[发明专利]用于预测驾驶行为的生成对抗网络的训练方法和电子设备

权利要求书

1.一种用于预测驾驶行为的生成对抗网络的训练方法，其特征在于，应用于智能驾驶车辆，所述生成对抗网络包括：生成器和判别器；所述方法包括：

获取车辆周围环境的视觉图片、分割图片、车辆定位值序列和历史驾驶行为，所述分割图片为所述视觉图片中的语义信息；

所述生成器基于所述视觉图片、分割图片、车辆定位值序列和历史驾驶行为生成预测驾驶行为；

所述判别器基于所述视觉图片、分割图片、车辆定位值序列和历史驾驶行为生成预测驾驶行为的第一判别值；

基于所述第一判别值更新所述生成器的参数；

所述判别器基于所述视觉图片、分割图片、车辆定位值序列和历史驾驶行为生成对真实驾驶行为的第二判别值；

基于所述第一判别值和第二判别值更新所述判别器的参数；

所述生成器和所述判别器均包括：第一神经网络；

所述第一神经网络对所述视觉图片和所述分割图片进行特征提取；

所述生成器和所述判别器还包括：第二神经网络；

所述生成器的第二神经网络基于所述生成器的第一神经网络的提取特征、所述车辆定位值序列和所述历史驾驶行为生成所述预测驾驶行为特征；

所述判别器的第二神经网络基于所述判别器的第一神经网络的提取特征、所述车辆定位值序列和所述历史驾驶行为生成所述预测驾驶行为的第一判别值或真实驾驶行为的第二判别值。

2.根据权利要求1所述的方法，其特征在于，

所述视觉图片为图像传感器采集的图像经过低等级特征提取得到，所述低等级特征通过滤波器、尺度不变特征变换、定向梯度直方图或神经网络进行提取；

所述分割图片为所述视觉图片经过高等级特征提取得到，所述高等级特征通过神经网络进行提取。

3.根据权利要求1所述的方法，其特征在于，所述生成器的第一神经网络包括信道注意机制，其中，所述信道注意机制是基于senet网络。

4.根据权利要求3所述的方法，其特征在于，所述生成器的第一神经网络基于空间注意力机制提取所述分割图片的特征，其中所述空间注意力机制用于提升道路区域权重，降低道路以外区域权重。

5.根据权利要求1所述的方法，其特征在于，

所述生成器和所述判别器还包括：全连接网络；所述生成器的全连接网络对所述生成器的第二神经网络的输出进行处理，得到预测驾驶行为；

所述判别器的全连接网络对所述判别器的第二神经网络的输出进行处理，得到所述预测驾驶行为的第一判别值或真实驾驶行为的第二判别值。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取边界框信息；

基于边界框信息确定损失函数。

7.根据权利要求6所述的方法，其特征在于，所述基于边界框信息确定损失函数，包括：

确定所述边界框与其他检测目标边界框的距离；

确定至少一个边界框的交并比；

基于所述距离与所述交并比，确定所述生成对抗网络的损失函数。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于碰撞信息确定惩罚值；

基于所述惩罚值确定所述生成对抗网络的损失值。

9.一种电子设备，其特征在于，包括：处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述方法的步骤。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述方法的步骤。