一种识别模型的训练方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种识别模型的训练方法、装置、电子设备及存储介质。所述方法包括：控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系；将所述感知数据标签体系传递给低分辨率感知器；控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型；其中，各个低分辨率的原始感知数据与各个高分辨率的原始感知数据分别为所述低分辨率感知器与所述高分辨率感知器基于相同的感知对象采集到的原始感知数据。可以实现对低分辨率感知器对应的识别模型进行训练。

A Training Method, Device, Electronic Equipment and Storage Medium for Recognition Model

【技术实现步骤摘要】
一种识别模型的训练方法、装置、电子设备及存储介质
本专利技术实施例涉及人工智能
，尤其涉及一种识别模型的训练方法、装置、电子设备及存储介质。
技术介绍
随着人工智能技术在各个领域取得突破性的进展，越来越多的机器学习任务开始转移到神经网络相关的模型中。神经网络相关的模型需要利用标注后的数据作为训练数据进行机器学习，因此，数据标注的质量高低对模型的性能好坏具有重要影响。现有的数据标注方法包括以下两种：第一、基于无监督学习的识别模型的训练方法，该方法需要极其海量的样本数据进行模型训练，在很多领域无法有效实施；第二、基于有监督学习的识别模型的训练方法，该方法需要通过大量的人工标注获取标注样本，对于低分辨率感知器采集到各个低分辨率的原始感知数据，人眼可能无法识别，无法进行人工标注，所以实现对低分辨率感知器对应的识别模型进行训练。
技术实现思路
有鉴于此，本专利技术实施例提供一种识别模型的训练方法、装置、电子设备及存储介质，可以实现对低分辨率感知器对应的识别模型进行训练。第一方面，本专利技术实施例提供了一种识别模型的训练方法，所述方法包括：控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系；将所述感知数据标签体系传递给低分辨率感知器；控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型；其中，各个低分辨率的原始感知数据与各个高分辨率的原始感知数据分别为所述低分辨率感知器与所述高分辨率感知器基于相同的感知对象采集到的原始感知数据。在上述实施例中，所述控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系，包括：控制所述高分辨率感知器将各个高分辨率的原始感知数据输入到所述高分辨率感知器对应的识别模型中；通过所述高分辨率感知器对应的识别模型获取到各个高分辨率的原始感知数据对应的数据标签特征；根据各个高分辨率的原始感知数据以及各个高分辨率的原始感知数据对应的数据标签特征确定出所述感知数据标签体系。在上述实施例中，所述将所述感知数据标签体系传递给低分辨率感知器，包括：通过预先确定的有线传输方式将所述感知数据标签体系传递给所述低分辨率感知器；或者，通过预先确定的无线传输方式将所述感知数据标签体系传递给所述低分辨率感知器。在上述实施例中，所述控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型，包括：控制所述低分辨率感知器将各个低分辨率的原始感知数据输入到所述低分辨率感知器对应的识别模型中；通过所述低分辨率感知器对应的识别模型获取到各个低分辨率的原始感知数据对应的数据标签特征；根据各个低分辨率的原始感知数据对应的数据标签特征以及所述感知数据标签体系对所述低分辨率感知器对应的识别模型进行训练。第二方面，本专利技术实施例提供了一种识别模型的训练装置，所述装置包括：第一控制模块、传递模块和第二控制模块；其中，所述第一控制模块，用于控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系；所述传递模块，用于将所述感知数据标签体系传递给低分辨率感知器；所述第二控制模块，用于控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型；其中，各个低分辨率的原始感知数据与各个高分辨率的原始感知数据分别为所述低分辨率感知器与所述高分辨率感知器基于相同的感知对象采集到的原始感知数据。在上述实施例中，所述第一控制模块包括：第一控制子模块、第一获取子模块和确定子模块；其中，所述第一控制子模块，用于控制所述高分辨率感知器将各个高分辨率的原始感知数据输入到所述高分辨率感知器对应的识别模型中；所述第一获取子模块，用于通过所述高分辨率感知器对应的识别模型获取到各个高分辨率的原始感知数据对应的数据标签特征；所述确定子模块，用于根据各个高分辨率的原始感知数据以及各个高分辨率的原始感知数据对应的数据标签特征确定出所述感知数据标签体系。在上述实施例中，所述传递模块，具体用于通过预先确定的有线传输方式将所述感知数据标签体系传递给所述低分辨率感知器；或者，通过预先确定的无线传输方式将所述感知数据标签体系传递给所述低分辨率感知器。在上述实施例中，所述第二控制模块包括：第二控制子模块、第二获取子模块和训练子模块；其中，所述第二控制子模块，用于控制所述低分辨率感知器将各个低分辨率的原始感知数据输入到所述低分辨率感知器对应的识别模型中；所述第二获取子模块，用于通过所述低分辨率感知器对应的识别模型获取到各个低分辨率的原始感知数据对应的数据标签特征；所述训练子模块，用于根据各个低分辨率的原始感知数据对应的数据标签特征以及所述感知数据标签体系对所述低分辨率感知器对应的识别模型进行训练。第三方面，本专利技术实施例提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术任意实施例所述的识别模型的训练方法。第四方面，本专利技术实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本专利技术任意实施例所述的识别模型的训练方法。本专利技术实施例提出了一种识别模型的训练方法、装置、电子设备及存储介质，先控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及高分辨率感知器对应的识别模型确定出感知数据标签体系；然后将感知数据标签体系传递给低分辨率感知器；再控制低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及感知数据标签体系训练低分辨率感知器对应的识别模型；其中，各个低分辨率的原始感知数据与各个高分辨率的原始感知数据分别为低分辨率感知器与高分辨率感知器基于相同的感知对象采集到的原始感知数据。也就是说，在本专利技术的技术方案中，可以控制低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及感知数据标签体系训练低分辨率感知器对应的识别模型。而在现有的基于无监督学习的识别模型的训练方法中，需要极其海量的样本数据进行模型训练，在很多领域无法有效实施；在现有的基于有监督学习的识别模型的训练方法中，需要通过大量的人工标注获取标注样本，对于低分辨率感知器采集到各个低分辨率的原始感知数据，人眼可能无法识别，无法进行人工标注，所以实现对低分辨率感知器对应的识别模型进行训练。因此，和现有技术相比，本专利技术实施例提出的识别模型的训练方法、装置、电子设备及存储介质，可以实现对低分辨率感知器对应的识别模型进行训练；并且，本专利技术实施例的技术方案实现简单方便、便于普及，适用范围更广。附图说明图1为本专利技术实施例一提供的识别模型的训练方法的流程图；图2为本专利技术实施例二提供的识别模型的训练方法的流程图；图3为本专利技术实施例三提供的识别模型的训练装置的第一结构示意图；图4为本专利技术实施例三提供的识别模型的训练装置的第二结构示意图；图5为本专利技术实施例四提供的电子设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以本文档来自技高网...

