[发明专利]识别模型的训练方法、装置、设备及可读存储介质

权利要求书

1.一种识别模型的训练方法，其特征在于，应用于客户端，所述识别模型的训练方法包括以下步骤：

获取本地的训练数据，基于迁移学习算法，将所述训练数据输入至基础模型中，根据所述训练数据训练得到第一识别模型；所述训练数据为语音数据或者人脸图像数据；

将所述第一识别模型的模型参数发送给服务端，以供所述服务端根据各客户端发送的模型参数进行联邦学习，得到联邦学习结果，并返回所述联邦学习结果；

接收所述服务端发送的联邦学习结果，根据所述联邦学习结果中的模型参数改变量、客户端的预设学习率和第一识别模型的模型参数更新所述第一识别模型，得到对应的第二识别模型，并将所述第二识别模型发送给所述服务端，以供所述服务端在各客户端发送的第二识别模型中选择父代识别模型，并在预设的遗传算法中选择目标算子；通过所述父代识别模型和所述目标算子得到所述父代识别模型对应的子代识别模型；若检测到所述子代识别模型满足结束条件，则将满足结束条件中识别准确率最高的子代识别模型确定为目标识别模型。

2.如权利要求1所述的识别模型的训练方法，其特征在于，所述接收所述服务端发送的联邦学习结果，根据所述联邦学习结果中的模型参数改变量、客户端的预设学习率和第一识别模型的模型参数更新所述第一识别模型，得到对应的第二识别模型的步骤包括：

接收所述服务端发送的联邦学习结果，获取预设学习率和所述联邦学习结果中的模型参数改变量；

根据所述第一识别模型的模型参数、预设学习率和所述模型参数改变量计算得到更新后的模型参数，根据更新后的模型参数更新所述第一识别模型，得到对应的第二识别模型。

3.一种识别模型的训练方法，其特征在于，所述识别模型的训练方法应用于服务端，所述识别模型的训练方法包括以下步骤：

接收各客户端发送的第一识别模型对应的模型参数，根据所述模型参数进行联邦学习，得到联邦学习结果；

将所述联邦学习结果发送给各客户端，以供各客户端根据所述联邦学习结果中的模型参数改变量、客户端的预设学习率和第一识别模型的模型参数更新对应的第一识别模型，得到对应的第二识别模型；

接收各客户端发送的第二识别模型，在所接收的各第二识别模型中选择父代识别模型，并在预设的遗传算法中选择目标算子；

通过所述父代识别模型和所述目标算子得到所述父代识别模型对应的子代识别模型；

若检测到所述子代识别模型满足结束条件，则将满足结束条件中识别准确率最高的子代识别模型确定为目标识别模型；

其中所述第一识别模型通过以下步骤得到：所述客户端获取本地的训练数据，基于迁移学习算法，将所述训练数据输入至基础模型中，根据所述训练数据训练得到第一识别模型；所述训练数据为语音数据或者人脸图像数据。

4.如权利要求3所述的识别模型的训练方法，其特征在于，所述通过所述父代识别模型和所述目标算子得到所述父代识别模型对应的子代识别模型的步骤包括：

获取所述父代识别模型对应的待处理模型参数，将所述待处理模型参数确定为参数编码；

通过所述目标算子对所述参数编码进行处理，得到新的参数编码；

根据所述新的参数编码对应更新所述父代识别模型，得到子代识别模型。

5.如权利要求3或4任一项所述的识别模型的训练方法，其特征在于，所述若检测到所述子代识别模型满足结束条件，则将满足结束条件中识别准确率最高的子代识别模型确定为目标识别模型的步骤包括：

若检测到所述子代识别模型对应的迭代次数大于预设次数，则确定所述子代识别模型满足结束条件，并采用预存测试数据获取满足结束条件的各子代识别模型的识别准确率；

选择识别准确率最高的子代识别模型确定为目标识别模型。

6.如权利要求3或4任一项所述的识别模型的训练方法，其特征在于，所述若检测到所述子代识别模型满足结束条件，则将满足结束条件中识别准确率最高的子代识别模型确定为目标识别模型的步骤包括：

若检测到所述子代识别模型对应的识别准确率大于或者等于预设准确率，则确定所述子代识别模型满足结束条件；

在所述子代识别模型中选择识别准确率最大的子代识别模型确定为目标识别模型。