[发明专利]一种自动建立数据处理模型的方法及相关产品

说明书

本申请实施例公开了一种自动建立数据处理模型的方法及相关产品，其中方法包括：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；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；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；以及接收来自所述云端服务供应商的所述对象识别模型。本申请实施例，通过获取少量的训练数据，并将训练数据上传至云端服务供应商来对训练数据进行训练，从而可以快速得到对象识别模型，大幅缩短开发时间。

技术领域

本申请涉及极其学习技术领域，尤其涉及一种自动建立数据处理模型的方法及相关产品。

背景技术

随着海量数据的出现，人工智能技术迅速发展，而机器学习是人工智能发展到一定阶段的必然产物，其致力于通过计算的手段，从大量数据中挖掘有价值的潜在信息。

在机器学习领域，往往通过将经验数据提供给机器学习算法来训练机器学习模型以确定构成机器学习模型的理想参数，而训练好的机器学习模型可被应用于在面对新的预测数据时提供相应的预测结果。

可以通过机器学习来识别待识别数据中特定的业务需求的对象和场景。例如，可以在社交媒体文章中查找徽标，在商店货架上识别产品，在装配线上对机器部件进行分类，区分运行状况良好的工厂和受感染的工厂，或在视频中检测动画角色。

然而，开发用于分析数据的自定义模型是一项繁重工作，需要时间、专业知识和资源，并且通常需要几个月才能完成。另外，通常需要数千或数万张已人工标记的数据才能为模型提供足够的数据以便准确地做出决策。生成这些数据可能需要花费数月的时间，并且需要庞大的标记团队来进行数据准备，以便将数据用于机器学习。因此，需要耗费大量的人力成本。

发明内容

本申请实施例提供一种+方法，可以自动根据少量的原始数据建立数据处理模型。

第一方面，本申请实施例提供了一种自动建立数据处理模型的方法，该方法包括：

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。

可选的，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。

可选的，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。

可选的，所述方法包括：