【技术实现步骤摘要】
所属的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。本公开提供了一种计算机可读存储介质，其上存储有计算机可读指令，计算机可读指令在被执行时实现上述的任一方法。本公开提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算设备执行上述各种可选实现方式中提供的任一方法。需要说明的是，本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、光纤、便携式紧凑磁盘只读存储器（cd-rom）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机
技术介绍
1、随着计算机技术的发展，人工智能和深度学习算法等先进技术被广泛地应用。例如，可以使用基于人工智能和深度学习算法等先进技术的深度学习模型来完成对图像的分类，从而减少人工工作量，提高效率。又例如，在屏幕生产领域，由于设备、参数、操作、环境干扰等环节存在的问题，会使产出的产品产生不良，可以通过利用深度学习模型对屏幕图像进行分类来检测屏幕缺陷的类别。然而，在实际生产过程中，由于模型的预测效果会直接影响产品的生产过程，因此，将经训练的模型部署至生产线是一项非常谨慎的工作。
技术实现思路
1、有鉴于此，本公开提供了确定目标模型的方法、确定图像类别的方法、确定图像类别的系统、计算设备、计算机可读存储介质及计算机程序产品，期望克服上面提到的部分或全部缺陷以及其它可能的缺陷。
2、根据本公开的一方面，提供了一种确定目标模型的方法，包括：获取样本数据集，样本数据集包括训练数据集和验证数据集，训练数据集和验证数据集中的每一个包括已被标注类别的多个样本图像；利用训练数据集对深度学习模型进行训练，根据不同训练轮数，得到至少两个经训练的模型；利用验证数据集测试至少两个经训练的模型，生成验证测试结果；基于验证测试结果，生成验证测试指标，验证测试指标包括以下各项中的至少一项：混淆矩阵、准确率、召回率和f1分数；根据验证测试指标，在至少两个经训练的模型中确定目标模型。
3、在一些实施例中，该方法还包括：获取离线测试数据集，离线测试数据集包括以下中的至少一项：由样本数据集划分得到的子集、由用户提供的输入样本数据集，输入样本数据集包括已被标注类别的多个样本图像；利用离线测试数据集测试目标模型，生成离线测试结果。
4、在一些实施例中，该方法还包括：基于验证测试结果或者离线测试结果，针对至少一个类别，生成准确率曲线和召回率曲线，其中，准确率曲线反映准确率和置信度阈值之间的关系，召回率曲线反映召回率与置信度阈值之间的关系；根据准确率曲线和召回率曲线，更新针对至少一个类别的置信度阈值。
5、在一些实施例中，根据准确率曲线和召回率曲线，更新针对至少一个类别的置信度阈值包括：根据准确率曲线和召回率曲线的交点，更新针对至少一个类别的置信度阈值。
6、在一些实施例中，该方法本文档来自技高网...
【技术保护点】
1.一种确定目标模型的方法，包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求1或2所述的方法，还包括：
4.根据权利要求3所述的方法，其中，所述根据所述准确率曲线和召回率曲线，更新针对至少一个类别的置信度阈值包括：
5.根据权利要求1或2所述的方法，还包括：
6.根据权利要求5所述的方法，还包括：
7.根据权利要求6所述的方法，还包括：
8.根据权利要求1或2所述的方法，还包括：
9. 根据权利要求8所述的方法，还包括以下两项中的一项：
10.根据权利要求8所述的方法，其中，所述获取在线测试数据集包括：
11.根据权利要求8所述的方法，其中，所述获取在线测试数据集包括：
12.根据权利要求8所述的方法，其中，所述上线所述目标模型包括：
13.根据权利要求8所述的方法，还包括：
14.根据权利要求13所述的方法，其中，所述基于来自图像获取装置的待检图像，获取在线抽查数据包括以下中的至少一项：
15.根
16.根据权利要求15所述的方法，其中，所述根据所述验证测试指标，在所述至少两个经训练的模型中确定目标模型还包括：
17.根据权利要求1所述的方法，其中，所述样本图像为目标产品的图像，所述类别为所述目标产品的产品缺陷类别。
18.一种确定图像类别的方法，包括：
19.一种确定目标模型的方法，包括：
20.根据权利要求19所述的方法，还包括：
21.根据权利要求19或20所述的方法，其中，所述根据所述离线测试结果，更新针对至少一个类别的置信度阈值包括：
22.根据权利要求19或20所述的方法，还包括：
23.根据权利要求20所述的方法，还包括：
24.根据权利要求20所述的方法，还包括：
25.根据权利要求23所述的方法，还包括：
26.根据权利要求20所述的方法，其中，所述离线测试参数配置界面包括数据集选择选项，并且其中，所述根据所述配置输入，获取离线测试数据集包括：
27.根据权利要求20所述的方法，其中，所述离线测试参数配置界面包括数据集上传选项，并且其中，所述根据所述配置输入，获取离线测试数据集还包括：
28.根据权利要求19或20所述的方法，还包括：
29.根据权利要求28所述的方法，其中，所述在线测试参数配置界面包括新模型上线选项，并且所述基于所述配置输入，获取在线测试数据集包括：
30.根据权利要求28所述的方法，其中，所述在线测试参数配置界面包括模型更新选项，并且所述基于所述配置输入，获取在线测试数据集包括：
31.根据权利要求28所述的方法，还包括：
32.根据权利要求31所述的方法，还包括：
33.一种确定图像类别的系统，包括：
34.一种计算设备，包括：
35.一种计算机可读存储介质，其存储有计算机可执行指令，当所述计算机可执行指令被执行时，执行根据权利要求1至32中的任一项所述的方法。
36.一种计算机程序产品，包括计算机指令，所述计算机指令在被处理器执行时实现权利要求1至32中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种确定目标模型的方法，包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求1或2所述的方法，还包括：
4.根据权利要求3所述的方法，其中，所述根据所述准确率曲线和召回率曲线，更新针对至少一个类别的置信度阈值包括：
5.根据权利要求1或2所述的方法，还包括：
6.根据权利要求5所述的方法，还包括：
7.根据权利要求6所述的方法，还包括：
8.根据权利要求1或2所述的方法，还包括：
9. 根据权利要求8所述的方法，还包括以下两项中的一项：
10.根据权利要求8所述的方法，其中，所述获取在线测试数据集包括：
11.根据权利要求8所述的方法，其中，所述获取在线测试数据集包括：
12.根据权利要求8所述的方法，其中，所述上线所述目标模型包括：
13.根据权利要求8所述的方法，还包括：
14.根据权利要求13所述的方法，其中，所述基于来自图像获取装置的待检图像，获取在线抽查数据包括以下中的至少一项：
15.根据权利要求1所述的方法，其中，所述根据所述验证测试指标，在所述至少两个经训练的模型中确定目标模型包括：
16.根据权利要求15所述的方法，其中，所述根据所述验证测试指标，在所述至少两个经训练的模型中确定目标模型还包括：
17.根据权利要求1所述的方法，其中，所述样本图像为目标产品的图像，所述类别为所述目标产品的产品缺陷类别。
18.一种确定图像类别的方法，包括：
19.一种确定目标模型的方法，包括：
20.根据权利要求19所述的方法，还包括：<...
【专利技术属性】
技术研发人员：王耀平，李昭月，张美娟，赵小慧，柴栋，王洪，
申请(专利权)人：京东方科技集团股份有限公司，
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。