[发明专利]图像识别模型的训练方法、装置、服务器和存储介质

权利要求书

1.一种图像识别模型的训练方法，其特征在于，包括：

采用图像样本池中的第一图像样本集对第一图像识别模型进行训练，得到第二图像识别模型，所述第一图像样本集中的每一第一图像样本具有第一理论标注；

采用图像样本池中的第二图像样本集对所述第二图像识别模型进行测评，得到所述第二图像样本集中的每一第二图像样本的第二预测标注，每一所述第二图像样本具有第二理论标注；

根据一一对应的多个所述第二理论标注和多个所述第二预测标注，判断所述第二图像识别模型是否为符合预设条件的图像识别模型；

若所述第二图像识别模型为不符合预设条件的图像识别模型，则采用所述第二图像识别模型对所述图像样本池中的第三图像样本集进行预测，得到所述第三图像样本集中的每一第三图像样本的第三预测标注；

基于多个所述第三预测标注，获取每一所述第三图像样本的第三纠错标注，并选取多个所述第三纠错标注相同于异常标注的多个所述第三图像样本作为第一增量样本集，并采用所述第一增量样本集和所述第一图像样本集对所述第二图像识别模型进行训练，以得到符合预设条件的图像识别模型；

其中，所述基于多个所述第三预测标注，获取每一所述第三图像样本的第三纠错标注的步骤，包括：

基于多个所述第三预测标注，形成的正常样本文件夹和异常样本文件夹；

选取正常样本文件夹、异常样本文件夹中的一者，对多个具有第三预测标注的第三图像样本进行标注形成一一对应的多个第三纠错标注；

选取正常样本文件夹、异常样本文件夹中的另一者，对多个具有第三预测标注的第三图像样本进行标注形成一一对应的多个第三纠错标注。

2.根据权利要求1所述的图像识别模型的训练方法，其特征在于，采用图像样本池中的第一图像样本集对第一图像识别模型进行训练，得到第二图像识别模型的步骤，包括：

对每一所述第一图像样本进行归一化处理形成对应的第一标准图像样本；

采用一一对应的多个所述第一标准图像样本和多个所述第一理论标注对所述第一图像识别模型进行训练，得到所述第二图像识别模型。

3.根据权利要求1所述的图像识别模型的训练方法，其特征在于，所述根据多个所述第二理论标注和对应的多个所述第二预测标注，判断所述第二图像识别模型是否为符合预设条件的图像识别模型的步骤，包括：

获取所述第二预测标注和对应的所述第二理论标注相同的第二图像样本在所述第二图像样本集中的数量占比作为目标比值；

根据所述目标比值和参考比值的大小关系，判断所述第二图像识别模型是否为符合预设条件的图像识别模型。

4.根据权利要求1所述的图像识别模型的训练方法，其特征在于，所述选取多个所述第三纠错标注为异常标注的多个所述第三图像样本作为第一增量样本集的步骤，包括：

获取所述第三纠错标注不同于异常标注、且置信度小于0.7的至少一所述第三图像样本增加至所述第一增量样本。

5.根据权利要求1所述的图像识别模型的训练方法，其特征在于，所述采用所述第一增量样本集和所述第一图像样本集对所述第二图像识别模型进行训练，以得到符合预设条件的图像识别模型的步骤，包括：

采用所述第一增量样本集和所述第一图像样本集对所述第二图像识别模型进行训练，得到第三图像识别模型，所述第一增量样本集中的每一第三图像样本具有第三理论标注；

采用图像样本池中的第二图像样本集对所述第三图像识别模型进行测评，得到所述第二图像样本集中的每一第二图像样本的第四预测标注；

根据一一对应的多个所述第二理论标注和多个所述第四预测标注，判断所述第三图像识别模型是否为符合预设条件的图像识别模型；

若所述第三图像识别模型为不符合预设条件的图像识别模型，则采用所述第三图像识别模型对所述图像样本池中的第四图像样本集进行预测，得到所述第四图像样本集中的每一第四图像样本的第四预测标注；

基于多个所述第四预测标注，获取每一所述第四图像样本的第四纠错标注，并选取多个所述第四纠错标注相同于异常标注的多个所述第四图像样本作为第二增量样本集，并采用所述第二增量样本集、所述第一增量样本集和所述第一图像样本集对所述第三图像识别模型进行训练，以得到符合预设条件的图像识别模型。