-
公开(公告)号:CN118521997A
公开(公告)日:2024-08-20
申请号:CN202411002931.5
申请日:2024-07-25
Applicant: 比亚迪股份有限公司
IPC: G06V20/58 , G06V20/56 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本公开涉及一种驾驶感知方法、装置、电子设备及车辆,涉及车辆控制领域,本公开中,获取车辆所在场景的输入图像;通过同一驾驶感知模型对所述输入图像进行特征提取,得到不同维度的多个特征图;根据所述不同维度的多个特征图对所述场景的交通对象进行分类,确定所述交通对象的类别;根据所述交通对象的类别,控制所述车辆进行驾驶感知。通过上述技术方案,本公开可以控制车辆实现高精度和实时性的驾驶感知。
-
公开(公告)号:CN119048762A
公开(公告)日:2024-11-29
申请号:CN202411524403.6
申请日:2024-10-30
Applicant: 比亚迪股份有限公司
IPC: G06V10/26 , G06V10/774 , G06V10/30 , G06V10/764
Abstract: 本申请实施例公开了一种数据处理方法、装置、电子设备、车辆及存储介质;通过获取第一数据;基于第一数据,生成分割掩码图像,分割掩码图像用于指示待生成的目标图像的语义分割结果;基于预设的第二数据以及分割掩码图像,生成分割掩码图像对应的目标图像,以分割掩码图像作为目标图像的标注。以此,通过根据第一数据生成分割掩码图像,然后,基于第二数据以及分割掩码图像,生成分割掩码图像对应的目标图像,从而可以将分割掩码图像作为目标图像的标注,提升训练样本的标注效率,实现对训练数据集中的图像和标注同时进行数据增广,有效提升对训练数据集的数据增广效率,进而提升训练样本的生成效率。
-
公开(公告)号:CN118228043A
公开(公告)日:2024-06-21
申请号:CN202311611918.5
申请日:2023-11-28
Applicant: 比亚迪股份有限公司
IPC: G06F18/214 , G06F18/241 , G06N3/045 , G06N3/0475 , G06N3/0895 , G06N3/092 , G06N3/094
Abstract: 本发明公开了一种分类模型训练方法、识别方法、装置、设备及存储介质。该分类模型训练方法包括:获取带标签样本和无标签样本;基于所述带标签样本、所述无标签样本和分类网络模型进行损失计算,获取所述分类网络模型对应的虚拟对抗损失和目标分类损失;基于所述带标签样本、所述无标签样本和分类网络模型进行强化学习,获取所述分类网络模型对应的动作价值损失和最大期望奖励;基于所述分类网络模型对应的虚拟对抗损失、目标分类损失、动作价值损失和最大期望奖励,确定目标分类模型。本方案可保障目标分类模型的泛化性能并有效节省成本。
-
-