[发明专利]图片中目标的属性的确定方法和装置

权利要求书

1.一种图片中目标的属性的确定方法，其特征在于，包括：

采用第一机器学习模型获取第一测试样本集中的多个测试样本的标签，并将标签的置信度大于预设值的测试样本和该测试样本的标签添加至第一标注样本集中，得到第二标注样本集；其中，所述第一机器学习模型是基于所述第一标注样本集训练得到的；

根据所述第二标注样本集和第二机器学习模型，获取目标机器学习模型，所述目标机器学习模型用于确定图片中目标的属性；

在所述根据所述第二标注样本集和第二机器学习模型，获取目标机器学习模型之前，还包括：

对所述第一机器学习模型进行迁移学习，得到所述第二机器学习模型，所述第二机器学习模型是将两个所述第一机器学习模型组成得到的；

所述根据所述第二标注样本集和第二机器学习模型，获取目标机器学习模型，包括：

基于所述第二标注样本集和所述第二机器学习模型，训练得到第三机器学习模型；

判断所述第三机器学习模型的精度是否达到预设精度，若是，则将所述第三机器学习模型作为目标机器学习模型，若否，则返回采用第三机器学习模型获取第二测试样本集中的多个测试样本的标签，并将标签的置信度大于预设值的测试样本和该测试样本的标签添加至所述第二标注样本集中，得到第三标注样本集的步骤，直至确定得到精度大于或等于预设精度的目标机器学习模型，其中，迭代训练过程中，均是采用标签的置信度大于预设值的测试样本和该测试样本的标签及其标注样本集构成的数据集，以及复杂度高于上一次训练得到的机器学习模型的模型进行训练，所述复杂度高于上一次训练得到的机器学习模型的模型是将两个所述上一次训练得到的机器学习模型组成得到的；

或者，所述根据所述第二标注样本集和第二机器学习模型，获取目标机器学习模型，包括：

基于所述第二标注样本集和所述第二机器学习模型，训练得到第三机器学习模型；

判断迭代次数是否达到预设次数，若是，则将所述第三机器学习模型作为目标机器学习模型，若否，返回采用第三机器学习模型获取第二测试样本集中的多个测试样本的标签，并将标签的置信度大于预设值的测试样本和该测试样本的标签添加至所述第二标注样本集中，得到第三标注样本集的步骤，直至迭代次数达到预设次数，得到所述目标机器学习模型，其中，迭代训练过程中，均是采用标签的置信度大于预设值的测试样本和该测试样本的标签及其标注样本集构成的数据集，以及复杂度高于上一次训练得到的机器学习模型的模型进行训练，所述复杂度高于上一次训练得到的机器学习模型的模型是将两个所述上一次训练得到的机器学习模型组成得到的。

2.根据权利要求1所述的方法，其特征在于，所述第二机器学习模型的层数大于所述第一机器学习模型的层数；和/或，

所述第二机器学习模型所包括的各层中至少存在一个第一层，所述第一层所包括的神经元的数目大于所述第一机器学习模型中与所述第一层相应的层所包括的神经元的数目。

3.根据权利要求1所述的方法，其特征在于，所述采用第一机器学习模型获取第一测试样本集中的多个测试样本的标签之前，还包括：

接收所述第一标注样本集；

基于所述第一标注样本集，训练得到所述第一机器学习模型。

4.根据权利要求1所述的方法，其特征在于，所述目标机器模型用于加载到设备中，以实现确定图片中目标的属性。

5.根据权利要求4所述的方法，其特征在于，所述设备包括如下中的任意一项：

服务器、终端设备、网络硬盘录像机NVR、图像处理器ISP、图形处理器GPU。