[發(fā)明專利]一種人工智能自動訓(xùn)練方法、系統(tǒng)、裝置及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202210669062.6
• 申請日: 2022-06-14
• 公開（公告）號: CN114757307B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計）人: 王曉輝;季知祥;蒲天驕;劉鵬;肖凱;郭鵬天;李道興
• 申請（專利權(quán)）人: 中國電力科學(xué)研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 北京中巡通大知識產(chǎn)權(quán)代理有限公司 11703
• 代理人: 李宏德

1.一種人工智能自動訓(xùn)練方法，其特征在于，包括以下步驟：

接收上傳的樣本數(shù)據(jù)，并對樣本數(shù)據(jù)進(jìn)行人工或自動化輔助標(biāo)注；所述自動化輔助標(biāo)注為根據(jù)樣本數(shù)據(jù)類型利用已有模型實現(xiàn)樣本數(shù)據(jù)自動標(biāo)注；所述自動標(biāo)注基于用戶上傳樣本數(shù)據(jù)時選擇的樣本數(shù)據(jù)類型實現(xiàn)，樣本數(shù)據(jù)基于通過校核的標(biāo)注信息應(yīng)用于模型訓(xùn)練；所述自動化輔助標(biāo)注包括輸變電圖像標(biāo)注、安監(jiān)視頻標(biāo)注以及文本信息標(biāo)注；所述輸變電圖像標(biāo)注包括對輸變電圖像中的以下至少一個目標(biāo)對象的標(biāo)注：異物、絕緣子、細(xì)小金具或?qū)У鼐€；安監(jiān)視頻標(biāo)注包括對安監(jiān)視頻中至少一個目標(biāo)對象的標(biāo)注：越線闖入、未戴安全帽、未穿工裝、吸煙、未攜帶正確工具、人臉識別、未佩戴絕緣手套或帶電設(shè)備附近用非絕緣物品；文本信息標(biāo)注包括對文本信息中的以下至少一個目標(biāo)對象的標(biāo)注：電力設(shè)備、線路、變電站、組織機構(gòu)、地點或人名；

根據(jù)樣本數(shù)據(jù)的標(biāo)注信息，選擇與所述標(biāo)注信息對應(yīng)的目標(biāo)業(yè)務(wù)領(lǐng)域；

根據(jù)所述目標(biāo)業(yè)務(wù)領(lǐng)域，從與所述目標(biāo)業(yè)務(wù)領(lǐng)域?qū)?yīng)的模型訓(xùn)練任務(wù)中選擇目標(biāo)模型訓(xùn)練任務(wù)；

根據(jù)所述目標(biāo)模型訓(xùn)練任務(wù)匹配目標(biāo)深度學(xué)習(xí)模型；

針對所述目標(biāo)深度學(xué)習(xí)模型，進(jìn)行自動化模型訓(xùn)練和參數(shù)預(yù)訓(xùn)練；

根據(jù)模型訓(xùn)練任務(wù)類型和評價方法，實現(xiàn)自動化模型評價。

2.根據(jù)權(quán)利要求1所述的人工智能自動訓(xùn)練方法，其特征在于，所述樣本數(shù)據(jù)通過本地上傳或服務(wù)器上傳。

3.根據(jù)權(quán)利要求1所述的人工智能自動訓(xùn)練方法，其特征在于，所述業(yè)務(wù)領(lǐng)域包括運檢業(yè)務(wù)、調(diào)度業(yè)務(wù)、安監(jiān)業(yè)務(wù)以及營銷業(yè)務(wù)；運檢業(yè)務(wù)對應(yīng)圖像識別、聲紋識別以及知識圖譜的模型訓(xùn)練任務(wù)；調(diào)度業(yè)務(wù)對應(yīng)知識圖譜構(gòu)建、文本分析、語音識別以及語音合成的模型訓(xùn)練任務(wù)；安監(jiān)業(yè)務(wù)對應(yīng)視頻分析的模型訓(xùn)練任務(wù)，營銷業(yè)務(wù)對應(yīng)語音識別、情感分析以及知識圖譜的模型訓(xùn)練任務(wù)。

4.根據(jù)權(quán)利要求1所述的人工智能自動訓(xùn)練方法，其特征在于，所述深度學(xué)習(xí)模型的自動化模型訓(xùn)練和參數(shù)訓(xùn)練的具體方法如下：

針對卷積神經(jīng)網(wǎng)絡(luò)，采用基于搜索空間正則化的方法進(jìn)行自動化模型訓(xùn)練和參數(shù)預(yù)訓(xùn)練；

針對循環(huán)神經(jīng)網(wǎng)絡(luò)，采用基于搜索空間正則化的方法進(jìn)行自動化模型訓(xùn)練和參數(shù)預(yù)訓(xùn)練；

針對圖卷積神經(jīng)網(wǎng)絡(luò)，采用基于信息傳遞機制的方法進(jìn)行自動化模型訓(xùn)練和參數(shù)預(yù)訓(xùn)練。

5.根據(jù)權(quán)利要求1所述的人工智能自動訓(xùn)練方法，其特征在于，所述根據(jù)所述目標(biāo)模型訓(xùn)練任務(wù)匹配目標(biāo)學(xué)習(xí)模型，包括：

確定目標(biāo)模型訓(xùn)練任務(wù)的類型；

若所述目標(biāo)模型訓(xùn)練任務(wù)的類型為圖像類，確定目標(biāo)深度學(xué)習(xí)模型為卷積神經(jīng)網(wǎng)絡(luò)；

若所述目標(biāo)模型訓(xùn)練任務(wù)的類型為自然語言處理類，確定目標(biāo)深度學(xué)習(xí)模型為循環(huán)神經(jīng)網(wǎng)絡(luò)；

若所述目標(biāo)模型訓(xùn)練任務(wù)的類型為語音識別類，確定目標(biāo)深度學(xué)習(xí)模型為圖卷積神經(jīng)網(wǎng)絡(luò)。

6.根據(jù)權(quán)利要求4所述的人工智能自動訓(xùn)練方法，其特征在于，所述采用基于搜索空間正則化的方法進(jìn)行自動化模型訓(xùn)練和參數(shù)預(yù)訓(xùn)練，包括：

將搜索空間松弛為連續(xù)、可微分的函數(shù)；

基于梯度下降算法進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)搜索。