基于WSD学习率调度器的多模态交通大模型分阶段训练方法及系统

本发明涉及智能交通技术领域，特别涉及一种基于WSD学习率调度器的多模态交通大模型分阶段训练方法及系统，通过以人机协同程序为基础的数据增强方法将原始交通场景数据集进行增强与扩展，得到适用于交通违法场景感知及分析领域中不同层级训练目标的多个下游任务数据集；联合WSD学习率调度器和不同下游任务的任务目标制定分阶段训练策略。本发明通过人机协同程序的数据增强方法将交通领域低资源场景中的有限原始数据扩展成面向不同训练目标的下游任务数据集，并引入WSD学习率调度器将传统多模态大语言模型的微调过程拆分为不同训练阶段，并有针对性的在不同训练阶段投放不同下游任务数据集，实现了更加贴合模型学习规律的训练过程。