【技术实现步骤摘要】
本公开涉及人工智能领域，尤其涉及一种目标检测模型评测方法、装置、设备、介质及产品，可用于自动驾驶、深度学习等场景。
技术介绍
1、目标检测模型可以是一种用于检测车辆所在区域的ai模型。目标检测模型可以训练获得。为了对目标检测模型进行模型评价，可以使用测试样本对目标检测模型进行测试。
2、相关技术中，无论是模型的训练过程亦或模型的测试过程，均需要对预测框与真实框进行损失计算，获得模型的预测误差。通过预测误差判断目标检测模型是否收敛，目标检测模型是否可以发布。
3、但是，通过现有的误差计算方式获得的目标检测模型，对大型车辆的检测精度不高，大型车辆例如可以为大型运输车、公交车等，导致目标检测模型应用于自动驾驶、行驶辅助等场景时，出现极大的行驶风险。
技术实现思路
1、本公开提供了一种用于自动驾驶、深度学习等场景的目标检测模型评测方法、装置、设备、介质及产品。
2、根据本公开的第一方面，提供了一种目标检测模型评测方法，包括：
3、确定预先为目标图像中障碍车辆设置的真实框，并基于参数已知的目标检测模型，检测目标图像中障碍车辆的预测框；
4、根据目标车辆和障碍车辆的相对空间位置，确定真实框中的可见边，可见边是指真实框中位于图像传感器的扫描范围的边；
5、根据可见边进行误差计算，获得目标图像的边界误差；
6、根据目标图像的边界误差，确定目标检测模型的模型评测结果。
7、根据本公开的第二方面，提供了一种
8、检测单元，用于确定预先为目标图像中障碍车辆设置的真实框，并基于参数已知的目标检测模型，检测目标图像中障碍车辆的预测框，目标图像由设置于目标车辆的图像传感器采集获得；
9、确定单元，用于根据目标车辆和障碍车辆的相对空间位置，确定真实框中的可见边，可见边是指真实框中位于图像传感器的扫描范围的边；
10、计算单元，用于根据可见边进行误差计算，获得目标图像的边界误差；
11、评测单元，用于根据目标图像的边界误差，确定目标检测模型的模型评测结果。
12、根据本公开的第三方面，提供了一种电子设备，包括：
13、至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，
14、存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行第一方面的方法。
15、根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行根据第一方面的方法。
16、根据本公开的第五方面，提供了一种计算机程序产品，计算机程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行第一方面的方法。
17、根据本公开的技术方案中，可以确定预先为目标图像中障碍车辆设置的真实框，并基于参数已知的目标检测模型，检测目标图像中障碍车辆的预测框之后，可以根据目标车辆和障碍车辆的相对空间位置，确定真实框中的可见边，可见边是指真实框中位于图像传感器的扫描范围的边，从而根据可见边进行误差计算，获得目标图像的边界误差。可见边可以为真实框的各个边中对目标车辆的可见的边，使得目标图像中对目标车辆可见的边参与到到误差计算，可以使得目标图像的边界误差的表征效果更高。从而利用目标对象的边界误差来确定目标检测模型的模型评测结果，可以有效提高目标检测模型的模型评测效果，获得检测精度更高的目标检测模型。
18、应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种目标检测模型评测方法，包括：
2.根据权利要求1所述的方法，其中，所述根据所述可见边进行误差计算，获得所述目标图像的边界误差，包括：
3.根据权利要求1或2所述的方法，其中，所述根据所述目标车辆和所述障碍车辆的相对空间位置，确定所述真实框中的可见边，包括：
4.根据权利要求3所述的方法，其中，所述从多个所述初始子区域中确定所述目标车辆的空间位置所在的目标子区域之后，还包括：
5.根据权利要求1-4任一项所述的方法，其中，所述根据所述可见边进行误差计算，获得所述目标图像的边界误差，包括：
6.根据权利要求1-5任一项所述的方法，其中，所述根据所述目标图像的边界误差，确定所述目标检测模型的模型评测结果，包括：
7.根据权利要求1-6任一项所述的方法，其中，所述根据所述目标图像的边界误差，确定所述目标检测模型的模型评测结果，包括：
8.根据权利要求7所述的方法，其中，所述边界评测结果包括评测成功或评测失败，所述根据所述目标图像的边界评测结果，确定所述目标检测模型的模型评测结果，包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。