[发明专利]一种机器学习程序的训练方法、装置及设备

权利要求书

1.一种机器学习程序的训练方法，其特征在于，所述方法包括：

获取训练数据集合，所述训练数据集合包括第一类训练数据，所述第一类训练数据的置信度位于指定置信度范围；其中，所述置信度是利用机器学习程序识别出的第一类训练数据中的目标属于指定标签的置信度；

根据所述指定标签为所述第一类训练数据添加标注信息；

根据所述训练数据集合中的第一类训练数据的特征信息和标注信息训练新机器学习程序，所述新机器学习程序用于识别输入数据中的目标属于指定标签的置信度。

2.根据权利要求1所述的方法，其特征在于，所述获取训练数据集合包括：

获取第一类训练数据和所述机器学习程序的程序标识；

确定所述程序标识对应的数据集标识；

将所述第一类训练数据添加到所述数据集标识对应的训练数据集合。

3.根据权利要求1所述的方法，其特征在于，所述根据所述训练数据集合中的第一类训练数据的特征信息和标注信息训练新机器学习程序，包括：

若所述训练数据集合中的未训练使用的训练数据数量达到预设阈值，根据所述训练数据集合中的第一类训练数据的特征信息和标注信息训练新机器学习程序。

4.根据权利要求1所述的方法，其特征在于，所述根据所述训练数据集合中的第一类训练数据的特征信息和标注信息训练新机器学习程序，包括：

为机器学习程序的训练任务申请GPU资源；基于所述GPU资源，根据所述训练数据集合中的第一类训练数据的特征信息和标注信息训练新机器学习程序；在训练得到所述新机器学习程序后，释放所述GPU资源。

5.根据权利要求1-4任一项所述的方法，其特征在于，机器学习程序包括：机器学习分类程序；或，机器学习检测程序；或，机器学习分类检测混合程序。

6.一种机器学习程序的训练方法，其特征在于，所述方法包括：

利用已部署的机器学习程序识别输入数据中的目标属于指定标签的置信度；

若所述置信度位于指定置信度范围，则将所述输入数据确定为第一类训练数据，并将所述第一类训练数据添加到训练数据集合；

其中，所述训练数据集合中的第一类训练数据用于训练新机器学习程序。

7.根据权利要求6所述的方法，其特征在于，

所述将所述第一类训练数据添加到训练数据集合，包括：

确定所述机器学习程序的程序标识对应的数据集标识；

将所述第一类训练数据添加到所述数据集标识对应的训练数据集合。

8.一种机器学习程序的训练装置，其特征在于，所述装置包括：

获取模块，用于获取训练数据集合，所述训练数据集合包括第一类训练数据，所述第一类训练数据的置信度位于指定置信度范围；其中，所述置信度是利用机器学习程序识别出的第一类训练数据中的目标属于指定标签的置信度；

添加模块，用于根据所述指定标签为所述第一类训练数据添加标注信息；

训练模块，用于根据所述训练数据集合中的第一类训练数据的特征信息和标注信息训练新机器学习程序，新机器学习程序用于识别输入数据中的目标属于指定标签的置信度。

9.一种机器学习程序的训练装置，其特征在于，所述装置包括：

识别模块，用于利用已部署的机器学习程序识别输入数据中的目标属于指定标签的置信度；

处理模块，用于若所述置信度位于指定置信度范围，则将所述输入数据确定为第一类训练数据，并将所述第一类训练数据添加到训练数据集合；

其中，所述训练数据集合中的第一类训练数据用于训练新机器学习程序。