模型训练数据获取方法、模型训练方法和装置制造方法及图纸

本申请涉及一种模型训练数据获取方法、模型训练方法和装置。所述模型训练数据获取方法包括：获取问题数据，所述问题数据携带有模型处理结果；计算模型训练样本与所述问题数据的相似度；对相似度满足预设条件的模型训练样本进行标签更新；将标签更新后的模型训练样本和问题数据作为模型训练数据。所述模型训练方法包括：根据所述的模型训练数据获取方法获取模型训练数据；根据所述模型训练数据进行模型训练。采用本方法能够提高模型的更新速度。练。采用本方法能够提高模型的更新速度。练。采用本方法能够提高模型的更新速度。

【技术实现步骤摘要】
模型训练数据获取方法、模型训练方法和装置


[0001]本申请涉及人工智能
，特别是涉及一种模型训练数据获取方法、模型训练方法和装置。

技术介绍

[0002]随着人工智能技术的发展，出现了神经网络等技术，卷积神经网路(Convolutional Neural Network，CNN)是一种前馈神经网路，它的人工神经元可以回应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。与其他深度学习结构相比，卷积神经网路在图像和语音辨识方面能够给出更好的结果。
[0003]其中影像分类的人工智慧模型可大致分为两部分：模型基底(model base)、以及分类器(classifier)。一影像输入进模型基底，经计算后输出一n个分量的向量，称特征向量，其所在的n维空间称特征空间。n值视其模型基底的设计而定，通常等于该基底最后一层卷积层(convolution layer)的滤波器(filter)数量。特征向量再输入分类器便可计算出分数向量，其最大值所对应之类别即为该人工智能模型针对该输入图片所做的预测。
[0004]一个典型的，可持续本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练数据获取方法，其特征在于，所述模型训练数据获取方法包括：获取问题数据，所述问题数据携带有模型处理结果；计算模型训练样本与所述问题数据的相似度；对相似度满足预设条件的模型训练样本进行标签更新；将标签更新后的模型训练样本和问题数据作为模型训练数据。2.根据权利要求1所述的模型训练数据获取方法，其特征在于，所述计算模型训练样本与所述问题数据的相似度，包括：从模型训练样本中获取标签与所述模型处理结果对应的待处理样本；计算所述待处理样本与所述问题数据的相似度。3.根据权利要求2所述的模型训练数据获取方法，其特征在于，所述计算所述待处理样本与所述问题数据的相似度，包括：通过模型的特征提取模块得到待处理样本对应的第一特征向量；通过所述模型的特征提取模块得到所述问题数据的第二特征向量；计算所述第一特征向量和所述第二特征向量的相似度作为所述待处理样本与所述问题数据的相似度。4.根据权利要求1至4任意一项所述的模型训练数据获取方法，其特征在于，所述对相似度满足预设条件的模型训练样本进行标签更新，包括：输出相似度大于阈值的模型训练样本；接收针对所输出的模型训练样本的标注指令，并根据所述标注指令更新所述模型训练样本的标签。5.一种模型训练方法，其特征在于，所述模型训练方法包括：根据权利要求1至4任意一项所述的模型训练数据获...

【专利技术属性】
技术研发人员：彭泽钜，彭泽慧，杨灵，阙士芯，刘羿晟，
申请(专利权)人：上海朋熙半导体有限公司，
类型：发明
国别省市：