【技术实现步骤摘要】
本申请涉及大数据及人工智能学习模型领域，具体而言，涉及一种视觉深度学习模型的优化部署方法、系统和介质。
技术介绍
1、视觉深度学习模型是通过自学习训练模型获取对视觉图像进行智能识别从而得到目标特征信息的智能学习模型，但由于学习训练存在计算量大、耗时长、杂冗信息多的问题，会导致视觉学习效果和效率达不到预期，往往在实际应用中耗费大量运行时间和资源，且无法对视觉学习模型的训练处理效果进行有效评定判断，因此，如何提高视觉学习模型的训练成效和准确率，并对模型的训练成效进行效果检验是目前的空白技术。
2、针对上述问题，目前亟待有效的技术解决方案。
技术实现思路
1、本申请实施例的目的在于提供一种视觉深度学习模型的优化部署方法、系统和介质，可以通过对视觉学习模型进行图像识别处理的筛选优化获得可对初级模型进行深度优化的适配分批训练图像，并对分段优化训练的模型的优化训练成效数据结合历史样本的检测结果数据进行修正获得优化训练效果数据，实现对视觉深度学习模型的优化训练部署以及成效检验。
...
【技术保护点】
1.一种视觉深度学习模型的优化部署方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的视觉深度学习模型的优化部署方法，所述获取多个预设类别的待识别图像，通过预设视觉学习模型对各类别图像进行多批次图像识别处理，获得各类别图像的视觉识别结果集，并对视觉识别结果集进行效果统计，获得各批次图像识别处理的图像识别效果信息，包括：
3.根据权利要求2所述的视觉深度学习模型的优化部署方法，所述根据所述各类别图像的视觉识别结果集提取各类别图像的图像描述特征参数以及类别图像识别可信度阈值，并根据图像描述特征参数处理获得各类别图像对应的类别图像质检识别系数，
...
【技术特征摘要】
1.一种视觉深度学习模型的优化部署方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的视觉深度学习模型的优化部署方法，所述获取多个预设类别的待识别图像，通过预设视觉学习模型对各类别图像进行多批次图像识别处理，获得各类别图像的视觉识别结果集，并对视觉识别结果集进行效果统计，获得各批次图像识别处理的图像识别效果信息，包括：
3.根据权利要求2所述的视觉深度学习模型的优化部署方法，所述根据所述各类别图像的视觉识别结果集提取各类别图像的图像描述特征参数以及类别图像识别可信度阈值，并根据图像描述特征参数处理获得各类别图像对应的类别图像质检识别系数，包括：
4.根据权利要求3所述的视觉深度学习模型的优化部署方法，所述根据所述各类别图像各批次的图像识别效果信息提取图像识别效果特征数据，根据图像识别效果特征数据结合所述类别图像质检识别系数对各批次图像识别效果进行检验，获得图像识别可信度数据，包括：
5.根据权利要求4所述的视觉深度学习模型的优化部署方法，所述根据所述图像识别可信度数据与对应所述类别图像识别可信度阈值进行阈值对比筛出符合要求的类型图像识别批次并标记为有效图像识别批次，将所述各类别图像的全部有效图像识别批次的批次图像进行集合获得识别训练图像集，并根据预设分段训练批次对初始视觉学习模型进行批次分段累积训练，获得视觉深度优化学习模型，并获取各预设分段训练批次的阶段训练结果检测数据，包括：
6.根据权利要求5所述的视觉...
【专利技术属性】
技术研发人员：罗震，
申请(专利权)人：厦门翼方健数信息科技有限公司，
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。