[发明专利]一种状态检测模型训练方法及装置、状态检测方法及装置

权利要求书

1.一种状态检测模型训练方法，其特征在于，所述方法包括：

获取多个已完成订单对应的服务提供方在服务过程中的样本数据；其中，每个所述样本数据包括浮点型图像数据以及该浮点型图像数据对应的状态检测结果；

将每一个所述浮点型图像数据作为状态检测模型的输入，将该浮点型图像数据对应的状态检测结果作为所述状态检测模型的输出，训练所述状态检测模型的模型参数，得到训练好的浮点型模型参数；

基于目标量化系数对所述浮点型模型参数进行量化处理，得到包括整型模型参数和所述目标量化系数的状态检测模型；其中，所述整型模型参数对应的存储空间小于所述浮点型模型参数对应的存储空间。

2.根据权利要求1所述的状态检测模型训练方法，其特征在于，确定所述浮点型模型参数对应的目标量化系数，包括：

获取所述浮点型模型参数的最大参数值和最小参数值；

获取目标整型存储范围的最大存储值和最小存储值；

根据所述浮点型模型参数的最大数值和最小数值、所述目标整型存储范围的最大数值和最小数值，确定目标量化系数；其中，基于所述目标量化系数分别对所述最大参数值和最小参数值的处理结果位于所述目标整型存储范围内。

3.根据权利要求2所述的状态检测模型训练方法，其特征在于，所述根据所述浮点型模型参数的最大数值和最小数值、所述目标整型存储范围的最大数值和最小数值，确定目标量化系数，包括：

基于所述浮点型模型参数的最小参数值、待确定目标量化系数、待确定偏置系数和所述目标整型存储范围的最小存储值，生成第一运算式；

基于所述浮点型模型参数的最大参数值、待确定目标量化系数、待确定偏置系数和所述目标整型存储范围的最大存储值，生成第二运算式；

基于所述第一运算式和所述第二运算式，确定所述目标量化系数。

4.根据权利要求2所述的状态检测模型训练方法，其特征在于，所述方法还包括：

根据所述状态检测模型的模型层数和参数量，确定所述目标整型存储范围。

5.一种状态检测模型训练方法，其特征在于，所述方法包括：

获取多个已完成订单对应的服务提供方在服务过程中的样本数据；其中，每个所述样本数据包括浮点型图像数据以及该浮点型图像数据对应的状态检测结果；

基于第一量化系数对所述浮点型图像数据进行量化处理，得到整型图像数据，以及，基于第二量化系数对状态检测模型的浮点型模型参数进行量化处理，得到整型模型参数；

将每一个所述整型图像数据和所述第一量化系数作为所述状态检测模型的输入，将该整型图像数据对应的状态检测结果作为所述状态检测模型的输出，并基于所述整型模型参数和所述第二量化系数，训练所述状态检测模型的模型参数，得到训练好的包括目标整型模型参数和目标第二量化参数的状态检测模型。

6.根据权利要求5所述的状态检测模型训练方法，其特征在于，确定所述浮点型图像数据对应的第一量化系数，包括：

获取所述浮点型图像数据的最大图像数据和最小图像数据；

获取第一整型存储范围的最大存储值和最小存储值；

根据所述最大图像数据、所述最小图像数据、所述最大存储值和所述最小存储值，确定第一量化系数；其中，基于所述第一量化系数分别对所述最大图像数据和所述最小图像数据的处理结果位于所述第一整型存储范围内。

7.根据权利要求6所述的状态检测模型训练方法，其特征在于，所述根据所述最大图像数据、所述最小图像数据、所述最大存储值和所述最小存储值，确定第一量化系数，包括：

基于所述最小图像数据、待确定第一量化系数、待确定偏置系数和所述第一整型存储范围的最小存储值，生成第一运算式；

基于所述最大图像数据、待确定第一量化系数、待确定偏置系数和所述第一整型存储范围的最大存储值，生成第二运算式；

基于所述第一运算式和所述第二运算式，确定所述第一量化系数。