【技术实现步骤摘要】
本申请涉及自动驾驶，尤其涉及一种用于训练模型的数据处理方法、装置及电子设备。
技术介绍
1、在自动驾驶应用中，为了更好的适应不同场景，常采用经过标注的多批数据对数据处理模型进行训练，以使提高自动驾驶应用中识别模型的识别能力。
2、为了进一步提高识别模型对新场景的适应性，相关技术中常采用将多个图像拼接、对图像增加马赛克以及对图像进行随机旋转等数据处理方式对历史训练数据进行数据增强处理，再通过得到新训练数据对识别模型进一步训练。但是，相关技术通过上述数据增强方式获取的新训练数据，仍会存在局限于已有数据出现的场景的情况，导致新训练数据对识别模型的训练效果差，无法满足自动驾驶应用中真实场景复杂多样的需求。
技术实现思路
1、为解决或部分解决相关技术中存在的问题，本申请提供一种用于训练模型的数据处理方法、装置及电子设备，能够丰富数据增强处理的数据来源，进而丰富得到目标训练图像的数据量，提高得到的目标训练图像的场景应用多样性，从而提高训练数据对识别模型的训练效果。
2、本申请第一方面提供一种用于训练模型的数据处理方法，包括：
3、从待处理的训练数据中获取待处理图像；其中所述待处理的训练数据的数据类型包括：历史训练数据、非预设目标对象数据以及非预设目标背景数据；
4、确定所述待处理图像的数据类型；
5、根据所述数据类型采用预设数据处理策略对所述待处理图像进行数据增强处理，得到新增的目标训练图像。
6、在一些实施方式中，所述根
7、若所述待处理图像的数据类型为历史训练数据，采用第一数据处理策略对所述待处理图像进行第一数据增强处理，以使所述待处理图像中的预设目标对象添加至所述历史训练数据或所述非预设目标背景数据的第一待添加图像中，得到新增的目标训练图像；或
8、若所述待处理图像的数据类型为非预设目标对象数据，采用第二数据处理策略对所述待处理图像进行第二数据增强处理，以使所述待处理图像中的非预设目标对象添加至所述历史训练数据的第二待添加图像中，得到新增的目标训练图像；
9、若所述待处理图像的数据类型为非预设目标背景数据，采用第三数据处理策略对所述待处理图像进行第三数据增强处理，以使所述历史训练数据中的预设目标对象添加至所述待处理图像中，得到新增的目标训练图像。
10、在一些实施方式中，所述采用第一数据处理策略对所述待处理图像进行第一数据增强处理，包括：
11、识别所述待处理图像中的第一目标对象；所述第一目标对象为预设目标对象；
12、从所述历史训练数据或所述非预设目标背景数据中获取第一待添加图像；
13、将所述第一目标对象添加至所述第一待添加图像。
14、在一些实施方式中，所述将所述第一目标对象添加至所述第一待添加图像之前，还包括：
15、检测所述第一待添加图像中是否存在第一目标对象；
16、若所述第一待添加图像中存在第一目标对象，重新获取第一待添加图像。
17、在一些实施方式中，所述采用第二数据处理策略对所述待处理图像进行第二数据增强处理，包括：
18、识别所述待处理图像中的第二目标对象；所述第二目标对象为非预设目标对象；
19、从所述历史训练数据中获取第二待添加图像；
20、将所述第二目标对象添加至所述第二待添加图像。
21、在一些实施方式中，所述采用第三数据处理策略对所述待处理图像进行第三数据增强处理，包括：
22、从所述历史训练数据中获取第三目标对象；所述第三目标对象为预设目标对象；
23、将所述第三目标对象添加至所述待处理图像。
24、在一些实施方式中，所述从所述历史训练数据中获取第三目标对象，包括：
25、预先从所述历史训练数据获取多个第三目标对象；
26、所述将所述第三目标对象添加至所述待处理图像，包括：
27、调用预先获取的任一所述第三目标对像并添加至所述待处理图像。
28、本申请第二方面提供一种用于训练模型的数据处理装置，包括：
29、获取模块，用于从待处理的训练数据中获取待处理图像；其中所述待处理的训练数据的数据类型包括：历史训练数据、非预设目标对象数据以及非预设目标背景数据；
30、数据类型模块，用于确定所述待处理图像的数据类型；
31、数据增强处理模块，用于根据所述数据类型采用预设数据处理策略对所述待处理图像进行数据增强处理，得到目标训练图像。
32、在一些实施方式中，所述数据增强处理模块包括：
