[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

说明书

本发明公开了一种模型训练方法、驾驶数据处理方法、模型训练装置、驾驶数据处理装置、计算机可读存储介质和电子设备，涉及智能驾驶领域。该模型训练方法包括：获取多组基于驾驶场景的第一样本数据、第二样本数据、目标样本数据；将第一样本数据、第二样本数据以及目标样本数据分别输入至特征提取模型，确定第一样本数据对应的第一特征向量、第二样本数据对应的第二特征向量、以及目标样本数据对应的目标特征向量；计算第一特征向量与目标特征向量的相似度作为第一相似度，以及计算第二特征向量与目标特征向量的相似度作为第二相似度；利用第一相似度和第二相似度对特征提取模型进行训练。本公开可以去除冗余的驾驶数据，促进存储资源的合理利用。

技术领域

本公开涉及智能驾驶领域。具体而言，涉及一种模型训练方法、驾驶数据处理方法、模型训练装置、驾驶数据处理装置、计算机可读存储介质和电子设备。

背景技术

随着物联网和人工智能的快速发展，汽车技术领域也进入了高速发展阶段。例如，在智能汽车行业，因人们对生活质量追求的提升，自动驾驶车辆也成为行业的研究热点。

自动驾驶车辆是一种通过计算机系统实现无人驾驶的智能汽车。其中，自动驾驶是通过各种传感器来感知车辆周围环境，并通过融合各种传感器的数据，例如，道路、车辆位置和障碍物信息等，来控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。

然而，各种环境下的驾驶场景十分复杂，上述计算机系统不仅需要接收传感器响应的大量数据，而且需要存储大量的车辆行驶数据。因此，如何处理大量数据成为了一个重要的问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种模型训练方法、驾驶数据处理方法、模型训练装置、驾驶数据处理装置、计算机可读存储介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致冗余数据过多、未合理利用存储资源的问题。

根据本公开的第一个方面，提供了一种模型训练方法，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，第一样本数据与目标样本数据之间的相似度大于第二样本数据与目标样本数据之间的相似度；将第一样本数据、第二样本数据以及目标样本数据分别输入至特征提取模型，确定出第一样本数据对应的第一特征向量、第二样本数据对应的第二特征向量、以及目标样本数据对应的目标特征向量；计算第一特征向量与目标特征向量的相似度，作为第一相似度，以及计算第二特征向量与目标特征向量的相似度，作为第二相似度；利用第一相似度和第二相似度对特征提取模型进行训练。

根据本公开的第二个方面，提供一种驾驶数据处理方法，包括：获取当前驾驶数据，利用一训练后的特征提取模型对当前驾驶数据进行处理，确定出与当前驾驶数据对应的当前特征向量；其中，训练后的特征提取模型是由上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，并分别计算各历史特征向量与当前特征向量之间的相似度；若各历史特征向量中存在与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，则确定与目标特征向量对应的目标驾驶数据；从数据库中删除目标驾驶数据并将当前驾驶数据存储至数据库中，或者丢弃所述当前驾驶数据。