[发明专利]基于corner cases的部署模型构建方法

权利要求书

1.一种基于corner cases的部署模型构建方法，其特征在于，包括以下步骤：

获取车辆的自动驾驶图像和corner cases场景图像；

根据所述自动驾驶图像和预设的开源数据得到第一数据集，根据所述自动驾驶图像、所述预设的开源数据和所述corner cases场景图像中部分图像得到第二数据集，根据所述corner cases场景图像中剩余图像得到第三数据集，合并所述第二数据集和所述第三数据集得到第四数据集；

基于所述第四数据集，训练预设的多任务检测模型，得到自动驾驶感知检测预训练模型，并基于所述第一数据集和预设周期的余弦退火学习策略，训练所述预训练模型，得到多个感知检测模型；以及

基于所述第三数据集，对多个感知检测模型进行迁移训练，并将迁移训练后的所述多个感知检测模型进行平均权重和纠正BN，得到最终部署模型。

2.根据权利要求1所述的方法，其特征在于，在得到所述最终部署模型后，还包括：

重新基于所述第四数据集，训练所述预设的多任务检测模型，并获取训练过程中评估判定指标误差小于或等于预设阈值的第一次数；

重新基于所述第三数据集，对多个感知检测模型进行迁移训练，并获取训练过程中评估判定指标误差小于或等于预设阈值的第二次数；

若所述第一次数和所述第二次数均满足预设次数，则判定所述最终部署模型满足预设精度要求，发布所述最终部署模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述自动驾驶图像和预设的开源数据得到第一数据集，包括：

对所述自动驾驶图像中感兴趣目标进行标注，其中，所述标注包括分类标注、检测标注、分割标注、关键点标注和角点标注；

基于所述自动驾驶图像，所述根据所述分类标注、所述检测标注、所述分割标注、所述关键点标注和所述角点标注构成所述第一数据集。

4.根据权利要求3所述的方法，其特征在于，所述根据所述自动驾驶图像、所述预设的开源数据和所述corner cases场景图像中部分图像得到第二数据集，包括：

获取所述corner cases场景图像中部分图像中的误检数据；

对所述误检数据进行标注，并根据标注后的所述corner cases场景图像中部分图像、所述自动驾驶图像和所述预设的开源数据得到所述第二数据集。

5.根据权利要求4所述的方法，其特征在于，所述根据所述corner cases场景图像中剩余图像得到第三数据集，包括；

基于预设的调整策略，对所述corner cases场景图像中剩余图像抠出感兴趣目标进行调整，得到新的图像；

基于所述新的图像，利用预设的Gan网络算法生成对抗图像，并根据所述对抗图像中的标记和所述对抗图像得到所述第三数据集。

6.一种基于corner cases的部署模型构建装置，其特征在于，包括：

第一获取模块，用于获取车辆的自动驾驶图像和corner cases场景图像；

第二获取模块，用于根据所述自动驾驶图像和预设的开源数据得到第一数据集，根据所述自动驾驶图像、所述预设的开源数据和所述corner cases场景图像中部分图像得到第二数据集，根据所述corner cases场景图像中剩余图像得到第三数据集，合并所述第二数据集和所述第三数据集得到第四数据集；

第一训练模块，用于基于所述第四数据集，训练预设的多任务检测模型，得到自动驾驶感知检测预训练模型，并基于所述第一数据集和预设周期的余弦退火学习策略，训练所述预训练模型，得到多个感知检测模型；以及

第二训练模块，用于基于所述第三数据集，对多个感知检测模型进行迁移训练，并将迁移训练后的所述多个感知检测模型进行平均权重和纠正BN，得到最终部署模型。