申请/专利权人：阿波罗智能技术(北京)有限公司

申请日：2022-07-05

公开（公告）日：2024-03-22

公开（公告）号：CN115187821B

主分类号：G06V10/77

分类号：G06V10/77;G06V10/774;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.11.01#实质审查的生效;2022.10.14#公开

摘要：本公开提供了一种验证模型转换前后正确性的方法、相关装置及程序产品，涉及深度学习、神经网络模型、模型转换等人工智能技术领域。该方法包括：获取训练侧模型对输入的样本数据生成的第一输入输出特征图；获取部署侧模型对输入的样本数据生成的第二输入输出特征图；其中，部署侧模型由训练侧模型结合部署侧特性转换得到；将第一输入输出特征图转换为第一热力图、将第二输入输出特征图转换为第二热力图；基于第一热力图与第二热力图之间的一致性比较结果，确定训练侧模型在转换得到部署侧模型的过程中是否保持了正确性。该方法能够便捷、准确的确定出模型转换前后是否保持了正确性。

主权项：1.一种验证模型转换前后正确性的方法，其中，所述模型为自动驾驶车道线检测模型，包括：获取训练侧模型对输入的样本数据生成的第一输入输出特征图；获取部署侧模型对输入的所述样本数据生成的第二输入输出特征图；其中，所述部署侧模型由所述训练侧模型结合部署侧特性转换得到，所述部署侧模型包括将在训练侧的自动驾驶车道线检测模型部署在深度学习处理器平台后得到的自动驾驶车道线检测模型；将所述第一输入输出特征图转换为第一热力图、将所述第二输入输出特征图转换为第二热力图；基于所述第一热力图与所述第二热力图之间的一致性比较结果，确定所述训练侧模型在转换得到所述部署侧模型的过程中是否保持了正确性，包括：获取所述训练侧模型对输入的随机数据生成的第三输入输出特征图，并将所述第三输入输出特征图转换为第三热力图，所述随机数据为不同于所述样本数据的数据；响应于所述第一热力图与所述第二热力图和所述第三热力图均不具有一致性，确定所述训练侧模型在转换得到所述部署侧模型的过程中未保持正确性；响应于所述第一热力图与所述第三热力图不具有一致性、所述第一热力图与所述第二热力图具有一致性，确定所述训练侧模型在转换得到所述部署侧模型的过程中保持了正确性。

全文数据：

权利要求：

百度查询： 阿波罗智能技术(北京)有限公司 验证模型转换前后正确性的方法、相关装置及程序产品

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD