[发明专利]一种模型训练的方法及装置

权利要求书

1.一种模型训练的方法，其特征在于，所述方法包括：

获取包含标注信息的点云，作为训练样本，所述标注信息包括实际边界框的位置信息；

将所述训练样本输入待训练检测模型，得到所述待训练检测模型输出的预测边界框的信息，其中，所述预测边界框的信息包括位置信息以及预测差异信息，所述预测差异信息为所述待训练检测模型对所述预测边界框的位置信息与所述实际边界框的位置信息之间的差异的预测值；

根据所述预测边界框的位置信息与所述实际边界框的位置信息，确定实际差异信息；

以所述实际差异信息最小化以及所述预测差异信息最小化为训练目标，对所述待训练检测模型进行训练。

2.如权利要求1所述的方法，其特征在于，位置信息包括边界框的中心信息、尺寸信息、角度信息；

根据所述预测边界框的位置信息与所述实际边界框的位置信息，确定实际差异信息，具体包括：

根据所述实际边界框的中心信息、尺寸信息、角度信息以及所述预测边界框的中心信息、尺寸信息、角度信息，确定所述实际差异信息。

3.如权利要求1所述的方法，其特征在于，以所述实际差异信息最小化以及所述预测差异信息最小化为训练目标，对所述待训练检测模型进行训练，具体包括：

根据所述实际差异信息以及所述预测差异信息，确定损失；

以所述损失最小化为训练目标，对所述待训练检测模型进行训练，其中，所述损失与所述实际差异信息正相关，所述损失与所述预测差异信息正相关。

4.如权利要求3所述的方法，其特征在于，根据所述实际差异信息以及所述预测差异信息，确定损失，具体包括：

确定所述待训练检测模型输出的所述预测边界框中包含预设目标的概率，作为置信度；

根据所述实际差异信息、所述预测差异信息以及所述置信度，确定损失。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取激光雷达采集的点云；

将所述点云输入训练完成的检测模型，得到所述检测模型输出的各待定边界框的位置信息以及每个待定边界框中包含预设目标的概率，作为置信度；

根据各待定边界框的置信度，从各待定边界框中选择若干个指定边界框；

根据各待定边界框的位置信息与各指定边界框的位置信息，对各待定边界框进行聚类；

针对各类，根据该类中各待定边界框的位置信息，融合该类中各待定边界框，得到最终边界框的信息；

根据各类中的最终边界框的信息，确定所述点云的目标检测结果。

6.如权利要求5所述的方法，其特征在于，根据各待定边界框的置信度，从各待定边界框中选择若干个指定边界框，具体包括：

根据各待定边界框的置信度从大到小的顺序，依次从各待定边界框中选择若干个待定边界框作为所述指定边界框。

7.如权利要求5所述的方法，其特征在于，根据各待定边界框的位置信息与各指定边界框的位置信息，对各待定边界框进行聚类，具体包括：

针对各待定边界框，根据该待定边界框的位置信息与各指定边界框的位置信息，分别确定该待定边界框与各指定边界框的交并比IOU；

根据该待定边界框与各指定边界框的IOU，选择最大IOU的指定边界框，并将选择的指定边界框与该待定边界框进行聚为一类。

8.如权利要求5所述的方法，其特征在于，根据该类中各待定边界框的位置信息，融合该类中各待定边界框，得到最终边界框的信息，具体包括：

针对该类中的各待定边界框，根据该待定边界框的置信度，确定该待定边界框的边界框权重，其中，该待定边界框的边界框权重与该待定边界框的置信度正相关；

根据该类中各待定边界框的边界框权重以及位置信息，融合该类中各待定边界框，得到最终边界框的信息。