【技术实现步骤摘要】
本公开涉及汽车，尤其涉及一种神经网络的更新方法及图像处理方法。
技术介绍
1、天气环境对汽车自动驾驶有很大的影响。在自动驾驶场景下的模型训练中，训练数据通常只包含一个或少数几个天气场景下的采样数据，然而车辆实际运行面对的天气却复杂得多，导致模型的识别、检测或分类等推理能力在实际应用中存在较大偏差，面对新的天气场景时推理能力差、准确性低。若针对每种天气场景都进行完整的模型训练过程，必然需要消耗大量的处理资源，同时也会花费很长的训练时间。因此，如何针对新的天气场景快速完成与之对应的模型的训练就成为亟待解决的问题。
技术实现思路
1、为了解决上述技术问题，本公开提供了一种神经网络的更新方法及图像处理方法，以提高模型处理新天气场景数据的推理能力。
2、本公开提供了一种神经网络的更新方法，包括：
3、获取原始天气场景对应的训练好的原始神经网络模型；
4、获取至少一组目标样本集；其中，不同所述目标样本集包括不同的目标天气场景下的样本数据，且所述目标天气场景不同于所述
【技术保护点】
1.一种神经网络的更新方法，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，所述根据所述目标样本集对所述原始神经网络模型进行更新，包括：
3.根据权利要求2所述的方法，其特征在于，所述关键参数包括批量均值和批量方差；
4.根据权利要求3所述的方法，其特征在于，根据所述历史批量均值和所述原始统计值中的原始均值，对所述原始神经网络模型中当前批次的批量归一化层的批量均值进行更新，得到当前批量均值，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标样本集对所述原始神经网络模型进行更新，得到与所述目标...
【技术特征摘要】
1.一种神经网络的更新方法，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，所述根据所述目标样本集对所述原始神经网络模型进行更新，包括：
3.根据权利要求2所述的方法，其特征在于，所述关键参数包括批量均值和批量方差；
4.根据权利要求3所述的方法，其特征在于，根据所述历史批量均值和所述原始统计值中的原始均值，对所述原始神经网络模型中当前批次的批量归一化层的批量均值进行更新，得到当前批量均值，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标样本集对所述原始神经网络模型进行更新，得到与所述目标天气场景匹配的目标神经网络模型，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述目标样本集对所述原始神经网络模型进行更新，得到与...
【专利技术属性】
技术研发人员：杨林，
申请(专利权)人：北京罗克维尔斯科技有限公司，
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。