[发明专利]模型训练、质量确定方法、装置、电子设备及存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取第一数据集及多个不同的预设模型，所述第一数据集包括多个第一数据；

将所述第一数据集分别输入多个预设模型，利用多个所述预设模型分别预测所述第一数据集中每个第一数据对应的第一标签；

针对每个所述预设模型，基于多个预设模型中除自身外的其它预设模型预测的第一标签及与所述第一标签对应的第一数据，构建所述预设模型对应的伪标签数据集；

根据所述伪标签数据集及用于预先训练所述预设模型的训练集构建所述预设模型对应的第二数据集；

利用所述第二数据集对所述预设模型进行训练，直至所述预设模型训练结束，得到多个质量确定模型，以用于确定图像数据的质量。

2.根据权利要求1所述的模型训练方法，其特征在于，所述针对每个所述预设模型，基于多个预设模型中除自身外的其它预设模型预测的第一标签及与所述第一标签对应的第一数据，构建所述预设模型对应的伪标签数据集，包括：

针对每个所述预设模型，获取多个预设模型中除所述预设模型自身之外的其它预设模型预测的第一标签；

将获取到的第一标签中满足预设条件的第一标签确定为伪标签；

将第一数据集中与所述伪标签对应的第一数据确定为伪标签数据；

基于所述伪标签及所述伪标签数据构建所述预设模型对应的伪标签数据集。

3.根据权利要求2所述的模型训练方法，其特征在于，所述将获取到的第一标签中满足预设条件的第一标签确定为伪标签，包括：

按照预设算法及每个预设模型预测的第一标签计算每个预设模型对应的参考标签；

针对每个所述预设模型，将多个预设模型中除所述预设模型之外的预设模型分别确定为参考模型；

针对每个所述预设模型对应的参考标签，计算任意两个所述参考模型所对应的参考标签之间的差值的绝对值，得到与所述参考标签对应的第一差异数据；

计算所述预设模型所对应的参考标签与任一参考模型所对应的参考标签之间的差值的绝对值，得到与所述参考标签对应的第二差异数据；

若任一参考标签对应的第一差异数据小于第一预设阈值，且该参考标签对应的第二差异数据大于或者等于第二预设阈值，将所述参考标签确定为伪标签。

4.根据权利要求3所述的模型训练方法，其特征在于，所述按照预设算法及每个预设模型预测的第一标签计算每个预设模型对应的参考标签，包括：

计算每个预设模型预测的第一标签的平均值，得到所述预设模型对应的参考标签。

5.根据权利要求1所述的模型训练方法，其特征在于，所述方法还包括：

判断任一所述预设模型对应的伪标签数据集与其它预设模型对应的伪标签数据集的重合度是否超过预设阈值；

若任一所述重合度超过预设阈值，确定所述预设模型训练结束；

或者，判断任一所述预设模型重新训练的迭代次数是否达到预设次数；

若任一所述预设模型重新训练的迭代次数达到预设次数，确定所述预设模型训练结束。

6.根据权利要求1所述的模型训练方法，其特征在于，所述方法还包括：

获取第二数据集，所述第二数据集包括：第二数据及第二标签；

利用所述第二数据集分别对多个预设初始模型进行训练，得到多个预设模型。

7.一种质量确定方法，其特征在于，包括：

在多个质量确定模型中选择一个或多个质量确定模型，所述质量确定模型是通过以下方式训练得到的：获取第一数据集及多个不同的预设模型，所述第一数据集包括多个第一数据，将所述第一数据集分别输入多个预设模型，利用多个所述预设模型分别预测所述第一数据集中每个第一数据对应的第一标签，针对每个所述预设模型，基于多个预设模型中除自身外的其它预设模型预测的第一标签及与所述第一标签对应的第一数据，构建所述预设模型对应的伪标签数据集，根据所述伪标签数据集及用于预先训练所述预设模型的训练集构建所述预设模型对应的第二数据集，利用所述第二数据集对所述预设模型进行训练，直至所述预设模型训练结束；

将待确定质量的图像数据输入一个或多个质量确定模型中，得到所述图像数据的质量确定结果。