电子设备,包括:

20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1至11或12至16中任一项所述的方法。

21.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至11或12至16中任一项所述的方法。

22.一种自动驾驶车辆,包括车体和权利要求18所述的问题场景检测装置。

...

【技术特征摘要】

1.一种模型训练方法,包括:

2.根据权利要求1所述的方法,其中,所述接收多条问题场景数据,包括:

3.根据权利要求1或2所述的方法,其中,所述基础模型包括部署于自动驾驶车辆的神经网络模型。

4.根据权利要求2所述的方法,其中,所述问题场景数据还包含:所述问题场景数据的时间范围、以及所述时间范围内主车报出的信息;

5.根据权利要求4所述的方法,其中,所述主车报出的信息,包括:

6.根据权利要求4或5所述的方法,其中,

7.根据权利要求6所述的方法,其中,所述至少两个字段包括以下字段中的全部或部分:基础场景字段、主车行为字段、道路信息字段、模型状态字段和模型行为字段。

8.根据权利要求6所述的方法,还包括,

9.根据权利要求1-8中任一所述的方法,其中,所述利用包含相同场景标签的所述问题场景数据,生成所述场景标签对应的模型数据集,包括:

10.根据权利要求9所述的方法,其中,所述至少一个处理阶段包括以下全部或部分:

11.根据权利要求10所述的方法,其中,所述模型数据集包括训练集和测试集;

【专利技术属性】
技术研发人员:李东进
申请(专利权)人:北京百度网讯科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1