深度学习模型的训练方法、挡墙边界的识别方法及装置制造方法及图纸

本发明专利技术提供了一种用于矿区挡墙分割的深度学习模型的训练方法及装置、矿区挡墙边界的识别方法及装置。该训练方法包括：获取训练样本集，其中所述训练样本集包括多个样本图像；对样本图像进行标注以生成具有前景区域和背景区域的经标注的图像数据；对经标注的图像数据中的前景区域进行检测以得到矿区挡墙的轮廓图和各个像素点的轮廓边界修正系数；以及以所述经标注的图像数据或所述轮廓图作为真实值来训练挡墙分割的深度学习模型，所述深度学习模型的损失函数为包含轮廓边界修正系数的边界聚焦损失函数，所述轮廓边界修正系数使前景区域中的更靠近轮廓边界的点比前景区域中的更远离轮廓边界的点在损失函数中具有更大的权重。

【技术实现步骤摘要】

本专利技术涉及人工智能领域。更具体地，本专利技术提供了一种用于矿区挡墙分割的深度学习模型的训练方法、矿区挡墙边界的识别方法及装置。

技术介绍

1、在矿区无人驾驶场景中，挡墙边界的精准分割及其重要。挡墙是指支承路基填土或山坡土体、防止填土或土体变形失稳的构造物。挡墙在矿区中广泛使用，是矿山的必要设施。因此，在矿区中行驶的智能驾驶车辆需要准确的识别挡墙的边界，这对于准确地规划行车路线、装载和卸载位置等大有裨益。

技术实现思路

1、本专利技术的实施例提供了一种用于矿区挡墙分割的深度学习模型的训练方法，包括：获取训练样本集，其中所述训练样本集包括多个样本图像；对样本图像进行标注以生成具有前景区域和背景区域的经标注的图像数据；对经标注的图像数据中的前景区域进行检测以得到矿区挡墙的轮廓图和各个像素点的轮廓边界修正系数；以及以所述经标注的图像数据或所述轮廓图作为真实值来训练挡墙分割的深度学习模型，所述深度学习模型的损失函数为包含轮廓边界修正系数的边界聚焦损失函数，所述轮廓边界修正系数使前景区域中的更靠近轮廓边界的点比前景区本文档来自技高网...

【技术保护点】

1.一种用于矿区挡墙分割的深度学习模型的训练方法，包括：

2.根据权利要求1所述的方法，其中，所述样本图像中的各个像素点的轮廓边界修正系数定义如下：

3.根据权利要求2所述的方法，其中，所述坐标轴方向为竖直方向，downPos为表示经过所述像素点的垂线与轮廓边界下方的相交点在竖直方向上的坐标，upPos为表示经过所述像素点的垂线与轮廓边界上方的相交点在竖直方向上的坐标。

4.根据权利要求2所述的方法，其中，所述边界聚焦损失函数被定义为

5.根据权利要求1所述的方法，其中，α为0.8且γ为2。

6.一种矿区挡墙边界的识别方法，包括...

【技术特征摘要】

1.一种用于矿区挡墙分割的深度学习模型的训练方法，包括：

2.根据权利要求1所述的方法，其中，所述样本图像中的各个像素点的轮廓边界修正系数定义如下：

3.根据权利要求2所述的方法，其中，所述坐标轴方向为竖直方向，downpos为表示经过所述像素点的垂线与轮廓边界下方的相交点在竖直方向上的坐标，uppos为表示经过所述像素点的垂线与轮廓边界上方的相交点在竖直方向上的坐标。

4.根据权利要求2所述的方法，其中，所述边界聚焦损失函数被定义为

5.根据权利要求1所述的方法，其中，α为0.8且γ为2。

6.一种矿区挡墙边界的识别方法，包括：

7.一种用于矿区挡墙分割的深度学习模型的训练装置，包括：

8.根据权利要求1所述的...

【专利技术属性】
技术研发人员：谢意，那崇宁，蒋先尧，刘志勇，赵磊，高志成，
申请(专利权)人：北京路凯智行科技有限公司，
类型：发明
国别省市：