[发明专利]图像识别模型训练方法、载波调整方法、装置及介质

说明书

本申请提供一种图像识别模型训练方法、载波调整方法、装置及介质。该方法包括：获取待调整载波的网元；根据网元的第一目标参数趋势图，使用训练好的图像识别模型，获取所述网元所属的组，以及，与所述网元配对的网元组；根据所述网元所属的组，以及，与所述网元配对的网元组，获取待调整License资源的网元清单；所述网元清单包括：待增加License资源的网元子清单和待减少License资源的网元子清单；对所述网元清单中的网元的载波的License资源进行调整。本申请可以对载波自动进行调整。

技术领域

本申请涉及通信技术，尤其涉及一种图像识别模型训练方法、载波调整方法、装置及介质。

背景技术

由于人员定向流动等原因，某些区域的网络业务量会存在高峰时段和低谷时段，即存在网络潮汐效应。例如，在工作日的上班时间，办公大楼的网络业务量会大幅增长，出现一个业务量高峰；相应地，下班时间的办公大楼网络会出现一个业务量低谷。业务量的激增会导致该区域的网络容量不足，出现网络拥堵。

对存在业务高峰期的网元进行载波扩容是目前常用的解决上述网络拥堵问题的手段。然而，如果给每个会出现业务高峰的网元都配置静态的扩容License资源，会导致License资源的浪费。所以，目前采用动态调整载波的方式解决上述问题，即，将业务量处于低谷时期的网元进行License资源回退，再将退回的License资源加载到该时段业务量处于高峰时期的网元上。

目前的动态载波调整是人工手动进行的，即操作者需要人工匹配出一对可以参与License调配的网元，再在OMC上手动下发扩容或减容等指令，还要在主设备厂家的License服务器上手动进行多次License资源配置操作。然而，由于网元的数量众多，操作者难以对所有网元进行人工匹配；并且针对网络潮汐效应周期较短的网元，操作者也难以频繁地进行License资源回退或加载工作。因此，上述人工的载波调整方式存在效率低下、无法精准调整载波等缺陷。

发明内容

本申请提供一种图像识别模型训练方法、载波调整方法、装置及介质，用以解决人工的载波调整方式存在的效率低下、无法精准调整载波的问题。

第一方面，本申请提供一种图像识别模型训练方法，所述方法包括：

获取训练样本集；其中，所述训练样本集包括：标注后的中间样本网元集，以及，所述中间样本网元集中各样本网元的第一目标参数趋势图；所述标注后的中间样本网元集包括至少一组单载波样本网元，以及，至少一组双载波样本网元，属于同一组的单载波样本网元具有相同的第一标签，以及，配对标识，所述第一标签包括：单载波样本网元的所述第一目标参数趋势图中波峰出现的次数，以及，波峰出现的时间；属于同一组的双载波样本网元具有相同的第二标签，以及，配对标识，所述第二标签包括：双载波样本网元的所述第一目标参数趋势图中两个载波同时出现波谷的次数，以及，波谷出现的时间；所述配对标识用于表征与该组样本网元配对的网元组，配对的样本网元组包括一组单载波样本网元，以及，一组双载波样本网元，且配对的单载波样本网元与双载波样本网元的所述第一目标参数趋势图的波峰和波谷互补，所述第一目标参数值能够表征所述样本网元的License资源的使用情况；

使用所述训练样本集，对图像识别模型进行训练，得到训练后的图像识别模型；所述训练后的图像识别模型用于根据网元的第一目标参数趋势图，获取所述网元所属的组，以及，与所述网元配对的网元组。

可选地，所述获取训练样本集，包括：

获取中间样本网元集；所述中间样本网元集包括单载波样本网元，以及，双载波样本网元；

选取所述第一目标参数作为聚类指标，对所述中间样本网元集进行聚类运算，得到至少一组单载波样本网元，以及，至少一组双载波样本网元；

根据所述中间样本网元集中每个样本网元的载波在预设时长内的第一目标参数值集，绘制每个样本网元的第一目标参数趋势图；