[发明专利]网络模型发布方法、装置、计算机设备和存储介质

说明书

本申请提供了一种网络模型发布方法、装置、计算机设备和存储介质。所述方法包括：获取第一图像标注数据；所述图像标注数据包括多帧图像的元素类别；从多帧图像的元素类别中筛选符合模型发布条件的第一目标元素类别；获取所述第一目标元素类别对应的目标图像；将所述目标图像按比例拆分为当前训练图像和当前预测图像；确定待训练的网络模型，通过所述当前训练图像对所述待训练的网络模型进行训练，得到训练后的检测模型；通过所述当前预测图像对所述检测模型进行预测，得到预测参考值；根据所述预测参考值确定所述检测模型的发布。采用本方法能够提高模型发布的效率。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种网络模型发布方法、装置、计算机设备和存储介质。

背景技术

随着科学技术的发展，人工智能技术得到了更广泛的应用，比如在服务机器人、智能终端、搜索、大数据、信息分类等领域都起到了巨大的推动作用。

目前，大部分平台都推出了基于人工智能网络模型的推荐和搜索服务，但是这种推荐和搜索服务通常需要在平台中内置人工智能网络模型来实现。这些模型需要算法专家从业务侧获取训练数据进行训练，并将训练好的模型返回给业务侧进行测试，反复执行上述步骤直到测试通过后，将最终训练得到的模型发布到平台上，供用户使用。

然而，目前的网络模型从训练到发布的过程，全程都需要算法专家参与，需要算法专家和业务侧进行反复沟通和确认，导致模型发布的周期较长而且成本较高。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高模型发布效率的网络模型发布方法、装置、计算机设备和存储介质。

一种网络模型发布方法，所述方法包括：

获取第一图像标注数据；所述图像标注数据包括多帧图像的元素类别；

从多帧图像的元素类别中筛选符合模型发布条件的第一目标元素类别；

获取所述第一目标元素类别对应的目标图像；将所述目标图像按比例拆分为当前训练图像和当前预测图像；

确定待训练的网络模型，通过所述当前训练图像对所述待训练的网络模型进行训练，得到训练后的检测模型；

通过所述当前预测图像对所述检测模型进行预测，得到预测参考值；

根据所述预测参考值确定所述检测模型的发布。

在一个实施例中，所述标注条件包括待标注图像的元素类别；所述方法还包括：

获取视频流数据；所述视频数据包括多帧图像；

加载多个元素识别模型，通过所述多个元素识别模型处理所述多帧图像，得到每帧图像所对应的一个或多个元素类别；

从所述多帧图像的元素类别中筛选符合标注条件的第二目标元素类别；

对所述第二目标元素类别所对应的图像中的元素进行标注；得到所述视频流数据的图像标注数据。

在一个实施例中，所述方法还包括：

当所述标注条件更新时，根据所述更新后的标注条件从所多帧图像的元素类别中筛选第三目标元素类别；

基于所述第三目标元素类别与所述第二目标元素类别确定新增目标元素类别；

对所述新增目标元素类别所对应的图像中的元素进行标注，得到新增图像标注数据；

基于新增图像标注数据对图像标注数据增量更新。

在一个实施例中，所述模型发布条件包括待提取图像的元素类别；所述从多帧图像的元素类别中筛选符合模型发布条件的第一目标元素类别包括：