[发明专利]一种自动驾驶模型的测试方法及装置在审

专利信息
申请号: 201911117851.3 申请日: 2019-11-15
公开(公告)号: CN111090927A 公开(公告)日: 2020-05-01
发明(设计)人: 张雨;龚湛 申请(专利权)人: 苏州浪潮智能科技有限公司
主分类号: G06F30/20 分类号: G06F30/20;G06K9/62;G06K9/34
代理公司: 北京连和连知识产权代理有限公司 11278 代理人: 张涛
地址: 215100 江苏省苏州市吴*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 自动 驾驶 模型 测试 方法 装置
【权利要求书】:

1.一种自动驾驶模型的测试方法,其特征在于,所述方法包括基于云端的模型训练服务器执行以下步骤:

将真实数据集加入训练数据,并基于所述训练数据对模型进行训练;

将训练过的所述模型传输给位于车辆上的车载服务器以根据所述训练过的模型基于驾驶数据进行测试;

接收由所述车载服务器反馈的测试结果;

根据所述测试结果将相应的数据加入所述训练数据,并基于所述训练数据对模型继续训练。

2.根据权利要求1所述的方法,其特征在于,所述将真实数据集加入训练数据,并基于所述训练数据对模型进行训练进一步包括:

将所述训练数据输入所述模型进行迭代训练,所述迭代训练包括将图像中的所有车辆以矩形框标记出来,并对每个所述车辆分别进行像素级别的分割提取。

3.根据权利要求2所述的方法,其特征在于,所述将图像中的所有车辆以矩形框标记出来进一步包括:

对所述车辆在取景平面上做投影;

将所述投影的水平最大尺寸作为所述矩形框的长度;

将所述投影的竖直最大尺寸作为所述矩形框的宽度。

4.根据权利要求2所述的方法,其特征在于,所述对每个所述车辆分别进行像素级别的分割提取进一步包括:

对所述每个车辆的进行像素级矩形框标记,并标记相应的类别概率。

5.根据权利要求1所述的方法,其特征在于,所述将训练过的所述模型传输给位于车辆上的车载服务器以根据所述训练过的模型基于驾驶数据进行测试进一步包括:

对所述训练过的模型进行压缩、量化并传输给所述车载服务器。

6.一种自动驾驶模型的测试装置,其特征在于,所述装置包括:

至少一个处理器;和

存储器,所述存储器存储有处理器可运行的程序指令,所述程序指令在被处理器运行时执行以下步骤:

将真实数据集加入训练数据,并基于所述训练数据对模型进行训练;

将训练过的所述模型传输给位于车辆上的车载服务器以根据所述训练过的模型基于驾驶数据进行测试;

接收由所述车载服务器反馈的测试结果;

根据所述测试结果将相应的数据加入所述训练数据,并基于所述训练数据对模型继续训练。

7.根据权利要求6所述的装置,其特征在于,所述将真实数据集加入训练数据,并基于所述训练数据对模型进行训练进一步包括:

将所述训练数据输入所述模型进行迭代训练,所述迭代训练包括将图像中的所有车辆以矩形框标记出来,并对每个所述车辆分别进行像素级别的分割提取。

8.根据权利要求7所述的装置,其特征在于,所述将图像中的所有车辆以矩形框标记出来进一步包括:

对所述车辆在取景平面上做投影;

将所述投影的水平最大尺寸作为所述矩形框的长度;

将所述投影的竖直最大尺寸作为所述矩形框的宽度。

9.根据权利要求7所述的装置,其特征在于,所述对每个所述车辆分别进行像素级别的分割提取进一步包括:

对所述每个车辆的进行像素级矩形框标记,并标记相应的类别概率。

10.根据权利要求6所述的装置,其特征在于,所述将训练过的所述模型传输给位于车辆上的车载服务器以根据所述训练过的模型基于驾驶数据进行测试进一步包括:

对所述训练过的模型进行压缩、量化并传输给所述车载服务器。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州浪潮智能科技有限公司,未经苏州浪潮智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911117851.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top