[发明专利]一种图像识别模型的更新方法及相关设备

权利要求书

1.一种图像识别模型的更新方法，其特征在于，包括：

对目标图像进行图像预处理得到目标数据，所述目标图像为待识别的图像；

将所述目标数据输入目标图像识别模型，得到所述目标图像对应的预测值，所述目标图像识别模型为部署在云端通过卷积神经网络构建的模型；

当所述预测值小于预设阈值时，通过至少两个图像识别模型对所述目标数据进行识别，得到第一识别结果，所述至少两个图像识别模型为在线机器学习平台上通过除所述卷积神经网络之外的其它深度学习神经网络模型算法训练得到的模型，其中，所述在线机器学习平台为部署在云端的机器学习平台；

当所述第一识别结果为识别成功时，将所述目标数据标记为第一样本数据；

基于所述第一样本数据以及所述第一识别结果对所述目标图像识别模型进行更新。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述预测值大于或等于所述预设阈值时，基于所述目标图像对应的类型信息发出第一提示信息。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当所述预测值大于或等于所述预设阈值时，将所述目标数据标记为第二样本数据；

基于所述第二样本数据以及所述目标图像对应的预测值对所述目标图像识别模型进行更新。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述第一识别结果为识别失败时，基于所述目标图像发出第二提示信息。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取预设时长内所述第一识别结果为识别失败的图像集合；

根据用户的操作指令对所述图像集合进行识别，得到所述图像集合对应的第二识别结果；

基于所述图像集合以及所述第二识别结果对所述目标图像识别模型进行更新。

6.一种图像识别模型的更新装置，其特征在于，包括：

预处理单元，用于对目标图像进行图像预处理得到目标数据，所述目标图像为待识别的图像；

第一识别单元，用于将所述目标数据输入目标图像识别模型，得到所述目标图像对应的预测值，所述目标图像识别模型为部署在云端通过卷积神经网络构建的模型；

第二识别单元，用于当所述预测值小于预设阈值时，通过至少两个图像识别模型对所述目标数据进行识别，得到第一识别结果，所述至少两个图像识别模型为在线机器学习平台上通过除所述卷积神经网络之外的其它深度学习神经网络模型算法训练得到的模型，其中，所述在线机器学习平台为部署在云端的机器学习平台；

标记单元，用于当所述第一识别结果为识别成功时，将所述目标数据标记为第一样本数据；

更新单元，用于基于所述第一样本数据以及所述第一识别结果对所述目标图像识别模型进行更新。

7.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第一提示单元，用于当所述预测值大于或等于所述预设阈值时，基于所述目标图像对应的类型信息发出第一提示信息。

8.根据权利要求7所述的装置，其特征在于，标记单元还用于：当所述预测值大于或等于所述预设阈值时，将所述目标数据标记为第二样本数据；

所述更新单元，还用于基于所述第二样本数据以及所述目标图像对应的预测值对所述目标图像识别模型进行更新。

9.根据权利要求6所述的装置，其特征在于，所述装置还包括：

第二提示单元，用于当所述第一识别结果为识别失败时，基于所述目标图像发出第二提示信息。

10.一种计算机可读存储介质，其特征在于，包括指令，当所述指令在计算机上运行时，使得计算机执行上述权利要求1至5中任一项所述的图像识别模型的更新方法的步骤。