[发明专利]训练模型的方法、装置、电子设备、存储介质及产品

说明书

本公开提供了一种训练模型的方法、装置、电子设备、存储介质及产品，涉及人工智能技术领域，尤其涉及计算机视觉，图像处理，深度学习等领域。具体实现方案为：获取第一图像集，并调用第一模型以及第二模型，通过第一模型和第二模型分别对第一图像集进行目标检测，基于第一目标检测结果和第二目标检测结果，确定误检图像；生成包括误检图像的第二图像集，并基于第二图像集训练第一模型。本公开通过对比第一模型和第二模型得到的目标检测结果，确定第一模型检测错误的误检图像。利用包括有误检图像的图像集对第一模型进行训练，使第一模型有针对性学习误检图像的特征，避免再次出现误检情况，进而提高了目标检测的准确率。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉，图像处理，深度学习等领域。

背景技术

在对无标注的海量数据进行标注的场景中，大型且精度高的模型(简称大模型)标注的准确率高，但大模型通常具备庞大复杂的网络结构。然而，由于普通设备(移动设备)一般只具备计算能力有限的图形处理器和有限的存储。因此，难以在低资源设备上直接部署和运行复杂的大模型。受限于运行条件以及成本，通常会选择小型且精度低的模型(简称轻量级模型)进行数据标注，但轻量级模型往往达不到检测精度要求，从而为实际应用带来了困难。

发明内容

本公开提供了一种用于训练模型的方法、装置、电子设备、存储介质及产品。

根据本公开的一方面，提供了一种训练模型的方法，包括：

获取第一图像集，并调用第一模型以及第二模型，通过所述第一模型和所述第二模型分别对所述第一图像集进行目标检测，所述第一模型的目标检测准确度小于所述第二模型的目标检测准确度；确定所述第一模型对所述第一图像集进行目标检测的第一目标检测结果，并确定所述第二模型对所述第一图像集进行目标检测的第二目标检测结果；基于所述第一目标检测结果和所述第二目标检测结果，确定误检图像；生成包括所述误检图像的第二图像集，并基于所述第二图像集训练所述第一模型。

根据本公开的另一方面，提供了一种训练模型的装置，包括：目标检测单元，用于获取第一图像集，并调用第一模型以及第二模型，通过所述第一模型和所述第二模型分别对所述第一图像集进行目标检测，所述第一模型的目标检测准确度小于所述第二模型的目标检测准确度；确定单元，用于确定所述第一模型对所述第一图像集进行目标检测的第一目标检测结果，并确定所述第二模型对所述第一图像集进行目标检测的第二目标检测结果，还用于基于所述第一目标检测结果和所述第二目标检测结果，确定误检图像；生成单元，用于生成包括所述误检图像的第二图像集；训练单元，用于基于所述第二图像集训练所述第一模型。

根据本公开的又一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的方法。

根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行所述的方法。

根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据本公开实施例训练模型的方法流程示意图；

图2是根据本公开实施例的生成第二图像集的流程示意图；

图3是根据本公开实施例的组合误检图像和目标图像的流程示意图；