模型迭代修正方法、装置及系统制造方法及图纸

本发明专利技术提供了一种模型迭代修正方法、装置及系统，涉及模型修正技术领域，该方法由服务器执行，该方法包括：接收用户端上传的模型反馈信息；模型反馈信息包括问题类型和问题修正数据；查找预先存储的与问题类型对应的基础模型；基于问题修正数据对基础模型进行迭代训练，以修正基础模型。本发明专利技术能够较好地提升模型的问题解决效率。

【技术实现步骤摘要】
模型迭代修正方法、装置及系统
本专利技术涉及模型修正
，尤其是涉及一种模型迭代修正方法、装置及系统。
技术介绍
随着科技的发展，基于深度学习的各种神经网络模型已广泛应用于各行各业，诸如，能够识别人脸的人脸检测模型、能够检测出图像中不同类别目标的目标检测模型、能够识别出车辆的车辆重识别模型等具有各种功能的神经网络模型已应用于诸如安防领域、交通领域等。通常是由模型提供方(诸如，专注于人工智能技术的科技公司)给模型需求方(诸如，需要使用模型功能的个人或公司团体等)提供基础模型，如果模型需求方所采用的基础模型出现诸如识别不准确等任何问题，都会线下联系模型提供方，并给模型提供方的客服等对接人反馈问题，再由模型提供方交由相关内部人员对模型进行迭代训练，以对出现问题的模型进行修正。这种问题解决方式繁琐复杂，通常耗时较长，效率低下。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种模型迭代修正方法、装置及系统，能够提升模型的问题解决效率。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种模型迭代修正方法，所述方法由服务器执行，所述方法包括：接收用户端上传的模型反馈信息；所述模型反馈信息包括问题类型和问题修正数据；查找预先存储的与所述问题类型对应的基础模型；基于所述问题修正数据对所述基础模型进行迭代训练，以修正所述基础模型。进一步，所述查找预先存储的与所述问题类型对应的基础模型的步骤，包括：确定所述问题类型对应的模型功能；将提供所述模型功能的基础模型确定为与所述问题类型对应的基础模型。进一步，所述基于所述问题修正数据对所述基础模型进行迭代训练的步骤，包括：获取所述基础模型的已有训练数据；基于所述已有训练数据和所述问题修正数据，确定当前训练集；通过所述当前训练集对所述基础模型进行迭代训练。进一步，所述方法还包括：获取已存储的与所述问题类型对应的历史修正数据；所述基于所述已有训练数据和所述问题修正数据，确定当前训练集的步骤，包括：基于所述已有训练数据、所述问题修正数据和所述历史修正数据，确定当前训练集。进一步，所述通过所述当前训练集对所述基础模型进行迭代训练的步骤，包括：将所述当前训练集划分为预设组数的训练子集，并设定每组所述训练子集对应的损失函数和权重；基于每组所述训练子集对应的损失函数和权重，确定总损失函数；采用各组所述训练子集对所述基础模型进行迭代训练，直至所述总损失函数的函数值收敛至预设函数值，确定当前迭代结束。进一步，所述方法还包括：获取所述基础模型的已有评测数据；采用所述已有评测数据和所述问题修正数据对所述当前迭代结束后的基础模型进行评测，确定所述当前迭代结束后的基础模型的修正结果。进一步，所述采用所述已有评测数据和所述问题修正数据对所述当前迭代结束后的基础模型进行评测，确定所述当前迭代结束后的基础模型的修正结果的步骤，包括：采用所述已有评测数据对所述当前迭代结束后的基础模型进行评测，生成所述当前迭代结束后的基础模型的性能指标值；采用所述问题修正数据对所述当前迭代结束后的基础模型进行评测，获取所述当前迭代结束后的基础模型的问题测试结果；根据所述性能指标值和所述问题测试结果，确定所述当前迭代结束后的基础模型的修正结果。进一步，所述根据所述性能指标值和所述问题测试结果，确定所述当前迭代结束后的基础模型的修正结果的步骤，包括：如果所述问题测试结果与预设正确结果一致，且所述性能指标值高于预设阈值，确定所述当前迭代结束后的基础模型修正成功；如果所述问题测试结果与预设正确结果不一致，或，所述性能指标值低于所述预设阈值，确定所述当前迭代结束后的基础模型修正失败。进一步，所述方法还包括：将修正结果反馈给所述用户端。进一步，所述将修正结果反馈给所述用户端的步骤，包括：如果修正成功，将修正后的所述基础模型封装发送给所述用户端；如果修正失败，将修正失败信息发送给所述用户端。第二方面，本专利技术实施例还提供一种模型迭代修正装置，所述装置设置于服务器侧，所述装置包括：信息接收模块，用于接收用户端上传的模型反馈信息；所述模型反馈信息包括问题类型和问题修正数据；模型查找模块，用于查找预先存储的与所述问题类型对应的基础模型；模型迭代模块，用于基于所述问题修正数据对所述基础模型进行迭代训练，以修正所述基础模型。第三方面，本专利技术实施例提供了一种模型迭代修正系统，所述系统包括：服务器和用户端；所述用户端用于将用户的模型反馈信息上传给所述服务器；所述服务器上存储有计算机程序，所述计算机程序在被所述服务器运行时执行如第一方面任一项所述的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述第一方面任一项所述的方法的步骤。本专利技术实施例提供了一种模型迭代修正方法、装置及系统，服务器能够接收用户端上传的模型反馈信息(包括问题类型和问题修正数据)，然后查找预先存储的与该问题类型对应的基础模型，进而可基于问题修正数据对该基础模型进行迭代训练，以修正该基础模型。本实施例提供的上述方式，用户可以直接通过用户端在线反馈问题，并直接由服务器针对模型反馈信息对基础模型进行迭代训练，以修正该问题模型。这种在线对模型进行迭代修正以解决模型问题的方式更加简便直接，能够有效提升模型的问题解决效率。本专利技术实施例的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本专利技术实施例的上述技术即可得知。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出了本专利技术实施例所提供的一种电子设备的结构示意图；图2示出了本专利技术实施例所提供的一种模型迭代修正方法流程图；图3示出了本专利技术实施例所提供的一种修正结果的确定方法流程图；图4示出了本专利技术实施例所提供的一种模型迭代修正装置的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。考虑到现有技术中模型提供方解决模型问题的方式繁琐复杂，效率低下，为改善此问题，本专利技术实施例提供的一种模型的问题解决方法、装置及系统，该技术可采用相关的软件和/或硬件实现，以下对本专利技术实施例进行详细介绍。实施例一：首先，参照图1来描述用于实现本专利技术实施例的一种模型迭代修正方法、装置及系统的示例电子设备100。如图1所示的一种电子设备的结构示意图，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像采集装置110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图本文档来自技高网...

