[发明专利]任务处理、图像分类、任务处理模型的数据处理方法

说明书

本说明书实施例提供任务处理、图像分类、任务处理模型的数据处理方法，其中任务处理方法包括：获取目标任务的待处理数据；将待处理数据输入任务处理模型中，获得目标任务对应的任务处理结果，其中，任务处理模型基于多个样本训练数组训练得到，样本训练数组基于乱序索引序列中的索引值从多个样本集中提取得到，乱序索引序列是合并各样本集对应的索引序列后对合并后的索引序列中的索引值进行乱序处理得到，索引序列包括索引值，索引值用于标识样本集。将样本集中的数据以批量级别的方式组织，缓解多个样本集训练模型时的数据遗忘问题，通过保证样本训练数组内的数据来源于同一个样本集，加快模型训练速度，提升模型精度与任务处理结果的准确性。

技术领域

本说明书实施例涉及计算机技术领域，特别涉及任务处理方法。本说明书一个或者多个实施例同时涉及一种图像分类方法，一种任务处理模型的数据处理方法，任务处理装置，一种图像分类装置，一种任务处理模型的数据处理装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序。

背景技术

随着互联网技术的发展，企业或个人用户产生的数据量呈爆炸式增长，而不同场景中的数据彼此之间有交集、关联，因此，如何在对产生的海量数据进行利用，为企业或个人用户带来便利，逐渐成为研究重点。

目前，通过将相同场景的数据组织为一个数据集，利用不同场景的数据集逐个对深度学习模型进行训练，生成相应的任务处理模型。然而，在训练过程中逐个数据集的训练方式会造成训练后期随着模型参数的更新，模型逐渐忘记此前参与训练的数据，导致模型训练效率低且精度差。因此，亟需一种高效且准确的任务处理方案。

发明内容

有鉴于此，本说明书实施例提供了任务处理方法。本说明书一个或者多个实施例同时涉及一种图像分类方法，一种任务处理模型的数据处理方法，任务处理装置，一种图像分类装置，一种任务处理模型的数据处理装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。

本说明书实施例提供了一种任务处理方法，包括：

获取目标任务的待处理数据；

将待处理数据输入任务处理模型中，获得目标任务对应的任务处理结果，其中，任务处理模型基于多个样本训练数组训练得到，样本训练数组基于乱序索引序列中的索引值从多个样本集中提取得到，乱序索引序列是合并各样本集对应的索引序列后对合并后的索引序列中的索引值进行乱序处理得到，索引序列包括索引值，索引值用于标识样本集。

本说明书一个实施例提供的任务处理方法，通过利用样本训练数组训练模型，实现了将样本集中的数据以批量级别的方式组织，缓解了多个样本集训练模型时出现的数据遗忘问题，又通过保证样本训练数组内的数据来源于同一个样本集，加快了模型训练速度，提升了模型精度，进一步提高了任务处理效率与任务处理结果的准确性。

附图说明

图1a是现有技术中第一种多域数据集的训练过程示意图；

图1b是现有技术中第二种多域数据集的训练过程示意图；

图1c是现有技术中第三种多域数据集的训练过程示意图；

图2是现有技术中任务处理模型的训练流程图；

图3是本说明书一个实施例提供的一种任务处理系统的架构图；

图4是本说明书一个实施例提供的另一种任务处理系统的框架图；

图5是本说明书一个实施例提供的一种任务处理方法的流程图；

图6是本说明书一个实施例提供的第一种任务处理方法中任务处理模型的训练流程图；

图7是本说明书一个实施例提供的第二种任务处理方法中任务处理模型的训练流程图；

图8是本说明书一个实施例提供的第三种任务处理方法中任务处理模型的训练流程图；