【技术实现步骤摘要】
本申请属于自动驾驶，具体涉及一种图像标注模型训练方法及其应用、无人车和存储介质。
技术介绍
1、自动驾驶技术是近年来备受关注的领域，它对于改善交通安全、提高出行效率以及减少能源消耗具有巨大潜力。然而，为了训练自动驾驶系统，需要大量的标注数据，以指导模型学习正确的行为和决策。人工标注数据是可靠的训练数据来源，但它的获取成本高昂且耗费大量时间。模型粗标注工作的出现对解决自动驾驶领域中的数据标注问题具有重要意义，如何提高模型标注的可靠性是模型粗标注工作的重点。
2、公开于该
技术介绍
部分的信息仅仅旨在增加对本申请的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、本申请的目的在于提供一种图像标注模型训练方法，其用于解决现有模型粗标注的可靠性不高的问题。
2、为实现上述目的，本申请提供了一种图像标注模型训练方法，所述方法包括：
3、对集成模型执行多轮训练，直至满足训练目标，其中，所述集成模型集成...
【技术保护点】
1.一种图像标注模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像标注模型训练方法，其特征在于，基于所述至少两个模型的模型权重，将所述预测框融合为融合框，具体包括：
3.根据权利要求2所述的图像标注模型训练方法，其特征在于，所述方法具体包括：
4.根据权利要求3所述的图像标注模型训练方法，其特征在于，所述方法具体包括：
5.根据权利要求2所述的图像标注模型训练方法，其特征在于，所述方法具体包括：
6.根据权利要求1所述的图像标注模型训练方法，其特征在于，以最小化所述融合框和样本图像中目标...
【技术特征摘要】
1.一种图像标注模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的图像标注模型训练方法，其特征在于，基于所述至少两个模型的模型权重，将所述预测框融合为融合框，具体包括：
3.根据权利要求2所述的图像标注模型训练方法，其特征在于，所述方法具体包括：
4.根据权利要求3所述的图像标注模型训练方法，其特征在于，所述方法具体包括：
5.根据权利要求2所述的图像标注模型训练方法，其特征在于，所述方法具体包括：
6.根据权利要求1所述的图像标注模型训练方法，其特征在于，以最小化所述融合框和样本图像中目标对象...
【专利技术属性】
技术研发人员：高营，苗乾坤，张雄，李炜良，
申请(专利权)人：新石器慧通北京科技有限公司，
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。