[发明专利]一种障碍物识别方法和装置、电子设备及存储介质

权利要求书

1.一种障碍物识别方法，其特征在于，包括：

获取障碍物图片；

将所述障碍物图片输入至预训练的元学习模型中，输出所述障碍物图片对应的分类标识；

在所述分类标识为空的情况下，调用模型训练引擎，基于所述障碍物图片，从预设的任务集中获取与所述障碍物图片对应的任务，进而利用所述任务对所述预训练的元学习模型进行训练，执行第一阶段模型参数更新，得到中间元学习模型以识别所述障碍物图片对应的中间分类标识；

确定所述训练任务的标识，在所述中间分类标识与所述训练任务的标识不一致的情况下，根据所述中间分类标识和所述训练任务的标识确定所述中间元学习模型对应的损失函数值，进而根据所述损失函数值调整所述中间元学习模型的模型参数，执行第二阶段模型参数更新，得到目标元学习模型，以通过所述目标元学习模型进行目标障碍物图片的识别。

2.根据权利要求1所述的方法，其特征在于，在所述获取障碍物图片之前，所述方法还包括：

获取初始元学习模型，以部署至终端，进而调用模型训练引擎，基于知识蒸馏方法对所述初始元学习模型进行训练，以得到所述预训练的元学习模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

确定训练任务类型；

根据所述训练任务类型确定抽取的样本分类个数、每个样本分类对应的支撑集的样本个数和查询集的样本个数；

根据所述样本分类个数、所述支撑集的样本个数和查询集的样本个数，从元样本集中确定出每个样本分类对应的训练任务的支撑集和查询集。

4.根据权利要求3所述的方法，其特征在于，所述基于知识蒸馏方法对所述初始元学习模型进行训练，以得到预训练的元学习模型，包括：

调用模型训练引擎，基于知识蒸馏方法分别提取各训练任务对应的支撑集中各样本的第一特征和第二特征，以基于各所述第一特征和第二特征，计算各训练任务对应的损失函数值，并分别基于各任务对应的损失函数值调整知识蒸馏方法对应的模型的模型参数，进而分别将调整的模型参数更新至所述初始元学习模型，以得到更新的初始元学习模型；

再次基于知识蒸馏方法分别提取各任务对应的查询集中各样本的第三特征和第四特征，以基于各所述第三特征和第四特征，计算各任务对应的损失函数值的和，基于所述损失函数值的和，并根据随机梯度下降法，再次调整知识蒸馏方法对应的模型的模型参数，进而将再次调整的模型参数更新至所述更新的初始元学习模型，以得到所述预训练的元学习模型。

5.根据权利要求4所述的方法，其特征在于，所述计算各训练任务对应的损失函数值，包括：

确定第一特征对应的第一特征向量和第二特征对应的第二特征向量；

根据各所述第一特征向量、各所述第二特征向量和预设系数，确定各训练任务对应的蒸馏损失函数值；

根据知识蒸馏方法对应的模型参数以及预设系数，确定分类损失函数值；

根据各所述蒸馏损失函数值和各所述分类损失函数值，确定各训练任务对应的损失函数值。

6.一种障碍物识别装置，其特征在于，包括：

获取单元，被配置成获取障碍物图片；

分类标识输出单元，被配置成将所述障碍物图片输入至预训练的元学习模型中，输出所述障碍物图片对应的分类标识；

训练单元，被配置成在所述分类标识为空的情况下，调用模型训练引擎，基于所述障碍物图片，从预设的任务集中获取与所述障碍物图片对应的任务，进而利用所述任务对所述预训练的元学习模型进行训练，执行第一阶段模型参数更新，得到中间元学习模型以识别所述障碍物图片对应的中间分类标识；

目标元学习模型确定单元，被配置成确定所述训练任务的标识，在所述中间分类标识与所述训练任务的标识不一致的情况下，根据所述中间分类标识和所述训练任务的标识确定所述中间元学习模型对应的损失函数值，进而根据所述损失函数值调整所述中间元学习模型的模型参数，执行第二阶段模型参数更新，得到目标元学习模型，以通过所述目标元学习模型进行目标障碍物图片的识别。