[发明专利]一种识别模型的训练方法、装置、电子设备及存储介质

说明书

本发明实施例公开了一种识别模型的训练方法、装置、电子设备及存储介质。所述方法包括：控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系；将所述感知数据标签体系传递给低分辨率感知器；控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型；其中，各个低分辨率的原始感知数据与各个高分辨率的原始感知数据分别为所述低分辨率感知器与所述高分辨率感知器基于相同的感知对象采集到的原始感知数据。可以实现对低分辨率感知器对应的识别模型进行训练。

技术领域

本发明实施例涉及人工智能技术领域，尤其涉及一种识别模型的训练方法、装置、电子设备及存储介质。

背景技术

随着人工智能技术在各个领域取得突破性的进展，越来越多的机器学习任务开始转移到神经网络相关的模型中。神经网络相关的模型需要利用标注后的数据作为训练数据进行机器学习，因此，数据标注的质量高低对模型的性能好坏具有重要影响。

现有的数据标注方法包括以下两种：第一、基于无监督学习的识别模型的训练方法，该方法需要极其海量的样本数据进行模型训练，在很多领域无法有效实施；第二、基于有监督学习的识别模型的训练方法，该方法需要通过大量的人工标注获取标注样本，对于低分辨率感知器采集到各个低分辨率的原始感知数据，人眼可能无法识别，无法进行人工标注，所以实现对低分辨率感知器对应的识别模型进行训练。

发明内容

有鉴于此，本发明实施例提供一种识别模型的训练方法、装置、电子设备及存储介质，可以实现对低分辨率感知器对应的识别模型进行训练。

第一方面，本发明实施例提供了一种识别模型的训练方法，所述方法包括：

控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系；

将所述感知数据标签体系传递给低分辨率感知器；

控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型；其中，各个低分辨率的原始感知数据与各个高分辨率的原始感知数据分别为所述低分辨率感知器与所述高分辨率感知器基于相同的感知对象采集到的原始感知数据。

在上述实施例中，所述控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系，包括：

控制所述高分辨率感知器将各个高分辨率的原始感知数据输入到所述高分辨率感知器对应的识别模型中；

通过所述高分辨率感知器对应的识别模型获取到各个高分辨率的原始感知数据对应的数据标签特征；

根据各个高分辨率的原始感知数据以及各个高分辨率的原始感知数据对应的数据标签特征确定出所述感知数据标签体系。

在上述实施例中，所述将所述感知数据标签体系传递给低分辨率感知器，包括：

通过预先确定的有线传输方式将所述感知数据标签体系传递给所述低分辨率感知器；或者，

通过预先确定的无线传输方式将所述感知数据标签体系传递给所述低分辨率感知器。

在上述实施例中，所述控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型，包括：

控制所述低分辨率感知器将各个低分辨率的原始感知数据输入到所述低分辨率感知器对应的识别模型中；

通过所述低分辨率感知器对应的识别模型获取到各个低分辨率的原始感知数据对应的数据标签特征；