基于增量学习的目标检测方法及自动驾驶方法

技术特征：
1.一种基于增量学习的目标检测方法，包括如下步骤：s1.获取原始目标检测初始模型；s2.对步骤s1获取的原始目标检测初始模型的特征提取器部分参数进行预训练，得到通用的目标检测特征提取器；s3.采用检测头和参数掩码对步骤s2得到的目标检测特征提取器进行结构扩展，从而得到扩展目标检测模型：s3.1.为步骤s2得到的目标检测特征提取器中的预训练参数添加参数掩码和一个独立的检测头，从而得到扩展检测模型；s3.2.将步骤s3.1得到的扩展检测模型，在训练数据集上进行前向传播，计算误差损失函数；s3.3.更新检测头参数和参数掩码的值；s3.4.重复步骤s3.2和s3.3直至设定条件，完成训练并保存参数；s3.5.检测时，检测头在通过参数掩码过滤后的特征上进行对应的目标检测；s4.采用步骤s3得到的扩展目标检测模型，进行实际的目标检测。2.根据权利要求1所述的基于增量学习的目标检测方法，其特征在于步骤s1所述的原始目标检测初始模型，具体为能够将结构抽象为p(x)＝d(f(.))形式的基于神经网络的目标检测模型；其中f(.)为特征提取器，用于将图像映射成特定维度的特征张量；d(.)为检测头，用于将特征解码为设定数量的目标框及对应的所属类别。3.根据权利要求2所述的基于增量学习的目标检测方法，其特征在于所述的原始目标检测初始模型，具体包括faster-rcnn模型，yolo模型和swin-transformer模型。4.根据权利要求2所述的基于增量学习的目标检测方法，其特征在于步骤s2所述的对步骤s1获取的原始目标检测初始模型的特征提取器部分参数进行预训练，具体为将原始目标检测初始模型在目标域数据集上进行无监督学习得到预训练模型，或者将原始目标检测初始模型直接通过imagenet数据集上进行训练得到预训练模型，或者直接获取公开的预训练模型；最终得到预训练模型的公共参数。5.根据权利要求4所述的基于增量学习的目标检测方法，其特征在于步骤s3.1所述的为步骤s2得到的目标检测特征提取器中的预训练参数添加参数掩码和一个独立的检测头，具体包括如下步骤：a.根据步骤s1获取的原始目标检测初始模型，添加对应的检测头；b.用掩码卷积代替步骤s2得到的目标检测特征提取器中的卷积层，用掩码线性层代替步骤s2得到的目标检测特征提取器中的线性层；掩码层为步骤s2得到的目标检测特征提取器中第j层的第i个参数w
ji
添加了一个浮点数掩码开关c.引入设定的超参数θ作为掩码的阈值，并采用如下算式计算二值化掩码：式中为二值化掩码；
d.前向传播时，采用如下算式计算代替后模型的参数w'：式中w为步骤s2得到的目标检测特征提取器中被掩码代替过的所有参数；为步骤c得到的目标检测特征提取器中被掩码代替过的所有参数所对应的二值化掩码；
⊙
为逐个元素点乘运算。6.根据权利要求5所述的基于增量学习的目标检测方法，其特征在于步骤s3.2所述的在训练数据集上进行前向传播，计算误差损失函数，具体包括如下步骤：本次任务的图片数据集i＝{i1,i2,...,i
i
,...,i
n
}以及对应的标注集l＝{l1,l2,,,.l
i
,...,l
n
}，其中i
i
∈r3×
h
×
w
，n为图片数据集中的图片数量，h为图片的高，w为图片的宽，l
i
为图片i
i
的对应的标注结果且l
i
＝{(x
i
,y
i
,w
i
,h
i
,c
i
)}，x
i
为预测框横坐标，y
i
为预测框纵坐标，w
i
为预测框宽度，h
i
为预测框高度，c
i
为预测框分类；前向传播中，模型对图片i
i
计算预测得到其中为预测的预测框横坐标，为预测的预测框纵坐标，为预测的预测框宽度，为预测的预测框高度，为预测的预测框分类；对未知标签匹配上的框，作为负样本处理；对匹配的预测框，采用如下算式计算损失函数loss：式中l
bos
()为框回归损失函数，l
cls
()为框分类损失函数。7.根据权利要求6所述的基于增量学习的目标检测方法，其特征在于步骤s3.3所述的更新检测头参数和参数掩码的值，具体包括如下步骤：采用神经网络训练方法更新检测头的参数；采样掩码梯度对参数掩码进行更新；采用如下算式计算掩码梯度：式中为掩码梯度；l1为损失函数回传的梯度；m
ji
为第i层的第j个参数对应的掩码；δ为求导操作；y
in
为第i层的输出；w
ji
为第i层的第j个参数；x
in
为第i层的输入。8.一种包括了权利要求1～7之一所述的基于增量学习的目标检测方法的自动驾驶方法，其特征在于具体包括如下步骤：s1.实时获取待控制车辆周围的环境图像信息；s2.采用权利要求1～7之一所述的基于增量学习的目标检测方法，对步骤s1获取的环境图像进行实时目标检测和增量训练；s3.根据步骤s2获取的实时目标检测结果，实时识别道路信息，并控制车辆进行自动驾驶；同时实时更新模型中的参数掩码和检测头。

技术总结
本发明公开了一种基于增量学习的目标检测方法，包括获取原始目标检测初始模型；对原始目标检测初始模型的特征提取器部分参数进行预训练得到通用的目标检测特征提取器；采用检测头和参数掩码对目标检测特征提取器进行结构扩展得到扩展目标检测模型：采用扩展目标检测模型进行实际的目标检测。本发明还公开了一种包括所述基于增量学习的目标检测方法的自动驾驶方法。本发明提供的这种基于增量学习的目标检测方法及自动驾驶方法，创新性的提出了一种新的增量学习目标检测方法；通过检测头技术和掩码技术的创新性加入，不仅实现了增量学习目标检测，而且准确性高、可靠性高且实用性好。性好。性好。


技术研发人员：梁毅雄 赵嘉伟 刘剑锋 刘晴
受保护的技术使用者：中南大学
技术研发日：2022.03.24
技术公布日：2022/7/1