[发明专利]避障模型的训练方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种避障模型的训练方法、装置、电子设备及存储介质，该方法包括：根据与待训练避障训练模型相对应的目标损失函数，更新与待训练避障模型相对应的可学习配置参数；根据可学习配置参数，更新待训练避障模型的主干网各项指标的目标候选值，得到待更新避障训练模型；将训练伪图像输入至待更新避障训练模型中，得到与训练伪图像相对应的实际输出数据；如果与待确定避障训练模型相对应的目标损失函数收敛，则将待更新避障训练模型作为目标避障模型。本技术方案，解决了现有技术中需要大量人为的调整模型结构，存在繁琐复杂以及效率较低的问题，实现了动态调整模型结构，提高了模型结构参数确定便捷性以及准确性的技术效果。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种避障模型的训练方法、避障方法、装置、电子设备及存储介质。

背景技术

目前，在自动驾驶场景中，可以基于摄像装置和激光雷达确定三维点云，并基于三维点云生成相应的图像。采用相应的数据处理模型对与三维点云对应的图像进行处理，得到障碍物结果信息，从而控制无人车避障。

现在所使用的数据处理模型可以是直接拿取已训练好的模型，或者是人为的根据经验或者实验数据确定模型结构后，训练得到的模型。

发明人在基于上述方式实施本技术方案时，发现存在如下问题：

在人为的确定模型结构时，需要进行大量的实验分析以确定当前场景所需要的模型结构，此时会存在用户的主观因素，导致模型结构与当前场景不适配的问题，例如，如果是根据经验确定模型结构，并对其进行训练后投入使用，会存在主观误差，导致模型输出的结果与实际存在一定的偏差，那么将其应用在无人车上确定障碍信息时，存在准确率较低的问题；进一步的，当任务和场景发生变化时，还需要从零开始，即再次进行大量的重复实验，然后用户根据试验结果确定模型结构，存在繁琐复杂，以及模型与场景不适配的问题。

基于上述可知，目前存在需要人为调整模型结构，存在调整繁琐复杂的问题，以及基于人工调整模型进行训练和使用时，存在与场景不适配，导致处理结果准确率较低的问题。

发明内容

本发明提供一种避障模型的训练方法、装置、电子设备及存储介质，以实现得到的目标避障模型与应用场景相适配，从而提高数据处理准确率的技术问题。

第一方面，本发明实施例提供了一种避障模型的训练方法，该方法包括：

根据与待训练避障训练模型相对应的目标损失函数，更新与所述待训练避障模型相对应的可学习配置参数；其中，所述目标损失函数是根据与所述待训练避障模型相对应的惩罚函数和预设损失函数确定的；

根据所述可学习配置参数，更新所述待训练避障训练模型的主干网各项指标的目标候选值，得到待更新避障训练模型；其中，所述主干网包括卷积层，所述卷积层中包括至少一个卷积，每个卷积中包括至少一项指标；

将训练伪图像输入至所述待更新避障训练模型中，得到与所述训练伪图像相对应的实际输出数据；

如果与所述待更新避障训练模型相对应的目标损失函数收敛，则将所述待更新避障训练模型作为目标避障模型。

第二方面，本发明实施例还提供了一种避障模型的训练装置，该装置包括：

可学习配置参数确定模块，用于根据与待训练避障模型相对应的目标损失函数，更新与所述待训练避障模型相对应的可学习配置参数；其中，所述目标损失函数是根据与所述待训练避障模型相对应的惩罚函数和预设损失函数确定的；

待更新避障训练模型确定模块，用于根据所述可学习配置参数，更新所述待训练避障训练模型的主干网各项指标的目标候选值，得到待更新避障训练模型；其中，所述主干网包括卷积层，所述卷积层中包括至少一个卷积，每个卷积中包括至少一项指标；