33、第一数据处理模块，用于若所述数据类型模块确定的所述待处理图像的数据类型为历史训练数据，采用第一数据处理策略对所述待处理图像进行第一数据增强处理，以使将所述待处理图像中的预设目标对象添加至不相同的所述历史训练数据或所述非预设目标背景数据；
34、第二数据处理模块，用于若所述数据类型模块确定的所述待处理图像的数据类型为非预设目标对象数据，采用第二数据处理策略对所述待处理图像进行第二数据增强处理，以使将所述非预设目标对象数据中的非预设目标对象添加至所述待处理图像中；
35、第三数据处理模块，用于若所述数据类型模块确定的所述待处理图像的数据类型为非预设目标背景数据，采用第三数据处理策略对所述待处理图像进行第三数据增强处理，以使将所述历史训练数据中的预设目标对象添加至所述待处理图像中。
36、本申请第三方面提供一种自动驾驶识别方法，包括：
37、获取待识别图像；
38、采用预设识别模型对所述待识别图像进行识别处理，得到识别结果；
39、其中所述预设识别模型采用以下方式得到：
40、采用本申请第二方面所述的数据处理方法获取新增的模型训练数据；
41、通过获取的所述新增的模型训练数据以及历史训练数据对待训练识别模型进行模型训练，得到预设识别模型。
42、本申请第四方面提供一种电子设备，包括：
43、处理器；以及
44、存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
45、本申请第五方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
46、本申请提供的技术方案可以包括以下有益效果：
47、本申请的技术方案，通过结合历史训练数据、非预设目标对象数据以及非预设目标背景数据，根据待处理图像的数据类型不同，采用预设数据处理策略进行数据增强处理，丰富数据增强处理的数据来源，进而可以丰富得到目标训练图像的数据量，并且利用非预设目标对象数据以及非预设目标背景数本文档来自技高网...
【技术保护点】
1.一种用于训练模型的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述数据类型采用预设数据处理策略对所述待处理图像进行数据增强处理，得到新增的目标训练图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述采用第一数据处理策略对所述待处理图像进行第一数据增强处理，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述第一目标对象添加至所述第一待添加图像之前，还包括：
5.根据权利要求2所述的方法，其特征在于，所述采用第二数据处理策略对所述待处理图像进行第二数据增强处理，包括：
6.根据权利要求2所述的方法，其特征在于，所述采用第三数据处理策略对所述待处理图像进行第三数据增强处理，包括：
7.一种自动驾驶识别方法，其特征在于，包括：
8.一种用于训练模型的数据处理装置，其特征在于，包括：
9.根据权利要求8所述的装置，其特征在于，所述数据增强处理模块，包括：
10.一种电子设备，其特征在于，包括：
11.一种计算机
...【技术特征摘要】
1.一种用于训练模型的数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述数据类型采用预设数据处理策略对所述待处理图像进行数据增强处理，得到新增的目标训练图像，包括：
3.根据权利要求2所述的方法，其特征在于，所述采用第一数据处理策略对所述待处理图像进行第一数据增强处理，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述第一目标对象添加至所述第一待添加图像之前，还包括：
5.根据权利要求2所述的方法，其特征在于，所述采用第二...
【专利技术属性】
技术研发人员：李耀萍，贾双成，万如，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：
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。