(19)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 202210459457.3
(22)申请日 2022.04.28
(71)申请人 重庆长安汽车股份有限公司
地址 400020 重庆市江北区建新 东路260号
(72)发明人 郝金隆 唐照翔
(74)专利代理 机构 重庆博凯知识产权代理有限
公司 50212
专利代理师 李海华
(51)Int.Cl.
G06F 21/62(2013.01)
G06V 10/96(2022.01)
G06V 20/56(2022.01)
G06V 40/16(2022.01)
G06V 20/62(2022.01)
G06V 10/774(2022.01)G06V 10/82(2022.01)
G06N 3/08(2006.01)
G06N 3/04(2006.01)
G06K 9/62(2022.01)
G16Y 20/00(2020.01)
G16Y 20/20(2020.01)
G16Y 20/40(2020.01)
G16Y 40/10(2020.01)
G16Y 40/20(2020.01)
G16Y 40/50(2020.01)
(54)发明名称
一种基于隐私数据保护的智能网联汽车数
据训练方法、 电子设备及计算机可读存 储介质
(57)摘要
本发明公开了一种基于隐私数据保护的智
能网联汽车数据训练方法, 先对历史采集的路试
数据进行标注, 然后进行模型训练, 得到初版模
型, 将初版模型的低层特征提取层部署至车端;
在车端, 针对车端采集的原始数据, 一方面通过
部署的低层特征提取层进行特征提取, 得到低层
次特征数据集并上传到云端; 另 一方面, 对原始
数据进行匿名化处理并上传到云端进行数据标
注; 在云端, 利用上传的数据集和历史数据集对
除低层特征提取层外的其他特征提取层进行训
练并更新; 并将更新后的模型推送给车端进行同
步更新。 本发明在保证数据隐私传递的同时, 解
决了匿名化数据导致算法性能降低的问题, 并在
此基础上构造出算法闭环, 解决模 型迭代更新的
问题。
权利要求书2页 说明书4页 附图1页
CN 114741732 A
2022.07.12
CN 114741732 A
1.一种基于隐私数据保护的智能网联汽车 数据训练方法, 其特 征在于: 包括如下步骤,
1) 初版模型获取; 在云端, 先对历史采集的路试数据进行标注, 然后进行模型训练, 得
到初版模型, 将初版模型的低层特 征提取层部署至车端;
2) 车端原始数据特征提取; 在车端, 针对车端实时或历史采集的原始数据, 通过步骤1)
部署的低层特 征提取层进行 特征提取, 得到原 始数据的低层次特 征数据集并上传到云端;
3) 车端数据脱敏处理; 在车端对原始数据中的关键信息进行匿名化处理, 得到匿名化
数据后上传到云端并进行 数据标注, 得到标注结果数据集;
4) 云端模型更新数据准备; 将步骤3) 标注结果数据集中的数据与步骤2) 低层次特征数
据集中的数据进行一 一对应, 从而形成模型 更新数据集;
5) 模型优化; 在云端, 利用步骤4) 得到的模型更新数据集, 对初版模型中除低层特征提
取层外的其他特征提取层进行训练并更新; 低层特征提取层与更新后的其他特征提取层一
起作为优化后的模型, 并将优化后的模型推送给 车端进行同步更新。
2.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法, 其特
征在于: 步骤4) 中, 在云端, 路试数据通过初版模型中与部署 至车端的低层特征提取层相同
的低层特征提取层进行特征提取, 得到路试数据的低层次特征数据集, 取路试数据的低层
次特征数据集与上传到 云端的原始数据的低层次特征数据两部 分数据的并集, 一起作为步
骤4) 的低层次特 征数据集。
3.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法, 其特
征在于: 步骤1) 的模型训练采用的模型为深度神经网络;
所述深度神经网络包含但不 限于卷积神经网络、 循环神经网络及其相关变种, 所支持
的算法包括但不限于目标检测算法、 车道线识别算法、 语义分割算法。
4.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法, 其特
征在于: 步骤3) 中, 原始数据的关键信息包括但不限于人脸和车牌, 匿名化处理包括但 不限
于打马赛克、 纯色填充、 模糊处 理。
5.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法, 其特
征在于: 步骤2) 中特 征提取所用方法包 含但不限于卷积、 池化、 切片。
6.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法, 其特
征在于: 步骤2) 和步骤3) 在车辆待机状态时将数据上传到云端。
7.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法, 其特
征在于: 步骤1) 中部署至车端的低层特征提取层有多种层数, 每次部署时, 将不同层数的低
层特征提取层同时部署在车端; 步骤5) 在云端训练并更新多个与车端低层特征提取层 对应
的其他特征提取层, 由此 得到多个优化后的模型, 将性能最佳的一个模型同步给 车端。
8.根据权利要求1所述的一种基于隐私数据保护的智能网联汽车数据训练方法, 其特
征在于: 步骤4) 中用于算法迭代更新的模型更新数据集包括但不限于路试数据集、 车端采
集的原始数据集, 其它利用数据增强而得到数据集也包含在内, 包括但不限于对低层次特
征集进行翻转、 旋转、 缩放操作而生成的数据。
9.一种基于隐私数据保护的智能网联汽车数据训练电子设备, 其特征在于: 包括存储
器, 配置为存 储可执行指令;
处理器, 配置为执行存储器中存储的可执行指令, 以实现权利要求1至8中任意一项所权 利 要 求 书 1/2 页
2
CN 114741732 A
2述的一种基于隐私数据保护的智能网联汽车 数据训练方法。
10.一种计算机可读存储介质, 其上存储有计算机程序指令, 其特征在于: 所述计算机
程序指令执行上述权利要求1至8 中任意一项所述的一种基于隐私数据保护的智能网联汽
车数据训练方法。权 利 要 求 书 2/2 页
3
CN 114741732 A
3
专利 一种基于隐私数据保护的智能网联汽车数据训练方法、电子设备及计算机可读存储介质
安全报告 >
其他 >
文档预览
中文文档
8 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
温馨提示:本文档共8页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 思考人生 于 2024-02-07 20:39:25上传分享