METHOD, APPARATUS, AND SYSTEM FOR DYNAMIC MODEL OR MODEL PARAMETER SWITCHING FOR OBJECT DETECTION

An approach is provided for providing dynamic model switching and/or model parameter switching (e.g., for object detection). The approach, for example, involves providing a plurality of machine learning models trained to detect one or more objects (e.g., vehicles, pedestrians, etc.) and/or road attributes (e.g., road hazards, road furniture, road signs, etc.). The approach also involves processing sensor data to determine at least one context (e.g., location), at least one use of the one or more road attributes, or a combination thereof. The approach further involves selecting at least one machine learning model of the plurality of machine learning models based on at least one context. The approach further involves providing the selected at least one machine learning model to detect the one or more objects and/or road attributes. L'invention fournit une approche d'obtention d'une commutation de modèle dynamique et/ou d'une commutation de paramètres de modèle (par exemple, pour la détection d'objet). L'approche consiste par exemple à utiliser une pluralité de modèles d'apprentissage machine entraînés pour détecter un ou plusieurs objets (par exemple, des véhicules, des piétons, etc.) et/ou des attributs de route (par exemple, des dangers routiers, du mobilier routier, des panneaux de signalisation, etc.). L'approche consiste également à traiter des données de capteurs pour déterminer au moins un contexte (par exemple, l'emplacement), au moins une utilisation du ou des attributs de route, ou une combinaison de ces derniers. L'approche consiste en outre à sélectionner au moins un modèle d'apprentissage machine de la pluralité de modèles d'apprentissage machine sur la base d'au moins un contexte. L'approche consiste en outre à fournir ledit modèle d'apprentissage machine sélectionné pour détecter le ou les objets et/ou le ou les attributs de route.