[发明专利]模型优化方法、设备和存储介质

权利要求书

1.一种模型优化方法，其特征在于，包括：

获取第一数据集，并基于所述第一数据集进行模型训练，以生成第一模型；

获取第二数据集，并基于所述第二数据集对所述第一模型进行推理，得到推理结果；

根据所述推理结果，从所述第二数据集中提取出第三数据集，所述第三数据集为所述第二数据集中识别错误的数据集；

分析所述第三数据集的识别错误结果信息，根据所述识别错误结果信息生成优化方案，所述优化方案用于对所述第一模型进行更新，以生成第二模型。

2.根据权利要求1所述的方法，其特征在于，所述分析所述第三数据集的识别错误结果信息，根据所述识别错误的结果信息生成优化方案，包括：

确定所述第三数据集中所有样本分别对应的识别错误结果类别，其中，所述识别错误结果类别中的每个识别结果对应有错误信息列表，所述错误信息列表中包括至少一个错误标签；

根据所述错误信息列表中的所述错误标签，生成所述优化方案。

3.根据权利要求2所述的方法，其特征在于，所述根据所述错误信息列表中的所述错误标签，生成所述优化方案，包括：

从所述第三数据集中分别获取所述错误信息列表中的每个所述错误标签对应的样本；

对获取的所述样本基于所述错误标签重新进行目标信息标注，根据重新标注后的样本生成第四数据集；

基于所述第四数据集对所述第一模型进行更新，以生成所述第二模型。

4.根据权利要求2所述的方法，其特征在于，所述根据所述错误信息列表中的所述错误标签，生成所述优化方案，包括：

显示所述错误信息列表；

响应于用户基于所述错误信息列表输入或选择的样本标签；

基于所述样本标签搜索与所述样本标签相匹配的样本；

根据搜索得到的样本生成第五数据集；

基于所述第五数据集对所述第一模型进行更新，以生成所述第二模型。

5.根据权利要求1所述的方法，其特征在于，在所述获取第二数据集，并基于所述第二数据集对所述第一模型进行推理，得到推理结果之后，还包括：

分别获取所述第一数据集的第一参数信息和所述第二数据集的第二参数信息；

基于所述第一参数信息和所述第二参数信息，获取目标数据集，所述目标数据集对应的目标参数信息与所述第一参数信息和所述第二参数信息的相似度均大于预设相似度阈值；

基于所述目标数据集对所述第一模型进行更新，以生成所述第二模型。

6.根据权利要求5所述的方法，其特征在于，在所述根据所述推理结果，从所述第二数据集中提取出第三数据集之后，还包括：

显示所述推理结果，响应于用户基于所述推理结果触发的模型优化操作指令；

所述分析所述第三数据集的识别错误结果信息，根据所述识别错误结果信息生成优化方案，包括：

基于所述模型优化操作指令分析所述第三数据集的识别错误结果信息，根据所述识别错误结果信息生成所述优化方案。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述获取第二数据集，并基于所述第二数据集对所述第一模型进行推理，得到推理结果，包括：

获取所述第二数据集中所有样本包括的第一目标标记信息，所述第一目标标记信息由所述第一模型对所述第二数据集进行推理后，标记得到；

将所述第一标记信息与所述第二数据集中各样本对应预设的第二目标标记信息进行比对，得到所述推理结果。

8.根据权利要求7所述的方法，其特征在于，所述推理结果包括识别错误的结果信息和识别正确的结果信息；

所述将所述第一标记信息与所述第二数据集中各样本对应预设的第二目标标记信息进行比对，得到所述推理结果，包括：

将所述第一目标标记信息与所述第二目标标记信息通过预设的准确率检测算法进行相似性比对，得到所述识别错误的结果信息和所述识别正确的结果信息。