[发明专利]一种消除深度学习模型中未知错误的方法与装置

权利要求书

1.一种消除深度学习模型中未知错误的方法，根据训练图片集合训练深度学习模型，将验证图片集合输入所述深度学习模型以获得与验证图片对应的描述标签，其特征在于，包括以下步骤：

获取未知错误的类型步骤，对所述验证图片集合根据主题划分为验证图片子集，确定出现未知错误的验证图片的场景并获取所述未知错误的类型；

获取相似图片步骤，根据所述验证图片的场景以及所述未知错误的类型，获取相似图片集合；

建立文字描述模板步骤，建立所述相似图片的文字描述模板；

众包发布步骤，将相似图片集合和所述文字描述模板以及主题发布至众包平台；

获取反馈步骤，获取所述众包平台返回的与相似图片对应的文字描述模板反馈；

重新训练步骤，将所述文字描述模板反馈以及对应的相似图片放入训练图片集合，以训练所述深度学习模型。

2.如权利要求1所述的消除深度学习模型中未知错误的方法，其特征在于，所述建立文字描述模板步骤包括：

根据描述标签建立基础模板；

确定未知错误在描述标签中出现位置；

在基础模板上的对应未知错误的出现位置建立空白标签。

3.如权利要求2所述的消除深度学习模型中未知错误的方法，其特征在于，

所述文字描述模板反馈包括反馈标签，所述反馈标签对应于与发布的主题相符的相似图片的文字描述模板的空白标签。

4.如权利要求1所述的消除深度学习模型中未知错误的方法，其特征在于，

所述获取相似图片步骤包括根据出现未知错误的验证图片的场景以及未知错误的类型，提取关键字，将所述关键字与验证图片子集的主题进行匹配，计算匹配度高于阈值的关键字的出现频率，使用出现频率高于阈值的关键字检索相似图片，以获取相似图片集合。

5.如权利要求1所述的消除深度学习模型中未知错误的方法，其特征在于，所述深度学习模型使用了卷积神经网络(CNN)以及递归神经网络(RNN)算法。

6.如权利要求1所述的消除深度学习模型中未知错误的方法，其特征在于还包括：

验证步骤，将所述文字描述模板反馈以及对应的相似图片放入临时集合，根据反馈标签进行可信度计算，以确定所述文字描述模板反馈以及对应的相似图片是否放入所述训练图片集合。

7.一种消除深度学习模型中未知错误的装置，其特征在于，包括：

存储单元，用于存储程序，所述程序被处理单元执行时实现权利要求1至6中任意一项所述消除深度学习模型中未知错误的方法的步骤；

执行单元，用于执行存储单元中所述程序。