[发明专利]一种检测模型的训练方法及装置

说明书

本发明公开了一种检测模型的训练方法及装置、计算机可读存储介质，其中方法包括：从样本集合中随机选择第一未标注样本集；对第一未标注样本集进行标注，得到第一已标注样本集；对第一已标注样本集进行数据增强，获得第一增强样本集；通过第一增强样本集对待训练的检测模型进行第一次训练；从样本集合中随机选择第二未标注样本集；利用经过第一次训练后的检测模型对第二未标注样本集进行检测，得到第一检测结果集；对第一检测结果进行数据增强，得到第二增强样本集；通过第二增强样本集对第一次训练后的检测模型进行第二次训练，得到训练后的检测模型。本发明实现了利用少量标注数据训练模型，且模型泛化能力更好的技术效果。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种检测模型的训练方法及装置。

背景技术

自动驾驶技术依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让计算机可以在没有任何人类主动的操作下，自动安全地操作机动车辆。

在自动驾驶技术中，车辆检测模型是非常重要的组成部分，其可用于对道路上的车辆进行检测，并确定车辆的位置。

目前的车辆检测模型，一般采用大规模深度神经网络，而它需要大量的人工标注数据，模型需要在大量的人工标注数据中慢慢学到真实的数据分布，最后达到精确检测车辆的目的。但是这种方法成本高昂，且泛化能力弱。

发明内容

本申请实施例通过提供一种检测模型的训练方法及装置，解决了现有技术中的检测模型，训练时需要大量的人工标注数据，存在训练成本过高且泛化能力弱的技术问题，实现了利用少量标注数据来训练检测模型，且模型的泛化能力更好的技术效果。

第一方面，本申请通过本申请的一实施例提供如下技术方案：

一种检测模型的训练方法，包括：

从样本集合中随机选择具有第一预定数量样本的第一未标注样本集；

对所述第一未标注样本集中的每一样本进行标注，得到第一已标注样本集；

对所述第一已标注样本集中的每一样本进行数据增强，获得第一增强样本集；

通过所述第一增强样本集对待训练的检测模型进行第一次训练；

从所述样本集合中随机选择具有第二预定数量样本的第二未标注样本集；

利用所述经过第一次训练后的检测模型对所述第二未标注样本集中的每一样本进行检测，得到第一检测结果集；

对所述第一检测结果集中的每一检测结果进行数据增强，得到第二增强样本集；

通过所述第二增强样本集对所述第一次训练后的检测模型进行第二次训练，得到训练后的检测模型。

第二方面，基于同一发明构思，本申请通过本申请的一实施例，提供如下技术方案：

一种检测模型的训练装置，包括：

第一选择模块，用于从样本集合中随机选择具有第一预定数量样本的第一未标注样本集；

第一标注模块，用于对所述第一未标注样本集中的每一样本进行标注，得到第一已标注样本集；

第一增强模块，用于对所述第一已标注样本集中的每一样本进行数据增强，获得第一增强样本集；

第一训练模块，用于通过所述第一增强样本集对待训练的检测模型进行第一次训练；

第二选择模块，用于从所述样本集合中随机选择具有第二预定数量样本的第二未标注样本集；

第一检测模块，用于利用所述经过第一次训练后的检测模型对所述第二未标注样本集中的每一样本进行检测，得到第一检测结果集；