[发明专利]自动驾驶的数据识别方法、装置、计算机设备和存储介质

权利要求书

1.一种自动驾驶的数据识别方法，其特征在于，包括：

获取在自动驾驶时采集的原始数据；

分别确定适用于所述自动驾驶的学生网络与教师网络；

计算所述学生网络与所述教师网络之间对所述原始数据进行预测的差异，作为分布差异；

根据所述分布差异识别对于所述自动驾驶属于长尾数据的所述原始数据，作为目标数据。

2.根据权利要求1所述的方法，其特征在于，所述分别确定适用于所述自动驾驶的学生网络与教师网络，包括：

确定一个或多个评价指标；

针对同一学习目标分别训练适用于所述自动驾驶的学生网络与教师网络，以在所述评价指标下区分所述学生网络与所述教师网络。

3.根据权利要求2所述的方法，其特征在于，所述评价指标包括延时、精确度；

所述针对同一学习目标分别训练适用于所述自动驾驶的学生网络与教师网络，以在所述评价指标下区分所述学生网络与所述教师网络，包括：

确定数据集，所述数据集包括已标注标签的样本数据；

针对指定的学习目标，使用所述数据集训练适用于所述自动驾驶的学生网络；

针对所述学习目标，使用所述数据集训练适用于所述自动驾驶的教师网络；

其中，所述学生网络的延时低于所述教师网络的延时，所述学生网络的精确度低于所述教师网络的精确度。

4.根据权利要求1所述的方法，其特征在于，所述计算所述学生网络与所述教师网络之间对所述原始数据进行预测的差异，作为分布差异，包括：

将所述原始数据输入所述学生网络中进行处理，以输出第一检测结果；

将所述原始数据输入所述教师网络中进行处理，以输出第二检测结果；

以所述第二检测结果作为参考，计算所述第一检测结果相对于所述第二检测结果的差异，作为分布差异。

5.根据权利要求4所述的方法，其特征在于，所述第一检测结果包括多个类别与每个所述类别关联的第一概率，所述第二检测结果包括多个所述类别与每个所述类别关联的第二概率；

所述以所述第二检测结果作为参考，计算所述第一检测结果相对于所述第二检测结果的差异，作为分布差异，包括：

针对每个所述类别，对所述第二概率与所述第一概率之间的比值计算对数；

对计算所述第二概率与所述对数之间的乘积，作为所述类别的差异；

将所有所述类别对应的所述差异之间的和值设置为所述第一检测结果相对于所述第二检测结果的差异，作为分布差异。

6.根据权利要求4所述的方法，其特征在于，所述第一检测结果包括多个第一检测框、每个所述第一检测框关联的多个类别与每个所述类别关联的第一概率，所述第二检测结果包括多个第二检测框、每个所述第二检测框关联的多个所述类别与每个所述类别关联的第二概率；

所述以所述第二检测结果作为参考，计算所述第一检测结果相对于所述第二检测结果的差异，作为分布差异，包括：

对所述第一检测框与所述第二检测框进行匹配，作为配对框；

针对每个所述配对框中的每个所述类别，对所述第二概率与所述第一概率之间的比值计算对数；

对计算所述第二概率与所述对数之间的乘积，作为所述类别的差异；

计算所有所述类别对应的所述差异之间的和值，作为所述配对框的差异；

将所有所述配对框对应的所述差异之间的和值设置为所述第一检测结果相对于所述第二检测结果的差异，作为分布差异。