[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

说明书

本申请提供了一种状态检测模型训练方法及装置、状态检测方法及装置，该状态检测模型训练方法包括：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；每个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状态检测模型的输出，训练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浮点型模型参数进行量化处理，得到包括整型模型参数和目标量化系数的状态检测模型,该整型模型参数的存储空间小于浮点型模型参数的存储空间。本申请减少了模型的占用资源，提高了模型的计算速度及模型的处理效率。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种状态检测模型训练方法及装置、状态检测方法及装置。

背景技术

目前，随着互联网的快速发展，越来越多的互联网产品被人们使用，比如网约车产品。网约车平台能够为乘客提供多种出行服务，具体由司机提供服务，在服务过程中，司机的服务状态很重要，比如，当司机疲劳驾驶会影响乘客和司机的人身安全。因此，网约车平台预先训练司机的开车过程中的状态检测模型，即驾驶员监控系统(DMS，driver monitorsystem)，通过获取司机在订单服务过程中的图像数据，并基于图像数据和状态检测模型，检测该司机在服务过程中的状态。

但是，现有技术中的状态检测模型会占用较多的处理资源，进而导致处理效率低。

发明内容

有鉴于此，本申请的目的在于提供一种状态检测模型训练方法及装置、状态检测方法及装置，能够减少状态检测模型占用的服务处理资源，提高了状态检测模型的处理效率。

第一方面，本申请实施例提供了一种状态检测模型训练方法，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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，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。