一种模型训练方法及装置制造方法及图纸

本发明专利技术公开了一种模型训练方法及装置，所述方法包括：当判定待训练模型处于新增样本的过程中时，计算新增样本数量度量和新增样本目标特征差异性度量；根据新增样本数量度量和新增样本目标特征差异性度量，计算综合度量；当判定综合度量大于第一预设数值时，训练待训练模型，直至判定待训练模型不处于新增样本的过程中时，完成模型训练。采用本发明专利技术实施例能实现模型的不断迭代优化、提高优化效率。提高优化效率。提高优化效率。

【技术实现步骤摘要】
一种模型训练方法及装置


[0001]本专利技术涉及数据处理
，尤其涉及一种模型训练方法及装置。

技术介绍

[0002]深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字、图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，已远超过相关传统技术。
[0003]深度学习在ADAS系统中应用广泛，尤其是基于目标检测的深度学习算法，是完成基于图像的车辆检测、行人检测、车道线检测等多种任务的技术基础。在实际应用中，ADAS使用场景非常复杂，需要提高目标检测模型的泛化能力。
[0004]现有技术中，可以通过以下角度训练模型从而提高模型的泛化能力，所述角度包括：数据角度、模型设计角度和模型训练角度等。但是在实际应用中，虽然上述模型训练方法无法实现模型的不断迭代优化、存在效率低下的问题。

