[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

说明书

本申请公开了一种基于数据集的机器学习模型处理方法和系统，该方法包括：获取待识别的交通信号指示图片；对于每张第一图片，获取第一图片中的符合预定条件的像素点，其中，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；将符合预定条件的像素点连接成为像素区域；在待标注的图片中依次寻找每张第一图片对应的像素区域；对于在待标注的图片中寻找到的像素区域，增加标签信息，将增加标签信息之后的图片作为一组训练数据。通过本申请解决了现有技术中人工标注训练数据所导致的成本高和效率低的问题，从而实现了训练数据的自动标注和生成，提高了训练数据的标注效率，同时降低了成本。

技术领域

本申请涉及到机器学习领域，具体而言，涉及一种基于数据集的机器学习模型处理方法和系统。

背景技术

在现有技术中，需要对视频的关键帧中的交通信号指示(例如交通信号灯、斑马线等)进行识别，待识别的交通信号指示一般均是有大片相同颜色的图像(例如，红灯、绿灯等)。因此，在现有技术中可以使用机器学习的方式来进行识别。

机器学习模型的训练需要使用大量的训练数据，在现有技术中，一般使用人工来训练数据进行标注，这种标注方式成本较高，同时标注效率也比较低。

发明内容

本申请实施例提供了一种基于数据集的机器学习模型处理方法和系统，以至少解决现有技术中人工标注训练数据所导致的成本高和效率低的问题。

根据本申请的一个方面，提供了一种基于数据集的机器学习模型处理方法，包括：获取待识别的交通信号指示图片，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；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。

进一步地，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。

进一步地，所述阈值为预先配置的。

进一步地，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。

进一步地，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。