本發(fā)明涉及計(jì)算機(jī)應(yīng)用，特別是涉及一種深度學(xué)習(xí)模型訓(xùn)練方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的分支，是試圖使用包含復(fù)雜結(jié)構(gòu)或由多重非線性變換構(gòu)成的多處理層計(jì)算模型對(duì)數(shù)據(jù)進(jìn)行高層抽象的一類算法。

2、在深度學(xué)習(xí)中，為了快速將其應(yīng)用落地到各個(gè)具體的行業(yè)中，不斷提升模型精度是一個(gè)挑戰(zhàn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明實(shí)施例的目的在于提供一種深度學(xué)習(xí)模型訓(xùn)練方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，以提高深度學(xué)習(xí)模型的精度。具體技術(shù)方案如下：

2、第一方面，提供了一種深度學(xué)習(xí)模型訓(xùn)練方法，包括：

3、獲取更新頻率系數(shù)，所述更新頻率系數(shù)用于表示更新負(fù)樣本數(shù)據(jù)的更新間隔；

4、按照所述更新間隔，從負(fù)樣本數(shù)據(jù)集中選取負(fù)樣本數(shù)據(jù)，其中，所述負(fù)樣本數(shù)據(jù)集包括基于預(yù)設(shè)深度學(xué)習(xí)模型從至少一個(gè)數(shù)據(jù)集中篩選出的第一處理對(duì)象與數(shù)據(jù)中實(shí)際包含的對(duì)象不一致、且數(shù)據(jù)中實(shí)際包含的對(duì)象中不包括目標(biāo)對(duì)象的數(shù)據(jù)，所述第一處理對(duì)象是所述預(yù)設(shè)深度學(xué)習(xí)模型對(duì)所述數(shù)據(jù)進(jìn)行處理而得到的；

5、將選取的負(fù)樣本數(shù)據(jù)作為樣本數(shù)據(jù)，添加到訓(xùn)練數(shù)據(jù)集中，基于所述訓(xùn)練數(shù)據(jù)集對(duì)所述預(yù)設(shè)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練。

6、可選地，構(gòu)建所述負(fù)樣本數(shù)據(jù)集，包括：

7、收集至少一個(gè)數(shù)據(jù)集；

8、通過預(yù)設(shè)深度學(xué)習(xí)模型對(duì)數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行處理，得到所述數(shù)據(jù)對(duì)應(yīng)的第一處理對(duì)象；

9、在所述第一處理對(duì)象與所述數(shù)據(jù)中實(shí)際包含的對(duì)象不一致的情況下，將所述數(shù)據(jù)作為候選數(shù)據(jù)，并在所述候選數(shù)據(jù)中實(shí)際包含的對(duì)象中包括目標(biāo)對(duì)象的情況下，從數(shù)據(jù)集中剔除所述候選數(shù)據(jù)，得到負(fù)樣本數(shù)據(jù)集。

10、可選地，所述方法還包括：

11、通過預(yù)設(shè)深度學(xué)習(xí)模型對(duì)數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行處理，還得到所述第一處理對(duì)象對(duì)應(yīng)的置信度；

12、所述在所述第一處理對(duì)象與所述數(shù)據(jù)中實(shí)際包含的對(duì)象不一致的情況下，將所述數(shù)據(jù)作為候選數(shù)據(jù)，包括：

13、若所述第一處理對(duì)象與所述數(shù)據(jù)中實(shí)際包含的對(duì)象不一致，且所述第一處理對(duì)象對(duì)應(yīng)的置信度超過第一置信度閾值，則將所述數(shù)據(jù)作為候選數(shù)據(jù)。

14、可選地，所述按照所述更新間隔，從負(fù)樣本數(shù)據(jù)集中選取負(fù)樣本數(shù)據(jù)，包括：

15、每隔所述更新間隔，從負(fù)樣本數(shù)據(jù)集中選取預(yù)設(shè)數(shù)量的負(fù)樣本數(shù)據(jù)，所述預(yù)設(shè)數(shù)量基于負(fù)樣本數(shù)量系數(shù)與正樣本數(shù)據(jù)的數(shù)量確定。

