【技术实现步骤摘要】
本申请涉及人工智能，具体提供一种多任务处理方法、计算机可读存储介质及智能设备。
技术介绍
1、随着人工智能技术的发展，越来越多的应用场景可以利用神经网络模型执行任务。其中，在一些应用场景中需要将多个任务集成在一个多任务网络模型，例如，在自动驾驶场景中为了提高部署端的精度和运行效率，需要将点云检测任务和点云分割任务集成在一个多任务网络模型中，以基于该多任务网络模型进行多任务处理。
2、而多任务网络模型的性能会影响多任务处理结果的精确度，相关技术中在对多任务网络模型进行训练时，通常是多个任务共享多任务网络模型中的主干网络，并基于主干网络提取的特征结合基于经验提前设定的每个任务的权重，或者，结合根据每个任务的不确定性动态设定每个任务的权重，对多个任务网络进行平衡训练。但该训练方法存在多个任务相互影响，无法保证多个任务的性能均优于相应任务单独训练时效果的问题。另外，多个任务共享主干网络提取的特征，未考虑不同任务对特征分辨率的需求，从而容易导致对分辨率要求比较高的任务处理效果较差的问题。
技术实现思路>
1、本文档来自技高网...
【技术保护点】
1.一种多任务处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述多个训练样本子集对待训练的多任务网络模型进行迭代训练之前，还包括：
3.根据权利要求1或2所述的方法，其特征在于，每个训练样本子集包括多批训练样本，每批训练样本对应不同的训练任务；
4.根据权利要求3所述的方法，其特征在于，所述主干网络包括级联设置的体素化网络、稀疏网络和鸟瞰网络；所述稀疏网络包括级联设置的多个稀疏子网络；
5.根据权利要求3所述的方法，其特征在于，所述批训练样本包括多个训练样本；所述主干网络包括级联设置的体...
【技术特征摘要】
1.一种多任务处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述多个训练样本子集对待训练的多任务网络模型进行迭代训练之前，还包括：
3.根据权利要求1或2所述的方法，其特征在于，每个训练样本子集包括多批训练样本，每批训练样本对应不同的训练任务；
4.根据权利要求3所述的方法，其特征在于，所述主干网络包括级联设置的体素化网络、稀疏网络和鸟瞰网络；所述稀疏网络包括级联设置的多个稀疏子网络；
5.根据权利要求3所述的方法，其特征在于，所述批训练样本包括多个训练样本；所述主干网络包括级联设置的体素化网络、稀疏网络和鸟瞰网络；所述稀疏网络...
【专利技术属性】
技术研发人员：任广辉，张磊杰，
申请(专利权)人：安徽蔚来智驾科技有限公司，
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。