[发明专利]一种分类模型的迭代方法、装置及电子设备

说明书

本发明公开了一种分类模型的迭代方法、装置及电子设备，该迭代方法包括：获取待测图像和对应每一待测图像的分类结果；将所有待测图像按照预先设置的比例分别存放至训练集、验证集和测试集中；根据训练集和训练集中的待测图像对应的分类结果对参考分类模型进行训练；根据验证集和验证集中的待测图像对应的分类结果，验证参考分类模型和训练后的参考分类模型的准确率，并选择准确率较高的作为最优参考分类模型；根据测试集和测试集中的待测图像对应的分类结果，测试最优参考分类模型和产线使用的当前分类模型的准确率；在最优参考分类模型的准确率高于当前分类模型的准确率的情况下，控制最优参考分类模型替换当前分类模型。

技术领域

本发明涉及分类模型迭代技术领域，更具体地，本发明涉及一种分类模型的迭代方法、装置及电子设备。

背景技术

随着深度学习图像处理能力的增强，在工业图像检测领域深度学习的应用越来越多，使用训练的分类模型做图像分类检测也越来越常见。

分类模型检测技术近几年在图像信息处理方面取得了突破性进展，在图像分类中的准确率逐渐达到工业瑕疵检测要求，使得从科研到实际应用周期大大缩短。

但是，现有的分类模型在进行迭代过程中需要人工干预的流程较多，无法根据采集的图像自动进行迭代。

发明内容

本发明实施例的一个目的是提供一种分类模型自动迭代的新的技术方案。

根据本发明的第一方面，提供了一种分类模型的迭代方法，包括：

获取待测图像和对应每一所述待测图像的分类结果；

将所有所述待测图像按照预先设置的比例分别存放至训练集、验证集和测试集中；

根据所述训练集和所述训练集中的待测图像对应的分类结果对参考分类模型进行训练；

根据所述验证集和所述验证集中的待测图像对应的分类结果，验证所述参考分类模型和训练后的参考分类模型的准确率，并选择准确率较高的作为最优参考分类模型；

根据所述测试集和所述测试集中的待测图像对应的分类结果，测试所述最优参考分类模型和产线使用的当前分类模型的准确率；

在所述最优参考分类模型的准确率高于所述当前分类模型的准确率的情况下，控制所述最优参考分类模型替换所述当前分类模型。

可选的是，所述获取待测图像和对应每一待测图像的分类结果的步骤包括：

控制相机采集待测图像；

控制所述参考分类模型对所有所述待测图像进行分类测试，得到每一所述待测图像的分类结果。

可选的是，所述迭代方法还包括：

控制所述参考分类模型对所有所述待测图像进行分类测试，得到每一所述待测图像的分类结果和对应每一分类结果的置信度；

判断所述置信度是否小于预先设置的置信度阈值，如是，则：

获取用户输入的确认分类决定作为所述置信度对应的分类结果。

可选的是，所述迭代方法还包括：

按照预先设定的周期获取待测图像和对应每一待测图像的分类结果。

可选的是，所述迭代方法还包括：

如果所述当前分类模型与所述参考分类模型相同，则将训练后的参考分类模型作为最优参考分类模型。

根据本发明的第二方面，提供了一种分类模型的迭代装置，包括：

获取模块，用于获取待测图像和对应每一所述待测图像的分类结果；