System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 用于深度学习的数据自动标注方法、装置、设备及介质制造方法及图纸_技高网

用于深度学习的数据自动标注方法、装置、设备及介质制造方法及图纸

技术编号:43059941 阅读:7 留言:0更新日期:2024-10-22 14:39
本发明专利技术实施例提供了一种用于深度学习的数据自动标注方法、装置、设备及介质,涉及自动驾驶技术领域,其中,该方法包括:确定每一帧待标注数据的场景类别;根据每一帧待标注数据的场景类别,确定多种自动标注算法分别对应的权重;通过多种自动标注算法和每种自动标注算法对应的权重,对每一帧待标注数据进行自动标注,得到每一帧待标注数据的伪标注结果。该方案引入了复数个感知器且实现待标注数据在不同的场景类型下通过不同的参数配置集合进行自动标注,有利于提高伪标注精度。

【技术实现步骤摘要】

本专利技术涉及自动驾驶,特别涉及一种用于深度学习的数据自动标注方法、装置、设备及介质


技术介绍

1、自动驾驶领域越来越多的采用深度学习模型实现环境感知、决策规划及控制执行等智能驾驶任务,而深度学习模型往往是数据驱动的,即依赖于大量的数据训练模型,从而让深度学习模型能在不同的场景和不同的任务上具备高精度和高鲁棒性,或者说数据的质和量决定了自动驾驶领域中深度学习模型的上限,进而决定了自动驾驶功能的整体表现,故而如何高效高质量的获取数据便成为了学术界及工业界共同的问题。

2、自动标注技术便是针对高效高质量获取数据而设计的一种技术,此技术最早应是由特斯拉提出,而之后无数的研究者和工程师投身其中。自动标注流程中一般会涉及到数据采集、数据清洗、数据自动标注及数据人工精标注等流程,其中数据自动标注环节关注的是结合深度学习算法及模型集成等方法,输出尽可能高精度的伪标注标签,从而提升自动标注流程的整体效率。

3、目前,现有的自动标注流程一般仅仅只考虑到单一感知器,且是通过提升感知器的精度来优化自动标注流程的精度,但是,即使提升了单一感知器的精度,通过单一感知器依然无法覆盖或优化所有场景类型的自动标注精度。


技术实现思路

1、有鉴于此,本专利技术实施例提供了一种用于深度学习的数据自动标注方法,以解决现有技术中无法优化所有场景类型的自动标注精度的技术问题。该方法包括:

2、确定每一帧待标注数据的场景类别;

3、根据每一帧待标注数据的场景类别,确定多种自动标注算法分别对应的权重;

4、通过多种自动标注算法和每种自动标注算法对应的权重,对每一帧待标注数据进行自动标注,得到每一帧待标注数据的伪标注结果。

5、本专利技术实施例还提供了一种用于深度学习的数据自动标注装置,以解决现有技术中无法优化所有场景类型的自动标注精度的技术问题。该装置包括:

6、场景分类模块,用于确定每一帧待标注数据的场景类别;

7、参数配置模块,用于根据每一帧待标注数据的场景类别,确定多种自动标注算法分别对应的权重;

8、自动标注模块,用于通过多种自动标注算法和每种自动标注算法对应的权重,对每一帧待标注数据进行自动标注,得到每一帧待标注数据的伪标注结果。

9、本专利技术实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意的用于深度学习的数据自动标注方法,以解决现有技术中无法优化所有场景类型的自动标注精度的技术问题。

10、本专利技术实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述任意的用于深度学习的数据自动标注方法的计算机程序,以解决现有技术中无法优化所有场景类型的自动标注精度的技术问题。

11、与现有技术相比,本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括:不同于大量的针对提升感知器精度来优化自动标注流程的方案,本申请提出了关注自动标注流程中模型集成策略的优化,引入场景分类的概念,确定每一帧待标注数据的场景类别;同时提出多种自动标注算法在各场景类型下分别对应最合适的权重,形成参数配置集合k,进而实现针对不同场景类型采用多种自动标注算法及其对应的不同的自动标注策略(即参数配置集合)进行标注,实现待标注数据在不同的场景类型下通过不同的参数配置集合进行自动标注,进而提高了不同场景类型下的伪标注精度;此外,现有技术仅仅只考虑到单一感知器、跟踪器及三阶段修正器的流程涉及,伪标注结果的精度往往比较依赖于单一感知器的检测精度,而本申请的标注引入了复数个感知器(即自动标注算法),用模型集成的方式使得最终的伪标注结果一定是比单一感知器的检测精度要高,有利于进一步提高伪标注精度。

本文档来自技高网...

【技术保护点】

1.一种用于深度学习的数据自动标注方法,其特征在于,包括:

2.如权利要求1所述的用于深度学习的数据自动标注方法,其特征在于,通过多种自动标注算法和每种自动标注算法对应的权重,对每一帧待标注数据进行自动标注,得到每一帧待标注数据的伪标注结果,包括:

3.如权利要求1所述的用于深度学习的数据自动标注方法,其特征在于,确定每一帧待标注数据的场景类别,包括:

4.如权利要求1所述的用于深度学习的数据自动标注方法,其特征在于,根据每一帧待标注数据的场景类别,确定多种自动标注算法分别对应的权重,包括:

5.如权利要求1至4中任一项所述的用于深度学习的数据自动标注方法,其特征在于,通过多种自动标注算法和每种自动标注算法对应的权重,对每一帧待标注数据进行自动标注,得到每一帧待标注数据的伪标注结果,包括:

6.如权利要求5所述的用于深度学习的数据自动标注方法,其特征在于,结合所述第一伪标注结果和所述第二伪标注结果,得到每一帧待标注数据的伪标注结果,包括:

7.一种用于深度学习的数据自动标注装置,其特征在于,包括:

>8.如权利要求7所述的用于深度学习的数据自动标注装置,其特征在于,所述参数配置模块,用于确定每种自动标注算法对不同场景类别的适用度;针对每种场景类别,根据每种自动标注算法的所述适用度和精度,分别计算每种自动标注算法对应的权重,每种场景类别下多种自动标注算法对应的权重形成参数配置集合,每个参数配置集合中的权重相加的和为1。

9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的用于深度学习的数据自动标注方法。

10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至6中任一项所述的用于深度学习的数据自动标注方法的计算机程序。

...

【技术特征摘要】

1.一种用于深度学习的数据自动标注方法,其特征在于,包括:

2.如权利要求1所述的用于深度学习的数据自动标注方法,其特征在于,通过多种自动标注算法和每种自动标注算法对应的权重,对每一帧待标注数据进行自动标注,得到每一帧待标注数据的伪标注结果,包括:

3.如权利要求1所述的用于深度学习的数据自动标注方法,其特征在于,确定每一帧待标注数据的场景类别,包括:

4.如权利要求1所述的用于深度学习的数据自动标注方法,其特征在于,根据每一帧待标注数据的场景类别,确定多种自动标注算法分别对应的权重,包括:

5.如权利要求1至4中任一项所述的用于深度学习的数据自动标注方法,其特征在于,通过多种自动标注算法和每种自动标注算法对应的权重,对每一帧待标注数据进行自动标注,得到每一帧待标注数据的伪标注结果,包括:

6.如权利要求5所述的用于深度学习的数据自动标注方法,其特征在于,结合所述第一伪标...

【专利技术属性】
技术研发人员:王汝卓赵文博李章洪王雅儒程建伟徐凯
申请(专利权)人:武汉极目智能技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1