【技术实现步骤摘要】
一种AI模型的自动化训练方法及AI模型训练系统
[0001]本申请实施例涉及人工智能(artificial intelligence,AI)
,尤其涉及一种AI模型的自动化训练方法及AI模型训练系统。
技术介绍
[0002]在生物识别(如指纹识别或人脸识别等)场景下,经常需要修复终端产品采集的生物特征(如指纹图像或人脸图像等),以提升包括生物特征的图像的质量。这样,可以提升生物识别的成功率。例如,可以采用AI模型(也称为AI修复模型)执行上述图像修复。该AI模型需要经过样本训练,才可以具备修复图像提升图像质量的能力。
[0003]其中,AI模型的模型训练通常可以包括两个流程:训练流程和测试流程。目前,训练流程通常是在技术人员设置好训练样本、模型结构和相关参数后,由训练平台自动完成的。由于训练平台的系统功能限制,该系统可能不支持模型测试或者模型测试的效率过低;因此,AI模型经过训练流程后,通常由技术人员人为执行测试流程对AI模型的性能进行测试。但是,人为测试AI模型的效率低,且工作量大。
技术实现思路
[0004]本申请提供一种AI模型的自动化训练方法及AI模型训练系统,可实现AI模型的自动化测试,进而提升AI模型的测试效率。
[0005]第一方面,本申请提供一种AI模型的自动化训练方法,该方法可以应用于训练平台,该训练平台中安装有Linux系统。该方法可以分为两个流程:AI模型的训练流程和测试流程。
[0006]一方面,训练平台可以在该训练平台完成AI模型的训练流程。具体 ...
【技术保护点】
【技术特征摘要】
1.一种人工智能AI模型的自动化训练方法,其特征在于,应用于训练平台,所述训练平台中安装有Linux系统,所述方法包括:所述训练平台获取多组数据对,每组数据对包括第一图像和第二图像,所述第一图像的图像质量高于所述第二图像的图像质量;所述训练平台获取待训练的第一AI模型的模型结构和调参信息,所述调参信息用于指示所述第一AI模型训练过程中的参数调整策略和图像处理策略;所述训练平台将所述每组数据对作为训练样本,基于所述调参信息训练所述第一AI模型得到第二AI模型,所述第二AI模型具备修复所述第二图像得到所述第一图像的能力;所述训练平台在所述Linux系统将所述第二AI模型转换成开放神经网络交互ONNX模型,将所述ONNX模型转换成适配Windows系统的第三AI模型;所述训练平台将所述第三AI模型拷贝至所述测试平台的所述Windows系统;所述训练平台通过所述Linux系统操作所述测试平台在所述Windows系统,将多个第三图像作为输入,运行所述第三AI模型得到多个第四图像;所述训练平台在所述Linux系统操作所述测试平台在所述Windows系统,对所述多个第四图像进行测试,得到所述第二AI模型的测试指标,所述测试指标包括拒识率FRR和峰值信噪比;所述训练平台根据所述测试指标调整所述第二AI模型,得到第四AI模型。2.根据权利要求1所述的方法,其特征在于,在所述训练平台将所述第三AI模型拷贝至所述测试平台的所述Windows系统之前,所述方法还包括:所述训练平台利用安全外壳协议SSH命令集,进行所述训练平台的所述Linux系统与所述测试平台的所述Windows系统的远程通信握手连接与账户认证。3.根据权利要求2所述的方法,其特征在于,所述训练平台在所述Linux系统操作所述测试平台在所述Windows系统,对所述多个第四图像进行测试,得到所述第二AI模型的测试指标,包括:所述训练平台利用所述SSH命令集,在所述Linux系统操作所述测试平台在所述Windows系统,对所述多个第四图像进行测试,得到所述测试指标。4.根据权利要求1
‑
3中任一项所述的方法,其特征在于,所述第三AI模型包括bin文件和param文件。5.根据权利要求1
‑
4中任一项所述的方法,其特征在于,所述第二图像是处理所述第一图像得到的;其中,所述训练平台获取多组数据对,包括:所述训练平台获取多个所述第一图像;所述训练平台分别将每个所述第一图像作为输入,运行第一循环Cycle生成对抗网络GAN模型,得到对应的第二图像;其中,所述第一Cycle GAN模型具备处理所述第一图像得到所述第二图像的能力,所述第二图像的图像质量低于所述第一图像的图像质量。6.根据权利要求5所述的方法,其特征在于,在所述训练平台获取多组数据对之前,所述方法还包括:所述训练平台获取第五图像和第六图像,所述第五图像的图像质量高于所述第六图像
的图像质量;所述训练平台将所述第五图像作为输入样本,并将所述第六图像作为输出样本,训练所述第一Cycle GAN模型,使得所述第一Cycle GAN模型具备处理图像以降低图像质量的能力。7.根据权利要求6所述的方法,其特征在于,所述第一Cycle GAN模型包括第一生成器和第一判别器,所述第一判别器具备对比两张图像并给出所述两张图像的差异的能力;所述训练平台将所述第五图像作为输入样本,并将所述第六图像作为输出样本,训练所述第一Cycle GAN模型,使得所述第一Cycle GAN模型具备处理图像以降低图像质量的能力,包括:所述训练平台将所述第五图像作为输入样本,并将所述第六图像作为输出样本,训练所述第一生成器,使得所述第一生成器具备处理图像以降低图像质量的能力;所述训练平台将所述第五图像作为输入,运行训练后的所述第一生成器,得到第七图像;所述训练平台将所述第六图像和所述第七图像作为输入,运行所述第一判别器,得到第一...
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。