模型训练方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术提供了一种模型训练方法、装置、电子设备及存储介质，所述训练方法首先获取训练图像数据集；其中，所述训练图像数据集包括教室学生图像；然后对所述数据集中的图像进行内容信息标注；其中，所述内容信息包括学生行为类型；最后对标注后的数据集进行训练得到图像识别模型；其中，模型训练过程包括对模型进行调整，所述调整包括所述图像数据集中图像的数量调整和图像标注的内容信息调整。本发明专利技术可以对图像进行快捷的行为标注以及修改，让用户自己根据实际情况调整样本数量进行训练，同时可以校验模型的效果，方便高效的提高模型质量，还可以对特定用户的历史模型数据进行有序管理，满足个性化需求。满足个性化需求。满足个性化需求。

【技术实现步骤摘要】
模型训练方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像处理领域，尤其涉及一种模型训练方法、装置、电子设备及存储介质。

技术介绍

[0002]由专业技术人员进行图像标注，模型训练的方式不能很好的满足诸多学校个性化需求和效率要求。
[0003]现有标注图像的缺点：经由专业工程师使用客户端标注工具手工标注图像进而进行训练的模式，虽然准确但是耗时耗力，客户端软件使用较为不便，难以模块化嵌入管理系统。
[0004]目前少有基于web实现的全功能灵活使用的图像标注工具，大部分图像标注的工作都需要借助于客户端，如LabelImg去实现，基于的web的图像标注方案使用更加灵活，部署和升级更加敏捷。

技术实现思路

[0005]本专利技术提供了一种模型训练方法、装置、电子设备及存储介质，可以对图像进行快捷的行为标注以及修改，让用户自己根据实际情况调整样本数量进行训练，同时可以校验模型的效果，方便高效的提高模型质量，还可以对特定用户的历史模型数据进行有序管理，满足个性化需求。
[0006]第一方面，本专利技术实施例提供了一种模型训练方法，所述训练方法包括：
[0007]获取训练图像数据集；其中，所述训练图像数据集包括教室学生图像；
[0008]对所述数据集中的图像进行内容信息标注；其中，所述内容信息包括学生行为类型；
[0009]对标注后的数据集进行训练得到图像识别模型；其中，模型训练过程包括对模型进行调整，所述调整包括所述图像数据集中图像的数量调整和图像标注的内容信息调整。可选地，所述训练方法还包括模型管理，所述模型管理包括：
[0010]获取用户层级权限；
[0011]根据所述用户层级权限调取、查看或优化历史模型。
[0012]可选地，所述提供基于web的图像标注功能以对所述数据集中的图像进行内容信息标注包括：
[0013]判断键盘或鼠标的操作行为；
[0014]根据判断结果对所述图像进行操作；
[0015]其中，所述操作包括：
[0016]标注时标注区叠加操作，所述标注时标注区叠加操作的实现包括：在监听到键盘w按键按下后，将编辑区域框元素设置为不可编辑和鼠标可穿透状态并设置层级为低层级，在框选结束后，生成新的可编辑框元素并将新生成的编辑框元素或者选中的元素设置为高
层级；
[0017]浏览器窗口尺寸改变操作，所述浏览器窗口尺寸改变操作的实现包括：在页面生命周期起始时增加页面尺寸变化监听函数，当页面尺寸变化时重新加载图片，获取图片现有尺寸信息，与图片原始比例比较得到缩放系数，用缩放系数重新加载数据和页面元素。
[0018]第二方面，本专利技术实施例提供了一种图像识别方法，所述识别包括：
[0019]获取训练图像数据集；其中，所述训练图像数据集包括教室学生图像；
[0020]对所述数据集中的图像进行内容信息标注；其中，所述内容信息包括学生行为类型；
[0021]对标注后的数据集进行训练得到图像识别模型；其中，模型训练过程包括对模型进行调整，所述调整包括所述图像数据集中图像的数量调整和图像标注的内容信息调整；
[0022]获取测试图像数据集；其中，所述测试图像数据集包括教室学生图像；
[0023]利用所述图像识别模型对所述测试图像数据集进行识别，识别图像中学生的行为类型并进行标注；其中，对所述测试图像数据集进行识别过程包括查看已识别标注的测试图像。
[0024]查看可选地，所述识别方法还包括识别报告的生成，所述识别报告的生成包括：
[0025]获取已上传历史训练集与预测集生成各类行为的统计数据；其中所述统计数包括各类行为的AP、识别数量和标注数量；
[0026]将所述数据以TXT形式导出。
[0027]第三方面，本专利技术的实施例提供了一种模型训练装置，所述训练装置包括：
[0028]数据获取模块，获取训练图像数据集；其中，所述训练图像数据集包括教室学生图像；
[0029]图像标注模块，对所述数据集中的图像进行内容信息标注；其中，所述内容信息包括学生行为类型；
[0030]模型训练模块，对标注后的数据集进行训练得到图像识别模型；其中，模型训练过程包括对模型进行调整，所述调整包括所述图像数据集中图像的数量调整和图像标注的内容信息调整。
[0031]可选地，所述训练装置还包括：
[0032]模型管理模块，获取用户层级权限后根据所述用户层级权限调取、查看或优化历史模型。
[0033]可选地，所述训练装置还包括：
[0034]报告生成模块，获取已上传历史训练集与预测集生成各类行为的统计数据后将所述数据以TXT形式导出；其中所述统计数包括各类行为的AP、识别数量和标注数量。
[0035]第四方面，本专利技术的实施例提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现如第一方面任一项所述的方法。
[0036]第五方面，本专利技术的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的方法。
[0037]有益效果
[0038]本专利技术提供了一种模型训练方法、装置、电子设备及存储介质，所述训练方法首先获取训练图像数据集；其中，所述训练图像数据集包括教室学生图像；然后对所述数据集中
的图像进行内容信息标注；其中，所述内容信息包括学生行为类型；最后对标注后的数据集进行训练得到图像识别模型；其中，模型训练过程包括对模型进行调整，所述调整包括所述图像数据集中图像的数量调整和图像标注的内容信息调整。可以对图像进行快捷的行为标注以及修改，让用户自己根据实际情况调整样本数量进行训练，同时可以校验模型的效果，方便高效的提高模型质量，还可以对特定用户的历史模型数据进行有序管理，满足个性化需求。
[0039]应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本专利技术的实施例的关键或重要特征，亦非用于限制本专利技术的范围。本专利技术的其它特征将通过以下的描述变得容易理解。
附图说明
[0040]结合附图并参考以下详细说明，本专利技术各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标记表示相同或相似的元素。
[0041]图1示出了本专利技术的实施例的一种模型训练方法的流程图；
[0042]图2示出了本专利技术的实施例的一种图像识别方法的流程图；
[0043]图3示出了本专利技术实施例的一种模型训练装置的结构示意图；
[0044]图4示出了本专利技术实施例的一种电子设备的结构图。
具体实施方式
[0045]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本说明书的一部分实施例，而不是全部的实施例。基于本文档来自技高网...

