车辆的状态识别模型的训练方法、系统、设备及存储介质与流程
- 国知局
- 2024-11-06 14:33:24
本技术涉及机器学习,特别涉及一种车辆的状态识别模型的训练方法、系统、设备及存储介质。
背景技术:
1、目前,新能源汽车往往部署状态识别模型,通过状态识别模型识别新能源汽车前方的物体,基于前方的物体进行状态判断,从而新能源汽车基于状态判断结果,对新能源汽车做出决策;例如,状态判断结果为新能源汽车前方一米有障碍物,则新能源汽车进行刹停或者变道等决策,以提高用户的安全性。
技术实现思路
1、本技术实施例提供了一种车辆的状态识别模型的训练方法、系统、设备及存储介质,能够在对数据集保密的同时实现状态识别模型的共享,打破了训练状态识别模型的数据壁垒。所述技术方案如下:
2、一方面,提供了一种车辆的状态识别模型的训练方法,所述方法包括:
3、中央服务器向多个车企对应的电子设备发送第一状态识别模型;
4、对于任一车企对应的电子设备,所述电子设备接收所述中央服务器发送的第一状态识别模型,基于本地的数据集训练所述第一状态识别模型,向所述中央服务器训练后的第一状态识别模型的第一模型参数;
5、所述中央服务器接收所述多个车企对应的电子设备发送的第一模型参数,对所述多个车企对应的电子设备发送的第一模型参数进行聚合,得到第二模型参数,基于所述第二模型参数,生成第二状态识别模型,向所述多个车企对应的电子设备发送所述第二状态识别模型;
6、对于任一车企对应的电子设备,所述电子设备接收所述第二状态识别模型,基于本地的数据集对所述第二状态识别模型进行微调得到第三状态识别模型。
7、在一种可能的实现方式中,所述中央服务器对所述多个车企对应的电子设备发送的第一模型参数进行聚合,得到第二模型参数,包括:
8、所述中央服务器确定所述多个车企对应的电子设备发送的第一模型参数的平均值,得到所述第二模型参数。
9、在另一种可能的实现方式中,所述中央服务器对所述多个车企对应的电子设备发送的第一模型参数进行聚合,得到第二模型参数,包括:
10、所述中央服务器确定所述多个车企对应的电子设备本地的数据集的数量;基于所述多个车企对应的电子设备本地的数据集的数量,确定所述多个车企对应的电子设备发送的第一模型参数的权重,基于所述多个车企对应的电子设备发送的第一模型参数的权重,对所述多个车企对应的电子设备发送的第一模型参数进行加权求和,得到所述第二模型参数。
11、在另一种可能的实现方式中,所述中央服务器基于所述第二模型参数,生成第二状态识别模型,向所述多个车企对应的电子设备发送所述第二状态识别模型,包括:
12、所述中央服务器将所述第一状态识别模型的模型参数更新为所述第二模型参数,向所述多个车企对应的电子设备发送更新后的所述第一状态识别模型;
13、对于任一车企对应的电子设备,所述电子设备接收更新后的所述第一状态识别模型,基于本地的数据集再次训练更新后的所述第一状态识别模型,将训练后的第一状态识别模型的第三模型参数发送给所述中央服务器;
14、所述中央服务器接收所述多个车企对应的电子设备发送的第三模型参数,对所述多个车企对应的电子设备发送的第三模型参数进行聚合得到第四模型参数,确定训练次数是否达到预设次数,在训练次数达到预设次数的情况下,将所述第一状态识别模型的模型参数更新为所述第四模型参数得到第二状态识别模型,向所述多个车企对应的电子设备发送所述第二状态识别模型;
15、在训练次数没有达到预设次数的情况下,将所述第一状态识别模型的模型参数更新为所述第四模型参数,向所述多个车企对应的电子设备发送更新后的所述第一状态识别模型,以此类推,直到训练次数达到预设次数此时得到第二状态识别模型,向所述多个车企对应的电子设备发送所述第二状态识别模型。
16、在另一种可能的实现方式中,所述中央服务器基于所述第二模型参数,生成第二状态识别模型,包括:
17、所述中央服务器向所述多个车企对应的电子设备发送所述第二模型参数;
18、对于任一车企对应的电子设备,所述电子设备接收所述第二模型参数,将所述第一状态识别模型的模型参数更新为所述第二模型参数,基于本地的数据集再次训练更新后的所述第一状态识别模型,向所述中央服务器发送训练后的所述第一状态识别模型的第三模型参数;
19、所述中央服务器接收所述多个车企对应的电子设备发送的第三模型参数,对所述多个车企对应的电子设备发送的第三模型参数进行聚合,得到第四模型参数,向所述多个车企对应的电子设备发送所述第四模型参数;
20、对于任一车企对应的电子设备,所述电子设备接收所述中央服务器发送的所述第四模型参数,确定训练次数是否达到预设次数;在训练次数达到预设次数的情况下,将所述第一状态识别模型的模型参数更新为所述第四模型参数得到第二状态识别模型;在训练次数没有达到预设次数的情况下,将所述第一状态识别模型的模型参数更新为所述第四模型参数,然后基于本地的数据集再次训练更新后的所述第一状态识别模型,以此类推,直到训练次数达到预设次数此时得到所述第二状态识别模型。
21、在另一种可能的实现方式中,所述第二状态识别模块包括全连接层和所述全连接层之前的其他网络层;
22、所述电子设备基于本地的数据集对所述第二状态识别模型进行微调得到第三状态识别模型,包括:
23、所述电子设备固定所述其他网络层的模型参数,基于所述本地的数据集对所述全连接层的模型参数进行微调得到所述第三状态识别模型。
24、另一方面,提供了一种车辆的状态识别模型的训练系统,所述系统包括:
25、中央服务器,用于向多个车企对应的电子设备发送第一状态识别模型;
