[发明专利]机器学习模型优化的方法、装置、计算机设备和存储介质

权利要求书

1.一种机器学习模型优化的方法，其特征在于，所述方法包括：

获取至少两张第一图片；

当模型库中的机器学习模型无法识别所述第一图片时，根据输入的标注指令对所述第一图片进行标注，得到第一标签；

根据所述第一图片和所述第一标签对所述机器学习模型进行训练，得到目标机器学习模型；

基于所述目标机器学习模型对获取的第二图片进行预标注，得到第二标签；

当所述第二标签通过标注验证时，根据所述第二图片和所述第二标签对所述目标机器学习模型进行训练优化。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当模型库中的机器学习模型无法识别所述第一图片时，对所述第一图片进行去重处理；

在去重处理后的第一图片中删除分辨率低于预设分辨阈值的图片，得到目标图片；

所述根据输入的标注指令对所述第一图片进行标注包括：

根据输入的标注指令对所述目标图片进行标注。

3.根据权利要求1或2所述的方法，其特征在于，所述基于所述目标机器学习模型对获取的第二图片进行预标注之前，所述方法还包括：

对经过训练优化后的目标机器学习模型进行模型转换，得到边缘端的目标机器学习模型；

对所述目标机器学习模型进行封装，并将封装后的目标机器学习模型下发到边缘端设备。

4.根据权利要求3所述的方法，其特征在于，所述对经过训练优化后的目标机器学习模型进行模型转换之前，所述方法还包括：

获取测试图片和对应的图片标签；

通过训练优化后的目标机器学习模型对所述测试图片进行目标识别，得到识别结果；

当所述识别结果与所述图片标签一致时，执行所述对经过训练优化后的目标机器学习模型进行模型转换的步骤。

5.根据权利要求1或2所述的方法，其特征在于，所述基于所述目标机器学习模型对获取的第二图片进行预标注之前，所述方法还包括：

将所述目标机器学习模型下发至所述模型库；

所述基于所述目标机器学习模型对获取的第二图片进行预标注包括：

获取第二图片，并根据所述第二图片从所述模型库中选取下发的目标机器学习模型；

根据所选取的目标机器学习模型对所述第二图片进行预标注。

6.根据权利要求1或2所述的方法，其特征在于，所述基于所述目标机器学习模型对获取的第二图片进行预标注之前，所述方法还包括：

对经过训练优化后的目标机器学习模型进行模型转换，得到服务端的目标机器学习模型；

对所述目标机器学习模型进行封装，并将封装后的目标机器学习模型下发到服务端设备。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当模型库中的机器学习模型能识别所述第一图片时，对所述第一图片中的目标进行检测，得到检测结果；

根据所述检测结果对所述目标进行预标注，得到参考标签；

对所述参考标签进行验证；

当验证通过时，根据所述第一图片和所述参考标签对所述机器学习模型进行训练，得到目标机器学习模型。

8.一种目标检测识别装置，其特征在于，所述装置包括：

获取模块，用于获取至少两张第一图片；

第一标注模块，用于当模型库中的机器学习模型无法识别所述第一图片时，根据输入的标注指令对所述第一图片进行标注，得到第一标签；

训练模块，用于根据所述第一标签对所述机器学习模型进行训练，得到目标机器学习模型；

第二标注模块，用于基于所述目标机器学习模型对获取的第二图片进行预标注，得到第二标签；

优化模块，用于当所述第二标签通过标注验证时，根据所述第二标签对所述目标机器学习模型进行训练优化。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。