【技术实现步骤摘要】
本申请涉及汽车，特别是涉及一种图像处理模型的训练方法、装置、设备以及存储介质。
技术介绍
1、自动驾驶领域的感知任务通常使用多个传感器来感知车身周围各种环境信息，而后通过近年来比较主流的计算机视觉技术对传感器数据做处理，得到对车身周围环境的理解信息。对于不同的感知任务通常会设置不同的网络结构来进行相应的结果预测，为了提高模型的预测性能，设计较为复杂的网络结构，导致无法达到实时处理的系统要求。因此，设计同一个网络模型来感知预测多个感知任务是目前自动驾驶技术的发展主流。但是对于同时感知预测多个感知任务的网络模型的训练，通常采用先逐个对单个感知任务的网络层进行训练，再多个任务联合训练的方式得到训练完成的网络模型。此种情况，很容易出现不同的感知任务对网络共享层的梯度贡献不一致的情况，从而导致训练完成的网络模型的预测性能往往不佳。
2、针对现有的技术缺陷，如何提供一种预测性能较好的模型训练方案，是本领域技术人员亟待解决的技术问题。
技术实现思路
1、本申请至少提供一种图像处理模型的训练方...
【技术保护点】
1.一种图像处理模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用图像处理模型对各所述样本图像进行图像处理，得到各所述样本图像的第一预测结果和第二预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述分别将各所述样本图像对应的样本特征输入预设任务分类器得到各所述样本图像对应的第二预测结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述样本图像的卷积特征进行维度变换处理，得到所述样本图像对应的变换后的特征，包括：
5.根据权利要求3所述的方法，其特征在于，...
【技术特征摘要】
1.一种图像处理模型的训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用图像处理模型对各所述样本图像进行图像处理，得到各所述样本图像的第一预测结果和第二预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述分别将各所述样本图像对应的样本特征输入预设任务分类器得到各所述样本图像对应的第二预测结果，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述样本图像的卷积特征进行维度变换处理，得到所述样本图像对应的变换后的特征，包括：
5.根据权利要求3所述的方法，其特征在于，所述对所述样本图像的样本特征进行卷积处理，得到所述样本图像的卷积特征的步骤由所述图像处理模型中的预设卷积模块执行，所述预设卷积模块中包括级联设置的若干预设卷积层，所述若干预设卷积层的数量与感知任务的数量相同，将尾个预设卷积层输出的特征作为所述样本图像的卷积特征...
【专利技术属性】
技术研发人员：朱江明，周洪涛，丁建鹏，
申请(专利权)人：浙江零跑科技股份有限公司，
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。