[发明专利]基于机器学习模型处理多媒体数据的方法、装置及介质

说明书

本公开是关于一种基于机器学习模型处理多媒体数据的方法、装置及介质。所述方法包括：获取输入数据输入第一机器学习框架后的第一结果数据，机器学习模型应用于第一机器学习框架；获取第一结果数据与验证数据的相似度，验证数据与机器学习模型相关联，相似度包括下述中至少一种：向量距离相似度、像素精度相似度、信噪比相似度；当相似度大于设定阈值时，通过第一机器学习框架，对多媒体数据进行处理。采用本公开的方法和装置可以提高在该机器学习框架上应用机器学习模型处理多媒体数据的准确度和精度。

技术领域

本公开涉及机器学习领域，尤其涉及基于机器学习模型处理多媒体数据的方法、装置及系统。

背景技术

在人工智能领域，随着机器学习模型的应用越来越广泛，也出现更多机器学习计算框架。机器学习模型的训练或预测通常是在服务器端进行的，而训练好或预测好的模型往往需要在不同于训练或预测服务器的设备上进行部署，即需要将训练好或预测好的机器学习模型移植到不同的机器学习框架上。

由于应用机器学习模型的机器学习框架并非训练该机器学习模型的机器学习框架，因此可能会使得采用该机器学习框架处理的数据准确度不够。这样，当通过该机器学习框架处理多媒体数据时，往往会出现较大误差，导致处理多媒体数据后的输出结果不可用。

发明内容

为克服相关技术中训练好或预测好的机器学习模型移植到不同的机器学习框架上存在的问题，本公开提供一种基于机器学习模型处理多媒体数据的方法、装置及系统。

根据本公开实施例的第一方面，提供一种机器学习模型的应用方法，所述方法包括：

获取输入数据输入第一机器学习框架后的第一结果数据，所述机器学习模型应用于所述第一机器学习框架；

获取所述第一结果数据与验证数据的相似度，所述验证数据与所述机器学习模型相关联，所述相似度包括下述中至少一种：向量距离相似度、像素精度相似度、信噪比相似度；

当所述相似度大于设定阈值时，通过所述第一机器学习框架，对多媒体数据进行处理。

其中，所述第一机器学习框架包括：图像分类机器学习框架、图像分割机器学习框架、目标检测机器学习框架、语音识别机器学习框架或机器翻译机器学习框架。

其中，当所述相似度包括向量距离相似度、像素精度相似度和信噪比相似度中至少两种时，所述相似度大于设定阈值包括：

所述至少两种相似度中每种相似度均大于对应的设定阈值。

其中，在所述获取所述第一结果数据与验证数据的相似度之前，所述方法还包括：

获取所述输入数据输入第二机器学习框架后的第二结果数据，将所述第二结果数据作为所述验证数据，其中，所述机器学习模型应用于所述第二机器学习框架，且所述第二机器学习框架为对所述机器学习模型进行训练或预测的机器学习框架。

根据本公开实施例的第二方面，提供一种基于机器学习模型处理多媒体数据的装置，所述装置包括：

结果数据获取模块，被设置为获取输入数据输入第一机器学习框架后的第一结果数据，所述机器学习模型应用于所述第一机器学习框架；

相似度获取模块，被设置为获取所述第一结果数据与验证数据的相似度，所述验证数据与所述机器学习模型相关联，所述相似度包括下述中至少一种：向量距离相似度、像素精度相似度、信噪比相似度；

数据处理模块，被设置为当所述相似度大于设定阈值时，通过所述第一机器学习框架，对多媒体数据进行处理。

其中，所述第一机器学习框架包括：图像分类机器学习框架、图像分割机器学习框架、目标检测机器学习框架、语音识别机器学习框架或机器翻译机器学习框架。

其中，所述数据处理模块还被设置为：