[发明专利]跨平台拖拽式深度学习建模与训练方法及装置

权利要求书

1.一种跨平台拖拽式深度学习建模与训练方法，其特征在于，所述方法基于B/S架构，系统集成数据平台、标注检查工具、模型构建、训练、导出部署功能，所述方法包括以下步骤：

根据目标应用场景采集训练数据；

通过在线标注获取预处理后图像，并通过拖拽不同算法模块组合训练模型，以生成初始解决方案模型；所述通过在线标注获取预处理后图像，包括：上传至云端对应文件夹后，将所述训练数据链接对应进入适用不同场景及运用的标注工具网页端，以利用所述目标应用场景对应的标注工具进行适应算法标注；所述通过拖拽不同算法模块组合训练模型，包括：根据不同应用场景在浏览器上通过拖拽组件自定义组合的方式，并利用多个深度学习模型以构建模型间相互关系，基于云端的跨多个操作平台的网页版建模，创建一体化的初始解决方案模型；以及

根据训练请求训练所述初始解决方案模型，以得到最终解决方案模型，并展示训练结果。

2.根据权利要求1所述的跨平台拖拽式深度学习建模与训练方法，其特征在于，在得到所述最终解决方案模型之前，还包括：

验证算法组合逻辑的正确性；

根据调整参数与设置指示将对所述最终解决方案模型进行微调。

3.根据权利要求1-2任一项所述的跨平台拖拽式深度学习建模与训练方法，其特征在于，还包括：

在训练完成后，根据模型功能导出和/或部署所述最终解决方案模型。

4.一种跨平台拖拽式深度学习建模与训练装置，其特征在于，所述装置基于B/S架构，系统集成数据平台、标注检查工具、模型构建、训练、导出部署功能，所述装置包括：

采集模块，用于根据目标应用场景采集训练数据；

获取模块，用于通过在线标注获取预处理后图像，并通过拖拽不同算法模块组合训练模型，以生成初始解决方案模型；所述获取模块包括：标注单元，用于上传至云端对应文件夹后，将所述训练数据链接对应进入适用不同场景及运用的标注工具网页端，以利用所述目标应用场景对应的标注工具进行适应算法标注；所述获取模块包括：创建单元，用于根据不同应用场景在浏览器上通过拖拽组件自定义组合的方式，并利用多个深度学习模型以构建模型间相互关系，基于云端的跨多个操作平台的网页版建模，创建所述初始解决方案模型；以及

训练模块，用于根据训练请求训练所述初始解决方案模型，以得到最终解决方案模型，并展示训练结果。

5.根据权利要求4所述的跨平台拖拽式深度学习建模与训练装置，其特征在于，还包括：

验证模块，用于验证算法组合逻辑的正确性；

调整模块，用于根据调整参数与设置指示将对所述最终解决方案模型进行微调。

6.根据权利要求4-5任一项所述的跨平台拖拽式深度学习建模与训练装置，其特征在于，还包括：

处理模块，用于在训练完成后，根据模型功能导出和/或部署所述最终解决方案模型。