26、对于任一车企对应的电子设备,所述电子设备,用于接收所述中央服务器发送的第一状态识别模型,基于本地的数据集训练所述第一状态识别模型,向所述中央服务器训练后的第一状态识别模型的第一模型参数;
27、所述中央服务器,用于接收所述多个车企对应的电子设备发送的第一模型参数,对所述多个车企对应的电子设备发送的第一模型参数进行聚合,得到第二模型参数,基于所述第二模型参数,生成第二状态识别模型,向所述多个车企对应的电子设备发送所述第二状态识别模型;
28、对于任一车企对应的电子设备,所述电子设备,用于接收所述第二状态识别模型,基于本地的数据集对所述第二状态识别模型进行微调得到第三状态识别模型。
29、在一种可能的实现方式中,所述中央服务器,用于确定所述多个车企对应的电子设备发送的第一模型参数的平均值,得到所述第二模型参数。
30、在另一种可能的实现方式中,所述中央服务器,用于确定所述多个车企对应的电子设备本地的数据集的数量;基于所述多个车企对应的电子设备本地的数据集的数量,确定所述多个车企对应的电子设备发送的第一模型参数的权重,基于所述多个车企对应的电子设备发送的第一模型参数的权重,对所述多个车企对应的电子设备发送的第一模型参数进行加权求和,得到所述第二模型参数。
31、在另一种可能的实现方式中,所述中央服务器,用于将所述第一状态识别模型的模型参数更新为所述第二模型参数,向所述多个车企对应的电子设备发送更新后的所述第一状态识别模型;
32、对于任一车企对应的电子设备,所述电子设备,用于接收更新后的所述第一状态识别模型,基于本地的数据集再次训练更新后的所述第一状态识别模型,将训练后的第一状态识别模型的第三模型参数发送给所述中央服务器;
33、所述中央服务器,用于接收所述多个车企对应的电子设备发送的第三模型参数,对所述多个车企对应的电子设备发送的第三模型参数进行聚合得到第四模型参数,确定训练次数是否达到预设次数,在训练次数达到预设次数的情况下,将所述第一状态识别模型的模型参数更新为所述第四模型参数得到第二状态识别模型,向所述多个车企对应的电子设备发送所述第二状态识别模型;
34、所述中央服务器,用于在训练次数没有达到预设次数的情况下,将所述第一状态识别模型的模型参数更新为所述第四模型参数,向所述多个车企对应的电子设备发送更新后的所述第一状态识别模型,以此类推,直到训练次数达到预设次数此时得到第二状态识别模型,向所述多个车企对应的电子设备发送所述第二状态识别模型。
35、在另一种可能的实现方式中,所述中央服务器,用于向所述多个车企对应的电子设备发送所述第二模型参数;
36、对于任一车企对应的电子设备,所述电子设备,用于接收所述第二模型参数,将所述第一状态识别模型的模型参数更新为所述第二模型参数,基于本地的数据集再次训练更新后的所述第一状态识别模型,向所述中央服务器发送训练后的所述第一状态识别模型的第三模型参数;
37、所述中央服务器,用于接收所述多个车企对应的电子设备发送的第三模型参数,对所述多个车企对应的电子设备发送的第三模型参数进行聚合,得到第四模型参数,向所述多个车企对应的电子设备发送所述第四模型参数;
38、对于任一车企对应的电子设备,所述电子设备,用于接收所述中央服务器发送的所述第四模型参数,确定训练次数是否达到预设次数;在训练次数达到预设次数的情况下,将所述第一状态识别模型的模型参数更新为所述第四模型参数得到第二状态识别模型;在训练次数没有达到预设次数的情况下,将所述第一状态识别模型的模型参数更新为所述第四模型参数,然后基于本地的数据集再次训练更新后的所述第一状态识别模型,以此类推,直到训练次数达到预设次数此时得到所述第二状态识别模型。
39、在另一种可能的实现方式中,所述第二状态识别模块包括全连接层和所述全连接层之前的其他网络层;
40、所述电子设备,用于固定所述其他网络层的模型参数,基于所述本地的数据集对所述全连接层的模型参数进行微调得到所述第三状态识别模型。
41、另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行,以实现上述的车辆的状态识别模型的训练方法。该计算机设备包括中央服务器和电子设备,从而中央服务器和电子设备执行上述的车辆的状态识别模型的训练方法。
42、另一方面,提供了一种计算机可读存储介质,所述存储介质中存储有至少一条程序代码,所述至少一条程序代码由处理器加载并执行,以实现上述的车辆的状态识别模型的训练方法。
43、另一方面,提供了一种计算机程序产品,所述产品存储有至少一条程序代码,所述至少一条程序代码用于被处理器执行,以实现上述的车辆的状态识别模型的训练方法。
44、在本技术实施例中,多个车企的数据集保存在多个车企本地,车企对应的电子设备基于本地的数据集训练第一状态识别模型,从而实现各车企的数据集可用且对其他车企不可见;并且,由于中央服务器能够聚合多个车企对应的电子设备训练第一状态识别模型的模型参数,以更新得到第二状态识别模型,并将第二状态识别模型同步给多个车企对应的电子设备,这样能够实现状态识别模型的共享。因此,本技术实施例能够在对数据集保密的同时实现状态识别模型的共享,打破了训练状态识别模型的数据壁垒。
45、应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
本文地址:https://www.jishuxx.com/zhuanli/20241106/322803.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表