目标检测任务的训练样本分配方法、装置及电子

本申请涉及自动驾驶，尤其涉及一种目标检测任务的训练样本分配方法、装置及电子设备、计算机可读存储介质。背景技术：1、检测头是目标检测任务的重要一环，正负样本的设置通常会极大影响检测的效果。目前的正样本通常为高斯assigner及其变体，这样做主要有以下两方面的弊端：2、一方面，只标注目标中心的一个点，正样本过少，检测头学习的不够充分；另一方面，在点云数据中，目标中心通常是空心的，点只在目标表面产生，因此直接用目标中心点作为正样本并不符合实际情况。技术实现思路1、本申请实施例提供了一种目标检测任务的训练样本分配方法、装置及电子设备、计算机可读存储介质，以使目标检测模型学习地更加充分，检测结果更加符合实际场景。2、本申请实施例采用下述技术方案：3、第一方面，本申请实施例提供一种目标检测任务的训练样本分配方法，其中，所述目标检测任务的训练样本分配方法包括：4、获取目标检测任务的训练样本，所述训练样本为标注有目标检测框的点云数据；5、利用预设模型的主干网络对所述训练样本进行特征提取，得到主干网络的输出特征，所述主干网络的输出特征为鸟瞰视角下的特征；6、利用预设模型的检测头网络以及预设正样本分配策略对所述主干网络的输出特征进行处理，得到处理后的第一特征图；7、利用预设模型的检测头网络以及预设负样本分配策略对所述处理后的第一特征图进行处理，得到处理后的第二特征图。8、可选地，所述利用预设模型的主干网络对所述训练样本进行特征提取，得到主干网络的输出特征包括：9、将所述训练样本转换到鸟瞰视角下，得到鸟瞰视角下的训练样本；10、将所述鸟瞰视角下的训练样本输入所述目标检测模型，得到主干网络的输出特征。11、可选地，所述利用预设模型的检测头网络以及预设正样本分配策略对所述主干网络的输出特征进行处理，得到处理后的第一特征图包括：12、确定所述主干网络的输出特征包含的目标类型；13、根据不同的目标类型，分别利用所述预设正样本分配策略对所述主干网络的输出特征进行处理，得到不同目标类型对应的处理后的第一特征图。14、可选地，所述利用预设模型的检测头网络以及预设正样本分配策略对所述主干网络的输出特征进行处理，得到处理后的第一特征图包括：15、根据所述主干网络的输出特征确定目标在鸟瞰视角下所占据的栅格位置；16、将所述目标在鸟瞰视角下所占据的栅格位置中的点均设置为正样本，作为所述处理后的第一特征图。17、可选地，所述利用预设模型的检测头网络以及预设负样本分配策略对所述处理后的第一特征图进行处理，得到处理后的第二特征图包括：18、对所述处理后的第一特征图中包含的每个正样本分别设置一个掩码；19、根据每个正样本对应的掩码对所述处理后的第一特征图进行挖空处理，得到所述处理后的第二特征图。20、可选地，所述利用预设模型的检测头网络以及预设负样本分配策略对所述处理后的第一特征图进行处理，得到处理后的第二特征图包括：21、对所述处理后的第一特征图中包含的目标进行边缘平滑处理，得到边缘平滑处理后的特征图，作为所述处理后的第二特征图。22、可选地，在利用预设模型的检测头网络以及预设负样本分配策略对所述处理后的第一特征图进行处理，得到处理后的第二特征图之后，所述目标检测任务的训练样本分配方法还包括：23、利用预设模型的检测头网络对所述处理后的第二特征图进行目标检测，得到检测头网络的目标检测结果；24、根据所述检测头网络的目标检测结果和对应的标注数据确定所述检测头网络的损失值；25、利用所述检测头网络的损失值更新所述预设模型的参数。26、第二方面，本申请实施例还提供一种目标检测任务的训练样本分配装置，其中，所述目标检测任务的训练样本分配装置包括：27、获取单元，用于获取目标检测任务的训练样本，所述训练样本为标注有目标检测框的点云数据；28、特征提取单元，用于利用预设模型的主干网络对所述训练样本进行特征提取，得到主干网络的输出特征，所述主干网络的输出特征为鸟瞰视角下的特征；29、第一分配单元，用于利用预设模型的检测头网络以及预设正样本分配策略对所述主干网络的输出特征进行处理，得到处理后的第一特征图；30、第二分配单元，用于利用预设模型的检测头网络以及预设负样本分配策略对所述处理后的第一特征图进行处理，得到处理后的第二特征图。