[发明专利]机器学习模型优化的方法、装置、计算机设备和存储介质

说明书

本申请涉及一种机器学习模型优化的方法、装置、计算机设备和存储介质。所述方法包括：获取至少两张第一图片；当模型库中的机器学习模型无法识别所述第一图片时，根据输入的标注指令对所述第一图片进行标注，得到第一标签；根据所述第一图片和所述第一标签对所述机器学习模型进行训练，得到目标机器学习模型；基于所述目标机器学习模型对获取的第二图片进行预标注，得到第二标签；当所述第二标签通过标注验证时，根据所述第二图片和所述第二标签对所述目标机器学习模型进行训练优化。采用本方法能够提高机器学习模型训练效率。

技术领域

本申请涉及人工智能机器学习技术领域，特别是涉及一种基于云边协同的机器学习模型优化的方法、装置、计算机设备和存储介质。

背景技术

机器学习模型能够对复杂场景图像中的目标进行识别，可以应用于各种识别场景中。在机器学习模型进行应用之前，通常需要对相应场景图像进行人工标注，然后利用标注后的场景图像作为训练样本对机器学习模型训练，然后利用训练后的机器学习模型进行目标识别。对于机器学习模型的训练，通常需要大量的图像样本进行训练，如此需要对大量的图像进行人工标注，从而会导致机器学习模型训练效率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高机器学习模型训练效率的机器学习模型优化的方法、装置、计算机设备和存储介质。

一种机器学习模型优化的方法，所述方法包括：

获取至少两张第一图片；

当模型库中的机器学习模型无法识别所述第一图片时，根据输入的标注指令对所述第一图片进行标注，得到第一标签；

根据所述第一图片和所述第一标签对所述机器学习模型进行训练，得到目标机器学习模型；

基于所述目标机器学习模型对获取的第二图片进行预标注，得到第二标签；

当所述第二标签通过标注验证时，根据所述第二图片和所述第二标签对所述目标机器学习模型进行训练优化。

一种目标检测识别装置，所述装置包括：

获取模块，用于获取至少两张第一图片；

第一标注模块，用于当模型库中的机器学习模型无法识别所述第一图片时，根据输入的标注指令对所述第一图片进行标注，得到第一标签；

训练模块，用于根据所述第一标签对所述机器学习模型进行训练，得到目标机器学习模型；

第二标注模块，用于基于所述目标机器学习模型对获取的第二图片进行预标注，得到第二标签；

优化模块，用于当所述第二标签通过标注验证时，根据所述第二标签对所述目标机器学习模型进行训练优化。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取至少两张第一图片；

当模型库中的机器学习模型无法识别所述第一图片时，根据输入的标注指令对所述第一图片进行标注，得到第一标签；

根据所述第一图片和所述第一标签对所述机器学习模型进行训练，得到目标机器学习模型；

基于所述目标机器学习模型对获取的第二图片进行预标注，得到第二标签；

当所述第二标签通过标注验证时，根据所述第二图片和所述第二标签对所述目标机器学习模型进行训练优化。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

获取至少两张第一图片；