[发明专利]神经网络模型的训练方法、装置、计算机设备及存储介质

说明书

本发明实施例公开了一种神经网络模型的训练方法、装置、计算机设备及存储介质，包括：获取目标用户的用户图像；将所述用户图像输入至预设的图像识别模型中，以获取所述图像识别模型对所述用户图像的分类结果；读取所述图像识别模型输出的分类结果并显示所述分类结果，以获取所述目标用户对所述分类结果做出的验证信息；根据所述验证信息对所述图像识别模型进行训练，以使所述图像识别模型中生成专属于所述目标用户的权重参数。由于针对性的训练能够使图像识别模型中的权重参数进行适应性调整，调整后的图像识别模型对于该用户的图像识别准确率得到提高，模型的鲁棒性也更加稳定。

技术领域

本发明实施例涉及模型训练领域，尤其是一种神经网络模型的训练方法、装置、计算机设备及存储介质。

背景技术

模拟人类实际神经网络的数学方法问世以来，人们已慢慢习惯了把这种人工神经网络直接称为神经网络。神经网络在系统辨识、模式识别、智能控制等领域有着广泛而吸引人的前景，特别在智能控制中，人们对神经网络的自学习功能尤其感兴趣，并且把神经网络这一重要特点看作是解决自动控制中控制器适应能力这个难题的关键钥匙之一。

现有技术中，神经网络模型在图像处理领域具有较好的表现，通过采用大量同类型的图片反复的对神经网络模型进行训练，使神经网络模型学习到识别一种或多种图像类别的能力。神经网络模型一旦训练至收敛状态后，其中的权重参数就会被固定无法进行变更。因此，现有技术中神经网络模型的个性化环境的适应能力有限，神经网络模型识别的准确率有待提高。

发明内容

本发明实施例提供能够通过在用户使用过程中，针对用户的实际使用需要对通用的图像识别模型进行定向训练，使其生成与用户具有对应权重参数的神经网络模型的训练方法、装置、计算机设备及存储介质。

为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种神经网络模型的训练方法，包括：

获取目标用户的用户图像；

将所述用户图像输入至预设的图像识别模型中，以获取所述图像识别模型对所述用户图像的分类结果，其中，所述图像识别模型为预先训练至收敛状态的，用于对输入图像进行图像分类的神经网络模型；

读取所述图像识别模型输出的分类结果并显示所述分类结果，以获取所述目标用户对所述分类结果做出的验证信息；

根据所述验证信息对所述图像识别模型进行训练，以使所述图像识别模型中生成专属于所述目标用户的权重参数。

可选地，所述将所述用户图像输入至预设的图像识别模型中，以获取所述图像识别模型对所述用户图像的分类结果之前，包括：

将所述用户图像输入至预设的环境分类模型中，其中，所述环境分类模型为预先训练至收敛状态，用于对输入图像进行环境分类的神经网络模型；

读取所述环境分类模型输出的环境分类结果；

识别所述环境分类结果表征的环境场景是否训练至收敛状态；

当所述环境场景未训练至收敛状态时，确认所述图像识别模型对所述用户图像进行识别。

可选地，所述识别所述环境分类结果表征的环境场景是否训练至收敛状态包括：

以所述环境分类结果为检索条件在预设的历史分类信息数据库中进行查找，获取与所述环境分类结果表征的环境场景具有映射关系的训练信息，其中，所述训练信息中包括历史记录中所述图像识别模型对包含所述环境场景的用户图像的分类准确率；

将所述分类准确率与预设的准确率阈值进行比对；

当所述分类准确率小于所述准确率阈值时，确认所述环境场景未训练至收敛状态；否则，则确认所述环境场景已训练至收敛状态。