[发明专利]一种基于数据集的机器学习模型处理方法和系统

权利要求书

1.一种基于数据集的机器学习模型处理方法，其特征在于，包括：

获取待识别的交通信号指示图片，将所述待识别的交通信号指示图片作为待标注的图片；其中，所述待识别的交通信号指示图片为多张第一图片，每张所述第一图片均包括一种交通信号指示；

对于每张所述第一图片，获取所述第一图片中的符合预定条件的像素点，其中，所述预定条件包括：像素值相同的相邻的像素点或者像素值差值小于预定值的相邻的像素点；

将所述符合预定条件的像素点连接成为像素区域；

在所述待标注的图片中依次寻找每张所述第一图片对应的像素区域；其中，获取待寻找的像素区域的平均像素值，将所述待寻找的区域的中间像素点作为参考像素点；获取所述中间像素点的像素值，在所述待标注图片中查找具有所述中间像素点像素值的第一像素点，以找到的第一像素点为中心按照所述待寻找的像素区域的大小进行扩展，得到以所述第一像素点为中心的多个像素区域，获取多个像素区域中的每个像素区域的第一平均像素值，将第一平均像素值与所述待寻找的像素区域的平均像素值差值绝对值小于预先配置的数值以及差值绝对值最小的像素区域作为所述第一图片中对应的像素区域；

对于在所述待标注的图片中寻找到的像素区域，增加标签信息，其中，所述标签信息用于指示该像素区域所属于的第一图片对应的交通信号指示，将增加标签信息之后的图片作为一组训练数据；

使用多组训练数据对机器学习模型进行训练，其中，训练收敛后的所述机器学习模型用于进行交通信号指示的识别。

2.根据权利要求1所述的方法，其特征在于，使用多组训练数据对机器学习模型进行训练包括：

判断增加标签信息后的图片的数量是否超过阈值；

如果未超过阈值，则获取人工预先标注的训练数据，其中，所述人工标注的训练数据中的用于指示待标注图片中的交通信号指示的标签信息是人工在待标注的图片中增加的；

使用所述多组训练数据和所述人工预先标注的训练数据对所述机器学习模型进行训练。

3.根据权利要求2所述的方法，其特征在于，所述阈值为预先配置的。

4.根据权利要求1所述的方法，其特征在于，使用多组训练数据对机器学习模型进行训练包括：

获取所有的训练数据；

将所有的训练数据分为第一部分和第二部分，其中，所述第一部分用于所述机器学习模型的训练，所述第二部分用于对训练好的机器学习模型进行验证。

5.根据权利要求4所述的方法，其特征在于，使用多组训练数据对机器学习模型进行训练包括：

在使用第二部分对训练好的机器学习模型进行验证，得到验证失败的结果的情况下，增加所述第一部分中的数据量，减少所述第二部分中的数据量；

使用增加数据量后的所述第一部分对所述机器学习模型进行训练，使用减少数据量的后的所述第二部分对训练后的所述机器学习模型进行验证，直到得到验证成功的结果。