[發明專利]模型訓練系統、方法、設備及存儲介質

在審

• 申請號: 202011334852.6
• 申請日: 2020-11-25
• 公開（公告）號: CN112329883A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 薛致遠;李亞乾;郭彥東;楊林
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 邢惠童

1.一種模型訓練系統，其特征在于，所述系統包括：標注模塊、訓練模塊、測試模塊；

所述標注模塊，用于獲取無標簽圖像集合，所述無標簽圖像集合中包括至少一個無標簽圖像，所述無標簽圖像是指未經標注的圖像；將所述無標簽圖像集合聚類成n類，得到n類無標簽圖像子集合，所述n為正整數；基于有標簽圖像集合分別對所述n類無標簽圖像子集合標注標簽；將完成標簽標注的所述無標簽圖像子集合加入所述有標簽圖像集合，得到訓練圖像集合和測試圖像集合；將所述訓練圖像集合發送給所述訓練模塊，以及將所述測試圖像集合發送給所述測試模塊；

所述訓練模塊，用于接收所述訓練圖像集合；基于所述訓練圖像集合，對神經網絡模型進行訓練，得到完成訓練的所述神經網絡模型；將完成訓練的所述神經網絡模型發送給所述測試模塊；

所述測試模塊，用于基于所述測試圖像集合對完成訓練的所述神經網絡模型進行測試，得到測試結果；將所述測試結果反饋給所述訓練模塊。

2.根據權利要求1所述的系統，其特征在于，所述標注模塊，用于：

分別確定所述n類無標簽圖像子集合與所述有標簽圖像集合中的m類標簽各自對應的有標簽圖像子集合之間的相似度，所述m為正整數；

基于所述n類無標簽圖像子集合與所述有標簽圖像子集合之間的相似度，分別為所述n類無標簽圖像子集合標注標簽。

3.根據權利要求2所述的系統，其特征在于，所述標注模塊，用于：

對于所述n類無標簽圖像子集合中的任意一類無標簽圖像子集合，對所述無標簽圖像子集合中包括的各個無標簽圖像的特征做目標運算，得到所述無標簽圖像子集合的特征；

對所述m類標簽各自對應的有標簽圖像子集合中的任意一類標簽對應的有標簽圖像子集合，對所述有標簽圖像子集合中包括的各個有標簽圖像的特征做所述目標運算，得到所述有標簽圖像子集合的特征；

確定所述無標簽圖像子集合的特征與所述有標簽圖像子集合的特征之間的相似度。

4.根據權利要求3所述的系統，其特征在于，所述標注模塊，用于：

從所述無標簽圖像子集合的特征與各類標簽對應的有標簽圖像子集合的特征之間的相似度中，將相似度最高的有標簽圖像子集合對應的標簽確定為所述無標簽圖像子集合的標簽。

5.根據權利要求4所述的系統，其特征在于，所述標注模塊，還用于：

顯示所述無標簽子集合中包括的各個所述無標簽圖像、所述無標簽圖像子集合的標簽、與所述無標簽圖像子集合的特征的相似度較高的前k個有標簽圖像子集合對應的標簽集合，所述k為正整數；

響應于接收到對所述無標簽圖像子集合中的目標無標簽圖像的刪除指令，將所述目標無標簽圖像從所述無標簽子集合中刪除；

響應于接收到對所述無標簽圖像子集合的標簽的修改指令，從所述標簽集合中獲取針對所述無標簽圖像子集合的修正標簽；

將所述修正標簽確定為所述無標簽圖像子集合的標簽。

6.根據權利要求1所述的系統，其特征在于，所述訓練模塊，還用于：

獲取配置文件，所述配置文件用于指示所述訓練模塊包括的單元以及各單元對應的模型參數；

基于所述配置文件構建所述神經網絡模型。