(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111108053.1 (22)申请日 2021.09.2 2 (71)申请人 北京智行者科技有限公司 地址 100176 北京市大兴区北京经济技 术 开发区文化园西路8号院4号楼22层 2602 (72)发明人 张放　徐成　赵勍　刘涛　夏洋　 李晓飞　王肖　张德兆　霍舒豪　 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/15(2020.01) G06N 5/04(2006.01) G06F 111/02(2020.01) (54)发明名称 一种目标检测模 型自动化迭代方法、 设备及 存储介质 (57)摘要 本发明公开了一种目标检测模型自动化迭 代方法、 设备及存储介质， 该方法包括： 使用车端 计算资源通过车端目标检测模型推理得到目标 检测结果； 根据目标检测结果， 采集对车端目标 检测模型性能提升有价值的数据； 使用云端计算 资源通过数据驱动模型对所述对车端目标检测 模型性能提升有价值的数据进行标注， 并利用标 注结果训练车端目标检测模型； 将车端计算资源 正在使用的车端目标检测模型迭代为训练后的 车端目标检测模型。 本发 明采用车端推理 ‑‑云端 训练的模式， 有针对性地自动采集有价值数据， 并自动化完成数据标注， 充分发挥了云端的资源 优势， 提高了自动驾驶车端目标检测模型迭代的 效率。 权利要求书8页 说明书21页 附图8页 CN 113962141 A 2022.01.21 CN 113962141 A 1.一种目标检测模型自动化迭代方法， 其特 征在于， 包括： 使用车端计算资源通过 车端目标检测模型推理得到目标检测结果； 根据目标检测结果， 采集对车端目标检测模型性能提升有价 值的数据； 使用云端计算资源通过数据驱动模型对所述对车端目标检测模型性能提升有价值的 数据进行 标注， 并利用标注结果训练车端目标检测模型； 将车端计算资源正在使用的车端目标检测模型迭代为训练后的车端目标检测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述车端目标检测模型为具有多任务、 轻 量级特征的网络结构的神经网络模型。 3.根据权利要求1所述的方法， 其特征在于， 所述数据驱动模型为具有单任务、 深层次 特征的网络结构的深度学习模型。 4.根据权利要求1所述的方法， 其特征在于， 根据目标检测结果， 采集对车端目标检测 模型性能提升有价 值的数据， 包括： 根据目标检测结果及其 时空同步信 息， 确定并采集对车端目标检测模型性能提升有价 值的数据； 其中， 所述 时空同步信 息包括与目标检测结果在时间及空间上存在同步关系的环境数 据、 地图数据、 车身状态数据、 驾驶员操作数据中的一种或多种。 5.根据权利要求4所述的方法， 其特征在于， 根据目标检测结果及其时空同步信息， 确 定并采集对车端目标检测模型性能提升有价 值的数据， 包括： 利用目标检测结果及其时空同步信息构建场景； 确定已有场景库中缺少所述场景时， 将目标检测结果及其 时空同步信 息作为对车端目 标检测模型性能提升有价 值的数据进行采集。 6.根据权利要求5所述的方法， 其特征在于， 根据目标检测结果及其时空同步信息， 确 定并采集对车端目标检测模型性能提升有价 值的数据， 包括： 监测到目标检测结果和/或时空同步信息存在异常时， 将目标检测结果及其时空同步 信息作为对车端目标检测模型性能提升有价 值的数据进行采集。 7.根据权利要求6所述的方法， 其特征在于， 监测到目标检测结果和/或时空同步信息 存在异常， 包括下述至少一种： 确定目标检测结果和/或时空同步信息不属于常规场景； 对基于不同算法逻辑得到的目标检测结果进行一致性检验， 确定检验结果未达到预定 的一致性下限； 确定目标检测结果与期望值 不匹配。 8.