[发明专利]目标检测模型训练方法、装置、设备和介质

说明书

本公开涉及人工智能技术领域，提供了一种目标检测模型训练方法，包括：根据预设时长内的具有时间序列的所有初始点云数据、以及每帧初始点云数据对应的标签数据，确定第一训练集；对第一训练集中包括的多帧目标稀疏点云数据中分别对应的至少一个目标对象的点云数据进行增强处理，得到每帧目标稀疏点云数据对应的稠密点云数据；根据多帧稠密点云数据、多帧初始点云数据、以及所有标签数据，确定第二训练集；利用第二训练集，对教师模型进行训练，得到训练好的目标教师模型；利用目标教师模型、第一训练集以及第二训练集，通过知识蒸馏方法，对学生模型进行训练，直至学生模型收敛，得到目标学生模型。采用该方式提高了目标检测的准确性。

技术领域

本公开涉及人工智能技术领域，特别是涉及一种目标检测模型训练方法、装置、设备和介质。

背景技术

由于激光雷达对环境光具有不敏感的特性、以及通过激光雷达能够较好的捕捉物体三维空间结构，因此通过激光雷达能够更准确的探测外界环境，基于此，根据激光雷达获取的激光点云数据被广泛的应用在目标检测中。

然而，通过激光雷达获取激光点云数据时，根据激光雷达的测距距离可知，激光点云数据的密度与被探测目标对象的距离密切相关，具体的，当被探测目标对象的距离越大时，目标对象对应的激光点云数据越稀疏，且存在目标对象被遮挡的可能性，从而导致无法利用目标对象对应的激光点云数据确定目标对象的特征，以此降低了基于激光点云数据的目标检测的准确性。

发明内容

基于此，有必要针对上述技术问题，提供了一种目标检测模型训练方法、装置、设备和介质。

第一方面，本公开实施例提供了一种目标检测模型训练方法，所述方法包括：

根据预设时长内的具有时间序列的所有初始点云数据、以及每帧所述初始点云数据对应的标签数据，确定第一训练集，其中，所述标签数据是根据目标对象的标注信息确定的；

对第一训练集中包括的多帧目标稀疏点云数据中分别对应的至少一个所述目标对象的点云数据进行增强处理，得到每帧所述目标稀疏点云数据对应的稠密点云数据，其中，所述目标稀疏点云数据是根据目标对象对应的点云数据量在第一训练集中包括的所有初始点云数据中确定的；

根据多帧所述稠密点云数据、多帧所述初始点云数据、以及所有标签数据，确定第二训练集，其中，多帧所述初始点云数据为所述第一训练集中除多帧目标稀疏点云数据的其他所述初始点云数据；

利用所述第二训练集，对教师模型进行训练，得到训练好的目标教师模型；

利用所述目标教师模型、第一训练集以及所述第二训练集，通过知识蒸馏方法，对学生模型进行训练，直至学生模型收敛，得到目标学生模型。

在一个实施例中，所述对第一训练集中包括的多帧目标稀疏点云数据中分别对应的至少一个目标对象的点云数据进行增强处理，得到每帧所述目标稀疏点云数据对应的稠密点云数据之前，还包括：

确定所述每帧所述初始点云数据中的各所述目标对象对应的点云数据量；

根据所述点云数据量以及预设阈值，在所述第一训练集中确定多帧所述目标稀疏点云数据。

在一个实施例中，所述对第一训练集中包括的多帧目标稀疏点云数据中分别对应的至少一个所述目标对象的点云数据进行增强处理，得到每帧所述目标稀疏点云数据对应的稠密点云数据，包括：

根据多帧所述目标稀疏点云数据中分别对应的各所述目标对象的点云数据，确定各所述目标对象对应的参考稠密点云数据；

根据所述参考稠密点云数据，对每帧所述目标稀疏点云数据中的各所述目标对象的点云数据进行增强处理，得到每帧所述目标稀疏点云数据对应的稠密点云数据。