[发明专利]图像识别模型训练方法、装置、存储介质及终端在审

专利信息
申请号: 202011644925.1 申请日: 2020-12-31
公开(公告)号: CN112819030A 公开(公告)日: 2021-05-18
发明(设计)人: 李龙 申请(专利权)人: 深圳市奇虎智能科技有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/08;G06N20/00
代理公司: 北京恒博知识产权代理有限公司 11528 代理人: 范胜祥
地址: 518000 广东省深圳市前海深港合作区前*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 识别 模型 训练 方法 装置 存储 介质 终端
【说明书】:

本申请公开了一种图像识别模型训练方法、装置、存储介质及终端,所述方法包括:采集第一图像样本,并调用图像识别模型;采用所述图像识别模型对所述第一图像样本进行识别,得到识别合格率;当所述识别合格率满足预设条件时,基于所述第一图像样本对所述图像识别模型进行训练。采用本申请实施例,可以基于对所采集的图像样本的识别结果再对该图像识别模型进行重复训练,避免了人工的重复测试行为,节省人力的同时,可以不断提升图像识别模型的识别准确度。

技术领域

本申请涉及通信技术领域,尤其涉及一种图像识别模型训练方法、装置、 存储介质及终端。

背景技术

在图像识别技术领域,通常使用训练后的图像识别模型,对待识别图像进 行识别,得到识别结果。而为了提升图像识别的准确度,则需要采集大规模的 数据集多次训练。

这些数据集通常包括正、负训练样本,且主要由人工进行标注。这就需要 花费大量的人工及精力,同时,基于人工的局限性,所训练的图像识别模型的 准确度难以达到预期。

发明内容

本申请提供一种图像识别模型训练方法、装置、存储介质及终端,可以基 于对所采集的图像样本的识别结果再对该图像识别模型进行重复训练,避免了 人工的重复测试行为,节省人力的同时,可以不断提升图像识别模型的识别准 确度。

第一方面,本申请实施例提供一种图像识别模型训练方法,该装置包括:

采集第一图像样本,并调用图像识别模型;

采用所述图像识别模型对所述第一图像样本进行识别,得到识别合格率;

当所述识别合格率满足预设条件时,基于所述第一图像样本对所述图像识 别模型进行训练。

第二方面,本申请实施例提供一种图像识别模型训练装置,该装置包括:

模型调用模块,用于采集第一图像样本,并调用图像识别模型;

合格率确定模块,用于采用所述图像识别模型对所述第一图像样本进行识 别,得到识别合格率;

模型训练模块,用于当所述识别合格率满足预设条件时,基于所述第一图 像样本对所述图像识别模型进行训练。

第三方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质 存储有多条指令,所述指令适于由处理器加载并执行实现上述的方法的步骤。

第四方面,本申请实施例提供一种终端,包括存储器、处理器及存储在存 储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上 述的方法的步骤。

在本申请实施例中,通过自动化采集第一图像样本,并调用经过初步训练 的图像识别模型,然后采用所述图像识别模型对所述第一图像样本进行识别, 得到识别合格率,当所述识别合格率满足预设条件时,基于所述第一图像样本 对所述图像识别模型进行训练。可以基于对所采集的图像样本的识别结果再对 该图像识别模型进行重复训练,避免了人工的重复测试行为,节省人力的同时, 可以不断提升图像识别模型的识别准确度。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施 例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述 中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创 造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种图像识别模型训练的系统结构图;

图2为本申请实施例提供的一种图像识别模型训练方法的流程示意图;

图3为本申请另一实施例提供的一种图像识别模型训练方法的流程示意 图;

图4为本申请另一实施例提供的一种图像识别模型训练装置的结构示意 图;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市奇虎智能科技有限公司,未经深圳市奇虎智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011644925.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top