[发明专利]基于人工智能的实例分割模型训练方法、装置、存储介质

说明书

本发明公开了一种基于人工智能的实例分割模型训练方法、装置、存储介质，其中，模型训练方法包括：获取长尾分布图像数据集；从长尾分布图像数据集中获取第一样本和第二样本；根据第一位置信息对第一样本进行裁剪，得到目标尾部类别图像；获取第一尺寸和第二尺寸；根据第一位置信息、第一尺寸和第二尺寸确定目标尾部类别图像在第二样本的目标应用位置信息；根据目标应用位置信息将目标尾部类别图像应用于第二样本，得到训练数据；获取预设的实例分割模型，根据训练数据和预置的损失函数对实例分割模型进行训练，得到目标实例分割模型。根据本申请的技术方案，能够有效均衡长尾分布图像数据的数据类别分布，提高实例分割模型的准确率。

技术领域

本发明涉及但不限于人工智能技术领域，尤其涉及一种基于人工智能的实例分割模型训练方法、装置、存储介质。

背景技术

对街景图像数据集进行实例分割是无人驾驶汽车的主要支撑技术，无人驾驶汽车系统中的实例分割模型根据街景图像数据识别出周围道路、车辆和障碍物信息，并根据周围道路、车辆和障碍物信息进行决策，从而控制车辆的方向和速度大小。因此，实例分割模型的表现直接关系到了无人驾驶汽车的安全性、稳定性和舒适性。

在实际应用中，获取到的街景图像数据集，即用于训练实例分割模型的训练数据集，往往服从长尾分布，即少数训练数据占据了绝大多数的出现次数，而大多数训练数据则出现频率较低，造成训练数据类别分布的不均衡，从而导致实例分割模型的准确率较低。

发明内容

以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。

本发明实施例提供了一种基于人工智能的实例分割模型训练方法、装置、存储介质，能够提高实例分割模型的准确率。

第一方面，本发明实施例提供了一种基于人工智能的实例分割模型训练方法，包括：

获取长尾分布图像数据集；

从所述长尾分布图像数据集中获取第一样本和第二样本，所述第一样本包括尾部类别图像，所述第二样本与所述第一样本互不相同；

确定所述第一样本中尾部类别图像的第一位置信息，根据所述第一位置信息对所述第一样本进行裁剪，得到目标尾部类别图像；

获取第一尺寸和第二尺寸，其中，所述第一尺寸为所述目标尾部类别图像的图像尺寸，所述第二尺寸为所述第二样本的图像尺寸；

根据所述第一位置信息、第一尺寸和所述第二尺寸确定所述目标尾部类别图像在所述第二样本的目标应用位置信息；

根据所述目标应用位置信息将所述目标尾部类别图像应用于所述第二样本，得到训练数据；

获取预设的实例分割模型，根据所述训练数据和预置的损失函数对所述实例分割模型进行训练，得到目标实例分割模型。

在一实施例中，在根据所述第一位置信息对所述第一样本进行裁剪，得到目标尾部类别图像之后，还包括：

对所述目标尾部类别图像进行数据增强，得到新的目标尾部类别图像。

在一实施例中，在所述根据目标应用位置信息将目标尾部类别图像应用于第二样本之前，还包括：

根据所述第一尺寸、所述第二尺寸得到缩放因子；

根据所述缩放因子对所述目标尾部类别图像进行尺寸调整。

在一实施例中，所述根据所述第一位置信息、第一尺寸和所述第二尺寸确定所述目标尾部类别图像在所述第二样本的目标应用位置信息，包括：

获取第二横坐标信息，所述第二横坐标信息由所述第一横坐标信息乘以所述第二高度与所述第一高度的比值得到；