[發明專利]用于目標識別模型訓練的方法、裝置及設備

在審

• 申請號: 202110102511.4
• 申請日: 2021-01-26
• 公開（公告）號: CN112784903A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: 翟步中;唐大閏
• 申請（專利權）人: 上海明略人工智能（集團）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 北京康盛知識產權代理有限公司 11331
• 代理人: 陶俊潔

本申請涉及人工智能技術領域，公開一種用于目標識別模型訓練的方法。該方法包括：獲取訓練樣本；訓練樣本包括第一標簽樣本、第二標簽樣本和無標簽樣本；標簽樣本包括第一標簽樣本和第二標簽樣本；根據第一標簽樣本獲得第一備選識別模型；根據第二標簽樣本和第一備選識別模型獲得第二備選識別模型；根據無標簽樣本和第二備選識別模型獲得第三備選識別模型；根據第三備選識別模型獲得目標識別模型。通過獲取訓練樣本對預設識別模型進行訓練，以能夠提高第三備選識別模型對無標簽樣本同類目標的識別準確率，從而提高目標識別模型對長尾樣本同類目標的識別準確率。本申請還公開一種用于目標識別模型訓練的裝置及設備。

技術領域

本申請涉及人工智能技術領域，例如涉及一種用于目標識別模型訓練的方法、裝置及設備。

背景技術

對物體類型進行識別是很多人工智能處理過程中必不可缺的環節，隨著機器學習算法的發展，利用神經網絡模型對物體類型進行自動識別成為可能。長尾樣本是指樣本數量占比較低的樣本，相對于其他訓練樣本數量來說，長尾物體的訓練樣本數量較少，因此訓練出來的神經網絡模型很難對長尾樣本同一類型的目標進行有效識別。

在實現本公開實施例的過程中，發現相關技術中至少存在如下問題：現有技術中對長尾樣本同類目標的識別結果準確率較低。

發明內容

為了對披露的實施例的一些方面有基本的理解，下面給出了簡單的概括。所述概括不是泛泛評述，也不是要確定關鍵/重要組成元素或描繪這些實施例的保護范圍，而是作為后面的詳細說明的序言。

本公開實施例提供了一種用于目標識別模型訓練的方法、裝置及設備，以能夠提高目標識別模型對長尾樣本同類目標的識別準確率。

在一些實施例中，所述用于目標識別模型訓練的方法，包括：

獲取訓練樣本；所述訓練樣本包括第一標簽樣本、第二標簽樣本和無標簽樣本；所述第一標簽樣本為在訓練樣本中數量占比達到預設值的標簽樣本；所述第二標簽樣本為在訓練樣本中數量占比低于所述預設值的標簽樣本；

根據所述第一標簽樣本獲得第一備選識別模型；

根據所述第二標簽樣本和所述第一備選識別模型獲得所述第二備選識別模型；

根據所述無標簽樣本和所述第二備選識別模型獲得第三備選識別模型；

根據所述第三備選識別模型獲得目標識別模型。

在一些實施例中，所述裝置包括：處理器和存儲有程序指令的存儲器，所述處理器被配置為在執行所述程序指令時，執行上述的用于目標識別模型訓練的方法。

本公開實施例提供的用于目標識別模型訓練的方法、裝置及設備，可以實現以下技術效果：通過本方案獲取第一標簽樣本對預設識別模型進行訓練得到第一備選識別模型，能夠提高第一備選識別模型對第一標簽樣本同類目標的識別準確率；通過第二標簽樣本對第一備選識別模型進行訓練得到第二備選識別模型，能夠提高第二備選識別模型對第二標簽樣本同類目標的識別準確率；通過無標簽樣本對第二備選識別模型進行訓練得到第三備選識別模型，能夠提高第三備選識別模型對無標簽樣本同類目標的識別準確率，從而提高目標識別模型對長尾樣本同類目標的識別準確率。

以上的總體描述和下文中的描述僅是示例性和解釋性的，不用于限制本申請。

附圖說明

一個或多個實施例通過與之對應的附圖進行示例性說明，這些示例性說明和附圖并不構成對實施例的限定，附圖中具有相同參考數字標號的元件示為類似的元件，附圖不構成比例限制，并且其中：

圖1是本公開實施例提供的一個用于目標識別模型訓練的方法的示意圖；

圖2是本公開實施例提供的一個用于目標識別模型訓練的裝置的示意圖。

具體實施方式