[发明专利]模型优化方法、设备和存储介质

说明书

本申请提供了一种模型优化方法、设备及存储介质；通过获取第一数据集，并基于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，并基于第二数据集对第一模型进行推理，得到推理结果；根据推理结果，从第二数据集中提取出第三数据集，第三数据集为第二数据集中识别错误的数据集；最后分析第三数据集的识别错误结果信息，根据识别错误结果信息生成优化方案，优化方案用于对第一模型进行更新，以生成第二模型。能够降低应用场景中干扰物对模型识别准确性的影响，提高模型的识别准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种模型优化方法、设备和存储介质。

背景技术

随着人工智能模型的技术的不断发展，对模型的识别精度要求也越来越高。但是在某些应用场景下，可能会存在与待识别对象相似的物体，导致模型出现识别错误的现象。例如，在利用模型识别火焰的应用场景中，可能会存在电焊时的火花、玻璃反光或者环境光照等造成的干扰现象，从而导致将干扰物误识别为火焰的现象。因此，如何保证模型的识别准确性不受干扰物的影响是亟待解决的技术问题。

发明内容

本申请提供了一种模型优化方法、设备和存储介质，旨在根据数据集中的识别错误结果信息对模型进行优化，以降低应用场景中干扰物对模型识别准确性的影响，提高模型的识别准确性。

第一方面，本申请实施例提供了一种模型优化方法，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。

第二方面，本申请实施例提供了一种模型优化设备，其特征在于，包括存储器和处理器；

所述存储器用于存储计算机程序；

所述处理器，用于执行所述计算机程序并在执行所述计算机程序时，实现如上第一方面所述的模型优化方法的步骤。

第三方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上第一方面所述的模型优化方法的步骤。

本申请实施例提供了一种模型优化方法、设备和存储介质，首先通过获取第一数据集，并基于所述第一数据集进行模型训练，以生成第一模型；然后获取第二数据集，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；再根据所述推理结果，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；最后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。能够根据数据集中的识别错误结果信息生成优化方案，进而根据优化方案对模型进行优化，得到新的模型，以降低应用场景中干扰物对模型识别准确性的影响，提高模型的识别准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请实施例的公开内容。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，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是本申请一实施例提供的模型优化系统示意图；

图2是本申请实施例提供的模型优化方法应用于火焰识别场景的示意图；