[发明专利]机器学习模型的获取方法、获取装置、设备及存储介质

权利要求书

1.一种机器学习模型的获取方法，其特征在于，所述方法包括：

获取标注有类别的第一样本图片；

将所述标注有类别的第一样本图片作为训练样本，训练得到机器学习模型；

将第二样本图片输入至所述机器学习模型，获取所述机器学习模型预测的所述第二样本图片的类别，所述第二样本图片为不含有标注类别的图片；

确定所述机器学习模型所预测的具有正确类别的第二样本图片；

将所述具有正确类别的第二样本图片作为训练样本输入所述机器学习模型，训练得到新的机器学习模型，所述新的机器学习模型用于对图片的类别进行预测；

其中，所述获取标注有类别的第一样本图片，包括：

获取多张待标注类别的图片，将多张图片划分为若干份；

将划分后的每份图片分配给至少两个标注者；

针对划分后的每份图片，获取所述至少两个标注者的标注结果数据，每个标注者的标注结果数据中，均携带有与该份图片中的各图片对应的预标注类别；

针对所述每份图片中的每张图片，对比该张图片在所述至少两个标注者的标注结果数据中的预标注类别是否相同，确定所述每份图片中在所述至少两个标注者的标注结果数据中的预标注类别均相同的图片的数量；

针对划分后的每份图片，基于所确定的所述预标注类别均相同的图片的数量与该份图片总数量的比例关系，确定该份图片中图片的标注类别，并将确定标注类别后的图片作为第一样本图片；

所述标注者包括至少三个；

所述针对划分后的每份图片，基于所确定的所述预标注类别均相同的图片的数量与该份图片总数量的比例关系，确定该份图片中图片的标注类别，包括：

如果划分后的其中一份图片中，所确定的所述预标注类别均相同的图片的数量，与该份图片总数量之比小于第一预设阈值，获取所述至少三个标注者的标注结果数据中两个标注结果数据的相似度；

当所述至少三个标注者的标注结果数据中，存在相似度高于第二预设阈值的两个标注结果数据时：

确定相似度最高的两个标注结果数据；

将所述相似度最高的两个标注结果数据中，具有相同预标注类别的图片的预标注类别确定为所述图片的标注类别，其中，两个标注结果数据的相似度为：该份图片在两个标注结果数据中，具有相同预标注类别的图片的数量与该份图片数量的比值。

2.根据权利要求1所述的方法，其特征在于，所述针对划分后的每份图片，基于所确定的所述预标注类别均相同的图片的数量与该份图片总数量的比例关系，确定该份图片中图片的标注类别，包括：

如果划分后的其中一份图片中，所确定的所述预标注类别均相同的图片的数量与该份图片总数量之比大于或等于第一预设阈值，将所述预标注类别均相同的图片的预标注类别确定为所述图片的标注类别。

3.根据权利要求2所述的方法，其特征在于，所述将所述预标注类别均相同的图片的预标注类别确定为所述图片的标注类别之后，所述方法还包括：

对该份图片中所述预标注类别不同的图片进行再次标注。

4.根据权利要求1所述的方法，其特征在于，所述针对划分后的每份图片，基于所确定的所述预标注类别均相同的图片的数量与该份图片总数量的比例关系，确定该份图片中图片的标注类别，包括：

如果划分后的其中一份图片中，所确定的所述预标注类别均相同的图片的数量与该份图片总数量之比小于第一预设阈值，删除与该份图片对应的所述至少两个标注者的标注结果数据，并对该份图片中的图片进行再次标注。

5.根据权利要求1所述的方法，其特征在于，所述确定所述机器学习模型所预测的具有正确类别的第二样本图片，包括：

针对所获取的所述第二样本图片的每一种预测类别，将所述预测类别的第二样本图片分配给至少一个第三标注者，获取所述至少一个第三标注者对所述第二样本图片的所述预测类别的核验结果，所述核验结果指示了所述预测类别是否为所述预测类别的第二样本图片的正确类别；

根据所述至少一个第三标注者对所述第二样本图片的所述预测类别的核验结果，确定所述预测类别为正确类别的第二样本图片。