【技术实现步骤摘要】
本专利技术涉及智能汽车领域，具体而言，涉及一种应用于自动驾驶的目标识别方法和装置、存储介质。
技术介绍
1、近些年，随着视觉感知领域的快速发展，相机传感器也逐渐应用于各行各业。基于视觉感知的目标检测是常见的神经网络所处理的任务之一。对于目标检测的神经网络而言，包含目标的分类和定位两大任务。这个任务需要解决图像中所有感兴趣的目标的类别、位置和大小等问题。目标检测被认为是图像理解的中层次，需要从图像中解析出可供计算机理解的信息，包含目标的分类和定位两大任务。此外，目标检测也与图像分类、物体追踪、关键点检测等任务密切相关。
2、而随着大规模数据集的难度提升，则对难例目标(指的是在目标检测任务中，那些难以被准确识别和定位的目标。这些目标可能具有复杂的背景、遮挡、光照变化、尺度变化等特点，导致传统的目标检测算法难以准确地检测到它们，因此，提高难例目标的检测能力是目标检测领域的一个重要研究方向)的检测需求不可避免的变得越来越迫切，进一步使得目标检测网络的设计越来越深、越来越复杂，然而，参数量巨大的网络并不利于在嵌入式设备上的应用。>
3、针对上述本文档来自技高网...
【技术保护点】
1.一种应用于自动驾驶的目标识别方法，其特征在于，包括：
2.根据权利要求1所述的应用于自动驾驶的目标识别方法，其特征在于，在利用所述样本集合训练原始神经网络模型的过程中，通过多阶重加权损失函数逐步迭代所述原始神经网络模型中的模型参数，得到训练完成的目标神经网络模型，包括：
3.根据权利要求2所述的应用于自动驾驶的目标识别方法，其特征在于，根据所述目标热图特征的重加权损失函数的损失计算结果、所述多阶重加权目标框定位损失函数的损失计算结果以及所述重加权的分类损失函数的损失计算结果，通过反向传播来逐步迭代所述原始神经网络模型中的模型参数，包括：p>
4.根据权...
【技术特征摘要】
1.一种应用于自动驾驶的目标识别方法，其特征在于，包括：
2.根据权利要求1所述的应用于自动驾驶的目标识别方法，其特征在于，在利用所述样本集合训练原始神经网络模型的过程中，通过多阶重加权损失函数逐步迭代所述原始神经网络模型中的模型参数，得到训练完成的目标神经网络模型，包括：
3.根据权利要求2所述的应用于自动驾驶的目标识别方法，其特征在于，根据所述目标热图特征的重加权损失函数的损失计算结果、所述多阶重加权目标框定位损失函数的损失计算结果以及所述重加权的分类损失函数的损失计算结果，通过反向传播来逐步迭代所述原始神经网络模型中的模型参数，包括：
4.根据权利要求2所述的应用于自动驾驶的目标识别方法，其特征在于，获取所述目标热图特征的重加权损失函数的损失计算结果，包括按照如下公式确定所述目标热图特征的重加权损失函数的损失计算结果featureloss：
5.根据权利要求2所述的应用于自动驾驶的目标识别方法，其特征在于，获取所述多阶重加权目标框定位...
【专利技术属性】
技术研发人员：陈会娟，王子收，郑冬，
申请(专利权)人：清智汽车科技苏州有限公司，
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。