[发明专利]车辆类型识别方法与训练方法、装置、设备和存储介质

说明书

本申请提出一种车辆类型识别方法与训练方法、装置、设备和存储介质。其中，所述方法可以包括：根据训练样本集对第一识别模型进行预训练，得到第二识别模型。所述训练样本集包括多个标注车辆类型信息的第一训练样本。利用所述第二识别模型，在获取的车辆视频流中，确定模型训练贡献度满足预设要求的待标注样本，并对所述待标注样本进行车辆类型标注，得到第二训练样本。所述模型训练贡献度指示训练样本对模型训练的贡献程度。基于所述训练样本集中的第一训练样本与所述第二训练样本，对所述第二识别模型训练，得到第三识别模型。

技术领域

本申请涉及计算机技术，具体涉及一种车辆类型识别方法与训练方法、装置、设备和存储介质。

背景技术

在城市交通领域，交通监管部门需要对车辆的行驶行为进行监管。不同类型的车辆对应的行驶规则不同。尤其对于特种车辆，需要根据特殊的行驶规则进行监管。

所述特种车辆可以是指担负特种勤务的车辆。例如，渣土车、搅拌车、公检法车、救护车、消防车等。对于渣土车、搅拌车等工具用车，其对应的出行时间，路线以及车道等均有限制。对于公检法车、救护车、消防车等行政用车，其对应的行驶规则较为宽松。

目前，通常使用基于神经网络构建的车辆类型识别模型进行车辆类型识别。而对所述车辆类型识别模型进行训练，需要依靠大量标注了车辆类型信息的训练样本。一方面，由于训练样本数量大，可能导致标注工作量大，标注效率低；另一方面，由于训练样本良莠不齐，可能影响模型的预测效果。

发明内容

有鉴于此，本申请公开一种车辆类型识别模型的训练方法。该方法可以包括：根据训练样本集对第一识别模型进行预训练，得到第二识别模型；所述训练样本集包括多个标注车辆类型信息的第一训练样本；利用所述第二识别模型，在获取的车辆视频流中，确定模型训练贡献度满足预设要求的待标注样本，并对所述待标注样本进行车辆类型标注，得到第二训练样本；所述模型训练贡献度指示训练样本对模型训练的贡献程度；基于所述训练样本集中的第一训练样本与所述第二训练样本，对所述第二识别模型训练，得到第三识别模型。

在一些实施例中，所述第一识别模型包括：经过训练的车辆属性识别模型的骨干网络；所述基于所述训练样本集中的第一训练样本与所述第二训练样本，对所述第二识别模型训练，得到第三识别模型，包括：根据所述骨干网络，得到所述第一训练样本与所述第二训练样本分别对应的第一图像特征；据所述第一图像特征，对所述第一训练样本与所述第二训练样本中的各训练样本进行车辆类型识别，得到与所述各训练样本分别对应的识别结果；根据预设损失函数，确定所述识别结果与所述各训练样本分别对应的车辆类型标注信息之间的误差，并基于所述误差，利用反向传播更新所述第二识别模型的参数，得到所述第三识别模型。

在一些实施例中，所述第一识别模型还包括对多级图像特征进行感知的特征感知层；所述根据对所述各训练样本分别对应的第一图像特征，对所述各训练样本进行车辆类型识别，得到与各训练样本分别对应的识别结果，包括：利用所述特征感知层，对所述各训练样本分别对应的第一图像特征进行多级特征感知，得到所述各训练样本分别对应的多级图像特征；基于所述各训练样本分别对应的多级图像特征，对所述各训练样本进行车辆类型识别，得到各训练样本分别对应的识别结果。

在一些实施例中，所述车辆属性包括以下中的至少一项：车辆类型；车辆辨识度；车辆颜色；车辆朝向。

在一些实施例中，所述模型训练贡献度满足预设要求包括：所述待标注样本包含的信息量达标；所述利用所述第二识别模型，在获取的车辆视频流中，确定模型训练贡献度满足预设要求的待标注样本，包括：利用所述第二识别模型，对所述车辆视频流中的各车辆图像进行车辆类型识别，得到所述各车辆图像分别对应的识别结果；基于所述各车辆图像分别对应的识别结果，得到所述各车辆图像分别对应信息熵；所述信息熵表征与所述信息熵对应车辆图像包含的与模型训练关联的信息量；将所述各车辆图像分别对应的信息熵按从大到小排序得到信息熵序列，并将位于所述信息熵序列中前N个信息熵对应的车辆图像，确定为所述待标注样本。