公开(公告)号：CN116503718A

公开(公告)日：2023-07-28

申请号：CN202310484021.4

申请日：2023-04-28

Applicant: 重庆长安汽车股份有限公司

Inventor： 姜铭山 ,  邓皓匀 ,  钱少华 ,  刘金彦 ,  李杰

IPC: G06V10/98 ,  G06V20/56 ,  G06V10/774 ,  G06V10/25 ,  G06V20/70

Abstract: 本发明公开了一种目标检测模型的性能评估方法及系统，方法如下：按照场景将数据集分成若干个不同的场景数据集，场景数据集包括原始点云数据和标签数据；将不同场景数据集中的原始点云数据输入待评估的目标检测模型进行处理，处理得到目标预测框；将不同场景数据集中的标签数据输入待评估的目标检测模型进行处理，处理得到真值框；计算不同场景下真值框与目标预测框之间的距离；根据设定的距离范围，筛选出所需距离范围的预测框和真值框；计算各个距离范围内各类别的AP、mAP值；依次输出各类别在不同场景、距离下的目标检测模型的性能指标报告；本发明对目标检测模型的mAP值的计算区分不同场景、不同距离范围。

公开(公告)号：CN117292227A

公开(公告)日：2023-12-26

申请号：CN202311203165.4

申请日：2023-09-18

Applicant: 重庆长安汽车股份有限公司

Inventor： 姜铭山 ,  杨政华 ,  邓皓匀 ,  钱少华 ,  陈王双懿

IPC: G06V10/778 ,  G06V10/22 ,  G06V10/26 ,  G06V10/422 ,  G06V10/766 ,  G01S17/931 ,  G01S7/48

Abstract: 本发明涉及一种雷达点云数据增强方法、装置、智能汽车及存储介质，所述方法包括：枚举点云数据中的标注框，筛选出部分区域位于雷达的近距离视野盲区范围内的标注框，基于筛选出的标注框获得若干个第一目标框及第一目标框内的点云数据，所有的所述第一目标框以及所述第一目标框内的点云数据构成视场边界场景数据集；从所述视场边界场景数据集中选取第二目标框，当判定基于所述第二目标框的位置将所述第二目标框放入所述点云数据的目标帧中，所述第二目标框与所述目标帧中的对象不冲突时，将所述第二目标框以及所述第二目标框内的点云数据放入所述目标帧以增强所述点云数据。能够有效地增强近距离点云数据，提高目标感知模型在近距离视场边界场景下的感知性能。

公开(公告)号：CN115761701A

公开(公告)日：2023-03-07

申请号：CN202211517040.4

申请日：2022-11-29

Applicant: 重庆长安汽车股份有限公司

Inventor： 杨伟丽 ,  刘金彦 ,  邓皓匀 ,  任凡 ,  姜铭山

IPC: G06V20/58 ,  G06V20/64 ,  G06V10/774 ,  G06V10/25 ,  G06V10/82 ,  G06V10/20

Abstract: 本申请提供一种激光雷达点云数据增强方法及装置、设备、存储介质，涉及激光雷达点云数据增强技术领域，包括获取数据集中的标注框信息数据和标注框内每个点云的坐标信息，并分别存储；确定标注框内点云数据量的最小值，删除不满足最小点云数量的标注框；计算每帧点云图中原有的标注框的数量，设置标注框在一帧点云图中期望出现的数量；获取每帧点云图的实际标注框数量，抽取数据集中的标注框，放入当前点云图；对当前帧点云图及标注框进行数据增强处理。本申请根据标注的激光雷达点云图的场景进行针对性的点云数据增强处理，提高了深度学习神经网络模型的泛化性能，消除训练集过拟合的问题，降低样本不均衡的比例，更好地适应不同的环境和工况。

公开(公告)号：CN115797745A

公开(公告)日：2023-03-14

申请号：CN202211505473.8

申请日：2022-11-28

Applicant: 重庆长安汽车股份有限公司

Inventor： 姜铭山 ,  刘金彦 ,  邓皓匀 ,  杨伟丽 ,  李杰

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06N3/08 ,  G06N3/04 ,  G06V20/56

Abstract: 一种解决雷达位置改变检测模型检测能力下降的方法，其特征在于，所述方法包括：获取不同视野的激光雷达点云数据；使用获取的激光雷达点云数据训练模型，将得到的点云数据预处理后输入到基于深度学习AI检测模型进行模型训练；验证所述检测模型应用到雷达位置发生变化车型上的检测性能；若所述检测模型检测性能没有达到预设阈值，对所述检测模型进行处理；若所述检测模型检测性能达到预设阈值，应用训练好的模型。本发明提高了模型的检测精度，且该模型的泛化能力强，可适用于不同车型，在新车型激光雷达AI模型开发的成本更低，开发周期更短。

