样本数据生成方法、训练方法、目标对象检测方法、装置、电子设备、存储介质和程序产品与流程

本公开涉及人工智能，尤其涉及自动驾驶领域、智慧交通领域、计算机视觉领域、深度学习领域和大语言模型领域。

背景技术：

1、随着人工智能技术的快速发展，在车辆自动驾驶、智慧城市交通等应用场景中，可以基于图像采集装置、激光雷达等信号采集装置来对道路环境进行检测，以实现自动化识别道路环境中的车辆、行人等道路对象。道路对象的识别准确性对于车辆自动驾驶性能、智慧交通管理性能的影响较大。

技术实现思路

1、本公开提供了一种样本数据生成方法、训练方法、目标对象检测方法、装置、电子设备、自动驾驶车辆、路侧设备、存储介质和程序产品。

2、根据本公开的一方面，提供了一种样本数据生成方法，包括：获取道路融合检测数据，道路融合检测数据是根据不同来源的道路检测数据确定的，道路融合检测数据包括与道路对象相关的对象信息；基于对象信息，从待标注的候选道路图像中确定与道路对象相关联的关联对象；以及根据对象信息和关联对象，生成用于训练目标检测模型的样本数据。

3、根据本公开的另一方面，提供了一种深度学习模型的训练方法，包括：获取样本数据；以及利用样本数据训练初始的深度学习模型，得到训练后的深度学习模型；其中，样本数据是基于本公开实施例提供的方法生成的。

4、根据本公开的另一方面，提供了一种目标对象检测方法，包括：获取道路图像；利用深度学习模型处理道路图像，得到目标对象检测结果，其中，深度学习模型是根据本公开实施例提供的方法确定的。

5、根据本公开的另一方面，提供了一种样本数据生成装置，包括：第一获取模块，用于获取道路融合检测数据，道路融合检测数据是根据不同来源的道路检测数据确定的，道路融合检测数据包括与道路对象相关的对象信息；第一确定模块，用于基于对象信息，从待标注的候选道路图像中确定与道路对象相关联的关联对象；以及样本数据生成模块，用于根据对象信息和关联对象，生成用于训练目标检测模型的样本数据。

6、根据本公开的另一方面，提供了一种深度学习模型的训练装置，包括：第二获取模块，用于获取样本数据；以及训练模块，用于利用样本数据训练初始的深度学习模型，得到训练后的深度学习模型；其中，样本数据是根据本公开实施例提供的装置生成的。

7、根据本公开的另一方面，提供了一种目标对象检测装置，包括：第三获取模块，用于获取道路图像；以及目标对象检测模块，用于利用深度学习模型处理道路图像，得到目标对象检测结果，其中，深度学习模型是根据本公开实施例提供的装置确定的。

8、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开实施例提供的样本数据生成方法或训练方法方法。

9、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行根据本公开实施例提供的目标对象检测方法。

10、根据本公开的另一方面，提供了一种自动驾驶车辆，包括：本公开实施例提供的电子设备。

11、根据本公开的另一方面，提供了一种路侧设备，包括：本公开实施例提供的电子设备。

12、根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行本公开实施例提供的方法。

13、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现本公开实施例提供的方法。

14、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种样本数据生成方法，包括：

2.根据权利要求1所述的方法，其中，所述根据所述对象信息和所述关联对象，生成用于训练目标检测模型的样本数据包括：

3.根据权利要求2所述的方法，其中，所述根据所述对象信息，确定与所述关联对象相关的对象标签包括：

4.根据权利要求3所述的方法，其中，所述感知误差条件包括以下至少一项：

5.根据权利要求2至4中任一项所述的方法，其中，所述候选道路图像中的关联对象具有伪标签，所述伪标签是对所述候选道路图像进行目标检测得到的；

6.根据权利要求1至4中任一项所述的方法，其中，所述候选道路图像包括车端道路图像，所述车端道路图像是基于安装在车辆的探测装置采集的探测信号生成的。

7.根据权利要求1所述的方法，其中，所述候选道路图像包括按照时序排列的多帧图像；

8.根据权利要求7所述的方法，其中，所述轨迹相似度是基于如下操作确定的：

9.根据权利要求1所述的方法，其中，所述基于所述对象信息，从待标注的候选道路图像中确定与所述道路对象相关联的关联对象包括：

10.根据权利要求9所述的方法，其中，所述基于所述对象信息中所述道路对象的对象位置，与所述候选道路图像中候选对象的对象位置之间的位置相似度，从至少一个所述候选对象中确定与所述道路对象相关联的关联对象包括：

11.根据权利要求9或10所述的方法，其中，所述位置相似度包括位置协方差相似度，所述位置协方差相似度是基于所述对象信息中的位置协方差信息，以及获取到的候选位置协方差信息确定的，所述候选位置协方差信息是对所述候选对象进行检测得到的；

12.根据权利要求1所述的方法，其中，所述基于所述对象信息，从待标注的候选道路图像中确定与所述道路对象相关联的关联对象包括：

13.一种深度学习模型的训练方法，包括：

14.一种目标对象检测方法，包括：

15.一种样本数据生成装置，包括：

16.根据权利要求15所述的装置，其中，所述样本数据生成模块包括：

17.根据权利要求16所述的装置，其中，所述对象标签确定子模块包括：

18.根据权利要求17所述的装置，其中，所述感知误差条件包括以下至少一项：

19.根据权利要求16至18中任一项所述的装置，其中，所述候选道路图像中的关联对象具有伪标签，所述伪标签是对所述候选道路图像进行目标检测得到的；

20.根据权利要求15至18中任一项所述的装置，其中，所述候选道路图像包括车端道路图像，所述车端道路图像是基于安装在车辆的探测装置采集的探测信号生成的。

21.根据权利要求15所述的装置，其中，所述候选道路图像包括按照时序排列的多帧图像；

22.根据权利要求21所述的装置，其中，所述轨迹相似度是基于如下操作确定的：

23.根据权利要求15所述的装置，其中，所述第一确定模块包括：

24.根据权利要求23所述的装置，其中，所述第二确定子模块包括：

25.根据权利要求15所述的装置，其中，所述第一确定模块包括：

26.一种深度学习模型的训练装置，包括：

27.一种目标对象检测装置，包括：

28.一种电子设备，包括：

29.一种电子设备，包括：

30.一种自动驾驶车辆，包括：

31.一种路侧设备，包括：

32.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1至14中任一项所述的方法。

33.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1至14中任一项所述的方法。

技术总结本公开提供了样本数据生成方法、训练方法、目标对象检测方法、装置、电子设备、存储介质和程序产品，涉及人工智能技术领域，尤其涉及自动驾驶领域、智慧交通领域、计算机视觉领域、深度学习领域和大语言模型领域。样本数据生成方法包括：获取道路融合检测数据，道路融合检测数据是根据不同来源的道路检测数据确定的，道路融合检测数据包括与道路对象相关的对象信息；基于对象信息，从待标注的候选道路图像中确定与道路对象相关联的关联对象；以及根据对象信息和关联对象，生成用于训练目标检测模型的样本数据。技术研发人员：曹获,刘佳文受保护的技术使用者：北京百度网讯科技有限公司技术研发日：技术公布日：2024/8/27