[发明专利]视觉模型的训练方法、车辆识别方法及装置

权利要求书

1.一种视觉模型的训练方法，包括：

获取多个原始样本图像，并获取每一所述原始样本图像的原始特征属性信息，其中，每一所述原始样本图像中包括待识别对象；

在至少部分所述原始样本图像的原始特征属性信息中，增加光束信息和/或光斑信息，得到新增样本图像；

采用各所述原始样本图像和各所述新增样本图像，对预设的基础网络模型进行训练，得到视觉模型，其中，所述视觉模型用于对待识别对象进行识别。

2.根据权利要求1所述的方法，其中，在至少部分所述原始样本图像的原始特征属性信息中，增加光束信息和/或光斑信息，得到新增样本图像，包括：

根据预设扰动强度区间，在至少部分所述原始样本图像的原始特征属性信息中，增加光束信息和/或光斑信息，得到新增样本图像。

3.根据权利要求2所述的方法，其中，根据预设扰动强度区间，在至少部分所述原始样本图像的原始特征属性信息中，增加光束信息和/或光斑信息，得到新增样本图像，包括：

针对至少部分所述原始样本图像中的任意原始样本图像，在所述任意原始样本图像的原始特征属性信息中，增加光束信息和/或光斑信息，得到目标特征属性信息；

若原始特征属性信息的任意原始样本图像，与目标特征属性信息的原始样本图像之间的扰动强度，位于所述预设扰动强度区间，则将位于所述预设扰动强度区间的目标特征属性信息对应的原始样本图像，确定为与所述任意原始样本图像对应的新增样本图像。

4.根据权利要求3所述的方法，还包括：

确定所述任意原始样本图像在目标特征属性信息时的图像质量信息，并确定所述任意原始样本图像在初始特征属性信息时的图像质量信息；

对所述任意原始样本图像在目标特征属性信息时的图像质量信息，以及所述任意原始样本图像在初始特征属性信息时的图像质量信息，进行匹配处理，得到所述扰动强度。

5.根据权利要求4所述的方法，其中，图像质量信息包括峰值信噪比和/或结构相似性。

6.根据权利要求1至5中任一项所述的方法，其中，在至少部分所述原始样本图像的原始特征属性信息中，增加光束信息和/或光斑信息，得到新增样本图像，包括：

针对至少部分所述原始样本图像中，对原始特征属性信息中包括光束信息的图像中的光束参数进行增强处理；和/或，

针对至少部分所述原始样本图像中，对原始特征属性信息中包括光斑信息的图像中的光斑参数进行增强处理。

7.根据权利要求1至5中任一项所述的方法，其中，在至少部分所述原始样本图像的原始特征属性信息中，增加光束信息和/或光斑信息，得到新增样本图像，包括：

针对至少部分所述原始样本图像中，原始特征属性信息中不包括光束信息的图像增加光束信息；和/或，

针对至少部分所述原始样本图像中，原始特征属性信息中不包括光斑信息的图像增加光斑信息。

8.根据权利要求1至7中任一项所述的方法，其中，所述基础网络模型的种类为至少为两种；采用各所述原始样本图像和各所述新增样本图像，对预设的基础网络模型进行训练，生成视觉模型，包括：

根据各所述原始样本图像和各所述新增样本图像，分别对至少两种基础网络模型进行训练，生成与至少两种基础网络模型各自对应的中间模型；

基于预设的评估样本图像对每一所述中间模型进行评估处理，得到每一中间模型的评估结果；

根据各评估结果从各所述中间模型中确定所述视觉模型。

9.根据权利要求1至8中任一项所述的方法，还包括：

采用所述原始样本图像对所述基础网络模型进行训练，得到待评估模型；并基于所述新增样本图像对所述待评估模型进行评估。