31、第三方面，本申请实施例还提供一种电子设备，包括：32、处理器；以及33、被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。34、第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。35、本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的目标检测任务的训练样本分配方法，先获取目标检测任务的训练样本，训练样本为标注有目标检测框的点云数据；然后利用目标检测模型的主干网络对训练样本进行特征提取，得到主干网络的输出特征，特征图为鸟瞰视角下的特征图；之后利用预设正样本分配策略对主干网络的输出特征进行处理，得到处理后的第一特征图；最后利用预设负样本分配策略对处理后的第一特征图进行处理，得到处理后的第二特征图。本申请实施例的目标检测任务的训练样本分配方法一方面利用预设正样本分配策略重新进行正样本分配，大大增加了正样本的量，使得模型学习地更为充分；另一方面利用预设负样本分配策略对处理后的正样本进行均衡处理，使得目标正负样本的分配更接近实际情况，提高模型检测的准确性。技术特征：1.一种目标检测任务的训练样本分配方法，其中，所述目标检测任务的训练样本分配方法包括：2.如权利要求1所述目标检测任务的训练样本分配方法，其中，所述利用预设模型的主干网络对所述训练样本进行特征提取，得到主干网络的输出特征包括：3.如权利要求1所述目标检测任务的训练样本分配方法，其中，所述利用预设模型的检测头网络以及预设正样本分配策略对所述主干网络的输出特征进行处理，得到处理后的第一特征图包括：4.如权利要求1所述目标检测任务的训练样本分配方法，其中，所述利用预设模型的检测头网络以及预设正样本分配策略对所述主干网络的输出特征进行处理，得到处理后的第一特征图包括：5.如权利要求1所述目标检测任务的训练样本分配方法，其中，所述利用预设模型的检测头网络以及预设负样本分配策略对所述处理后的第一特征图进行处理，得到处理后的第二特征图包括：6.如权利要求1所述目标检测任务的训练样本分配方法，其中，所述利用预设模型的检测头网络以及预设负样本分配策略对所述处理后的第一特征图进行处理，得到处理后的第二特征图包括：7.如权利要求1～6任一项所述目标检测任务的训练样本分配方法，其中，在利用预设模型的检测头网络以及预设负样本分配策略对所述处理后的第一特征图进行处理，得到处理后的第二特征图之后，所述目标检测任务的训练样本分配方法还包括：8.一种目标检测任务的训练样本分配装置，其中，所述目标检测任务的训练样本分配装置包括：9.一种电子设备，包括：10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述目标检测任务的训练样本分配方法。技术总结本申请公开了一种目标检测任务的训练样本分配方法、装置及电子设备、计算机可读存储介质，该方法包括：获取目标检测任务的训练样本，训练样本为标注有目标检测框的点云数据；利用预设模型的主干网络对训练样本进行特征提取，得到主干网络的输出特征，其为鸟瞰视角下的特征；利用预设模型的检测头网络及正样本分配策略对主干网络的输出特征进行处理，得到处理后的第一特征图；利用检测头网络及负样本分配策略对处理后的第一特征图进行处理，得到处理后的第二特征图。本申请利用正样本分配策略进行正样本分配，增加了正样本的量，使模型学习地更为充分；利用负样本分配策略进一步进行均衡处理，使正负样本的分配更接近实际情况，提高模型的准确性。技术研发人员：黄汉卿,涂超平,李珺,冯荻受保护的技术使用者：智道网联科技（北京）有限公司技术研发日：技术公布日：2024/8/16