[发明专利]视觉模型的训练方法、车辆识别方法及装置

说明书

本公开提供了一种视觉模型的训练方法、车辆识别方法、装置、电子设备、存储介质、及程序产品，涉及人工智能领域中的自动驾驶、计算机视觉以及深度学习技术领域。具体实现方案为：获取多个原始样本图像，并获取每一原始样本图像的原始特征属性信息，其中，每一原始样本图像中包括待识别对象，在至少部分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，采用各原始样本图像和各新增样本图像，对预设的基础网络模型进行训练，得到视觉模型，其中，视觉模型用于对待识别对象进行识别。本公开可以提高视觉模型的抗干扰能力，增强视觉模型的鲁棒性的技术效果。

技术领域

本公开涉及人工智能领域中的自动驾驶、计算机视觉以及深度学习技术领域，尤其涉及一种视觉模型的训练方法、车辆识别方法、装置、电子设备、存储介质、及程序产品。

背景技术

随着人工智能技术的发展，人工智能技术中的深度学习技术被广泛地应用于各个领域，如深度学习技术被应用于自动驾驶领域和安全监控领域等，且深度学习技术被具体应用于视觉模型的训练和应用。

其中当视觉模型应用于自动驾驶领域时，可以具体用于车辆识别，包括从整体上对车辆的识别(即整车识别，如车辆的轮廓识别)，也可以包括从细节上对车辆的识别(如车牌号码识别等)；也可以具体用于车道线检测等。

当视觉模型应用于安全监控领域时，可以具体用于人脸识别。

发明内容

本公开提供了一种用于解决视觉模型的抗干扰能力偏低的视觉模型的训练方法、车辆识别方法、装置、电子设备、存储介质、及程序产品。

根据本公开的第一方面，提供了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。

根据本公开的第二方面，提供了一种车辆识别方法，包括：

获取待识别图像，所述待识别图像中包括车辆；

基于视觉模型对所述待识别图像进行识别，得到与所述车辆对应的识别信息，其中，所述视觉模型是基于第一方面所述的方法得到的。

根据本公开的第三方面，提供了一种视觉模型的训练装置，包括：

第一获取单元，用于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；

增加单元，用于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；

第一训练单元，用于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。

根据本公开的第四方面，提供了一种车辆识别装置，包括：

第二获取单元，用于获取待识别图像，所述待识别图像中包括车辆；

识别单元，用于基于视觉模型对所述待识别图像进行识别，得到与所述车辆对应的识别信息，其中，所述视觉模型是基于第一方面所述的方法得到的。

根据本公开的第五方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，