16、可選地，所述從負(fù)樣本數(shù)據(jù)集中選取負(fù)樣本數(shù)據(jù)，包括：

17、從負(fù)樣本數(shù)據(jù)集中隨機(jī)選取預(yù)設(shè)數(shù)量的負(fù)樣本數(shù)據(jù)；

18、和/或，

19、從負(fù)樣本數(shù)據(jù)集中選取第二處理對(duì)象與數(shù)據(jù)中實(shí)際包含的對(duì)象不一致，且所述第二處理對(duì)象對(duì)應(yīng)的置信度超過第二置信度閾值的負(fù)樣本數(shù)據(jù)。

20、可選地，所述從負(fù)樣本數(shù)據(jù)集中選取第二處理對(duì)象與數(shù)據(jù)中實(shí)際包含的對(duì)象不一致，且所述第二處理對(duì)象對(duì)應(yīng)的置信度超過第二置信度閾值的負(fù)樣本數(shù)據(jù)，包括：

21、通過訓(xùn)練后的預(yù)設(shè)深度學(xué)習(xí)模型對(duì)負(fù)樣本數(shù)據(jù)集中的負(fù)樣本數(shù)據(jù)進(jìn)行處理，得到所述負(fù)樣本數(shù)據(jù)對(duì)應(yīng)的第二處理對(duì)象以及所述第二處理對(duì)象對(duì)應(yīng)的置信度，其中，訓(xùn)練后的預(yù)設(shè)深度學(xué)習(xí)模型包括將從負(fù)樣本數(shù)據(jù)集中隨機(jī)選取的預(yù)設(shè)數(shù)量的負(fù)樣本數(shù)據(jù)與正樣本數(shù)據(jù)作為樣本數(shù)據(jù)，對(duì)所述預(yù)設(shè)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練得到的模型；

22、若所述第二處理對(duì)象與所述負(fù)樣本數(shù)據(jù)中實(shí)際包含的對(duì)象不一致，且所述第二處理對(duì)象對(duì)應(yīng)的置信度超過第二置信度閾值，則將所述負(fù)樣本數(shù)據(jù)作為選取出的負(fù)樣本數(shù)據(jù)。

23、可選地，若選取出的負(fù)樣本數(shù)據(jù)的數(shù)量未達(dá)到所述預(yù)設(shè)數(shù)量，則按照所述第二處理對(duì)象對(duì)應(yīng)的置信度從大到小的順序，依次將所述第二處理對(duì)象與所述負(fù)樣本數(shù)據(jù)中實(shí)際包含的對(duì)象不一致，且所述第二處理對(duì)象對(duì)應(yīng)的置信度超過第二置信度閾值的負(fù)樣本數(shù)據(jù)作為選取出的負(fù)樣本數(shù)據(jù)，直至選取出的負(fù)樣本數(shù)據(jù)的數(shù)量達(dá)到所述預(yù)設(shè)數(shù)量。

24、可選地，所述預(yù)設(shè)深度學(xué)習(xí)模型包括以下模型中的至少一種：圖像檢測(cè)模型、圖像識(shí)別模型、圖像分類模型，所述至少一個(gè)數(shù)據(jù)集包括圖像數(shù)據(jù)集，所述至少一個(gè)數(shù)據(jù)集包括的數(shù)據(jù)為圖像。