公开(公告)号：CN118821970A

公开(公告)日：2024-10-22

申请号：CN202410835987.2

申请日：2024-06-26

Applicant: 重庆长安汽车股份有限公司

Inventor： 杨政华 ,  姜铭山 ,  邓皓匀 ,  钱少华

IPC: G06N20/00 ,  G06F18/27 ,  G06F18/2415

Abstract: 本发明公开了一种基于预标注数据的模型训练方法、装置、电子设备及介质。其中，方法包括：将预标注数据框添加至人工标注训练数据帧，对添加后的人工标注训练数据帧进行训练；在训练过程中，根据误检数量、当前类预标注数据框的预设召回目标数和不同类预标注数据框之间的误检数量确定混淆矩阵误差率，并根据不同类预标注数据框和当前类预标注数据框的预设召回目标数确定整体误差率；根据混淆矩阵误差率和整体误差率对目标属性回归损失权重系数进行调整，以便根据调整后的权重系数计算标注数据框的损失值。如此，降低了漏检对模型训练带来的影响，缓解了预标注数据的长尾效应，还可降低模型预标注数据误检带来的影响。

公开(公告)号：CN117313839A

公开(公告)日：2023-12-29

申请号：CN202311270320.4

申请日：2023-09-27

Applicant: 重庆长安汽车股份有限公司

Inventor： 杨政华 ,  姜铭山 ,  邓皓匀 ,  钱少华

IPC: G06N3/0985 ,  G06N3/0464 ,  G06V20/56 ,  G06V10/82

Abstract: 本发明涉及一种模型微调方法、装置、电子设备及存储介质。模型微调方法包括：获取预训练模型的多个模型参数，在多个模型参数中确定作为冗余参数和非冗余参数之间边界的参数阈值；基于参数阈值及预训练模型中多个卷积核的卷积核参数确定多个卷积核的训练状态；为不同训练状态的卷积核设置对应的第一超参数；利用第一超参数替换预训练模型中对应的第二超参数，得到目标检测模型。本申请实施例通过在多个模型参数中确定作为冗余参数和非冗余参数之间边界的参数阈值，可以保留冗余参数的特征，并充分利用冗余参数的特征，实现对预训练模型的微调，由于充分利用冗余参数的特征对预训练模型进行微调，可以提高目标检测模型的精度，提升模型的性能。

公开(公告)号：CN116758396A

公开(公告)日：2023-09-15

申请号：CN202310765528.7

申请日：2023-06-26

Applicant: 重庆长安汽车股份有限公司

Inventor： 刘金彦 ,  钱少华 ,  邓皓匀 ,  姜铭山

IPC: G06V10/82 ,  G06N3/08 ,  G06V10/764 ,  G06V10/774 ,  G06V10/22

Abstract: 本申请公开了一种目标检测的精度控制方法、装置、电子设备及存储介质，属于目标检测技术领域。其中，该方法包括：获取全量图像集，并采用所述全量图像集训练深度学习算法，得到第一深度学习模型；计算所述第一深度学习模型预测多个标签类别的预测精度；根据所述预测精度生成优化图像集；采用所述优化图像集微调所述第一深度学习模型，得到第二深度学习模型；采用所述第二深度学习模型进行目标检测。通过本申请，解决了相关技术中目标检测模型的检测精度较低的技术问题。

公开(公告)号：CN115423117A

公开(公告)日：2022-12-02

申请号：CN202211052545.8

申请日：2022-08-31

Applicant: 重庆长安汽车股份有限公司

Inventor： 刘金彦 ,  姜铭山 ,  邓皓匀 ,  杨伟丽 ,  任凡

IPC: G06N20/00 ,  G06N5/04

Abstract: 本发明提供种数据处理方法、装置、车辆、存储介质及设备，应用于自动驾驶，所述数据处理方法包括：对当前数据集进行一次变换处理，得到过渡数据集，所述一次变换能够使所述过渡数据集预存的源数据集数据分布一致的；将所述过渡数据集输入预设的感知模型，输出过渡感知结果，其中，所述感知模型基于所述源数据集训练得到；对所述过渡感知结果进行二次变换处理，得到目标感知结果，其中，所述一次变换处理为二次变换处理的逆变换处理。本发明的数据处理方法、数据处理装置、存储介质及设备，能够大幅缩短了研发周期，减少人力消耗。