申请/专利权人：小米汽车科技有限公司

申请日：2023-03-22

公开（公告）日：2024-04-30

公开（公告）号：CN116385825B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/40;G06V20/58

优先权：

专利状态码：有效-授权

法律状态：2024.04.30#授权;2023.07.21#实质审查的生效;2023.07.04#公开

摘要：本公开关于一种模型联合训练方法、装置及车辆，涉及自动驾驶技术领域，其中方法包括：获取多个点云识别任务，以及点云识别任务下的初始点云识别模型以及点云训练数据；其中，多个初始点云识别模型中的特征提取网络共享参数；针对每个点云识别任务，根据点云训练数据中的样本点云数据以及对应的标注识别数据、初始点云识别模型的损失函数，确定点云识别任务下的损失函数值；根据多个点云识别任务下的损失函数值，对多个初始点云识别模型进行参数调整处理，其中，多个点云识别任务之间的数据耦合性低，方便后续对点云识别任务做更改；且训练时不需要同时加载多个点云识别任务的点云数据，对车辆内存消耗较小，从而提高了模型训练效率。

主权项：1.一种模型联合训练方法，其特征在于，所述方法包括：获取多个点云识别任务，以及所述点云识别任务下的初始点云识别模型以及点云训练数据；其中，多个所述初始点云识别模型中的特征提取网络共享参数，所述点云识别任务包括以下至少一种：行车场景下车辆识别、行车场景下可行驶区域识别、泊车场景下车辆识别、泊车场景下可行驶区域识别；针对每个点云识别任务，根据所述点云识别任务下点云训练数据中的样本点云数据、所述样本点云数据对应的标注识别数据、所述点云识别任务下初始点云识别模型的损失函数，确定所述点云识别任务下的损失函数值；根据多个所述点云识别任务下的损失函数值，对多个所述初始点云识别模型进行参数调整处理，得到训练好的多个点云识别模型；所述获取多个点云识别任务，以及所述点云识别任务下的初始点云识别模型以及点云训练数据，包括：获取多个点云识别任务，以及所述点云识别任务对应的配置文件；所述配置文件用于指示模型结构以及训练相关条件；多个所述配置文件中指示的模型结构引用同一个特征提取网络；针对每个点云识别任务，解析所述点云识别任务对应的配置文件，获取所述配置文件指示的模型结构以及训练相关条件；按照所述模型结构，创建所述点云识别任务下的初始点云识别模型；按照所述训练相关条件，获取所述点云识别任务下的点云训练数据；所述训练方法还包括：加载第一个点云识别任务的配置文件和第二个点云识别任务的配置文件，分别构建二者的点云识别模型和点云训练数据；根据所述第二个点云识别任务的配置文件中配置的共享特征提取网络参数的定义，将所述第二个点云识别任务的配置文件内的网络参数删除，添加一个引用到第一个点云识别任务的配置文件的网络参数上，完成网络参数的共享；构建一个共同的优化器，执行所述第一个点云识别任务的配置文件的前向反馈和后向反馈，完成梯度的计算，并释放所述第一个点云识别任务的配置文件的计算图；执行所述第二个点云识别任务的配置文件的前向反馈和后向反馈，完成梯度的计算，并释放所述第二个点云识别任务的配置文件的计算图；进行梯度更新；清空梯度，准备下一轮迭代。

全文数据：

权利要求：

百度查询： 小米汽车科技有限公司 模型联合训练方法、装置及车辆

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