[发明专利]场景分类方法、装置、设备以及存储介质

权利要求书

1.一种场景分类方法，包括：

获取车辆行驶场景数据；

利用深度学习中自监督技术对所述车辆行驶场景数据进行特征提取，得到车辆行驶场景特征；

对所述车辆行驶场景特征进行分类，得到所述车辆行驶场景数据所属的场景类别。

2.根据权利要求1所述的方法，其中，所述车辆行驶场景数据包括车辆轨迹数据和地图数据；以及

所述利用深度学习中自监督技术对所述车辆行驶场景数据进行特征提取，得到车辆行驶场景特征，包括：

将所述车辆轨迹数据和所述地图数据同时进行渲染，得到渲染图像序列；

通过卷积神经网络-变分自动编码器对所述渲染图像序列进行压缩和重建，在重建过程中引入三元组损失函数，得到第一车辆行驶场景特征向量序列。

3.根据权利要求2所述的方法，其中，所述利用深度学习中自监督技术对所述车辆行驶场景数据进行特征提取，得到车辆行驶场景特征，还包括：

利用循环神经网络对所述第一车辆行驶场景特征向量序列进一步压缩和重建，得到第二车辆行驶场景特征向量序列。

4.根据权利要求3所述的方法，其中，所述循环神经网络增加预测分支，在训练过程中引入局部聚类损失函数。

5.根据权利要求1-4之一所述的方法，其中，所述对所述车辆行驶场景特征进行分类，包括：

利用K均值聚类算法对所述车辆行驶场景特征进行分类，以及基于轮廓分数确定每种场景类别所包括的车辆行驶场景数据的数量。

6.一种场景分类装置，包括：

获取模块，被配置成获取车辆行驶场景数据；

提取模块，被配置成利用深度学习中自监督技术对所述车辆行驶场景数据进行特征提取，得到车辆行驶场景特征；

分类模块，被配置成对所述车辆行驶场景特征进行分类，得到所述车辆行驶场景数据所属的场景类别。

7.根据权利要求6所述的装置，其中，所述车辆行驶场景数据包括车辆轨迹数据和地图数据；以及

所述提取模块包括：

渲染子模块，被配置成将所述车辆轨迹数据和所述地图数据同时进行渲染，得到渲染图像序列；

第一重建子模块，被配置成通过卷积神经网络-变分自动编码器对所述渲染图像序列进行压缩和重建，在重建过程中引入三元组损失函数，得到第一车辆行驶场景特征向量序列。

8.根据权利要求7所述的装置，其中，所述提取模块还包括：

第二重建子模块，被配置成利用循环神经网络对所述第一车辆行驶场景特征向量序列进一步压缩和重建，得到第二车辆行驶场景特征向量序列。

9.根据权利要求8所述的装置，其中，所述循环神经网络增加预测分支，在训练过程中引入局部聚类损失函数。

10.根据权利要求6-9之一所述的装置，其中，所述分类模块进一步被配置成：

利用K均值聚类算法对所述车辆行驶场景特征进行分类，以及基于轮廓分数确定每种场景类别所包括的车辆行驶场景数据的数量。

11.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。

13.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的方法。