一种模型处理方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种模型处理方法、装置、存储介质及电子设备，其中，方法包括：通过将初始图像处理模型部署至目标事务场景中的至少一个客户端，从客户端获取针对所述初始图像处理模型的至少一个图像处理样本对，图像处理样本对包括输入图像数据和模型输出数据，基于至少一个图像处理样本对对初始图像处理模型进行模型校准处理生成图像处理模型，然后基于图像处理模型对目标事务场景进行事务处理。像处理模型对目标事务场景进行事务处理。像处理模型对目标事务场景进行事务处理。

【技术实现步骤摘要】
一种模型处理方法、装置、存储介质及电子设备


[0001]本申请涉及计算机
，尤其涉及一种模型处理方法、装置、存储介质及电子设备。

技术介绍

[0002]随着计算机技术的快速发展，采用图像处理模型对诸如图像识别、图像分类、图像分割以及图像隐私保护等实际事务场景中的待处理图像进行图像处理的应用越来越广泛，在使用图像处理模型之前，需要先对图像处理模型进行训练；
[0003]在图像处理模型的训练过程中，通过收集训练数据，基于训练数据对图像处理模型进行线下训练，待训练完成后将训练好的图像处理模型部署到实际事务场景中进行图像处理。

技术实现思路

[0004]本说明书提供了一种模型处理方法、装置、存储介质及电子设备，所述技术方案如下：
[0005]第一方面，本说明书提供了一种模型处理方法，应用于服务平台，所述方法包括：
[0006]将初始图像处理模型部署至目标事务场景中的至少一个客户端，从所述客户端获取针对所述初始图像处理模型的至少一个图像处理样本对，所述图像处理样本对包括输入图像数据和模型输出数据；
[0007]基于所述至少一个图像处理样本对对所述初始图像处理模型进行模型校准处理，生成图像处理模型；
[0008]基于所述图像处理模型对所述目标事务场景进行事务处理。
[0009]第二方面，本说明书提供了一种模型处理方法，应用于客户端，所述方法包括：
[0010]从服务平台获取初始图像处理模型，将所述初始图像处理模型部署至目标事务场景中；
[0011]基于所述初始图像处理模型对输入图像数据进行模型处理得到模型输出数据；
[0012]基于所述输入图像数据和模型输出数据生成图像处理样本对，将所述图像处理样本对发送至服务平台，以使所述服务平台基于至少一个所述图像处理样本对对所述初始图像处理模型进行模型校准处理生成图像处理模型，并基于所述图像处理模型对所述目标事务场景进行事务处理。
[0013]第三方面，本说明书提供了一种模型处理装置，所述装置包括：
[0014]样本获取模块，用于将初始图像处理模型部署至目标事务场景中的至少一个客户端，从所述客户端获取针对所述初始图像处理模型的至少一个图像处理样本对，所述图像处理样本对包括输入图像数据和模型输出数据；所述初始图像处理模型为线下针对所述线上事务场景模型训练生成的图像处理模型；
[0015]模型生成模块，用于基于所述至少一个图像处理样本对对所述初始图像处理模型
进行模型校准处理，生成图像处理模型；
[0016]模型更新模块，用于基于所述图像处理模型对所述目标事务场景进行事务处理。
[0017]第四方面，本说明书提供了一种模型处理装置，所述装置包括：
[0018]模型部署模块，用于从服务平台获取初始图像处理模型，将所述初始图像处理模型部署至目标事务场景中；
[0019]模型处理模块，用于基于所述初始图像处理模型对输入图像数据进行模型处理得到模型输出数据；
[0020]样本发送模块，用于基于所述输入图像数据和模型输出数据生成图像处理样本对，将所述图像处理样本对发送至服务平台，以使所述服务平台基于至少一个所述图像处理样本对对所述初始图像处理模型进行模型校准处理生成图像处理模型，并基于所述图像处理模型对所述目标事务场景进行事务处理。
[0021]第五方面，本说明书提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
