[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

本申請實施例提供了一種模型訓練系統、方法、設備及存儲介質。所述系統包括：標注模塊、訓練模塊、測試模塊；標注模塊，用于獲取無標簽圖像集合；將無標簽圖像集合聚類成n類，得到n類無標簽圖像子集合；基于有標簽圖像集合分別對n類無標簽圖像子集合標注標簽；將完成標簽標注的無標簽圖像子集合加入有標簽圖像集合，得到訓練圖像集合和測試圖像集合；訓練模塊，用于基于訓練圖像集合，對神經網絡模型進行訓練，得到完成訓練的神經網絡模型；測試模塊，用于基于測試圖像集合對完成訓練的神經網絡模型進行測試，得到測試結果；將測試結果反饋給訓練模塊。本申請實施例提供的模型訓練系統為模型研發流程的各個環節提供了全面的集成化的支持。

技術領域

本申請實施例涉及模型訓練技術領域，特別涉及一種模型訓練系統、方法、設備及存儲介質。

背景技術

隨著計算機技術的發展，各行業可以利用神經網絡模型對數據進行分析并解決各種問題。

在相關技術中，神經網絡模型從確定需求到最終可用的模型，往往要經過下列步驟：首先需要獲取數據，對該數據進行清洗以及標注，得到完成標注的數據；然后通過完成標注的數據對神經網絡模型進行訓練，得到完成訓練的神經網絡模型；其次通過測試數據對該完成訓練的神經網絡模型進行測試，得到該完成訓練的神經網絡模型的正確率；最后基于錯誤案例重復對神經網絡模型進行訓練和測試，直至最終得到正確率滿足閾值的神經網絡模型。

發明內容

本申請實施例提供一種模型訓練系統、方法、設備及存儲介質。所述技術方案如下：

一方面，本申請實施例提供一種模型訓練系統，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。

另一方面，本申請實施例提供一種模型訓練方法，所述方法包括：

標注模塊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訓練模塊，以及將所述測試圖像集合發送給測試模塊；

訓練模塊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。

另一方面，本申請實施例提供一種計算機設備，所述計算機設備包括處理器和存儲器，所述存儲器存儲有計算機程序，所述計算機程序由所述處理器加載并執行以實現如上述方面所述的模型訓練方法。

又一方面，本申請實施例提供一種計算機可讀存儲介質，所述計算機可讀存儲介質中存儲有計算機程序，所述計算機程序由處理器加載并執行以實現如上述方面所述的模型訓練方法。