本公开涉及一种模型训练方法及装置、电子设备和存储介质，所述方法包括：对指定的图像数据集中的图像数据进行特征提取，得到图像特征集，图像特征集中包含图像数据的图像特征以及对应的图像标签；按照预设的划分规则，对图像特征集进行划分，得到多个子图像特征集，多个子图像特征集用于实现针对图像处理模型多个训练阶段的训练；根据多个子图像特征集，训练图像处理模型，得到训练后的图像处理模型。本公开实施例可实现提高图像处理模型的训练效率。效率。效率。
【技术实现步骤摘要】
模型训练方法及装置、电子设备和存储介质
[0001]本公开涉及计算机
，尤其涉及一种模型训练方法及装置、电子设备和存储介质。
技术介绍
[0002]目前的模型训练过程，通常包含多个训练阶段，每个训练阶段都需要技术人员重新指定训练集并启动模型训练，整体模型训练的训练效率较低。
技术实现思路
[0003]本公开提出了一种模型训练技术方案。
[0004]根据本公开的一方面，提供了一种模型训练方法，包括：对指定的图像数据集中的图像数据进行特征提取，得到图像特征集，所述图像特征集中包含所述图像数据的图像特征以及对应的图像标签；按照预设的划分规则，对所述图像特征集进行划分，得到多个子图像特征集，所述多个子图像特征集用于实现针对图像处理模型多个训练阶段的训练；根据所述多个子图像特征集，训练所述图像处理模型，得到训练后的图像处理模型
[0005]在一种可能的实现方式中，所述对指定的图像数据集中的图像数据进行特征提取，得到图像特征集，包括：根据预设的特征类别，通过特征提取网络对所述图像数据集中的图像数据进行特征提取，得到所述图像数据的图像特征；将所述图像数据的图像名称作为所述图像特征的图像标签，得到所述图像特征集，所述图像名称表征所述图像数据的图像类别。
[0006]在一种可能的实现方式中，所述划分规则包括划分数量以及划分比例，其中，按照预设的划分规则，对所述图像特征集进行划分，得到多个子图像特征集，包括：根据所述划分规则中的划分数量，创建与所述划分数量对应的多个文件，各个文件的文件名称用于指示所述图像处理模型的各个训练阶段；根据所述划分规则中的划分比例以及所述多个文件的文件名称，将所述图像特征集中的图像特征及对应的图像标签，分配到各个文件中，得到多个子图像特征集。
[0007]在一种可能的实现方式中，根据所述多个子图像特征集，训练所述图像处理模型，得到训练后的图像处理模型，包括：根据所述多个子图像特征集对应的文件名称，确定与所述图像处理模型的各个训练阶段对应的子图像特征集；根据所述与所述图像处理模型的各个训练阶段对应的子图像特征集，对所述图像处理模型进行训练，得到训练后的图像处理模型。
[0008]在一种可能的实现方式中，所述图像特征集包括多个，所述方法还包括：响应于针对图像特征集的合并操作，对所述合并操作指示的多个图像特征集进行合并，得到合并后的图像特征集。
[0009]在一种可能的实现方式中，所述方法还包括：根据与指定文件名称对应的图像特征集，对所述训练后的图像处理模型进行预设评估指标的测试，得到测试结果，所述预设评
估指标包括精度、准确率、精确率、召回率中的至少一种。
[0010]在一种可能的实现方式中，所述方法还包括：获取图像采集设备采集的图像；对所述图像进行特征提取，得到所述图像的图像特征；将所述图像的图像特征输入至所述训练后的图像处理模型，得到所述图像的处理结果并进行显示。
[0011]在一种可能的实现方式中，所述方法还包括：对待部署的特征提取网络进行剪枝处理，得到剪枝后的特征提取网络，并部署所述剪枝后的特征提取网络；其中，所述对指定的图像数据集中的图像数据进行特征提取，得到图像特征集，包括：通过所述剪枝后的特征提取网络，对指定的图像数据集中的图像数据进行特征提取，得到图像特征集。
[0012]在一种可能的实现方式中，所述方法应用于人工智能教育设备，所述人工智能教育设备与人工智能教育平台之间存在通信连接，其中，所述人工智能教育平台用于编辑实现所述模型训练方法的代码，并将所述代码发送至所述人工智能教育设备；所述人工智能教育设备用于根据所述图像数据集，运行所述项目代码，以实现所述模型训练方法。
[0013]根据本公开的一方面，提供了一种模型训练装置，包括：特征提取模块，用于对指定的图像数据集中的图像数据进行特征提取，得到图像特征集，所述图像特征集中包含所述图像数据的图像特征以及对应的图像标签；划分模块，用于按照预设的划分规则，对所述图像特征集进行划分，得到多个子图像特征集，所述多个子图像特征集用于实现针对图像处理模型多个训练阶段的训练；训练模块，用于根据所述多个子图像特征集，训练所述图像处理模型，得到训练后的图像处理模型。
[0014]在一种可能的实现方式中，所述特征提取模块，包括：特征提取子模块，用于根据预设的特征类别，通过特征提取网络对所述图像数据集中的图像数据进行特征提取，得到所述图像数据的图像特征；特征集生成子模块，用于将所述图像数据的图像名称作为所述图像特征的图像标签，得到所述图像特征集，所述图像名称表征所述图像数据的图像类别。
