[发明专利]基于机器学习的图像信息识别的优化方法及装置

说明书

本发明公开了一种基于机器学习的图像信息识别的优化方法及装置，涉及数据处理技术领域，主要目的在于解决现有处于局部最优或鞍点的深度学习模型对图片信息进行识别，影响对图像信息识别的准确性，导致图像信息识别效率较低，影响基于机器学习的图像信息的识别效果的问题。包括：获取主任务图像训练样本集以及至少一个分支任务图像训练样本集，所述主任务图像训练样本集与所述分支任务图像训练样本集相匹配；基于所述主任务图像训练样本集、所述分支任务图像训练样本集对预设深度学习模型执行主任务训练及分支任务训练相切换的训练处理；基于完成训练的预设深度学习模型，对待识别的图像信息进行识别处理，得到所述图像信息的识别结果。

技术领域

本发明涉及一种数据处理技术领域，特别是涉及一种基于机器学习的图像信息识别的优化方法及装置。

背景技术

随着机器学习的快速发展，机器学习已经成为对数据处理的基础，尤其是利用深度学习模型来对图像信息进行处理。

目前，现有的利用深度学习模型对图片信息进行处理前，对于深度学习模型的训练过程会选取特定的训练数据对深度学习模型进行训练，例如，作为一个训练任务的一个训练数据集对深度学习模型进行训练，且作为深度学习模型训练是否完成的一个判断依据的损失函数loss在不变化时，说明深度学习模型完成训练，可以表征为深度学习模型陷入局部最优解，或者处于鞍点，即深度学习模型的一阶导数等于零，深度学习模型无法在继续优化，但是此时对于深度学习模型来说，并没有完成最优的训练，利用此时的深度学习模型进行图像信息的识别，会影响对图像信息识别的准确性，导致图像信息识别效率较低，从而影响基于机器学习的图像信息的识别效果。

发明内容

有鉴于此，本发明提供一种基于机器学习的图像信息识别的优化方法及装置，主要目的在于解决现有处于局部最优或鞍点的深度学习模型对图片信息进行识别，影响对图像信息识别的准确性，导致图像信息识别效率较低，从而影响基于机器学习的图像信息的识别效果的问题。

依据本发明一个方面，提供了一种基于机器学习的图像信息识别的优化方法，包括：

获取主任务图像训练样本集以及至少一个分支任务图像训练样本集，所述主任务图像训练样本集与所述分支任务图像训练样本集相匹配；

基于所述主任务图像训练样本集、所述分支任务图像训练样本集对预设深度学习模型执行主任务训练及分支任务训练相切换的训练处理，以使根据模型精度、损失值确定所述预设深度学习模型处于非局部最优、和/或非鞍点状态下完成训练处理；

基于完成训练的预设深度学习模型，对待识别的图像信息进行识别处理，得到所述图像信息的识别结果。

进一步地，所述基于所述主任务图像训练样本集、所述分支任务图像训练样本集对预设深度学习模型执行所述主任务训练及所述分支任务训练相切换的训练处理包括：

当执行主任务训练处理的所述预设深度学习模型处于局部最优、和/或鞍点状态，则根据与所述主任务图像训练样本集匹配的分支任务图像训练样本集对已执行主任务训练处理的所述预设深度学习模型执行分支任务训练处理；

当执行分支任务训练处理的所述预设深度学习模型跳出所述局部最优以及所述鞍点状态，则根据所述主任务图像训练样本集对所述预设深度学习模型重新执行主任务训练处理；

当重新执行主任务训练处理的所述预设深度学习模型的模型精度匹配预设精度阈值时，确定完成所述预设深度学习模型的训练。

进一步地，所述方法还包括：

当重新执行主任务训练处理后，所述所述预设深度学习模型处于局部最优、和/或鞍点状态，则再次基于所述分支任务图像训练样本集重新对所述预设深度学习模型执行分支任务训练处理的步骤；