[发明专利]一种模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

根据第一样本数据集，对初始模型进行第一阶段训练，确定模型深度参数和第一阶段的模型层参数，并根据所述模型深度参数和所述第一阶段的模型层参数，对所述初始模型进行参数更新，得到中间模型；

根据第二样本数据集，对所述中间模型进行第二阶段训练，确定第二阶段的模型层参数，并根据所述第二阶段的模型层参数，对所述中间模型进行参数更新，得到目标模型；其中，所述第一样本数据集的数量小于第二样本数据集的数量。

2.根据权利要求1所述的方法，其特征在于，所述根据第一样本数据集，对初始模型进行第一阶段训练，确定模型深度参数和第一阶段的模型层参数，并根据所述模型深度参数和所述第一阶段的模型层参数，对所述初始模型进行参数更新，得到中间模型，包括：

根据第一样本数据集，对初始模型进行模型深度训练，确定模型深度参数，并根据所述模型深度参数，更新所述初始模型的模型深度，得到初始的中间模型；

根据所述第一样本数据集，对所述初始的中间模型进行层参数训练，确定第一阶段的模型层参数，并根据所述第一阶段的模型层参数，更新所述初始的中间模型的模型层参数，得到最终的中间模型。

3.根据权利要求2所述的方法，其特征在于，所述根据第一样本数据集，对初始模型进行模型深度训练，确定模型深度参数，包括：

采用第一样本数据集，对初始模型进行模型深度迭代训练，得到每次迭代训练对应的模型深度；

采用测试数据对每次迭代训练后的初始模型进行测试，确定每次迭代训练的模型错误率；

将错误率最低的迭代训练对应的模型深度作为所述模型深度参数。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一样本数据集，对所述初始的中间模型进行层参数训练，确定第一阶段的模型层参数，包括：

根据模型层参数的种类，确定模型层参数正交表；

根据所述第一样本数据集和所述模型层参数正交，对所述初始的中间模型进行层参数训练，确定第一阶段的模型层参数。

5.根据权利要求1所述的方法，其特征在于，还包括：

从原始电路图像中提取至少两个包含液晶面板微电路结构的待标定的图像区域；

对至少两个待标定的图像区域进行预处理，并对预处理后的待标定的图像进行电路结构标定，得到样本图像，并将所述样本图像添加至所述第一样本数据集中。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述第一样本数据集和所述第二样本数据集为液晶面板微电路结构的图像集；所述目标模型用于识别所述液晶面板微电路结构的图像中的电路结构。

7.根据权利要求5所述的方法，其特征在于，至少两个待标定的图像区域对应所述原始电路图像的不同特征和/或不同方位所在的区域。

8.根据权利要求5所述的方法，其特征在于，还包括：

将包含液晶面板微电路结构的待处理图像输入到所述目标模型中，得到标注有电路结构的目标图像。

9.一种模型训练装置，其特征在于，所述装置包括：

第一训练模块，用于根据第一样本数据集，对初始模型进行第一阶段训练，确定模型深度参数和第一阶段的模型层参数，并根据所述模型深度参数和所述第一阶段的模型层参数，对所述初始模型进行参数更新，得到中间模型；

第二训练模块，用于根据第二样本数据集，对所述中间模型进行第二阶段训练，确定第二阶段的模型层参数，并根据所述第二阶段的模型层参数，对所述中间模型进行参数更新，得到目标模型；其中，所述第一样本数据集的数量小于第二样本数据集的数量。

10.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一项所述的模型训练方法。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一项所述的模型训练方法。