买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明公开了一种面向自动驾驶场景的多视角3D目标检测主动学习方法，主要包括以下步骤：获取自动驾驶环视数据集，对带有高度预测网络的检测器进行预训练，基于高度引导的对抗主动学习方法得到两个数据源的鸟瞰图空间高度分布并训练变分自编码器和判别器，由训练好的判别器进行推理得到数据来源代表性分数；由两种距离计算多样性分数以得到时空多样性分数，根据总体信息量分数筛选样本构建待标注样本候选集合，最后根据基于类别的均衡采样方法得到最终的待标注样本集。本发明为自动驾驶场景中的海量待标注样本提供了价值性判断，从而自适应地选择更具有信息量的样本进行训练，进而提升模型性能，此外本发明具有强泛化性，具有广阔的应用前景。

主权项：1.一种面向自动驾驶场景的多视角3D目标检测主动学习方法，其特征在于，包括以下步骤：S1、获取有标注的自动驾驶环视数据集以及无标注的自动驾驶环视数据集；S2、在有标注的自动驾驶环视数据集上对检测器进行预训练，所述检测器为在基于鸟瞰图的3D目标检测模型中额外添加一个高度预测网络作为额外的辅助任务得到，所述高度预测网络添加在所述3D目标检测模型的鸟瞰图编码器之后，并且与所述3D目标检测模型的鸟瞰图解码器构成并行处理分支，所述高度预测网络用于预测鸟瞰图下每个网格前景部分的高度分布，预测得到的高度分布用于后续的主动学习；S3、基于高度引导的对抗主动学习方法先将有标注的自动驾驶环视数据集中的样本输入到经过预训练的检测器中，得到第一鸟瞰图空间高度分布，再将无标注的自动驾驶环视数据集中的样本输入到经过预训练的检测器中，得到第二鸟瞰图空间高度分布，由得到的第一鸟瞰图空间高度分布和第二鸟瞰图空间高度分布训练变分自编码器和判别器，所述变分自编码器和所述判别器各自对应一个损失函数用于参数更新；在训练判别器时，若判别器输出的判断结果为当前样本属于无标注的自动驾驶环视数据集，则将当前样本作为代表性样本；S4、所述变分自编码器和所述判别器训练完成后，将代表性样本输入到经过训练的变分自编码器和判别器中，将训练好的判别器的输出作为数据来源代表性分数；S5、对于无标注的自动驾驶环视数据集中的样本，根据其在视频序列中的帧编号计算其与距离最近的有标注的自动驾驶环视数据集中的样本之间的时序距离，将时序距离计算结果作为时间多样性分数，根据其在高精地图中的拍摄地点计算其与距离最近的有标注的自动驾驶环视数据集中的样本之间的空间距离，将空间距离计算结果作为空间多样性分数，将时间多样性分数和空间多样性分数相加再求平均后作为时空多样性分数；S6、将数据来源代表性分数和时空多样性分数进行加权求和作为样本的总体信息量分数，按照总体信息量分数的高低对无标注的自动驾驶环视数据集中的样本进行排序，筛选出总体信息量分数最高的一批无标注的自动驾驶环视数据集中的样本构建待标注样本候选集合；S7、根据基于类别的均衡采样方法先由训练好的检测器预测检测框的实例级别类别分数，再对实例级别类别分数进行降维，降维方式采用逐类求和，降维后得到样本级别类别分数，预先构建一个已选样本分数向量，不断迭代标注更新已选样本分数向量，直至达到预先设定的标注上限，得到最终的待标注样本集；在每次标注中，将已选样本分数向量中样本数量最少的类别作为待更新类别，从待标注样本候选集合中选出已选样本，且满足已选样本为样本级别类别分数中待更新类别对应的分数最高的样本，将已选样本的样本级别类别分数与已选样本分数向量相加作为新的已选样本分数向量。

全文数据：

权利要求：

百度查询： 浙江大学 面向自动驾驶场景的多视角3D目标检测主动学习方法