[发明专利]分类模型的概率阈值的确定方法、装置、设备及存储介质

说明书

本申请涉及一种分类模型的概率阈值的确定方法、装置、设备及存储介质，属于人工智能技术领域。该方法包括：基于分类模型和多个测试数据集，确定多个概率，所述多个概率用于表示所述测试数据集中的多个测试数据属于所述分类模型的第一类别的概率；对于每个概率，以所述概率作为概率阈值，确定所述多个测试数据的预测标签；基于所述多个测试数据的预测标签，确定所述概率阈值对应的准确率和召回率，所述准确率用于反应所述分类模型的误检情况，所述召回率用于反应所述分类模型的漏检情况；基于所述概率阈值对应的准确率和召回率，确定满足条件的目标概率阈值，所述目标概率阈值被作为所述分类模型的概率阈值。本申请提高了分类模型的推理能力。

技术领域

本申请实施例涉及人工智能技术领域，特别涉及一种分类模型的概率阈值的确定方法、装置、设备及存储介质。

背景技术

随着人工智能技术的发展，通过图像分类模型对图像进行分类变得很普及；而在通过图像分类模型对图像进行分类时，将图像输入图像分类模型中，输出该图像属于多个类别的概率，多个类别为图像分类模型预先设置的多个类别；对于每个类别，若该图像属于该类别的概率大于该类别对应的概率阈值，该类别会作为该图像的标签输出。因此，在通过图像分类模型对图像进行分类之前，需要确定每个类别对应的概率阈值。

相关技术中，使用默认的0.5作为概率阈值；然而训练图像分类模型使用的样本数据可能标注不完全，则在使用图像分类模型对图像进行分类时会出现概率偏高或者偏低的情况，此时使用该默认的阈值会导致漏检或者误检的问题，也即会导致图像分类模型的推理能力较差。

发明内容

本申请实施例提供了一种分类模型的概率阈值的确定方法、装置、设备及存储介质，可以提高分类模型的推理能力。所述技术方案如下：

一方面，提供了一种分类模型的概率阈值的确定方法，所述方法包括：

基于分类模型和多个测试数据集，确定多个概率，所述多个概率用于表示所述测试数据集中的多个测试数据属于所述分类模型的第一类别的概率；

对于每个概率，以所述概率作为概率阈值，确定所述多个测试数据的预测标签；

基于所述多个测试数据的预测标签，确定所述概率阈值对应的准确率和召回率，所述准确率用于反应所述分类模型的误检情况，所述召回率用于反应所述分类模型的漏检情况；

基于所述概率阈值对应的准确率和召回率，确定满足条件的目标概率阈值，所述目标概率阈值被作为所述分类模型的概率阈值。

另一方面，提供了一种分类模型的概率阈值的确定装置，所述装置包括：

第一确定模块，用于基于分类模型和多个测试数据集，确定多个概率，所述多个概率用于表示所述测试数据集中的多个测试数据属于所述分类模型的第一类别的概率；

第二确定模块，用于对于每个概率，以所述概率作为概率阈值，确定所述多个测试数据的预测标签；

第三确定模块，用于基于所述多个测试数据的预测标签，确定所述概率阈值对应的准确率和召回率，所述准确率用于反应所述分类模型的误检情况，所述召回率用于反应所述分类模型的漏检情况；

第四确定模块，用于基于所述概率阈值对应的准确率和召回率，确定满足条件的目标概率阈值，所述目标概率阈值被作为所述分类模型的概率阈值。

另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器；所述存储器存储有至少一条程序代码，所述至少一条程序代码用于被所述处理器执行以实现如上述方面所述的分类模型的概率阈值的确定方法。

另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一条程序代码，所述至少一条程序代码用于被处理器执行以实现如上述方面所述的分类模型的概率阈值的确定方法。