[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

说明书

本发明公开了一种深度学习模型的评价方法、装置、电子设备及存储介质，所述方法包括：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；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。本发明可以丰富对当前训练的深度学习模型的评价方式，实现准确的评价深度学习模型，进而可以确保训练的深度学习模型的准确性。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种深度学习模型的评价方法、装置、电子设备及存储介质。

背景技术

深度学习模型训练的整体框架包括：获取样本图像，然后对样本图像进行预处理，然后将预处理后的图像输入已有模型(如，yolo模型等)中进行训练，并对训练的模型进行评价，进而基于评价结果确定继续训练或结束训练。

相关技术中采用的模型评价方式较为单一，无法实现准确的评价训练的深度学习模型，进而会影响训练出的深度学习模型的准确性。

发明内容

有鉴于此，本发明提出一种深度学习模型的评价方法、装置、电子设备及存储介质以解决上述技术问题。

为了达到上述目的，本发明所采用的技术方案为：

根据本发明实施例的第一方面，提出了一种深度学习模型的评价方法，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；

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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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。

在一实施例中，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。

根据本发明实施例的第二方面，提出了一种深度学习模型的评价装置，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；

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。

在一实施例中，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。