[發(fā)明專利]網(wǎng)絡(luò)模型的創(chuàng)建方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811525092.X
• 申請(qǐng)日: 2018-12-13
• 公開（公告）號(hào): CN109711545A
• 公開（公告）日: 2019-05-03
• 發(fā)明（設(shè)計(jì)）人: 李廣;龍灝天;劉致遠(yuǎn)
• 申請(qǐng)（專利權(quán)）人: 北京曠視科技有限公司
• 主分類號(hào): G06N3/08
• 分類號(hào): G06N3/08;G06N3/04;G06K9/00
• 代理公司: 北京市磐華律師事務(wù)所 11336
• 代理人: 董巍;高偉

本發(fā)明提供了一種網(wǎng)絡(luò)模型的創(chuàng)建方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀介質(zhì)，該方法包括：獲取用戶輸入的標(biāo)簽和包括目標(biāo)對(duì)象的訓(xùn)練數(shù)據(jù)；利用第一網(wǎng)絡(luò)模型檢測(cè)所述訓(xùn)練數(shù)據(jù)中的目標(biāo)對(duì)象，并生成檢測(cè)結(jié)果；以及將所述標(biāo)簽和所述檢測(cè)結(jié)果輸入到神經(jīng)網(wǎng)絡(luò)中，以訓(xùn)練得到第二網(wǎng)絡(luò)模型。本發(fā)明的網(wǎng)絡(luò)模型的創(chuàng)建方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀介質(zhì)在獲取用戶輸入的標(biāo)簽和訓(xùn)練數(shù)據(jù)之后，無需進(jìn)行人工標(biāo)注就能夠快速完成網(wǎng)絡(luò)模型的創(chuàng)建，節(jié)省了大量時(shí)間和人力，極大地降低了深度學(xué)習(xí)的門檻和成本。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，更具體地涉及一種網(wǎng)絡(luò)模型的創(chuàng)建方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

當(dāng)前，深度學(xué)習(xí)網(wǎng)絡(luò)模型越來越多的運(yùn)用在各種場(chǎng)景中，例如面部識(shí)別、物體識(shí)別、圖像處理、物體檢測(cè)等。在深度學(xué)習(xí)的實(shí)際應(yīng)用過程中，網(wǎng)絡(luò)模型伴隨著數(shù)據(jù)的采集、標(biāo)注、訓(xùn)練、輸出的流程。因此，為了得到效果較好的網(wǎng)絡(luò)模型，深度學(xué)習(xí)研究者需要采集大量的數(shù)據(jù)，并花費(fèi)大量的時(shí)間去標(biāo)注。也就是說，如何降低深度學(xué)習(xí)的數(shù)據(jù)來源難度，是所有研究者們重點(diǎn)關(guān)注的對(duì)象。

對(duì)于現(xiàn)在的深度學(xué)習(xí)研究流程來說，數(shù)據(jù)的標(biāo)注占據(jù)了半數(shù)以上的時(shí)間。在用戶采集完所需的數(shù)據(jù)以后，這些數(shù)據(jù)往往還未經(jīng)處理，需要標(biāo)注才能投入網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練。由于數(shù)據(jù)標(biāo)注工作機(jī)械性強(qiáng)、重復(fù)度高，深度學(xué)習(xí)研究者往往通過外包的形式解決生產(chǎn)力不足的問題。然而這種解決方案卻帶來了高昂的經(jīng)濟(jì)成本和時(shí)間成本。有一些研究者采取網(wǎng)絡(luò)爬蟲的方式獲取標(biāo)注數(shù)據(jù)，但是網(wǎng)絡(luò)上數(shù)據(jù)復(fù)雜，往往需要多次人工的清洗，可用性不高。除此以外，這些工作需要用戶有一定的深度學(xué)習(xí)知識(shí)，對(duì)于普通用戶來說，這些技術(shù)門檻高，難以掌握運(yùn)用。

除此之外，各種深度學(xué)習(xí)框架發(fā)展迅速，但是各種框架實(shí)現(xiàn)的標(biāo)準(zhǔn)不盡相同。于是，用戶往往在網(wǎng)絡(luò)模型數(shù)據(jù)轉(zhuǎn)換方面需要花費(fèi)很多精力。這種轉(zhuǎn)換操作，對(duì)于沒有編程知識(shí)的用戶來說，也是難以實(shí)現(xiàn)的。

