[发明专利]场景分类方法、装置、设备以及存储介质

说明书

本申请公开了场景分类方法、装置、设备以及存储介质，涉及计算机视觉、深度学习、自动驾驶等人工智能技术领域。该方法的一具体实施方式包括：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；对车辆行驶场景特征进行分类，得到车辆行驶场景数据所属的场景类别。该实施方式在场景分类的过程中，采用深度学习中自监督技术进行特征提取，来代替人为定义特征，保证特征的客观性，进而提升场景分类准确度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及计算机视觉、深度学习、自动驾驶等人工智能技术领域，尤其涉及场景分类方法、装置、设备以及存储介质。

背景技术

目前，自动驾驶开发中会使用大规模路上采集的数据。尤其是自动驾驶仿真系统在进行算法测试过程中，会使用路上采集的数据来生成仿真测试集。为确保生成测试集的完整性以及真实性并尽可能减少运算量，需要将收集到的数据根据出现的场景进行分类。

现有的场景分类方式通过人为定义的特证对收集到的数据进行特征提取，通过提取的特征对数据进行相似性比较，分类时将特征相似的数据分为一类。

发明内容

本申请实施例提出了场景分类方法、装置、设备以及存储介质。

第一方面，本申请实施例提出了一种场景分类方法，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；对车辆行驶场景特征进行分类，得到车辆行驶场景数据所属的场景类别。

第二方面，本申请实施例提出了一种场景分类装置，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，被配置成对车辆行驶场景特征进行分类，得到车辆行驶场景数据所属的场景类别。

第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。

第五方面，本申请实施例提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现根据如第一方面中任一实现方式描述的方法。

本申请实施例提供的场景分类方法、装置、设备以及存储介质，首先获取车辆行驶场景数据；然后利用深度学习中自监督技术对车辆行驶场景数据进行特征提取，得到车辆行驶场景特征；最后对车辆行驶场景特征进行分类，得到车辆行驶场景数据所属的场景类别。在场景分类的过程中，采用深度学习中自监督技术进行特征提取，来代替人为定义特征，保证特征的客观性，进而提升场景分类准确度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请可以应用于其中的示例性系统架构；

图2是根据本申请的场景分类方法的一个实施例的流程图；

图3是根据本申请的场景分类方法的又一个实施例的流程图；

图4是本申请实施例的场景分类方法的应用场景图；

图5是根据本申请的场景分类装置的一个实施例的结构示意图；