[发明专利]适用于模式识别的模型的优化方法、装置及终端设备

说明书

本发明实施例涉及一种适用于模式识别的模型的优化方法、装置及终端设备，终端设备接收服务器下发的通用模型，该通用模型包含原始特征参数；通过该通用模型识别目标信息，并收集多个本地样本；当满足模型优化条件时，通过第一训练算法来对原始特征参数进行修正，以得出新特征参数；之后根据第二训练算法以及新特征参数，对通用模型进行优化，以获得优化后的通用模型。也即发明中，是由终端设备根据收集的本地样本，来对从服务器接收的通用模型进行进一步优化，以得到比较个性化的适用于模式识别的模型，从而既提升了用户体验，又解决了由服务器来对通用模型进行优化时，服务器计算量大的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种适用于模式识别的模型的优化方法、装置及终端设备。

背景技术

现有的终端设备(如，智能手机(Smart Phone，SP))一般是通过通用计算单元来运行各种算法指令，其中，该通用计算单元一般采用先进精简指令集计算机(ReducedInstruct ion Set Computer，RISC)机器公司(Advanced RISC Machines，ARM)体系架构，如，中央处理器(Central Processing Unit，CPU)。在上述体系架构下，如果多线程并行运行各种算法指令，则功耗会很高，这对于依赖电池供电的终端设备来说，是不可以接受的；如果单线程运行各算法指令，则运算能力又无法满足大计算量的需求。举例来说，在语音识别、计算机视觉等领域，适用于模式识别的模型训练(如：声学模型训练)过程中就需要非常大的计算量。而由于终端设备功耗的限制或者不能满足大计算量的需求，所以现有技术一般都是在云端进行模型训练的，之后再将模型推送到终端设备对语音、图片或者视频等进行识别。

然而在云端进行适用于模式识别的模型训练时，其通常依据从至少一个终端设备上传的样本(如，语音文件、人脸图片或者视频文件)，因此得到的模型是通用的，如在进行语音识别时，通过该模型可以识别所有用户的语音，而不针对某个用户的语音进行识别，也即该模型不具有个性化的特征，然而用户希望终端设备只能识别其自身的语音，而不识别或者不能很好的识别其它用户的语音，也即用户希望可以训练出比较个性化的模型。因此，就有了对上述适用于模式识别的模型进行优化的需求。

发明内容

本发明实施例提供了一种适用于模式识别的模型的优化方法、装置及终端设备，可以获得比较个性化的模型，且可以减少服务器的计算量。

第一方面，提供了一种适用于模式识别的模型的优化方法，该方法包括：

终端设备接收服务器下发的通用模型，所述通用模型是由所述服务器根据至少一个终端设备上传的样本获得的，所述通用模型包含原始特征参数；

通过所述通用模型识别目标信息，并收集多个本地样本；

当满足模型优化条件时，根据所述多个本地样本、所述原始特征参数以及第一训练算法，获得新特征参数，其中，所述第一训练算法是根据本地样本对原始特征参数进行修正以得出新特征参数的机器学习算法；

根据第二训练算法以及所述新特征参数，对所述通用模型进行优化，以获得优化后的通用模型。

为了获得比较个性化的模型，终端设备在通过通用模型识别目标信息的过程中，可以继续收集本地样本。由于本地样本是终端设备在对通用模型进行优化的过程中使用的，因此其在收集到本地样本之后，只存储在本地即可，无需上述至服务器。由此，可以减少终端设备向服务器上传样本所消耗的流量。此外，由于通用模型是由服务器根据至少一个终端设备上传的几亿条或者几十亿条样本获得的，所以该通用模型识别信息的准确性比较高；之后通过对该通用模型进行优化来获得比较个性化的模型，由此既可以减少终端设备的计算量，也可以提升对特定用户的信息的识别的准确性。

在一个可选的实现中，模型优化条件可以包括以下一种或多种：