[发明专利]算法模型的开发方法、终端设备及计算机存储介质

权利要求书

1.一种算法模型的开发方法，其特征在于，所述开发方法包括：

接收所述算法开发的需求信息，并根据所述需求信息采集对应的训练数据；

基于所述需求信息从系统算法库中选择多个算法组件，并将多个所述算法组件合成第一算法模型；

基于所述训练数据对算法模型进行训练，以得到训练参数；

当所述训练参数符合预设训练参数阈值时，输出所述第一算法模型。

2.根据权利要求1所述的开发方法，其特征在于，所述当所述训练参数符合预设训练参数阈值时，输出所述第一算法模型的步骤，包括：

当所述训练参数不符合所述预设训练参数阈值时，基于所述训练参数调整所述第一算法模型，以得到第二算法模型；

基于所述训练数据对所述第二算法模型进行训练，直至获取所述训练参数符合所述预设训练参数阈值的算法模型。

3.根据权利要求2所述的开发方法，其特征在于，所述基于所述训练参数调整所述第一算法模型，以得到第二算法模型的步骤，包括：

基于所述训练参数重新选择所述算法组件，并将重新选择的所述算法组件合成所述第二算法模型；

或者，基于所述训练参数调整多个所述算法组件在所述第一算法模型的权重，以得到所述第二算法模型。

4.根据权利要求3所述的开发方法，其特征在于，多个所述算法组件至少包括第一算法组件、第二算法组件和第三算法组件、第四算法组件；

所述第一算法组件，用于自动从数据库中筛选用于所述训练数据，快速开始训练，还用于数据的预处理，数据增强，训练数据分析；

所述第二算法组件，用于支持多通道类型图片的组合训练，兼容更多的数据格式和项目多样性；

所述第三算法组件，用于算法核心的具体实现，涉及各种图像处理算子、机器学习和深度学习算法库，能针对不同需求快速选择对应算法。

所述第四算法组件，用于进行所述算法模型性能多角度评估，目的是找到符合要求的模型，进行快速部署。

5.根据权利要求1所述的开发方法，其特征在于，所述当所述训练参数符合预设训练参数阈值时，输出所述第一算法模型的步骤之后，包括：

基于所述第一算法模型，部署对应的接口，并通过真机进行验证测试，评估发布。

6.根据权利要求1所述的开发方法，其特征在于，所述接收所述算法开发的需求信息，并根据所述需求信息采集对应的训练数据的步骤，进一步包括：

从预设的多个方案模板中获取目标方案模板，并基于所述需求信息和所述目标方案模板生成对应的采集方案表格，其中，所述采集方案表格中包括采集要求；

基于所述采集要求，采集对应的所述训练数据，并填写入所述采集方案表格中。

7.根据权利要求6所述的开发方法，其特征在于，所述采集对应的所述训练数据，并填写入所述采集方案表格中的步骤之后，包括：

对每个所述训练数据进行标记；

基于标记后的所述训练数据获取所有训练数据的分布情况，并将所述分布情况输入所述第一算法模型进行训练。

8.根据权利要求1所述的开发方法，其特征在于，所述训练参数至少包括准确率、检出率和误报率；

所述当所述训练参数符合预设训练参数阈值时，输出所述第一算法模型的步骤，包括：

当所述准确率大于预设准确率，所述检出率大于预设检出率，且所述误报率小于预设误报率时，输出所述第一算法模型。

9.一种终端设备，其特征在于，所述终端设备包括存储器以及与所述存储器耦接的处理器；

其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1～8任一项所述的算法模型的开发方法。

10.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被处理器执行时，用以实现如权利要求1～8任一项所述的算法模型的开发方法。