【技术实现步骤摘要】
图像数据处理方法、目标模型的训练方法、装置和设备
[0001]本公开涉及人工智能
，尤其涉及计算机视觉和深度学习领域，更具体地，涉及一种图像数据处理方法、目标模型的训练方法、装置、电子设备、介质和程序产品。
技术介绍
[0002]相关技术中，在训练目标模型时，通常需要利用训练图像数据来进行模型训练。但是，当训练图像数据的数据质量较低时，将影响目标模型的精度，导致目标模型的精度较低。
技术实现思路
[0003]本公开提供了一种图像数据处理方法、目标模型的训练方法、装置、电子设备、存储介质以及程序产品。
[0004]根据本公开的一方面，提供了一种图像数据处理方法，包括：利用待评价图像数据更新目标模型的模型参数，得到更新后的目标模型；利用待验证图像数据验证所述更新后的目标模型的识别准确度；基于所述识别准确度，确定所述待评价图像数据的数据质量。
[0005]根据本公开的另一方面，提供了一种目标模型的训练方法，包括：将训练图像数据输入待训练目标模型中，其中，所述训练图像数据包括数据质量，所述训练图...
【技术保护点】
【技术特征摘要】
1.一种图像数据处理方法，包括：利用待评价图像数据更新目标模型的模型参数，得到更新后的目标模型；利用待验证图像数据验证所述更新后的目标模型的识别准确度；以及基于所述识别准确度，确定所述待评价图像数据的数据质量。2.根据权利要求1所述的方法，还包括：获取多个目标图像数据；以及从所述多个目标图像数据中确定所述待评价图像数据，其中，所述多个目标图像数据中除所述待评价图像数据之外的目标图像数据为剩余目标图像数据，所述目标模型是基于所述剩余目标图像数据得到的。3.根据权利要求2所述的方法，其中，所述从所述多个目标图像数据中确定所述待评价图像数据包括：根据所述多个目标图像数据中每个目标图像数据的数据类别，将所述多个目标图像数据划分为多个分组，其中，所述多个分组中每个分组内的目标图像数据的数据类别一致；依次将所述多个分组中的每个分组确定为目标分组，其中，所述多个分组中除所述目标分组之外的分组为剩余分组，所述剩余分组中的目标图像数据为所述剩余目标图像数据；以及依次将所述目标分组中的每个目标图像数据确定为所述待评价图像数据。4.根据权利要求1
‑
3中任意一项所述的方法，其中，所述待评价图像数据包括第一数据标签；所述利用待评价图像数据更新目标模型的模型参数，得到更新后的目标模型包括：利用所述目标模型对所述待评价图像数据进行识别处理，得到第一识别结果；以及基于所述第一识别结果和所述第一数据标签，更新所述模型参数。5.根据权利要求1
‑
4中任意一项所述的方法，其中，所述待验证图像数据包括第二数据标签；所述利用待验证图像数据验证所述更新后的目标模型的识别准确度包括：利用更新后的目标模型对所述待验证图像数据进行识别处理，得到第二识别结果；以及基于所述第二识别结果和所述第二数据标签之间的匹配性，确定更新后的目标模型的识别准确度。6.一种目标模型的训练方法，包括：将训练图像数据输入待训练目标模型中，其中，所述训练图像数据包括数据质量，所述训练图像数据的数据质量是利用权利要求1
‑
5中任意一项所述的方法确定的；以及基于所述训练图像数据的数据质量，调整所述待训练目标模型的模型参数，得到经训练目标模型。7.根据权利要求6所述的方法，其中，所述基于所述训练图像数据的数据质量，调整所述待训练目标模型的模型参数包括：利用所述待训练目标模型对所述训练图像数据进行识别处理，得到模型损失值；基于所述训练图像数据的数据质量，更新所述模型损失值；以及基于更新后的模型损失值，调整所述待训练目标模型的模型参数。8.根据权利要求6或7所述的方法，还包括：获取多个候选图像数据，其中，所述多个候选图像数据中的每个候选图像数据包括数
据质量；基于所述每个候选图像数据的数据质量，确定针对所述每个候选图像数据的采样概率；以及基于所述采样概率，对所述多个候选图像数据进行数据采样，得到所述训练图像数据。9.一种图像数据处理装置，包括：更新模块，用于利用待评价图像数据更新目标模型的模型参数，得到更新后的目标模型；验证模块，用于利用待验证图像数据验证所述更新后的目标模型的识别准确度；以及第一确定模块，用于基于所述识别准确度，确定所述待评价图像数据的数据质量。10.根据权利要求9所述的装置，还包括：第一获取模块，用于获取多个目标图像数据；以及第二确定模块，用于从所述多个目标图像数据中确...
【专利技术属性】
技术研发人员：谌强，
申请(专利权)人：北京百度网讯科技有限公司，
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。