一种自动识别训练方法、系统、存储介质及计算机设备技术方案

本发明专利技术提供了一种自动识别训练方法，包括：通过通用模型对大量图片进行预训练，以得到一个训练模型，并使所述训练模型自动学习；所述训练模型获取当前训练图像，并判断所述当前训练图像是否存在类别标签；若存在类别标签，则按照所述类别标签进行图像识别训练，以建立图像分析模型；若不存在类别标签，则对当前训练图像标定类别标签，再按照所述类别标签进行图像识别训练，以建立图像分析模型；根据所述图像分析模型识别待识别物体。上述一种自动识别训练方法，无需上传数千张图像，提高了用于分析图像的自定义模型的制作效率。本发明专利技术还提供了一种自动识别训练系统、存储介质机计算机设备。

【技术实现步骤摘要】
一种自动识别训练方法、系统、存储介质及计算机设备
本专利技术涉及智能识别
，特别涉及一种自动识别训练方法、系统、存储介质及计算机设备。
技术介绍
随着科学技术的提升，越来越多的商品或服务在销售过程中采用无人售票的方式，例如，通过自动识别装置，识别人脸、车辆、二维码等，实现身份识别，相较于人工的方式，极大了提高了工作效率，并减少了人工成本。现有的自动识别装置，需要预先开发用于分析图像的自定义模型，开发用于分析图像的自定义模型是一项繁重工作，需要时间、专业知识和资源，并且通常需要几个月才能完成；另外，通常需要数千或数万张已人工标记的图像才能为模型提供足够的数据以便准确地做出决策；生成这些数据可能需要花费数月的时间，并且需要庞大的标记团队来进行数据准备，以便将数据用于机器学习。上述自动识别装置，用于分析图像的自定义模型制作缓慢，耗时长，效率低。
技术实现思路
本专利技术的目的是提供一种自动识别训练方法、系统、存储介质及计算机设备，以解决现有的自动识别装置用于分析图像的自定义模型制作缓慢，耗时长，效率低的问题。本文档来自技高网...

【技术保护点】
1.一种自动识别训练方法，其特征在于，包括：/n通过通用模型对大量图片进行预训练，以得到一个训练模型，并使所述训练模型自动学习；/n所述训练模型获取当前训练图像，并判断所述当前训练图像是否存在类别标签；/n若存在类别标签，则按照所述类别标签进行图像识别训练，以建立图像分析模型；/n若不存在类别标签，则对当前训练图像标定类别标签，再按照所述类别标签进行图像识别训练，以建立图像分析模型；/n其中，所述对当前训练图像标定类别标签的方法包括：对比所述当前训练图像，以将相似度在预设范围内的多个所述当前训练图像判定为一组相似数据；/n对一组相似数据内的所有的当前训练图像标定同一个类别标签。/n

【技术特征摘要】
1.一种自动识别训练方法，其特征在于，包括：
通过通用模型对大量图片进行预训练，以得到一个训练模型，并使所述训练模型自动学习；
所述训练模型获取当前训练图像，并判断所述当前训练图像是否存在类别标签；
若存在类别标签，则按照所述类别标签进行图像识别训练，以建立图像分析模型；
若不存在类别标签，则对当前训练图像标定类别标签，再按照所述类别标签进行图像识别训练，以建立图像分析模型；
其中，所述对当前训练图像标定类别标签的方法包括：对比所述当前训练图像，以将相似度在预设范围内的多个所述当前训练图像判定为一组相似数据；
对一组相似数据内的所有的当前训练图像标定同一个类别标签。


2.根据权利要求1所述的一种自动识别训练方法，其特征在于，所述对当前训练图像标定类别标签方法包括：
识别当前训练图像内的图像内含有的所有的可识别要素，并统计所述可识别要素的个数；
判定个数最多的可识别要素为目标要数，根据所述目标要素标定类别标签。


3.根据权利要求1所述的一种自动识别训练方法，其特征在于，所述对当前训练图像标定类别标签的步骤之后，所述方法包括：
在每一所述前训练图像的一侧注释当前训练图像的类别标签。


4.根据权利要求2所述的一种自动识别训练方法，其特征在于，所述对当前训练图像标定类别标签的方法包括：
获取当前训练图像的命名名称，并识别所述命名名称的类别信息；
根据所述类别信息标定当前训练图像的类别标签。


5.根据权利要求1所述的一种自动识别训练方法，其特征在于，所...

【专利技术属性】
技术研发人员：胡游乐，陈川，
申请(专利权)人：深圳市天和荣科技有限公司，
类型：发明
国别省市：广东;44