[发明专利]模型训练方法、驾驶数据处理方法、装置、介质和设备

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取多组基于驾驶场景的样本数据，每组样本数据包括第一样本数据、第二样本数据、目标样本数据；其中，所述第一样本数据与所述目标样本数据之间的相似度大于所述第二样本数据与所述目标样本数据之间的相似度；

将所述第一样本数据、所述第二样本数据以及所述目标样本数据分别输入至特征提取模型，确定出所述第一样本数据对应的第一特征向量、所述第二样本数据对应的第二特征向量、以及所述目标样本数据对应的目标特征向量；

计算所述第一特征向量与所述目标特征向量的相似度，作为第一相似度，以及计算所述第二特征向量与所述目标特征向量的相似度，作为第二相似度；

利用所述第一相似度和所述第二相似度对所述特征提取模型进行训练。

2.根据权利要求1所述的模型训练方法，其特征在于，所述特征提取模型包括第一特征提取单元和第二特征提取单元；其中，将所述第一样本数据、所述第二样本数据以及所述目标样本数据分别输入至特征提取模型，确定出所述第一样本数据对应的第一特征向量、所述第二样本数据对应的第二特征向量、以及所述目标样本数据对应的目标特征向量，包括：

将所述第一样本数据、所述第二样本数据以及所述目标样本数据分别输入至所述第一特征提取单元，确定出所述第一样本数据对应的第一特征矩阵、所述第二样本数据对应的第二特征矩阵、以及所述目标样本数据对应的目标特征矩阵；

将所述第一特征矩阵、所述第二特征矩阵以及所述目标特征矩阵分别输入至所述第二特征提取单元，确定出所述第一特征矩阵对应的第一特征向量、所述第二特征矩阵对应的第二特征向量、以及所述目标特征矩阵对应的目标特征向量。

3.根据权利要求2所述的模型训练方法，其特征在于，将所述第一样本数据、所述第二样本数据以及所述目标样本数据分别输入至所述第一特征提取单元，确定所述第一样本数据对应的第一特征矩阵、所述第二样本数据对应的第二特征矩阵、以及所述目标样本数据对应的目标特征矩阵包括：

分别对所述第一样本数据、所述第二样本数据以及所述目标样本数据进行嵌入操作，确定出所述第一样本数据对应的第一中间矩阵、所述第二样本数据对应的第二中间矩阵、以及所述目标样本数据对应的目标中间矩阵；

所述第一中间矩阵结合指定参数矩阵确定出第一特征矩阵，所述第二中间矩阵结合所述指定参数矩阵确定出第二特征矩阵，以及所述目标中间矩阵结合所述指定参数矩阵确定出目标特征矩阵。

4.根据权利要求1至3任一项所述的模型训练方法，其特征在于，利用所述第一相似度和所述第二相似度对所述特征提取模型进行训练包括：

基于所述第一相似度和所述第二相似度确定出损失函数；

利用所述损失函数对所述特征提取模型进行训练。

5.一种驾驶数据处理方法，其特征在于，包括：

获取当前驾驶数据，利用一训练后的特征提取模型对所述当前驾驶数据进行处理，确定出与所述当前驾驶数据对应的当前特征向量；其中，所述训练后的特征提取模型是由权利要求1至4中任一项所述的模型训练方法训练得到；

获取各历史驾驶数据对应的各历史特征向量，并分别计算各所述历史特征向量与所述当前特征向量之间的相似度；

若各所述历史特征向量中存在与所述当前特征向量之间的相似度大于等于一预设阈值的目标特征向量，则确定与所述目标特征向量对应的目标驾驶数据；

从数据库中删除所述目标驾驶数据并将所述当前驾驶数据存储至所述数据库中，或者丢弃所述当前驾驶数据。

6.根据权利要求5所述的驾驶数据处理方法，其特征在于，所述驾驶数据处理方法还包括：

若各历史特征向量与当前特征向量之间的相似度均小于预设阈值，则将所述当前驾驶数据存储至所述数据库中。