[发明专利]一种自动建立数据处理模型的方法及相关产品

权利要求书

1.一种自动建立数据处理模型的方法，其特征在于，包括：

获取训练数据，所述训练数据包括训练样本数据和目标对象的标签信息，所述训练样本数据中的每个数据均包含所述目标对象对应的数据信息；

对所述训练数据进行预处理，得到所述训练样本数据的数据类型，所述数据类型包括图像数据、音频数据、文本数据中的一种；

将所述训练数据上传至云端服务供应商，以使所述云端服务供应商基于所述数据类型确定机器学习算法，并使用上述机器学习算法对所述样本数据和所述标签信息进行训练，得到对象识别模型；

接收来自所述云端服务供应商的所述对象识别模型。

2.根据权利要求1所述的方法，其特征在于，在所述接收来自所述云端服务供应商的所述对象识别模型之后，所述方法包括：

获取待识别数据，使用所述对象识别模型对所述待识别数据进行识别，以确认所述待识别数据中是否包含所述目标对象对应的数据。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取测试数据，所述测试数据包括正测试样本数据和逆测试样本数据，所述正测试样本数据中的每个数据均包含所述目标对象对应的数据信息，所述逆测试样本数据中的每个数据均不包含所述目标对象对应的数据信息；

使用所述对象识别模型对所述测试数据进行对象识别，得到识别结果；

基于所述识别结果确定识别的准确率；

在所述准确率小于设定值的情况下，上传所述识别结果和所述数据至所述云端，以使所述云端服务供应商基于所述对象识别模型进行再训练，以得到更新后的对象识别模型；

接收来自所述云端服务供应商的更新后的对象识别模型。

4.根据权利要求3所述的方法，其特征在于，在所述接收来自所述云端服务供应商的更新后的对象识别模型之后，所述方法包括：

获取待识别数据，使用所述更新后的对象识别模型对所述待识别数据进行识别，以确认所述待识别数据中是否包含所述目标对象对应的数据。

5.根据权利要求1-4任一项所述的方法，其特征在于，在所述将所述训练数据上传至云端服务供应商，以使所述云端服务供应商基于所述数据类型确定机器学习算法，并使用上述机器学习算法对所述样本数据和所述标签信息进行训练之前，所述方法还包括：

基于供应商选择操作从多个云端服务供应商中选择目标云端服务供应商；

所述将所述训练数据上传至云端服务供应商包括：

将所述样本数据和所述标签上传至所述目标云端服务供应商。

6.根据权利要求5所述的方法，其特征在于，所述多个云端服务供应商包括MicrosoftAzure Custom Vision Service及Google Cloud AutoML Vision。

7.根据权利要求6所述的方法，其特征在于，所述接收来自所述云端服务供应商的所述对象识别模型包括：

接收来自所云端服务器的对象辨识模型的深度学习套件，所述深度学习套件为Caffe、TensorFlow、CoreML、CNTK或ONNX。

8.一种电子设备，其特征在于，包括处理器、存储器，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。

9.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。