25、第二方面，提供了一種深度學(xué)習(xí)模型訓(xùn)練裝置，包括：

26、獲取模塊，用于獲取更新頻率系數(shù)，所述更新頻率系數(shù)用于表示更新負(fù)樣本數(shù)據(jù)的更新間隔；

27、選取模塊，用于按照所述更新間隔，從負(fù)樣本數(shù)據(jù)集中選取負(fù)樣本數(shù)據(jù)，其中，所述負(fù)樣本數(shù)據(jù)集包括基于預(yù)設(shè)深度學(xué)習(xí)模型從至少一個(gè)數(shù)據(jù)集中篩選出的第一處理對(duì)象與數(shù)據(jù)中實(shí)際包含的對(duì)象不一致、且數(shù)據(jù)中實(shí)際包含的對(duì)象中不包括目標(biāo)對(duì)象的數(shù)據(jù)，所述第一處理對(duì)象是所述預(yù)設(shè)深度學(xué)習(xí)模型對(duì)所述數(shù)據(jù)進(jìn)行處理而得到的；

28、訓(xùn)練模塊，用于將選取的負(fù)樣本數(shù)據(jù)作為樣本數(shù)據(jù)，添加到訓(xùn)練數(shù)據(jù)集中，基于所述訓(xùn)練數(shù)據(jù)集對(duì)所述預(yù)設(shè)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練。

29、第三方面，提供了一種電子設(shè)備，包括處理器、通信接口、存儲(chǔ)器和通信總線，其中，處理器，通信接口，存儲(chǔ)器通過通信總線完成相互間的通信；

30、存儲(chǔ)器，用于存放計(jì)算機(jī)程序；

31、處理器，用于執(zhí)行存儲(chǔ)器上所存放的程序時(shí)，實(shí)現(xiàn)第一方面任一所述的方法步驟。

32、本發(fā)明實(shí)施例還一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)內(nèi)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面任一所述的方法步驟。

33、本發(fā)明實(shí)施例還提供了一種包含指令的計(jì)算機(jī)程序產(chǎn)品，當(dāng)其在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行上述任一所述的深度學(xué)習(xí)模型訓(xùn)練方法。

34、本發(fā)明實(shí)施例有益效果：

35、本發(fā)明實(shí)施例提供的深度學(xué)習(xí)模型訓(xùn)練方法，可以按照更新頻率系數(shù)所表示的更新負(fù)樣本數(shù)據(jù)的更新間隔，從負(fù)樣本數(shù)據(jù)集中選取負(fù)樣本數(shù)據(jù)，并將選取的負(fù)樣本數(shù)據(jù)作為樣本數(shù)據(jù)，添加到訓(xùn)練數(shù)據(jù)集中，基于所述訓(xùn)練數(shù)據(jù)集對(duì)所述預(yù)設(shè)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練，也即，動(dòng)態(tài)地選取負(fù)樣本數(shù)據(jù)進(jìn)行模型訓(xùn)練，且，負(fù)樣本數(shù)據(jù)集包括基于預(yù)設(shè)深度學(xué)習(xí)模型從至少一個(gè)數(shù)據(jù)集中篩選出的第一處理對(duì)象與數(shù)據(jù)中實(shí)際包含的對(duì)象不一致、且數(shù)據(jù)中實(shí)際包含的對(duì)象中不包括目標(biāo)對(duì)象的數(shù)據(jù)。在對(duì)深度學(xué)習(xí)模型的訓(xùn)練過程中考慮基于預(yù)設(shè)深度學(xué)習(xí)模型從至少一個(gè)數(shù)據(jù)集中篩選出的第一處理對(duì)象與數(shù)據(jù)中實(shí)際包含的對(duì)象不一致、且數(shù)據(jù)中實(shí)際包含的對(duì)象中不包括目標(biāo)對(duì)象的數(shù)據(jù)，也即，在對(duì)深度學(xué)習(xí)模型的訓(xùn)練過程中針對(duì)容易出錯(cuò)的負(fù)樣本數(shù)據(jù)進(jìn)行訓(xùn)練，如此，能夠提高深度學(xué)習(xí)模型的精度。

