[发明专利]车辆控制方法、装置、存储介质及车辆

说明书

本公开涉及一种车辆控制方法、装置、存储介质及车辆，属于车辆控制领域，所述方法包括：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。基于类别标签权重训练路况检测模型不仅能够减少模型过拟合的概率，还能够减小错误伪标签的影响，提高了训练得到的路况检测模型的鲁棒性，使得该路况检测模型输出的检测结果更加准确，提高了行车安全。

技术领域

本公开涉及智能网联汽车技术领域，尤其涉及一种车辆控制方法、装置、存储介质及车辆。

背景技术

目标检测是自动驾驶领域的一项关键技术，直接影响人员和车辆的安全。目标检测也是计算机视觉中最具挑战性的问题之一。半监督目标检测在传统目标检测基础上实现了数据扩展，减少了数据标注的人工成本，降低了目标检测在各个领域的应用成本。

然而在相关技术中，目前大多数半监督目标检测都在训练期间使用硬标签进行训练，这不利于减小错误伪标签对训练的持续不良影响，容易对错误伪标签产生过拟合，使得在自动驾驶时可能会导致车辆行驶过程中目标检测不准确，导致出现事故，造成危险。

发明内容

为克服相关技术中存在的问题，本公开提供一种车辆控制方法、装置、存储介质及车辆。

根据本公开实施例的第一方面，提供一种车辆控制方法，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。

可选地，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。

可选地，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。

可选地，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。