[发明专利]用于自动驾驶的计算机视觉网络模型优化方法及相关装置

说明书

本申请涉及一种用于自动驾驶的计算机视觉网络模型优化方法及相关装置。该方法包括：获取第一计算机视觉网络模型；将第一计算机视觉网络模型改造为第二计算机视觉网络模型；第一计算机视觉网络模型与第二计算机视觉网络模型处理不同的视觉任务；将预设参数向量引入至第二计算机视觉网络模型的主干网络；训练引入有预设参数向量的第二计算机视觉网络模型，得到训练完成后的第二计算机视觉网络模型；提取训练完成后的第二计算机视觉网络模型中的预设参数向量，得到隐式知识参数向量；将隐式知识参数向量引入至第一计算机视觉网络模型的主干网络，得到第三计算机视觉网络模型。本申请提供的方案，能够提升模型的判别能力，提升检测精度。

技术领域

本申请涉及导航技术领域，尤其涉及一种用于自动驾驶的计算机视觉网络模型优化方法及相关装置。

背景技术

计算机视觉（Computer Vision）是研究如何使机器“看”的科学，更进一步的说，是使用摄像机机和电脑代替人眼对目标进行识别、跟踪和测量等的机器视觉，并通过电脑处理成为更适合人眼观察或传送给仪器检测的图像。目前，计算机视觉技术已广泛应用于汽车导航领域，为自动驾驶功能的实现提供了支撑。计算机视觉的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的信息。计算机视觉任务的主要类型有以下几种：目标检测、语义分割、实例分割、图像分类等。不同的计算机视觉任务通过不同的计算机视觉网络模型处理解决，计算机视觉网络模型可以包括：目标检测模型、语义分割模型、实例分割模型、图像分类模型等。以目标检测模型为例，目标检测模型可以检测出输入图像中存在的目标物体的位置、大小及类别。

站在人类视觉处理图像信息的角度而言，人类在查找图像中的目标物体时，除了观察图像本身之外，还会结合自身在处理其它问题时积累的经验来辅助自己的判断。比如在图像中查找一辆真实的汽车，那么汽车的前挡风玻璃应该是透明的，汽车的尺寸应该是比一只狗要大的等等。这些在处理其它问题时积累的经验可以称为隐式知识。

然而，相关技术中，目标检测模型学习到的知识仅来自于图像及其目标检测任务标签，目标检测模型无法利用隐式知识对输入图像进行检测，使得模型的判别能力不足，模型的检测精度低。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种用于自动驾驶的计算机视觉网络模型优化方法及相关装置，能够提升计算机视觉网络模型的判别能力，提升检测精度。

本申请第一方面提供一种用于自动驾驶的计算机视觉网络模型优化方法，包括：

获取第一计算机视觉网络模型；

将所述第一计算机视觉网络模型改造为第二计算机视觉网络模型；其中，所述第一计算机视觉网络模型与所述第二计算机视觉网络模型处理不同的视觉任务；

将预设参数向量引入至所述第二计算机视觉网络模型的主干网络；

训练引入有所述预设参数向量的所述第二计算机视觉网络模型，得到训练完成后的所述第二计算机视觉网络模型；

提取训练完成后的所述第二计算机视觉网络模型中的所述预设参数向量，得到隐式知识参数向量；

将所述隐式知识参数向量引入至所述第一计算机视觉网络模型的主干网络，得到第三计算机视觉网络模型。

在一种实施方式中，所述将所述隐式知识参数向量引入至所述第一计算机视觉网络模型的主干网络，得到第三计算机视觉网络模型之后，还包括：

训练所述第三计算机视觉网络模型，得到训练完成后的所述第三计算机视觉网络模型。

在一种实施方式中，所述将所述第一计算机视觉网络模型改造为第二计算机视觉网络模型，包括：

将所述第一计算机视觉网络模型的预测层的结构进行改造，得到第二计算机视觉网络模型。