【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，训练所述训练方法包括：获取训练图像数据集；其中，所述训练图像数据集包括教室学生图像；对所述数据集中的图像进行内容信息标注；其中，所述内容信息包括学生行为类型；对标注后的数据集进行训练得到图像识别模型；其中，模型训练过程包括对模型进行调整，所述调整包括所述图像数据集中图像的数量调整和图像标注的内容信息调整。2.根据权利要求1所述的训练方法，其特征在于，所述训练方法还包括模型管理，所述模型管理包括：获取用户层级权限；根据所述用户层级权限调取、查看或优化历史模型。3.根据权利要求1所述的训练方法，其特征在于，所述对所述数据集中的图像进行内容信息标注包括：判断键盘或鼠标的操作行为；根据判断结果对所述图像进行操作；其中，所述操作包括：标注时标注区叠加操作，所述标注时标注区叠加操作的实现包括：在监听到键盘w按键按下后，将编辑区域框元素设置为不可编辑和鼠标可穿透状态并设置层级为低层级，在框选结束后，生成新的可编辑框元素并将新生成的编辑框元素或者选中的元素设置为高层级；浏览器窗口尺寸改变操作，所述浏览器窗口尺寸改变操作的实现包括：在页面生命周期起始时增加页面尺寸变化监听函数，当页面尺寸变化时重新加载图片，获取图片现有尺寸信息，与图片原始比例比较得到缩放系数，用缩放系数重新加载数据和页面元素。4.一种图像识别方法，其特征在于，所述识别方法包括：获取训练图像数据集；其中，所述训练图像数据集包括教室学生图像；对所述数据集中的图像进行内容信息标注；其中，所述内容信息包括学生行为类型；对标注后的数据集进行训练得到图像识别模型；其中，模型训练过程包括对模型进行调整，所述调整包括所述图像数据集中图像的数量调整和图像标注的内容信息调整；获取测试图像数据集...

【专利技术属性】
技术研发人员：方祥斌，
申请(专利权)人：北京中庆现代技术股份有限公司，
类型：发明
国别省市：