[发明专利]车辆控制方法、装置、存储介质及车辆

权利要求书

1.一种车辆控制方法，其特征在于，包括：

获取车辆行驶过程中的路况图像；

将所述路况图像输入路况检测模型，得到路况检测结果，所述路况检测模型是预先经过基于类别标签权重的半监督训练得到的，所述路况检测结果包括所述路况图像中各个目标物体的位置信息以及类别信息，所述类别标签权重用于表征类别相似性；

根据所述路况检测结果控制所述车辆。

2.根据权利要求1所述的方法，其特征在于，所述路况检测模型的数据集包括第一数据集和第二数据集，所述第一数据集包括标注有真实标签信息的路况图像样本，所述第二数据集包括未标注真实标签信息的路况图像样本，所述路况检测模型的训练包括：

将所述第一数据集输入路况检测模型进行预训练，并确定预训练完成后的所述路况检测模型输出的针对所述第一数据集的第一预测标签和所述真实标签信息之间的第一损失；

基于所述路况检测模型的中间层在所述预训练过程输出的类别特征信息，确定所述路况检测模型的类别标签权重；

根据所述类别标签权重以及所述第二数据集生成第三数据集和对应所述第三数据集的伪标签；

根据所述第三数据集以及所述伪标签对所述路况检测模型进行再次训练，得到训练完成的所述路况检测模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述路况检测模型的中间层在所述预训练过程输出的类别特征信息，确定所述路况检测模型的类别标签权重包括：

根据所述类别特征信息计算各个类别标签之间的类间间距；

根据所述类间间距，确定各个类别之间的类别相似性信息；

根据所述类别相似性信息，确定所述类别标签权重。

4.根据权利要求2所述的方法，其特征在于，所述根据所述类别标签权重以及所述第二数据集生成第三数据集和对应所述第三数据集的伪标签包括：

将所述第二数据集输入训练完成的所述路况检测模型，得到第一伪标签；

基于所述类别标签权重，确定第二伪标签；

对所述第二数据集以及所述第二伪标签进行数据增强操作，得到增强后的第三数据集以及第三伪标签，所述第三伪标签为对应所述第三数据集的伪标签。

5.根据权利要求4所述的方法，其特征在于，所述将所述第二数据集输入训练完成的所述路况检测模型，得到第一伪标签包括：

将所述第二数据集输入训练完成的所述路况检测模型，得到对应第二数据集的第一预测值，所述第一预测值包括位置预测值以及类别预测值，所述类别预测值包括对应的目标物体属于各个类别的类别概率；

对所述位置预测值执行非极大值抑制操作，得到位置置信度高的第一目标物体；

根据各个所述第一目标物体对应的类别预测值中属于各个类别的类别概率，确定各个所述第一目标物体对应的类别置信度；

确定各个所述第一目标物体中类别置信度大于预设置信阈值的第二目标物体；

根据各个所述第二目标物体对应的位置预测值确定位置信息，并根据对应的类别预测值中属于各个类别的类别概率确定类别信息，得到所述第一伪标签。

6.根据权利要求4所述的方法，其特征在于，所述根据所述第三数据集以及所述伪标签对所述路况检测模型进行再次训练，得到训练完成的所述路况检测模型包括：

将所述第三数据集输入所述第一路况检测模型，得到第二预测标签；

根据所述第二预测标签以及所述第三伪标签，计算第二损失；

基于所述第一损失以及所述第二损失，对所述路况检测模型的参数进行更新，得到训练完成的所述路况检测模型。

7.根据权利要求6所述的方法，其特征在于，所述基于所述第一损失以及所述第二损失，对所述路况检测模型的参数进行更新包括：

分别对所述第一损失以及所述第二损失进行归一化操作，得到第一归一化损失以及第二归一化损失；

根据所述第一归一化损失以及所述第二归一化损失的和，对所述路况检测模型的参数进行更新。