技术实现思路

[0005]本专利技术实施例提供一种模型训练方法及装置，能够实现模型的不断迭代优化、提高优化效率。
[0006]本申请实施例的第一方面提供了一种模型训练方法，包括：
[0007]当判定待训练模型处于新增样本的过程中时，计算新增样本数量度量和新增样本目标特征差异性度量；
[0008]根据新增样本数量度量和新增样本目标特征差异性度量，计算综合度量；
[0009]当判定综合度量大于第一预设数值时，训练待训练模型，直至判定待训练模型不处于新增样本的过程中时，完成模型训练。
[0010]在第一方面的一种可能的实现方式中，计算新增样本数量度量，具体为：
[0011]将新增样本数量的初始值设置为零，当判定待训练模型处于新增样本的过程中时，更新新增样本数量，得到第一新增样本数量；
[0012]当判定第一新增样本数量大于第二预设数值时，将第一新增样本数量作为新增样本数量度量。
[0013]在第一方面的一种可能的实现方式中，计算新增样本目标特征差异性度量，具体为：
[0014]当判定待训练模型处于新增样本的过程中时，计算第一特征向量和第二特征向量之间的第一聚类中心距离；其中，第一特征向量为原有样本的目标特征向量，第二特征向量为新增样本的目标特征向量；
[0015]当第一聚类中心距离大于第三预设数值时，记为第二聚类中心距离；
[0016]计算第二聚类中心距离的数量，将第二聚类中心距离的数量作为新增样本目标特
征差异性度量。
[0017]在第一方面的一种可能的实现方式中，在计算新增样本数量度量和新增样本目标特征差异性度量之后，还包括：
[0018]根据新增样本更新原有样本集。
[0019]在第一方面的一种可能的实现方式中，判定待训练模型处于新增样本的过程中，具体为：
[0020]当待训练模型已经开始或正在持续进行新增样本的采集与标注，则判定待训练模型处于新增样本的过程中。
[0021]本申请实施例的第二方面提供了一种模型训练装置，包括：第一计算模块、第二计算模块和训练模块；
[0022]其中，第一计算模块用于当判定待训练模型处于新增样本的过程中时，计算新增样本数量度量和新增样本目标特征差异性度量；
[0023]第二计算模块用于根据新增样本数量度量和新增样本目标特征差异性度量，计算综合度量；
[0024]训练模块用于当判定综合度量大于第一预设数值时，训练待训练模型，直至判定待训练模型不处于新增样本的过程中时，完成模型训练。
[0025]在第二方面的一种可能的实现方式中，计算新增样本数量度量，具体为：
[0026]将新增样本数量的初始值设置为零，当判定待训练模型处于新增样本的过程中时，更新新增样本数量，得到第一新增样本数量；
[0027]当判定第一新增样本数量大于第二预设数值时，将第一新增样本数量作为新增样本数量度量。
[0028]在第二方面的一种可能的实现方式中，计算新增样本目标特征差异性度量，具体为：
[0029]当判定待训练模型处于新增样本的过程中时，计算第一特征向量和第二特征向量之间的第一聚类中心距离；其中，第一特征向量为原有样本的目标特征向量，第二特征向量为新增样本的目标特征向量；
[0030]当第一聚类中心距离大于第三预设数值时，记为第二聚类中心距离；
[0031]计算第二聚类中心距离的数量，将第二聚类中心距离的数量作为新增样本目标特征差异性度量。
[0032]在第二方面的一种可能的实现方式中，在计算新增样本数量度量和新增样本目标特征差异性度量之后，还包括：
[0033]根据新增样本更新原有样本集。
[0034]在第二方面的一种可能的实现方式中，判定待训练模型处于新增样本的过程中，具体为：
[0035]当待训练模型已经开始或正在持续进行新增样本的采集与标注，则判定待训练模型处于新增样本的过程中。
[0036]相比于现有技术，本专利技术实施例提供的一种模型训练方法及装置，所述方法包括：当判定待训练模型处于新增样本的过程中时，计算新增样本数量度量和新增样本目标特征差异性度量；根据新增样本数量度量和新增样本目标特征差异性度量，计算综合度量；当判
定综合度量大于第一预设数值时，训练待训练模型，直至判定待训练模型不处于新增样本的过程中时，完成模型训练。
[0037]其有益效果在于：本专利技术实施例在处于新增样本的过程中，根据新增样本度量和新增样本目标特征差异性度量计算得到综合度量之后，在综合度量大于预设数值时，训练模型；即，本专利技术实施例能够在新增样本满足预设条件时，自动进行模型训练，直至样本不再新增，便结束模型训练。只要模型处于新增样本的过程中、且新增样本满足预设条件，便不断训练模型，能够实现模型的不断迭代优化、提高优化效率，提高了模型优化的可操作性，保证训练完毕的模型满足实际应用需求。
附图说明
[0038]图1是本专利技术一实施例提供的一种模型训练方法的流程示意图；
[0039]图2是本专利技术一实施例提供的新增样本数量度量计算过程示意图；
[0040]图3是本专利技术一实施例提供的新增样本目标特征差异性度量计算过程示意图；
[0041]图4是本专利技术一实施例提供的训练模型具体过程示意图；
[0042]图5是本专利技术一实施例提供的一种模型训练装置的结构示意图。
具体实施方式
[0043]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0044]参照图1，是本专利技术一实施例提供的一种模型训练方法的流程示意图，包括S101
‑
S103：
[0045]S10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：当判定待训练模型处于新增样本的过程中时，计算新增样本数量度量和新增样本目标特征差异性度量；根据所述新增样本数量度量和所述新增样本目标特征差异性度量，计算综合度量；当判定所述综合度量大于第一预设数值时，训练所述待训练模型，直至判定所述待训练模型不处于新增样本的过程中时，完成模型训练。2.根据权利要求1所述的一种模型训练方法，其特征在于，所述计算新增样本数量度量，具体为：将新增样本数量的初始值设置为零，当判定所述待训练模型处于新增样本的过程中时，更新所述新增样本数量，得到第一新增样本数量；当判定所述第一新增样本数量大于第二预设数值时，将所述第一新增样本数量作为所述新增样本数量度量。3.根据权利要求1所述的一种模型训练方法，其特征在于，所述计算新增样本目标特征差异性度量，具体为：当判定所述待训练模型处于新增样本的过程中时，计算第一特征向量和第二特征向量之间的第一聚类中心距离；其中，所述第一特征向量为原有样本的目标特征向量，所述第二特征向量为新增样本的目标特征向量；当所述第一聚类中心距离大于第三预设数值时，记为第二聚类中心距离；计算所述第二聚类中心距离的数量，将所述第二聚类中心距离的数量作为所述新增样本目标特征差异性度量。4.根据权利要求1所述的一种模型训练方法，其特征在于，在所述计算新增样本数量度量和新增样本目标特征差异性度量之后，还包括：根据新增样本更新原有样本集。5.根据权利要求1所述的一种模型训练方法，其特征在于，所述判定待训练模型处于新增样本的过程中，具体为：当所述待训练模型已经开始或正在持续进行新增样本的采集与标注，则判定所述待训练模型处于新增样本的过程中。6.一种模型训练装置，其特征在于，包括：第一计算模块、第二计算模...

【专利技术属性】
技术研发人员：陈文浩，刘圣阳，朱贵冬，高山，金吉成，
申请(专利权)人：广州海格星航信息科技有限公司，
类型：发明
国别省市：