根据权利要求4所述的方法， 其特征在于， 根据目标检测结果及其时空同步信息， 确 定并采集对车端目标检测模型性能提升有价 值的数据， 包括： 确定目标检测结果与期望值相匹配， 且 匹配度达到预定的匹配 阈值时， 或者， 对基于不 同算法逻辑得到的目标检测结果进行一致性检验， 确定检验结果达到预定的一致性上限 时； 将目标检测结果及其时空同步信息作为对车端目标检测模型性能提升有价值的数据 进行采集。 9.根据权利要求5 ‑8任一所述的方法， 其特征在于， 所述车端目标检测模型利用图像或权　利　要　求　书 1/8 页 2 CN 113962141 A 2激光点云检测目标。 10.根据权利要求9所述的方法， 其特征在于， 使用云端计算资源通过数据驱动模型对 所述对车端目标检测模型性能提升有价 值的数据进行 标注， 包括： 使用云端计算资源， 通过数据驱动模型对所述对车端目标检测模型性 能提升有价值的 数据中带有目标检测结果的图像或激光 点云进行 标注。 11.根据权利要求10所述的方法， 其特征在于， 在使用云端计算资源， 通过数据驱动模 型对所述对车端目标检测模型性能提升有价值的数据中带有目标检测结果的图像或激光 点云进行 标注之前， 所述方法还 包括： 结合目标检测结果的时空同步信息， 确定目标检测结果属于错误的检测结果时， 将该 目标检测结果从所述对车端目标检测模型性能提升有价 值的数据中删除。 12.根据权利要求10所述的方法， 其特征在于， 通过数据驱动模型对所述对车端目标检 测模型性能提升有价 值的数据中带有目标检测结果的图像或激光 点云进行 标注， 包括： 将带有目标检测结果的图像或激光 点云输入数据驱动模型； 通过数据驱动模型对带有目标检测结果的图像或激光点云进行局部检测和全局检测， 并对目标检测结果、 局部检测结果、 全局检测结果进 行一致性检验， 以及根据检验结果确定 目标标签。 13.根据权利要求12所述的方法， 其特征在于， 所述目标检测结果包括车端目标检测模 型利用图像或激光点云检测目标得到的第一目标类别class1、 第一目标检测框bbox1、 第一 置信度score1； 则， 通过数据驱动模型对 包含目标检测结果的图像或激光 点云进行局部检测， 包括： 通过数据驱动模型在带有第一目标检测框bbox1的整帧图像或整帧激光点云中， 以第 一目标检测框bbox1为中心向周围扩大一预设范围得到局部检测区域， 并在所述局部检测 区域中检测目标， 输出局部检测结果； 所述局部检测结果包括第二目标类别class2、 第二目 标检测框b box2、 第二置信度score2； 以及， 通过 数据驱动模型对 包含目标检测结果的图像或激光 点云进行全局检测， 包括： 通过数据驱动模型在带有第一目标检测框bbox1的整帧图像或整帧激光点云中检测目 标， 输出全局检测结果； 所述全局检测结果包括第三目标类别class3、 第三目标检测框 bbox3、 第三置信度score3 。 14.根据权利要求13所述的方法， 其特征在于， 所述目标标签包括第四目标类别 class4、 第四目标检测框b box4； 通过数据驱动模型对目标检测结果、 局部检测结果、 全局检测结果进行一致性检验， 以 及根据检验结果确定目标 标签， 包括： 采用交除并算法计算第一目标检测框bbox1、 第二目标检测框bbox2、 第三目标检测框 bbox3的重 叠度； 当所述重叠度达到预定的重叠度阈值时， 比对第一目标类别class1、 第二目标类别 class2、 第三目标类别clas s3的一致性； 若第二目标类别class2与第三目标类别class3一致， 且第一目标类别class1与第二目 标类别class2不一致， 则， 将第四目标类别class4确定为第二目标类别class2或第三目标 类别class3， 将第四目标检测框bb ox4确定为第二置信度score2和第三置信度 score3中的权　利　要　求　书 2/8 页 3 CN 113962141 A 3