一种图像识别模型的更新方法及相关设备技术

本申请提供了一种图像识别模型的更新方法及相关设备，通过数据计算的方式在云端部署图像识别模型，并通过实时在线更新的方式更新该图像识别模型，使得识别结果更加准确。该方法包括：对目标图像进行图像预处理得到目标数据，所述目标图像为待识别的图像；将所述目标数据输入目标图像识别模型，得到所述目标图像对应的预测值，所述目标图像识别模型为部署在云端通过卷积神经网络构建的模型；当所述预测值小于预设阈值时，通过至少两个图像识别模型对所述目标数据进行识别，得到第一识别结果；当所述第一识别结果为识别成功时，将所述目标数据标记为第一样本数据；基于所述第一样本数据以及所述第一识别结果对所述目标图像识别模型进行更新。

【技术实现步骤摘要】
一种图像识别模型的更新方法及相关设备
本申请涉及通信领域，尤其涉及一种图像识别模型的更新方法及相关设备。
技术介绍
近几年，生活垃圾产量保持5％左右的增长，2018年全国生活垃圾清运量达到2.28亿吨，使得中国成为世界上产生垃圾最多的国家。在过去全国垃圾清运量始终高于无害化处理量，大量城市生活垃圾未经处理直接堆放，垃圾分类显然很有必要。目前来说，垃圾分类主要是采用机器视觉的方式进行数据计算来构建模型，但是其构建模型的训练样本数据的来源有限，大多数模型的样本数据需要人工更新，导致训练出的模型始终是有缺陷的，耗时很长而且垃圾分类的准确率不高。
技术实现思路
本申请提供了一种图像识别模型的更新方法及相关设备，通过不断循环的自我学习过程来更新图像识别模型，体现出自主学习趋势，提高了图像识别模型的精度和广度。本申请第一方面提供了一种图像识别模型的更新方法，包括：对目标图像进行图像预处理得到目标数据，所述目标图像为待识别的图像；将所述目标数据输入目标图像识别模型，得到所述目标图像对应的预测值，所述目标图像本文档来自技高网...

【技术保护点】
1.一种图像识别模型的更新方法，其特征在于，包括：/n对目标图像进行图像预处理得到目标数据，所述目标图像为待识别的图像；/n将所述目标数据输入目标图像识别模型，得到所述目标图像对应的预测值，所述目标图像识别模型为部署在云端通过卷积神经网络构建的模型；/n当所述预测值小于预设阈值时，通过至少两个图像识别模型对所述目标数据进行识别，得到第一识别结果，所述至少两个图像识别模型为在线机器学习平台上通过除所述卷积神经网络之外的其它深度学习神经网络模型算法训练得到的模型，其中，所述在线机器学习平台为部署在云端的机器学习平台；/n当所述第一识别结果为识别成功时，将所述目标数据标记为第一样本数据；/n基于所述...

【技术特征摘要】
1.一种图像识别模型的更新方法，其特征在于，包括：
对目标图像进行图像预处理得到目标数据，所述目标图像为待识别的图像；
将所述目标数据输入目标图像识别模型，得到所述目标图像对应的预测值，所述目标图像识别模型为部署在云端通过卷积神经网络构建的模型；
当所述预测值小于预设阈值时，通过至少两个图像识别模型对所述目标数据进行识别，得到第一识别结果，所述至少两个图像识别模型为在线机器学习平台上通过除所述卷积神经网络之外的其它深度学习神经网络模型算法训练得到的模型，其中，所述在线机器学习平台为部署在云端的机器学习平台；
当所述第一识别结果为识别成功时，将所述目标数据标记为第一样本数据；
基于所述第一样本数据以及所述第一识别结果对所述目标图像识别模型进行更新。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述预测值大于或等于所述预设阈值时，基于所述目标图像对应的类型信息发出第一提示信息。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
当所述预测值大于或等于所述预设阈值时，将所述目标数据标记为第二样本数据；
基于所述第二样本数据以及所述目标图像对应的预测值对所述目标图像识别模型进行更新。


4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述第一识别结果为识别失败时，基于所述目标图像发出第二提示信息。


5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
获取预设时长内所述第一识别结果为识别失败的图像集合；
根据用户的操作指令对所述图像集合进行识别，得到所述图像集合对应的第二识别结果；
基于所述图像集合以及所述第二识别结果对所述目标图像识别模型进行更新。

【专利技术属性】
技术研发人员：宋立桓，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44