[0022]第六方面，本说明书提供一种计算机程序产品，所述计算机程序产品存储有多条指令，所述指令适于由处理器加载并执行上述的方法步骤。
[0023]第七方面，本说明书提供一种电子设备，可包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行上述的方法步骤。
[0024]本说明书一些实施例提供的技术方案带来的有益效果至少包括：
[0025]在本说明书一个或多个实施例中，服务平台通过将初始图像处理模型部署至目标事务场景中的至少一个客户端进行模型试运行，客户端会基于初始图像处理模型对目标事务场景下的输入图像数据进行图像处理得到模型输出数据，基于此服务平台可以从客户端收集针对初始图像处理模型的至少一个图像处理样本对，然后采用图像处理样本对对初始图像处理模型进行模型校准处理生成图像处理模型，然后可以基于该图像处理模型对所述目标事务场景进行事务处理。模型校准后的图像处理模型可以抵抗训练数据和实际线上数据的分布差异，具有良好的模型鲁棒性，实现了模型处理过程的优化，有效的增强了模型上线目标事务场景后的稳定性以及场景泛化能力。
附图说明
[0026]为了更清楚地说明本说明书或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0027]图1是本说明书提供的一种模型处理系统的场景示意图；
[0028]图2是本说明书提供的另一种模型处理方法的流程示意图；
[0029]图3是本说明书提供的另一种模型处理方法的流程示意图；
[0030]图4是本说明书提供的另一种模型处理方法的流程示意图；
[0031]图5是本说明书提供的另一种模型处理方法的流程示意图；
[0032]图6是本说明书提供的一种模型处理装置的结构示意图；
[0033]图7是本说明书提供的一种样本获取模块的结构示意图；
[0034]图8是本说明书提供的一种模型生成模块的结构示意图；
[0035]图9是本说明书提供的一种结构调整单元的结构示意图；
[0036]图10是本说明书提供的另一种模型处理装置的结构示意图；
[0037]图11是本说明书提供的一种电子设备的结构示意图；
[0038]图12是本说明书提供的另一种电子设备的结构示意图；
[0039]图13是本说明书提供的操作系统和用户空间的结构示意图；
[0040]图14是图13中安卓操作系统的架构图；
[0041]图15是图13中IOS操作系统的架构图。
具体实施方式
[0042]下面将结合本说明书中的附图，对本说明书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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0043]在本申请的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本申请的描述中，需要说明的是，除非另有明确的规定和限定，“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型处理方法，应用于服务平台，所述方法包括：将初始图像处理模型部署至目标事务场景中的至少一个客户端，从所述客户端获取针对所述初始图像处理模型的至少一个图像处理样本对，所述图像处理样本对包括输入图像数据和模型输出数据；基于所述至少一个图像处理样本对对所述初始图像处理模型进行模型校准处理，生成图像处理模型；基于所述图像处理模型对所述目标事务场景进行事务处理。2.根据权利要求1所述的方法，所述将初始图像处理模型部署至线上事务场景中的至少一个客户端，从所述客户端获取针对所述初始图像处理模型的至少一个图像处理样本对，包括：对目标事务场景进行模型线下训练，得到训练完成的参考图像处理模型；将所述参考图像处理模型作为初始图像处理模型部署至目标事务场景中的至少一个客户端，以使所述客户端基于所述初始图像处理模型对所述目标事务场景中输入图像数据进行处理得到模型输出数据；接收至少一个所述客户端发送的图像处理样本对，所述图像处理样本对包括所述输入图像数据和所述模型输出数据。3.