申请/专利权人:清华大学
申请日:2023-09-26
公开(公告)日:2024-02-06
公开(公告)号:CN117523173A
主分类号:G06V10/25
分类号:G06V10/25;G06V10/764;G06V10/762
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.02.27#实质审查的生效;2024.02.06#公开
摘要:本申请提供一种服务灯塔认知的3D目标检测任务模型高效训练方法,涉及自动驾驶技术领域,所述方法包括:利用当前时刻之前的预设数量的训练完成的第一3D目标检测任务模型对RGB图像进行处理,得到目标检测结果;将RGB图像的预设目标类别的标注结果和目标检测结果进行叠加,得到训练数据;利用所述训练数据对当前时刻的第二3D目标检测任务模型进行训练,得到训练完成的当前时刻的第二3D目标检测任务模型;利用训练完成的当前时刻的第二3D目标检测任务模型,对训练完成的上一时刻的第一3D目标检测任务模型进行更新,得到训练完成的当前时刻的第一3D目标检测任务模型。本申请的方法通过连续学习解决了模型训练出现的灾难性遗忘问题。
主权项:1.一种服务灯塔认知的3D目标检测任务模型高效训练方法,其特征在于,所述方法包括:获取当前时刻的路端感知主体采集的目标场景的RGB图像;利用当前时刻之前的预设数量的训练完成的第一3D目标检测任务模型对RGB图像进行处理,得到目标检测结果;将RGB图像的预设目标类别的标注结果和目标检测结果进行叠加,得到训练数据;利用所述训练数据对当前时刻的第二3D目标检测任务模型进行训练,得到训练完成的当前时刻的第二3D目标检测任务模型;其中,当前时刻的第二3D目标检测任务模型通过复制训练完成的上一时刻的第一3D目标检测任务模型得到;利用训练完成的当前时刻的第二3D目标检测任务模型,对训练完成的上一时刻的第一3D目标检测任务模型进行更新,得到训练完成的当前时刻的第一3D目标检测任务模型。
全文数据:
权利要求:
百度查询: 清华大学 一种服务灯塔认知的3D目标检测任务模型高效训练方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。