[发明专利]一种自训练方法、系统、装置、电子设备及存储介质

权利要求书

1.一种自训练方法，其特征在于，所述方法包括：

获得数据采集设备采集的多媒体数据，并获得第一对象检测模型对各个多媒体数据中对象进行检测得到的属性信息，其中，所述第一对象检测模型为：所述数据采集设备当前使用的模型；

基于所获得的每一多媒体数据中对象的属性信息，从各个多媒体数据中选择包含具有目标属性的对象的数据，作为第一样本数据，其中，所述目标属性为：所述第一对象检测模型对多媒体数据中对象进行检测时，检测结果的准确度满足预设的自训练条件的多媒体数据中对象所具有的属性；

利用所述第一样本数据对所述第一对象检测模型进行训练，得到第二对象检测模型。

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：

基于测试数据，测试所述第二对象检测模型进行对象检测的准确度，得到测试结果，其中，所述测试数据包括已有测试数据和/或新测试数据，所述已有测试数据为：已使用过的、用于测试所述第一对象检测模型进行对象检测的准确度的数据，所述新测试数据为：未使用过的测试数据；

根据所述测试结果，确定是否将所述数据采集设备中的所述第一对象检测模型更新为所述第二对象检测模型。

3.根据权利要求2所述的方法，其特征在于，所述新测试数据包括以下数据中的至少一种：

用户通过客户端输入的带有标注信息的数据；

由用户对候选数据进行标注得到的数据，其中，所述候选数据为：从所述数据采集设备采集的多媒体数据中抽取的数据。

4.根据权利要求2所述的方法，其特征在于，所述基于测试数据，测试所述第二对象检测模型进行对象检测的准确度，得到测试结果，包括：

将测试数据输入所述第一对象检测模型进行对象检测，得到第一输出结果，并将所述测试数据输入所述第二对象检测模型进行对象检测，得到第二输出结果；

计算所述第一输出结果相对标注信息的第一差异值，并计算所述第二输出结果相对所述标注信息的第二差异值，其中，所述标注信息为：预先对所述测试数据进行标注的信息；

基于所述第一差异值与第二差异值，判断所述第二对象检测模型进行对象检测的准确度是否高于所述第一对象检测模型进行对象检测的准确度，得到判断结果，作为测试结果。

5.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在确定将所述数据采集设备中的所述第一对象检测模型更新为所述第二对象检测模型的情况下，按照预设的量化方式对所述第二对象检测模型进行量化；

利用预设的校验数据，校验量化后第二对象检测模型相对量化前第二对象检测模型的一致性；

在检验结果表征量化后第二对象检测模型相对量化前第二对象检测模型一致的情况下，将量化后的第二对象检测模型的格式转化为所述数据采集设备支持的格式，并将所述数据采集设备中的所述第一对象检测模型更新为格式转化后的第二对象检测模型。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在确定将所述数据采集设备中的所述第一对象检测模型更新为所述第二对象检测模型的情况下，将同类数据采集设备中的所述第一对象检测模型更新为所述第二对象检测模型，其中，所述同类数据采集设备为：使用所述第一对象检测模型的数据采集设备。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述利用所述第一样本数据对所述第一对象检测模型进行训练，得到第二对象检测模型，包括：

利用所述第一样本数据和第二样本数据，对所述第一对象检测模型进行训练，得到第二对象检测模型，其中，所述第二样本数据为：用户通过客户端输入的多媒体数据。

8.根据权利要求1-6中任一项所述的方法，其特征在于，通过以下方式获得所述目标属性：

获得候选属性的出现频次，其中，所述候选属性为：所述第一对象检测模型对各多媒体数据进行对象检测的结果中置信度低于预设置信度阈值的对象的属性信息；

确定出现频次达到预设的频次条件的候选属性，作为目标属性。