[发明专利]用于ADAS场景的目标检测虚警抑制方法及装置

权利要求书

1.一种用于ADAS场景的目标检测虚警抑制方法，其特征在于，包括：

采集ADAS场景下的正样本数据集和负样本数据集，以作为第一训练集；

对所述负样本数据集进行采样并随机填充至所述正样本数据集中，以得到第二训练集；

将所述第一训练集和所述第二训练集输入预设网络模型进行训练，以得到目标检测模型；

基于预设损失函数对所述目标检测模型进行优化，以根据优化后的所述目标检测模型进行目标检测的虚警抑制。

2.根据权利要求1所述的用于ADAS场景的目标检测虚警抑制方法，其特征在于，所述ADAS场景包括至少一个子应用场景，所述采集ADAS场景下的正样本数据集和负样本数据集，以作为第一训练集包括：

采集每个所述子应用场景下的正样本数据集、负样本数据集和虚警图像数据集；

按照预设分类项对每个所述子应用场景下的所述正样本数据集、所述负样本数据集和所述虚警图像数据集进行分类，以得到每个所述子应用场景下的训练集，其中所述预设分类项包括但不限于时间、气象、气候、道路环境和图像质量。

3.根据权利要求1所述的用于ADAS场景的目标检测虚警抑制方法，其特征在于，所述对所述负样本数据集进行采样并随机填充至所述正样本数据集中，以得到第二训练集包括：

构建负样本区域剪裁队列，并对所述负样本区域剪裁队列进行实时更新；

对所述负样本区域剪裁队列进行采样，并将采样到的负样本区域随机填充到所述正样本数据集中的正样本区域中；

随机去除所述正样本区域对应的正样本标注框，以得到所述第二训练集。

4.根据权利要求1所述的用于ADAS场景的目标检测虚警抑制方法，其特征在于，所述预设损失函数由下式构成：

其中，i为当前迭代次数，I_max为总迭代次数，为示性函数，为L_det分类预测的补集，

其中，N为锚点预测为正样本的数量，L_conf为分类损失函数，L_loc为边框损失函数，α为分类和边框之间的调和参数。

5.根据权利要求1所述的用于ADAS场景的目标检测虚警抑制方法，其特征在于，所述基于预设损失函数对所述目标检测模型进行优化，以根据优化后的所述目标检测模型进行目标检测的虚警抑制之后包括：

对所述第一训练集和所述第二训练集进行采样，以得到采样数据集；

按照预设比例将所述采样数据集与所述负样本数据集进行混合，以得到混合数据集；

根据所述混合数据集对所述目标检测模型进行微调。

6.一种用于ADAS场景的目标检测虚警抑制装置，其特征在于，包括：

采集模块，用于采集ADAS场景下的正样本数据集和负样本数据集，以作为第一训练集；

增量模块，用于对所述负样本数据集进行采样并随机填充至所述正样本数据集中，以得到第二训练集；

训练模块，用于将所述第一训练集和所述第二训练集输入预设网络模型进行训练，以得到目标检测模型；

优化模块，用于基于预设损失函数对所述目标检测模型进行优化，以根据优化后的所述目标检测模型进行目标检测的虚警抑制。

7.根据权利要求6所述的用于ADAS场景的目标检测虚警抑制装置，其特征在于，所述ADAS场景包括至少一个子应用场景，所述采集模块包括：

采集单元，用于采集每个所述子应用场景下的正样本数据集、负样本数据集和虚警图像数据集；

分类单元，用于按照预设分类项对每个所述子应用场景下的所述正样本数据集、所述负样本数据集和所述虚警图像数据集进行分类，以得到每个所述子应用场景下的训练集，其中所述预设分类项包括但不限于时间、气象、气候、道路环境和图像质量。