[发明专利]一种模型训练的方法及装置

说明书

本说明书公开了一种模型训练的方法及装置，通过获取包含实际边界框的位置信息的点云作为训练样本，将训练样本输入待训练检测模型，得到待训练检测模型输出的预测边界框的位置信息以及预测差异信息，预测差异信息为待训练检测模型对预测边界框的位置信息与实际边界框的位置信息之间的差异的预测值，根据预测边界框的位置信息与实际边界框的位置信息，可确定实际差异信息，以实际差异信息最小化以及预测差异信息最小化为训练目标，对待训练检测模型进行训练。通过上述内容，无人设备训练检测模型的方向为预测边界框最准，从而通过训练完成的检测模型，可确定准确的目标检测结果。

技术领域

本说明书涉及无人驾驶技术领域，尤其涉及一种模型训练的方法及装置。

背景技术

目前，在无人驾驶领域中，为了更好的控制无人设备，通常需要检测环境中的诸如车辆、行人等目标。

无人设备可将通过传感器采集的数据输入预先训练检测模型，通过检测模型确定目标的预测边界框信息。在对检测模型进行训练时，通常会根据目标的实际边界框的信息，对检测模型确定的目标的预测边界框(Bounding Box)进行筛选，选择与实际边界框的交并比(Intersection over Union，IOU)大于预设的IOU阈值的预测边界框，根据选择的预测边界框，对检测模型进行训练，显然，根据上述内容训练完成的检测模型，得到的目标检测结果中，可能无法检测出部分目标。

并且，在根据上述内容得到的预测边界框后，对预测边界框进行非极大值抑制(Non-maximum suppression，NMS)处理，而在NMS处理的过程中，仍旧存在无法检测到部分目标的情况。

因此，如何检测出无人设备周围环境中的目标，成为亟需解决的问题。

发明内容

本说明书实施例提供一种模型训练的方法及装置，以部分解决现有技术存在的上述问题。

本说明书实施例采用下述技术方案：

本说明书提供的一种模型训练的方法，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。

可选地，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。

可选地，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。

可选地，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；