[发明专利]一种在线标注、训练、更新故障弹窗物体检测模型的方法及装置

说明书

本发明公开了一种在线标注、训练、更新故障弹窗物体检测模型的方法及装置，本发明通过一个统一的在线系统操作，将业务系统的数据与算法系统的标注、清洗、训练、部署等子模块打通，将数据的收集、标注、模型的训练和部署全部放在一个统一的客户端处理，使得系统管理或运维管理人员可以在一个单独统一的客户端完成故障弹窗图片物体检测模型的在线运维，极大的提升了算法系统的更新闭环效率及处理效率。

技术领域

本发明特别涉及一种在线标注、训练、更新故障弹窗物体检测模型的方法及装置。

背景技术

本发明相关解决的问题现有技术均有独立的解决方案，但尚未有一个整体的方法将这些解决方案集成起来组织成一个统一的系统来闭环整个模型的反馈、训练和更新问题。

例如现有技术通常使用独立的训练数据标注系统，需要运维人员从系统后台手动收集未识别图片，并将图片上传至标注系统，待标注完成后再将标注结果导出。

例如现有技术的标注系统结果通常不能直接使用于模型训练，而是需要使用相关程序进行处理，修改为模型训练系统可识别的数据格式。

例如现有技术通常使用离线的模型训练过程，并且手动管理每次使用的训练数据。

例如现有技术通常使用手动升级算法模块的方式来升级模型和备份老版本的模型。遇到升级问题，则手动将最新版本模型回退到老版本模型。

上述问题会严重影响运维效率，造成诸多不便。

发明内容

有鉴于此，本发明的目的之一是提供一种在线标注、训练、更新故障弹窗物体检测模型的方法，使得系统管理或运维管理人员可以在一个单独统一的客户端完成故障弹窗图片物体检测模型的在线运维，从而能够克服背景技术中存在的问题。

本发明的目的之一是通过以下技术方案实现的：

一种在线标注、训练及更新故障弹窗物体检测模型的方法，包括，

获取检测失败的图片；

将所有已标注图片和未标注图片从数据库中读取并展示在操作界面；

对检测失败的图片进行弹框的标注；

选择对新标注的图片对模型进行增量训练或全量训练；

训练完成后，自动将新模型参数保存在数据库中，并为其赋予新的版本号。

进一步，检测失败的图片是客服系统后台识别客户上传的图片，调用物体检测模型提取图片中的故障弹窗，如果物体检测模型返回失败，则将该图片存入数据库并将图片状态记录为未标注。

进一步，对检测失败的图片进行弹框的标注是对未标注图片进行在线标注并拉取精确的弹框范围，记录该弹框坐标并将坐标数据记录回数据库。

进一步，如果选择提交图片标注结果，则将图片记录为已标注；如果选择将已标注的图片提交到全量图片库，则将图片记录为图片库数据。

进一步，对模型进行增量训练或全量训练前选择批量的图片用于训练，系统自动将图片数据以及图片标注数据处理为模型训练模块可使用的训练数据格式，并开始模型训练。

进一步，如果选择全量训练，则选择数据库里标记为图片库数据的所有图片，从头开始训练一个全新模型。如果选择增量训练，则从数据库中查询到当前最新模型的参数，并以该参数初始化模型，在此基础上使用当前已标注且未提交至全量图片库的图片，对模型进行训练。

本发明的目的之二是提供一种在线标注、训练、更新故障弹窗物体检测模型的计算机装置，包括存储器、处理器及储存在存储器上并能够在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的方法。