[0015]在一种可能的实现方式中，所述划分规则包括划分数量以及划分比例，其中，划分模块，包括：文件创建子模块，用于根据所述划分规则中的划分数量，创建与所述划分数量对应的多个文件，各个文件的文件名称用于指示所述图像处理模型的各个训练阶段；分配子模块，用于根据所述划分规则中的划分比例以及所述多个文件的文件名称，将所述图像特征集中的图像特征及对应的图像标签，分配到各个文件中，得到多个子图像特征集。
[0016]在一种可能的实现方式中，训练模块，包括：特征集确定子模块，用于根据所述多个子图像特征集对应的文件名称，确定与所述图像处理模型的各个训练阶段对应的子图像特征集；训练子模块，用于根据所述与所述图像处理模型的各个训练阶段对应的子图像特征集，对所述图像处理模型进行训练，得到训练后的图像处理模型。
[0017]在一种可能的实现方式中，所述图像特征集包括多个，所述装置还包括：合并模块，用于响应于针对图像特征集的合并操作，对所述合并操作指示的多个图像特征集进行合并，得到合并后的图像特征集。
[0018]在一种可能的实现方式中，所述装置还包括：测试模块，用于根据与指定文件名称对应的图像特征集，对所述训练后的图像处理模型进行预设评估指标的测试，得到测试结果，所述预设评估指标包括精度、准确率、精确率、召回率中的至少一种。
[0019]在一种可能的实现方式中，所述装置还包括：获取模块，用于获取图像采集设备采集的图像；提取模块，用于对所述图像进行特征提取，得到所述图像的图像特征；处理模块，
用于将所述图像的图像特征输入至所述训练后的图像处理模型，得到所述图像的处理结果并进行显示。
[0020]在一种可能的实现方式中，所述装置还包括：剪枝模块，用于对待部署的特征提取网络进行剪枝处理，得到剪枝后的特征提取网络，并部署所述剪枝后的特征提取网络；其中，所述对指定的图像数据集中的图像数据进行特征提取，得到图像特征集，包括：通过所述剪枝后的特征提取网络，对指定的图像数据集中的图像数据进行特征提取，得到图像特征集。
[0021]在一种可能的实现方式中，所述装置应用于人工智能教育设备，所述人工智能教育设备与人工智能教育平台之间存在通信连接，其中，所述人工智能教育平台用于编辑实现所述模型训练装置的代码，并将所述代码发送至所述人工智能教育设备；所述人工智能教育设备用于根据所述图像数据本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：对指定的图像数据集中的图像数据进行特征提取，得到图像特征集，所述图像特征集中包含所述图像数据的图像特征以及对应的图像标签；按照预设的划分规则，对所述图像特征集进行划分，得到多个子图像特征集，所述多个子图像特征集用于实现针对图像处理模型多个训练阶段的训练；根据所述多个子图像特征集，训练所述图像处理模型，得到训练后的图像处理模型。2.根据权利要求1所述的方法，其特征在于，所述对指定的图像数据集中的图像数据进行特征提取，得到图像特征集，包括：根据预设的特征类别，通过特征提取网络对所述图像数据集中的图像数据进行特征提取，得到所述图像数据的图像特征；将所述图像数据的图像名称作为所述图像特征的图像标签，得到所述图像特征集，所述图像名称表征所述图像数据的图像类别。3.根据权利要求1或2所述的方法，其特征在于，所述划分规则包括划分数量以及划分比例，其中，按照预设的划分规则，对所述图像特征集进行划分，得到多个子图像特征集，包括：根据所述划分规则中的划分数量，创建与所述划分数量对应的多个文件，各个文件的文件名称用于指示所述图像处理模型的各个训练阶段；根据所述划分规则中的划分比例以及所述多个文件的文件名称，将所述图像特征集中的图像特征及对应的图像标签，分配到各个文件中，得到多个子图像特征集。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，根据所述多个子图像特征集，训练所述图像处理模型，得到训练后的图像处理模型，包括：根据所述多个子图像特征集对应的文件名称，确定与所述图像处理模型的各个训练阶段对应的子图像特征集；根据所述与所述图像处理模型的各个训练阶段对应的子图像特征集，对所述图像处理模型进行训练，得到训练后的图像处理模型。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述图像特征集包括多个，所述方法还包括：响应于针对图像特征集的合并操作，对所述合并操作指示的多个图像特征集进行合并，得到合并后的图像特征集。6.根据权利要求1
‑
5任一项所述的方法，其特征在于，所述方法还包括：根据与指定文件名称对应的图像特征集，对...
【专利技术属性】
技术研发人员：张军伟，李诚，
申请(专利权)人：上海商汤智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。