计算机视觉模型成熟度评估方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种计算机视觉模型成熟度评估方法、装置、设备及存储介质，属于深度学习领域，本申请提供的技术方案包括：从数据的维度、算法模型的维度以及运行框架的维度对计算机视觉领域中的机器算法模型进行评估处理，得到数据的维度对应的第一评估值、算法模型的维度对应的第二评估值以及运行框架的维度对应的第三评估值；获取数据的维度、算法模型的维度以及运行框架的维度所分别对应的权重值；根据获取到的权重值对第一评估值、第二评估值和第三评估值进行加权求和处理，得到机器算法模型对应的成熟度得分。本申请实施例提供的技术方案能够对计算机视觉领域中的机器算法模型进行评估。进行评估。进行评估。

【技术实现步骤摘要】
计算机视觉模型成熟度评估方法、装置、设备及存储介质


[0001]本申请涉及深度学习领域，特别是涉及一种计算机视觉模型成熟度评估方法、装置、设备及存储介质。

技术介绍

[0002]随着深度学习算法的不断发展，深度学习算法中计算机视觉领域的技术也不断落地，如人脸识别、医疗影像识别、无人驾驶、智能机器人等，并且相应的产业规模不断增长，因此，如何衡量计算机视觉算法的成熟度对于未来计算机视觉算法的发展具有十分重要的意义。
[0003]当前，如何对计算机视觉领域中的机器算法模型进行评估已经成为了一个亟待解决的问题。

技术实现思路

[0004]基于此，本申请实施例提供了一种计算机视觉模型成熟度评估方法、装置、设备及存储介质，能够对计算机视觉领域中的机器算法模型进行评估。
[0005]第一方面，提供了一种计算机视觉模型成熟度评估方法，该方法包括：
[0006]从数据的维度、算法模型的维度以及运行框架的维度对计算机视觉领域中的机器算法模型进行评估处理，得到所述数据的维度对应的第一评估值、所述算法模型的维度对应的第二评估值以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计算机视觉模型成熟度评估方法，其特征在于，所述方法包括：从数据的维度、算法模型的维度以及运行框架的维度对计算机视觉领域中的机器算法模型进行评估处理，得到所述数据的维度对应的第一评估值、所述算法模型的维度对应的第二评估值以及所述运行框架的维度对应的第三评估值；获取所述数据的维度、所述算法模型的维度以及所述运行框架的维度所分别对应的权重值；根据获取到的权重值对所述第一评估值、所述第二评估值和所述第三评估值进行加权求和处理，得到所述机器算法模型对应的成熟度得分；其中，所述数据包括所述机器算法模型的训练集，所述算法模型包括所述机器算法模型的网络结构和网络参数，所述运行框架包括所述机器算法模型运行依赖的软硬件设施。2.根据权利要求1所述的方法，其特征在于，所述第一评估值包括数据真实性度量指标值、数据规范性度量指标值和数据均衡性度量指标值；所述数据真实性度量指标值用于指示所述训练集是否具备真实性；所述数据规范性度量指标值用于指示所述训练集是否符合规范；所述数据均衡性度量指标值用于指示所述训练集是否具有代表性。3.根据权利要求1所述的方法，其特征在于，所述第二评估值包括泛化能力度量指标值、鲁棒性度量指标值和性能效率度量指标值；其中，所述泛化能力度量指标值用于表征所述机器算法模型对未知数据的预测能力；所述鲁棒性度量指标值用于表征所述机器算法模型对非正常数据的健壮性；所述性能效率度量指标值用于表征所述机器算法模型的运行速度。4.根据权利要求1所述的方法，其特征在于，所述第三评估值包括可用性度量指标值、可移植性度量指标值和信息安全性度量指标值；其中，所述可用性度量指标值用于表征计算资源在需要使用时能够进行操作或维持功能的能力；所述可移植性度量指标值用于表征从当前运行环境迁移到另一种运行环境所需要的工作量和有效性；所述信息安全性度量指标值用于表征所述机器算法模型在运行过程中信息和数据被保护的程度。5.根据权利要求1至4任一所述的方法，其特征在于，所述根据获取到的权重值对所述第一评估值、所述第二评估值和所述第三评估值进行加权求和处理，得到所述机器算法模型对应的成熟度得分，包括：根据所述第一评估值中的各指标值计算得到所述数据的维度对应的最终评估值；根据所述...

【专利技术属性】
技术研发人员：高岩，徐欣，
申请(专利权)人：中国电子产品可靠性与环境试验研究所工业和信息化部电子第五研究所中国赛宝实验室，
类型：发明
国别省市：