[发明专利]模型优化方法、装置及计算机程序产品

权利要求书

1.一种模型优化方法，其特征在于，包括：

获取图像样本集，调用待优化的目标感知模型按照目标图像感知任务对所述图像样本集中的每个图像样本进行图像感知，得到所述每个图像样本的目标感知结果；

调用基准感知模型按照所述目标图像感知任务对所述每个图像样本进行图像感知，得到所述每个图像样本的基准感知结果；其中，所述基准感知模型的感知准确率大于所述目标感知模型的感知准确率；

分别对所述每个图像样本的目标感知结果和相应的基准感知结果进行差分处理，得到所述每个图像样本的差分结果；

根据所述每个图像样本的差分结果，在所述图像样本集中进行难例样本的挖掘，得到一个或多个难例样本；

根据通过所述一个或多个难例样本确定的所述目标感知模型的优化参数，更新所述目标感知模型。

2.根据权利要求1所述的方法，其特征在于，所述目标图像感知任务为目标检测任务，任一图像样本的目标感知结果包括一个或多个目标检测框，且所述任一图像样本的基准感知结果包括一个或多个基准检测框，检测框用于标识从图像样本中检测到的目标；

所述分别对所述每个图像样本的目标感知结果和相应的基准感知结果进行差分处理，得到所述每个图像样本的差分结果，包括：

遍历各个图像样本，将当前遍历的当前图像样本的基准感知结果作为当前基准感知结果，并将所述当前图像样本的目标感知结果作为当前目标感知结果；

根据所述当前基准感知结果中的每个基准检测框，与所述当前目标感知结果中的各个目标检测框之间的差分情况，分别计算所述每个基准检测框和所述各个目标检测框之间的重叠度；

根据计算得到的各个重叠度，确定所述当前图像样本的差分结果。

3.根据权利要求2所述的方法，其特征在于，所述根据计算得到的各个重叠度，确定所述当前图像样本的差分结果，包括：

若根据计算得到的各个重叠度，确定所述当前基准感知结果中存在第一检测框，则将漏召回标签作为所述当前图像样本的图像标签，添加至所述当前图像样本的差分结果中；所述第一检测框是指：与所述当前目标感知结果中的各个目标检测框之间的重叠度均小于重叠度阈值的基准检测框；

若根据计算得到的各个重叠度，确定所述当前目标感知结果中存在第二检测框，则将误检测标签作为所述当前图像样本的图像标签，添加至所述当前图像样本的差分结果中；所述第二检测框是指：与所述当前基准感知结果中的各个基准检测框之间的重叠度均小于重叠度阈值的目标检测框；

若根据计算得到的各个重叠度，确定所述当前基准感知结果中不存在第一检测框，且所述当前目标感知结果中不存在第二检测框，则将正确检测标签作为所述当前图像样本的图像标签，添加至所述当前图像样本的差分结果中。

4.根据权利要求3所述的方法，其特征在于，所述根据所述每个图像样本的差分结果，在所述图像样本集中进行难例样本的挖掘，得到一个或多个难例样本，包括：

针对所述图像样本集中的任一图像样本，从所述任一图像样本的差分结果中获取所述任一图像样本的图像标签；

若获取到的图像标签为漏召回标签或误检测标签，则将所述任一图像样本确定为一个难例样本。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法由测试车辆所配置的车载终端执行，且所述优化参数是指通过所述一个或多个难例样本优化所述目标感知模型后的模型参数；其中，通过所述一个或多个难例样本优化所述目标感知模型的过程在云端服务器执行；

所述通过所述一个或多个难例样本优化所述目标感知模型，包括：

获取所述一个或多个难例样本中的各个难例样本的图像特征，并基于所述各个难例样本的图像特征之间的特征相似度，对所述各个难例样本进行聚类处理，形成至少一个聚类样本组；

统计各个聚类样本组中的难例样本的数量，得到所述各个聚类样本组的样本数量；

将样本数量大于或等于预设的目标数量的聚类样本组中的全部或目标数量的难例样本，添加至所述目标感知模型的难例样本集中；

采用所述难例样本集对所述目标感知模型进行模型优化。