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