發(fā)明內(nèi)容

為了解決網(wǎng)絡(luò)模型訓(xùn)練過程中，數(shù)據(jù)標(biāo)注難度大、耗費(fèi)時(shí)間和精力過多的問題，本發(fā)明提出了一種免標(biāo)注的網(wǎng)絡(luò)模型的創(chuàng)建方案，其在獲取用戶輸入的標(biāo)簽和訓(xùn)練數(shù)據(jù)之后，通過現(xiàn)有網(wǎng)絡(luò)模型生成初步的預(yù)測(cè)結(jié)果以用于訓(xùn)練預(yù)訓(xùn)練的網(wǎng)絡(luò)模型，無需進(jìn)行人工標(biāo)注，降低了訓(xùn)練難度和成本。下面簡(jiǎn)要描述本發(fā)明提出的關(guān)于網(wǎng)絡(luò)模型的創(chuàng)建方案，更多細(xì)節(jié)將在后續(xù)結(jié)合附圖在具體實(shí)施方式中加以描述。

根據(jù)本發(fā)明一方面，提供了一種網(wǎng)絡(luò)模型的創(chuàng)建方法，所述方法包括：獲取用戶輸入的標(biāo)簽和包括目標(biāo)對(duì)象的訓(xùn)練數(shù)據(jù)；利用第一網(wǎng)絡(luò)模型檢測(cè)所述訓(xùn)練數(shù)據(jù)中的目標(biāo)對(duì)象，并生成檢測(cè)結(jié)果；以及將所述標(biāo)簽和所述檢測(cè)結(jié)果輸入到神經(jīng)網(wǎng)絡(luò)中，以訓(xùn)練得到第二網(wǎng)絡(luò)模型。

在一個(gè)實(shí)施例中，獲取所述包括目標(biāo)對(duì)象的訓(xùn)練數(shù)據(jù)包括：采集包括所述目標(biāo)對(duì)象的圖像；以及將所述包括所述目標(biāo)對(duì)象的圖像轉(zhuǎn)換成通用數(shù)據(jù)格式的訓(xùn)練數(shù)據(jù)。

在一個(gè)實(shí)施例中，當(dāng)所述訓(xùn)練數(shù)據(jù)為視頻時(shí)，所述采集包括所述目標(biāo)對(duì)象的圖像包括：采集針對(duì)所述目標(biāo)對(duì)象的視頻；將所述視頻處理為多幀所述包括所述目標(biāo)對(duì)象的圖像。

在一個(gè)實(shí)施例中，在所述訓(xùn)練得到第二網(wǎng)絡(luò)模型的步驟之后，還包括：接收待預(yù)測(cè)數(shù)據(jù)；將所述待預(yù)測(cè)數(shù)據(jù)輸入到所述第二網(wǎng)絡(luò)模型，并獲得所述第二網(wǎng)絡(luò)模型輸出的預(yù)測(cè)結(jié)果，以使用戶基于所述預(yù)測(cè)結(jié)果對(duì)所述第二網(wǎng)絡(luò)模型的預(yù)測(cè)效果進(jìn)行測(cè)試。

在一個(gè)實(shí)施例中，若所述測(cè)試不合格，則獲取新的所述訓(xùn)練數(shù)據(jù)并繼續(xù)進(jìn)行訓(xùn)練；若所述測(cè)試合格，則結(jié)束訓(xùn)練，并為所述第二網(wǎng)絡(luò)模型提供可用的應(yīng)用程序接口。

在一個(gè)實(shí)施例中，在所述生成檢測(cè)結(jié)果的步驟之后、訓(xùn)練得到第二網(wǎng)絡(luò)模型的步驟之前，還包括：提供用戶審核接口，接收用戶對(duì)所述第一網(wǎng)絡(luò)模型生成的檢測(cè)結(jié)果的篩選操作，以得到篩選后的檢測(cè)結(jié)果。

在一個(gè)實(shí)施例中，所述第一網(wǎng)絡(luò)模型為預(yù)先存儲(chǔ)的通用網(wǎng)絡(luò)模型或用戶上傳的網(wǎng)絡(luò)模型。