【技术保护点】
1.一种模型迭代修正方法，其特征在于，所述方法由服务器执行，所述方法包括：接收用户端上传的模型反馈信息；所述模型反馈信息包括问题类型和问题修正数据；查找预先存储的与所述问题类型对应的基础模型；基于所述问题修正数据对所述基础模型进行迭代训练，以修正所述基础模型。

【技术特征摘要】
1.一种模型迭代修正方法，其特征在于，所述方法由服务器执行，所述方法包括：接收用户端上传的模型反馈信息；所述模型反馈信息包括问题类型和问题修正数据；查找预先存储的与所述问题类型对应的基础模型；基于所述问题修正数据对所述基础模型进行迭代训练，以修正所述基础模型。2.根据权利要求1所述的方法，其特征在于，所述查找预先存储的与所述问题类型对应的基础模型的步骤，包括：确定所述问题类型对应的模型功能；将提供所述模型功能的基础模型确定为与所述问题类型对应的基础模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述问题修正数据对所述基础模型进行迭代训练的步骤，包括：获取所述基础模型的已有训练数据；基于所述已有训练数据和所述问题修正数据，确定当前训练集；通过所述当前训练集对所述基础模型进行迭代训练。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取已存储的与所述问题类型对应的历史修正数据；所述基于所述已有训练数据和所述问题修正数据，确定当前训练集的步骤，包括：基于所述已有训练数据、所述问题修正数据和所述历史修正数据，确定当前训练集。5.根据权利要求3所述的方法，其特征在于，所述通过所述当前训练集对所述基础模型进行迭代训练的步骤，包括：将所述当前训练集划分为预设组数的训练子集，并设定每组所述训练子集对应的损失函数和权重；基于每组所述训练子集对应的损失函数和权重，确定总损失函数；采用各组所述训练子集对所述基础模型进行迭代训练，直至所述总损失函数的函数值收敛至预设函数值，确定当前迭代结束。6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：获取所述基础模型的已有评测数据；采用所述已有评测数据和所述问题修正数据对当前迭代结束后的基础模型进行评测，确定所述当前迭代结束后的基础模型的修正结果。7.根据权利要求6所述的方法，其特征在于，所述采用所述已有评测数据和所述问题修正数据对所述当前迭代结束后的基础模型进行评测，确定所述当前迭代结束后的基础...

【专利技术属性】
技术研发人员：刘宇，
申请(专利权)人：北京旷视科技有限公司，
类型：发明
国别省市：北京,11