[发明专利]深度学习模型的评价方法、装置、电子设备及存储介质

权利要求书

1.一种深度学习模型的评价方法，其特征在于，包括：

获取测试图像信息中目标物体与设定基准平面之间的实际距离，所述目标物体包括目标车辆的车轮与所述设定基准平面的接触点或所述目标车辆的边界框Bounding box与所述设定基准平面的接触点，所述设定基准平面包括地面；

基于深度学习模型确定所述测试图像中所述目标物体与所述设定基准平面之间的预测距离；

基于所述实际距离与所述预测距离的比较结果对所述深度学习模型进行评价。

2.根据权利要求1所述的方法，其特征在于，所述基于所述实际距离与所述预测距离的比较结果对所述深度学习模型进行评价，包括：

确定所述实际距离与所述预测距离之间的差值；

基于所述差值对所述深度学习模型进行评价。

3.根据权利要求2所述的方法，其特征在于，所述基于所述差值对所述深度学习模型进行评价，包括：

获取所述深度学习模型的平均准确度MAP指标；

基于所述差值的倒数与所述MAP指标的加权和对所述深度学习模型进行评价。

4.根据权利要求3所述的方法，其特征在于，所述基于所述差值的倒数与所述MAP指标的加权和对所述深度学习模型进行评价，包括：

对所述差值的倒数以及所述MAP指标进行归一化处理，得到归一化处理后的所述差值的倒数以及所述MAP指标；

基于所述归一化处理后的所述差值的倒数以及所述MAP指标的加权和对所述深度学习模型进行评价。

5.一种深度学习模型的评价装置，其特征在于，包括：

实际距离获取模块，用于获取测试图像信息中目标物体与设定基准平面之间的实际距离，所述目标物体包括目标车辆的车轮与所述设定基准平面的接触点或所述目标车辆的边界框Bounding box与所述设定基准平面的接触点，所述设定基准平面包括地面；

预测距离确定模块，用于基于深度学习模型确定所述测试图像中所述目标物体与所述设定基准平面之间的预测距离；

学习模型评价模块，用于基于所述实际距离与所述预测距离的比较结果对所述深度学习模型进行评价。

6.根据权利要求5所述的装置，其特征在于，所述学习模型评价模块，包括：

距离差值确定单元，用于确定所述实际距离与所述预测距离之间的差值；

学习模型评价单元，用于基于所述差值对所述深度学习模型进行评价。

7.根据权利要求6所述的装置，其特征在于，所述学习模型评价单元还用于：

获取所述深度学习模型的平均准确度MAP指标；

基于所述差值的倒数与所述MAP指标的加权和对所述深度学习模型进行评价。

8.根据权利要求7所述的装置，其特征在于，所述学习模型评价单元还用于：

对所述差值的倒数以及所述MAP指标进行归一化处理，得到归一化处理后的所述差值的倒数以及所述MAP指标；

基于所述归一化处理后的所述差值的倒数以及所述MAP指标的加权和对所述深度学习模型进行评价。

9.一种电子设备，其特征在于，所述电子设备包括：

处理器；

被配置为存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取测试图像信息中目标物体与设定基准平面之间的实际距离，所述目标物体包括目标车辆的车轮与所述设定基准平面的接触点或所述目标车辆的边界框Bounding box与所述设定基准平面的接触点，所述设定基准平面包括地面；

基于深度学习模型确定所述测试图像中所述目标物体与所述设定基准平面之间的预测距离；

基于所述实际距离与所述预测距离的比较结果对所述深度学习模型进行评价。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器处理时实现：

获取测试图像信息中目标物体与设定基准平面之间的实际距离，所述目标物体包括目标车辆的车轮与所述设定基准平面的接触点或所述目标车辆的边界框Bounding box与所述设定基准平面的接触点，所述设定基准平面包括地面；

基于深度学习模型确定所述测试图像中所述目标物体与所述设定基准平面之间的预测距离；

基于所述实际距离与所述预测距离的比较结果对所述深度学习模型进行评价。