[發明專利]深度學習模型的優化方法及裝置、服務器

在審

• 申請號: 201910275218.0
• 申請日: 2019-04-04
• 公開（公告）號: CN111783806A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 杜磊
• 申請（專利權）人: 千尋位置網絡有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海市海華永泰律師事務所 31302
• 代理人: 包文超

1.一種深度學習模型的優化方法，其特征在于，包括：

基于優化指示進行數據增廣，得到增廣的數據結果，所述優化指示攜帶場景信息；

基于所述增廣的數據結果對所述深度學習模型進行優化，得到優化的學習模型。

2.根據權利要求1所述的優化方法，其特征在于，基于優化指示進行數據增廣，得到增廣的數據結果包括：

分析所述場景信息對應的場景下存在的問題，得到分析結果；

基于所述分析結果進行數據模擬，得到模擬數據。

3.根據權利要求2所述的優化方法，其特征在于，基于所述分析結果進行數據模擬，得到模擬數據之后還包括：

基于所述模擬數據進行數據增廣，得到增廣的數據結果。

4.根據權利要求3所述的優化方法，其特征在于，基于所述分析結果進行數據模擬，得到模擬數據包括：

基于所述分析結果提取每一類所述存在的問題的特性；

基于所提取的特征進行對應的數據模擬，得到模擬數據。

5.根據權利要求4所述的優化方法，其特征在于，基于所述模擬數據進行數據增廣，得到增廣的數據結果包括：

分析所述模擬數據，得到分析結果；

根據預設的規則庫及所述分析結果采用對應的增廣規則進行數據增廣，得到增廣的數據結果。

6.根據權利要求3所述的優化方法，其特征在于，基于所述增廣的數據結果對所述深度學習模型進行優化，得到優化的學習模型具體為：基于所述增廣的數據結果采用迭代方式對所述深度學習模型進行優化，得到優化的學習模型。

7.根據權利要求4所述的優化方法，其特征在于，所述優化指示還包括基礎數據，基于所述增廣的數據結果采用迭代方式對所述深度學習模型進行優化，得到優化的學習模型包括：

基于所述基礎數據進行訓練，得到第一訓練模型；

基于所述增廣的數據結果對所述第一訓練模型進行訓練，得到第二訓練模型；

對所述第二訓練模型進行優化分析，得到優化的學習模型。

8.根據權利要求5所述的優化方法，其特征在于，基于所述基礎數據進行訓練，得到第一訓練模型包括：

基于所述基礎數據建立測試集；

基于所述測試集及所述模擬數據建立訓練集；

基于所述訓練集進行訓練，得到第一訓練模型。

9.根據權利要求8所述的優化方法，其特征在于，基于所述基礎數據建立測試集包括：

判斷所述基礎數據的數量是否小于預設值；

當判斷為是時，基于所述基礎數據及所述模擬數據建立測試集；

當判斷為否時，基于所述基礎數據建立測試集。

10.根據權利要求7所述的優化方法，其特征在于，基于所述增廣的數據結果對所述第一訓練模型進行訓練，得到第二訓練模型包括：

基于所述訓練集及增廣的數據建立數據集；

基于所述數據集進行訓練，得到第二訓練模型。

11.根據權利要求10所述的優化方法，其特征在于，對所述第二訓練模型進行優化分析，得到優化的學習模型包括：

在所述數據集上測試所述第二訓練模型，得到測試結果；

分析所述測試結果，根據分析結果對所述訓練集進行對應的數據擴充，得到擴充數據集；

基于所述擴充數據集對所述第二訓練模型進行訓練，得到優化的學習模型。

12.根據權利要求11所述的優化方法，其特征在于，基于所述擴充數據集對所述第二訓練模型進行訓練，得到優化的學習模型之后還包括：

對所述優化的學習模型進行測試，得到測試效果；

分析所述測試效果是否滿足預設要求；

當判斷為否時，轉到基于所述擴充數據更新所述第二訓練模型，得到優化的學習模型的步驟。