36、當(dāng)然，實(shí)施本發(fā)明的任一產(chǎn)品或方法并不一定需要同時(shí)達(dá)到以上所述的所有優(yōu)點(diǎn)。

技術(shù)特征：

1.一種深度學(xué)習(xí)模型訓(xùn)練方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，構(gòu)建所述負(fù)樣本數(shù)據(jù)集，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述按照所述更新間隔，從負(fù)樣本數(shù)據(jù)集中選取負(fù)樣本數(shù)據(jù)，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述從負(fù)樣本數(shù)據(jù)集中選取負(fù)樣本數(shù)據(jù)，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述從負(fù)樣本數(shù)據(jù)集中選取第二處理對(duì)象與數(shù)據(jù)中實(shí)際包含的對(duì)象不一致，且所述第二處理對(duì)象對(duì)應(yīng)的置信度超過第二置信度閾值的負(fù)樣本數(shù)據(jù)，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，若選取出的負(fù)樣本數(shù)據(jù)的數(shù)量未達(dá)到所述預(yù)設(shè)數(shù)量，則按照所述第二處理對(duì)象對(duì)應(yīng)的置信度從大到小的順序，依次將所述第二處理對(duì)象與所述負(fù)樣本數(shù)據(jù)中實(shí)際包含的對(duì)象不一致，且所述第二處理對(duì)象對(duì)應(yīng)的置信度超過第二置信度閾值的負(fù)樣本數(shù)據(jù)作為選取出的負(fù)樣本數(shù)據(jù)，直至選取出的負(fù)樣本數(shù)據(jù)的數(shù)量達(dá)到所述預(yù)設(shè)數(shù)量。

8.根據(jù)權(quán)利要求1至7任一項(xiàng)所述的方法，其特征在于，所述預(yù)設(shè)深度學(xué)習(xí)模型包括以下模型中的至少一種：圖像檢測(cè)模型、圖像識(shí)別模型、圖像分類模型，所述至少一個(gè)數(shù)據(jù)集包括圖像數(shù)據(jù)集，所述至少一個(gè)數(shù)據(jù)集包括的數(shù)據(jù)為圖像。

9.一種深度學(xué)習(xí)模型訓(xùn)練裝置，其特征在于，包括：

10.一種電子設(shè)備，其特征在于，包括處理器、通信接口、存儲(chǔ)器和通信總線，其中，處理器，通信接口，存儲(chǔ)器通過通信總線完成相互間的通信；

11.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)內(nèi)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-8任一所述的方法步驟。

技術(shù)總結(jié)
本發(fā)明實(shí)施例提供了一種深度學(xué)習(xí)模型訓(xùn)練方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，其中，深度學(xué)習(xí)模型訓(xùn)練方法，包括：獲取更新頻率系數(shù)，更新頻率系數(shù)用于表示更新負(fù)樣本數(shù)據(jù)的更新間隔；按照更新間隔，從負(fù)樣本數(shù)據(jù)集中選取負(fù)樣本數(shù)據(jù)，負(fù)樣本數(shù)據(jù)集包括基于預(yù)設(shè)深度學(xué)習(xí)模型從至少一個(gè)數(shù)據(jù)集中篩選出的第一處理對(duì)象與數(shù)據(jù)中實(shí)際包含的對(duì)象不一致、且數(shù)據(jù)中實(shí)際包含的對(duì)象中不包括目標(biāo)對(duì)象的數(shù)據(jù)；將選取的負(fù)樣本數(shù)據(jù)作為樣本數(shù)據(jù)，添加到訓(xùn)練數(shù)據(jù)集中，基于訓(xùn)練數(shù)據(jù)集對(duì)預(yù)設(shè)深度學(xué)習(xí)模型進(jìn)行訓(xùn)練。通過本發(fā)明實(shí)施例提供的深度學(xué)習(xí)模型訓(xùn)練方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，提高了深度學(xué)習(xí)模型的精度。

技術(shù)研發(fā)人員：于永軍,沈西,謝凱,周曉
受保護(hù)的技術(shù)使用者：英特靈達(dá)信息技術(shù)（深圳）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23