根据权利要求1所述的方法，所述基于所述至少一个图像处理样本对所述初始图像处理模型进行模型校准处理，生成图像处理模型，包括：对所述至少一个图像处理样本对进行校验筛选处理，得到至少一个图像处理正常样本对和图像处理异常样本对；基于所述图像处理正常样本对和所述图像处理异常样本对对所述初始图像处理模型进行结构调整处理，得到参考图像处理模型；采用所述图像处理正常样本对对所述参考图像处理模型进行模型微调处理，生成图像处理模型。4.根据权利要求3所述的方法，所述对所述至少一个图像处理样本对进行校验筛选处理，得到至少一个图像处理正常样本对和图像处理异常样本对，包括：基于图像处理规范对所述至少一个图像处理样本对进行校验筛选处理，以确定与图像处理规范匹配的至少一个图像处理正常样本对，以及与所述图像处理规范不匹配的至少一个图像处理正常样本对。5.根据权利要求3所述的方法，所述基于所述图像处理正常样本对和所述图像处理异常样本对对所述初始图像处理模型进行结构调整处理，得到参考图像处理模型，包括：基于所述图像处理正常样本对和所述图像处理异常样本对，确定针对所述初始图像处理模型的性能评估参数；基于所述性能评估参数确定针对所述初始图像处理模型的模型网络调整层；基于所述模型网络调整层对所述初始图像处理模型进行结构调整处理，得到参考图像处理模型。6.根据权利要求5所述的方法，所述基于所述图像处理正常样本对和所述图像处理异常样本对，确定针对所述初始图像处理模型的性能评估参数，包括：获取所述图像处理异常样本对的第一数量，以及所述图像处理正常样本对的第二数
量；确定所述初始图像处理模型的模型运行时间；基于所述第一数量、所述第二数量以及所述模型运行时间，确定样本累计速率，将所述样本累计速率作为针对所述初始图像处理模型的性能评估参数；所述样本累计速率符合以下公式：v＝(N1/N2)/t其中，v为所述样本累计速率，N1为所述第一数量，N2为所述第二数量，t为所述模型运行时间。7.根据权利要求5所述的方法，所述基于所述性能评估参数确定针对所述初始图像处理模型的模型网络调整层，包括：获取针对所述性能评估参数的至少一个评估参考阈值；基于所述至少一个评估参考阈值以及所述性能评估参数，确定针对所述初始图像处理模型的至少一个模型网络调整层；所述基于所述模型网络调整层对所述初始图像处理模型进行结构调整处理，得到参考图像处理模型，包括：将所述至少一个模型网络调整层加入所述初始图像处理模型中，得到参考图像处理模型。8.根据权利要求7所述的方法，所述至少一个评估参考阈值至少包括第一参考阈值和第二参考阈值，所述基于所述至少一个评估参考阈值以及所述性能评估参数，确定针对所述初始图像处理模型的至少一个模型网络调整层，包括：若所述性能评估参数小于所述第一参考阈值，则确定第一数量的模型网络调整层；若所述性能评估参数大于或等于所述第一参考阈值且小于或等于所述第二参考阈值，则确定第二数量的模型网络调整层；若所述性能评估参数大于所述第二参考阈值，则确定第三数量的模型网络调整层。9.根据权利要求7所述的方法，所述初始图像处理模型至少包括图像编码网络，所述模型网络调整层为全连接层，所述将所述至少一个模型网络调整层加入所述初始图像处理模型中，得到参考图像处理模型，包括：将所述至少一个全连接层与所述图像编码网络相连接，得到参考图像处理模型。10.根据权利要求3所述的方法，所述图像处理正常样本对包括参考输入图像数据和参考模型输出数据，所述采用所述图像处理正常样本对对所述参考图像处理模型进行模型微调处理，生成图像处理模型，包括：通过所述参考图像处理模型对所述参考模型输出数据进行特征提取，得到图像参考特征；基于所述参考输入图像数据和所述图像参考特征，得到训练样本数据；基于所述训练样本数据和所述参考模型输出数据对所述参考图像处理模型进行模型训练，得到训练后的图像处理模型。
11.根据权利要求10所述的方法，所述参考图像处理模型至少包括图像解码网络，所述通过所述参考图...

【专利技术属性】
技术研发人员：曹佳炯，丁菁汀，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：