【技术保护点】
1.一种识别模型的训练方法，其特征在于，所述方法包括：控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系；将所述感知数据标签体系传递给低分辨率感知器；控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型；其中，各个低分辨率的原始感知数据与各个高分辨率的原始感知数据分别为所述低分辨率感知器与所述高分辨率感知器基于相同的感知对象采集到的原始感知数据。

【技术特征摘要】
1.一种识别模型的训练方法，其特征在于，所述方法包括：控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系；将所述感知数据标签体系传递给低分辨率感知器；控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型；其中，各个低分辨率的原始感知数据与各个高分辨率的原始感知数据分别为所述低分辨率感知器与所述高分辨率感知器基于相同的感知对象采集到的原始感知数据。2.根据权利要求1所述的方法，其特征在于，所述控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确定出感知数据标签体系，包括：控制所述高分辨率感知器将各个高分辨率的原始感知数据输入到所述高分辨率感知器对应的识别模型中；通过所述高分辨率感知器对应的识别模型获取到各个高分辨率的原始感知数据对应的数据标签特征；根据各个高分辨率的原始感知数据以及各个高分辨率的原始感知数据对应的数据标签特征确定出所述感知数据标签体系。3.根据权利要求1所述的方法，其特征在于，所述将所述感知数据标签体系传递给低分辨率感知器，包括：通过预先确定的有线传输方式将所述感知数据标签体系传递给所述低分辨率感知器；或者，通过预先确定的无线传输方式将所述感知数据标签体系传递给所述低分辨率感知器。4.根据权利要求1所述的方法，其特征在于，所述控制所述低分辨率感知器根据预先采集的各个低分辨率的原始感知数据以及所述感知数据标签体系训练所述低分辨率感知器对应的识别模型，包括：控制所述低分辨率感知器将各个低分辨率的原始感知数据输入到所述低分辨率感知器对应的识别模型中；通过所述低分辨率感知器对应的识别模型获取到各个低分辨率的原始感知数据对应的数据标签特征；根据各个低分辨率的原始感知数据对应的数据标签特征以及所述感知数据标签体系对所述低分辨率感知器对应的识别模型进行训练。5.一种识别模型的训练装置，其特征在于，所述装置包括：第一控制模块、传递模块和第二控制模块；其中，所述第一控制模块，用于控制高分辨率感知器根据预先采集的各个高分辨率的原始感知数据以及所述高分辨率感知器对应的识别模型确...

【专利技术属性】
技术研发人员：韩博，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11