异常样本筛选、清洗、训练方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种样本清洗方法、装置、计算机设备和存储介质。所述方法包括：从样本集中获取样本图像；将所述样本图像输入第一训练模型，得到与所述样本图像对应的预测文本，并根据所述预测文本确定所述样本图像的遗忘次数；对所述遗忘次数大于所述预设阈值的样本图像进行二次学习训练，得到第二训练文本，并根据所述第二训练文本确定所述样本图像的审核结果；根据审核结果对所述样本集的所述样本图像进行清洗，得到清洗后的所述样本集。采用本方法能够快速对样本图片进行筛选清洗。

Abnormal sample screening, cleaning, training methods, devices, equipment and storage media

【技术实现步骤摘要】
异常样本筛选、清洗、训练方法、装置、设备和存储介质
本申请涉及数据挖掘
，特别是涉及一种异常样本筛选方法、样本集清洗方法、模型训练方法、异常样本筛选装置、计算机设备和存储介质。
技术介绍
目前，在文本识别训练中，为了提高模型的准确率，最常用的方法是增加训练集中样本图片的数量，通过对大量的样本图片进行分析，提高模型的准确性。可是训练集数据量过大会使得模型训练速度变慢，也容易存在样本出错的情况，反而降低了模型的准确率；另外一方面，如果随机从训练集中筛选部分样本图片，则由于无法保证被筛选图片具有代表性，同样也降低模型的识别效果。因而，现在缺少一种可以快速对样本图片进行筛选清洗的方法。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够快速对样本图片进行筛选清洗的异常样本筛选方法、样本集清洗方法、模型训练方法、异常样本筛选装置、计算机设备和存储介质。一种异常样本筛选方法，所述方法包括：从样本集中获取样本图像；将所述样本图像输入第一训练模型，得到与所述样本图像对应的预测文本，并根据所述预测文本确定本文档来自技高网...

【技术保护点】
1.一种异常样本筛选方法，所述方法包括：/n从样本集中获取样本图像；/n将所述样本图像输入第一训练模型，得到与所述样本图像对应的预测文本，并根据所述预测文本确定所述样本图像的遗忘次数；/n将所述遗忘次数大于预设阈值的样本图像发送给审核终端，并接收所述审核终端反馈的所述样本图像的审核结果；/n根据审核结果对所述样本图像进行筛选，得到异常样本。/n

【技术特征摘要】
1.一种异常样本筛选方法，所述方法包括：
从样本集中获取样本图像；
将所述样本图像输入第一训练模型，得到与所述样本图像对应的预测文本，并根据所述预测文本确定所述样本图像的遗忘次数；
将所述遗忘次数大于预设阈值的样本图像发送给审核终端，并接收所述审核终端反馈的所述样本图像的审核结果；
根据审核结果对所述样本图像进行筛选，得到异常样本。


2.根据权利要求1所述的方法，其特征在于，所述将所述样本图像输入第一训练模型，得到与所述第一样本图像对应的预测文本，包括：
采用残差网络识别对所述样本图像进行特征提取，得到特征图；
通过长短期记忆网络对所述特征图进行特征分析，输出预测文本。


3.根据权利要求2所述的方法，其特征在于，所述通过长短期记忆网络对所述特征图进行特征分析，输出预测文本，包括：
提取所述特征图的图像像素特征、图像时序特征和字符连接特征；
将所述图像像素特征、所述图像时序特征和所述字符连接特征输入长短期记忆网络，得到与所述特征图对应的预测文本。


4.根据权利要求1所述的方法，其特征在于，所述根据所述预测文本确定所述样本图像的遗忘次数，包括：
获取所述样本图像的图片标识和图片标签；
通过所述预测文本和所述图片标签比对，确定所述样本图像的遗忘次数。


5.根据权利要求4所述的方法，其特征在于，所述通过所述预测文本和所述图片标签比对，确定所述样本图像的遗忘次数，包括：
将所述预测文本和所述图片标签进行比对，确定准确率，将图片标识和所述准确率进行对应存储；
计算所述准确率的变化差值；
统计变化差值，得到所述样本图像的遗忘次数。<...

【专利技术属性】
技术研发人员：周康明，冯晓锐，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31