[发明专利]用于训练集的噪声数据识别方法、装置和电子设备

权利要求书

1.一种用于训练集的噪声数据识别方法，其特征在于，包括：

对人脸图片训练集中的所有图片进行聚类，得到多个类别；

按照标注信息对目标类别中的图片进行分组，得到多个图片分组；其中，所述目标类别为所述多个类别中的任意一个类别，每个所述图片分组中的图片具有相同的标注信息，不同所述图片分组对应的标注信息不同；

将目标图片分组的所有图片的原始标注信息替换为目标标注集中的第i种标注信息，并基于替换后的所述目标图片分组和所述多个图片分组中除所述目标图片分组之外的图片分组，对预设模型进行训练，并获取训练得到的模型的第i识别率；其中，所述目标图片分组为所述多个图片分组中的任意一个图片分组，所述目标标注集为所述目标类别对应的除所述原始标注信息之外的所有标注信息的集合，所述目标标注集包括N种标注信息，1≤i≤N，i和N均为正整数；

循环N次以上获取第i识别率的过程，每次循环时i取不同数值，直至i取遍1至N中的所有数值，得到N个识别率；

在所述N个识别率中存在大于目标识别率的识别率的情况下，将所述目标图片分组的所有图片识别为噪声数据；其中，所述目标识别率为基于所述多个图片分组对所述预设模型进行训练后得到的模型的识别率。

2.如权利要求1所述的用于训练集的噪声数据识别方法，其特征在于，所述对人脸图片训练集中的所有图片进行聚类，得到多个类别，包括：

根据最大最小K均值聚类算法对所述人脸图片训练集中的所有图片进行聚类，得到多个类别。

3.如权利要求1所述的用于训练集的噪声数据识别方法，其特征在于，所述按照标注信息对目标类别中的图片进行分组，包括：

获取所述目标类别中所有图片的标注信息；

剔除所述所有图片的标注信息中重复的标注信息，得到剩余标注信息；

根据所述剩余标注信息中的每一种标注信息，对所述目标类别中的图片进行分组。

4.如权利要求1所述的用于训练集的噪声数据识别方法，其特征在于，所述得到N个识别率之后，所述方法还包括：

获取所述N个识别率中的最大识别率；

如果所述最大识别率大于所述目标识别率，则所述N个识别率中存在大于目标识别率的识别率，否则所述N个识别率中不存在大于目标识别率的识别率。

5.如权利要求1至4任一项所述的用于训练集的噪声数据识别方法，其特征在于，所述获取训练得到的模型的第i识别率，包括：

利用预设测试集对训练得到的模型进行测试，得到所述第i识别率；其中，每次对训练得到的模型进行测试时采用的预设测试集相同。

6.一种用于训练集的噪声数据识别装置，其特征在于，包括：

聚类模块，用于对人脸图片训练集中的所有图片进行聚类，得到多个类别；

分组模块，用于按照标注信息对目标类别中的图片进行分组，得到多个图片分组；其中，所述目标类别为所述多个类别中的任意一个类别，每个所述图片分组中的图片具有相同的标注信息，不同所述图片分组对应的标注信息不同；

获取模块，用于将目标图片分组的所有图片的原始标注信息替换为目标标注集中的第i种标注信息，并基于替换后的所述目标图片分组和所述多个图片分组中除所述目标图片分组之外的图片分组，对预设模型进行训练，并获取训练得到的模型的第i识别率；其中，所述目标图片分组为所述多个图片分组中的任意一个图片分组，所述目标标注集为所述目标类别对应的除所述原始标注信息之外的所有标注信息的集合，所述目标标注集包括N种标注信息，6≤i≤N，i和N均为正整数；

循环模块，用于循环N次以上获取第i识别率的过程，每次循环时i取不同数值，直至i取遍6至N中的所有数值，得到N个识别率；

识别模块，用于在所述N个识别率中存在大于目标识别率的识别率的情况下，将所述目标图片分组的所有图片识别为噪声数据；其中，所述目标识别率为基于所述多个图片分组对所述预设模型进行训练后得到的模型的识别率。