一种基于大模型微调的车端检测模型训练方法及装置

本申请涉及一种基于大模型微调的车端检测模型训练方法及装置，所述方法包括步骤：根据包含检测目标的已标注数据集对大规模预训练神经网络训练并冻结其骨干网络；利用车端检测模型实时获取当前车辆周边环境的第一样本集合；根据冻结的大规模预训练神经网络对第一环境样本标注检测目标，获得第二样本集合；利用第二样本集合对车端检测模型迭代训练获得微调后的车端检测模型。该方法利用数据闭环机制，建立了从车端数据采集到目标检测模型优化的自动化流程，将大规模预训练神经网络的知识逐步迁移到车端检测模型，通过迭代式的更新和优化，有效弥补了长尾类别样本不足的问题，实现了车端检测模型性能提升，并减少了对人工标注的依赖。